问答-0701（周）版本发布内容

CSDN问答问答小助手 2021-07-02 10:37:21

本周问答上线的主要功能，欢迎大家体验，有问题或建议，请在下方留言，我们会及时跟进～

1、编辑器升级
markdown编辑器优化后重新上线！pc和wap端均支持，您可选择多种样式编辑问题并支持预览～

2、代码主题更换
代码主题颜色更换，和看不清的代码说拜拜~

3、UI优化
问答部分UED细节优化，比如采纳、加急标志，等你来发现更多~

...全文

3275 回复打赏收藏举报

写回复

用AI写文章

切换为时间正序

请发表友善的回复…

发表回复

GluonTS 的「高级主题」（Advanced）文档目录（`docs/tutorials/advanced_topics/index.md`）下包含两个进阶教程：其一是介绍如何**用 PyTorch 实现自定义时间序列模型、并用 PyTorch Lightning 训练**，同时无缝复用 GluonTS 生态的数据加载、特征处理与评估工具；其二是介绍如何**用 Optuna 对 GluonTS

大家好我是木木，自从2022年11月30日OpenAI发布ChatGPT后，大模型迅速火热起来，人工智能作为当下最火的行业之一，2025年春节期间DeepSeek R1模型大火。LLM中有很多的技术，今日我们做一个小案例使用本地使用Python进行SDK调用百度千帆LLM。

我们可以看到，从2018年BERT和GPT的出现，到2022年ChatGPT的爆发，再到2025年DeepSeek-R1和o3等大型推理模型的兴起，后训练技术经历了从简单微调到复杂推理增强的质变。这一结构图不仅清晰展示了后训练技术的全貌，还揭示了技术、数据和应用之间的内在联系，为工程师提供了系统性的技术选择和应用指南。这篇文章对于未来几年都很重要。随着GPT-3的发布，后训练技术迎来了快速发展期，各种方法层出不穷：从针对特定任务的微调，到确保模型与人类偏好一致的对齐策略，再到增强模型推理能力的技术。

大模型已成为人工智能领域的重要方向，但调用API与真正理解模型内部机制之间仍存在巨大鸿沟。Transformer架构作为现代LLM的核心，其训练涉及数据清洗、分词器构建、注意力机制、预训练与部署等完整链路。掌握从零构建LLM的能力，不仅有助于深入理解Loss变化、过拟合等底层问题，还能为模型定制化训练与工程优化提供坚实基础。本文以斯坦福CS336课程为主线，梳理手搓大模型的真实路径，并给出基于PyTorch的最小可运行示例，帮助开发者在本地跑通从数据准备到文本生成的完整流程。

内容概要：本文提出了一种基于高保真电磁暂态仿真的智能电网虚假数据注入攻击（FDIA）数据集构建与影响分析方法，依托PSCAD与MATLAB联合仿真平台，构建IEEE标准测试系统（如9节点或39节点系统）的精细化电磁暂态模型，精确模拟电网在正常运行及遭受FDIA下的动态响应过程，采集高精度、高时间分辨率的电压、电流、功率等电气量时序数据，生成具有强物理约束性和可复现性的攻击数据集。研究进一步结合现代状态估计理论、残差检测机制与机器学习分类算法，对FDIA的隐蔽性特征、攻击传播路径、系统关键变量偏移程度及暂态稳定性影响进行系统性量化评估，旨在为智能电网安全防护体系的设计、入侵检测模型的训练与攻防策略的有效性验证提供高可信度的数据基础与理论支撑。; 适合人群：面向电力系统自动化、能源互联网安全、工业控制系统安全等方向的研究生、科研人员及工程技术人员，要求具备电力系统分析、状态估计基础、MATLAB/PSCAD联合仿真能力以及基本的网络安全背景知识。; 使用场景及目标：① 复现和验证主流FDIA相关学术论文中的攻击模型与检测算法；② 构建符合实际物理规律、可用于训练深度学习或机器学习驱动的入侵检测系统（IDS）的真实攻击数据集；③ 深入探究虚假数据注入对电网暂态稳定性、继电保护动作逻辑、频率调节等关键功能的影响机理。; 阅读建议：本资源以高保真仿真为核心，强调数据生成的真实性与实验可重复性，读者应重点关注PSCAD与MATLAB之间的数据交互机制、攻击向量的设计原则与注入方式、以及多维度影响评估指标体系的构建方法，建议结合所提供的仿真模型与代码进行动手实践与结果验证。

CSDN 全站建议专区

11,499

社区成员

4,155

社区内容

发帖

与我相关

我的任务

其他其他

社区管理员

加入社区

近7日
近30日
至今

加载中

社区公告

试试用AI创作助手写篇文章吧