好急好急的Hexo博客

仓库界面操作 在仓库中和本地的CNAME文件中修改为新的域名； 在域名商操作都完成后，需要等一段时间（大致一小时）后在Setting中的Page项中做DNS校验，然后github会自动配置https服务，等着就行了。 域名商操作 在域名商的DNS解析服务中，添加如下项： Type Name Value A @ 185.199.108.153 A @ 185.199.109.153 A @ 185.199.110.153 A @ 185.199.111.153 CNAME www zlh123123.github.io

本博客将会聚焦于LLM的后训练过程，主要参考为https://github.com/mbzuai-oryx/Awesome-LLM-Post-training。针对LLM的预训练过程，可参考https://www.haojihaoji.space/2025/07/17/CS336/

这是25年春CS336的课堂笔记和作业，课程网站为Stanford CS336 | Language Modeling from Scratch，课程视频可在哔哩哔哩上观看：斯坦福CS336：大模型从0到1。 此课程内容涵盖分词、模型架构、系统优化、数据处理和模型对齐等方面，通过从零开始构建语言模型，深入理解NLP和AI的核心技术。 我的作业备份仓库：zlh123123/CS336_spring2025: CS336的作业与课程笔记 课程内容 阶段 对应视频课次 核心技术点 Assignments 基础架构 第 1 - 4 讲 字节对齐分词 (BPE Tokenization) Transformer (Attention/MLP/Norm) 架构AdamW 优化器与混合精度训练MoE (混合专家) 架构 Assignment1 系统与算子 第 5 - 8 讲 GPU 显存层次结构与算力瓶颈 Triton 内核编程：FlashAttention-2分布式训练：数据/张量/流水线并行 Assignment2 Scaling Law 第 9, 11...

半小时速通十大排序算法，核心原理 +...

Teruteru的学习笔记 第一章 网络空间安全概述 第一节...

N2考试题型 N2日语能力考试JLPT 题型详细说明 能力考考试攻略_哔哩哔哩_bilibili N1考试题型 日语能力考JLPT N1考试详细说明_哔哩哔哩_bilibili 语法 首先是hero老师的： N5蓝宝书：12.5h 蓝宝书N4：8.5h N3蓝宝书：18.5h N2蓝宝书 part1、N2蓝宝书 part2、N2蓝宝書 part3：4.5h+30h+11h N1蓝宝书：70h 还有搜罗到的考前急救系列（似乎每年考前都会更新）：25年7月N2急救系列 词汇 【日语|无敌绿宝书N2词汇】无例句精简版|读两遍(持更)_哔哩哔哩_bilibili 配合无敌绿宝书 新日语能力考试 N2词汇 | 李晓东, 沈英莉 | download on...

概述 安全等级 《可信计算机系统评估标准》将操作系统、网络组件和可信应用程序所提供的安全保护等级分为4大类，7小类，从高到低为： A1、B3、B2、B1、C2、C1、D。 目前尚没有任何操作系统满足A1等级；仅有很少一部分操作系统满足B等级；C2等级被认为针对通用操作系统来说已经足够安全的了。（目前的Windows、MAC、IOS等系统均是C2等级） D级，最低保护（Minimal Protection） 没有通过其他安全等级测试项目的系统即属于该级，如DOS、Windows 9x系统 C级，自主访问控制（Discretionary Protection） 系统客体（被访问的，如文件、目录）可由系统主体（能够发起行为的，如用户、应用程序）自主定义访问权。例如：管理员可以决定系统中任意文件的权限。 客体的权限是可以自主决定的。 B级，强制访问控制（Mandatory Protection） 由系统强制对客体进行安全保护，每个系统客体（如文件、目录等资源）及主体（如系统管理员、用户、应用程序）都有自己的安全标签（Security...

原文章链接：[Improving Real-world Password Guessing Attacks via Bi-directional Transformers](Improving Real-world Password Guessing Attacks via Bi-directional Transformers | USENIX) 概述 密码猜测攻击可视为对文本令牌概率分布的近似建模。自然语言处理（NLP）中的双向Transformer因其能利用双向上下文捕捉文本细微特征的能力，为密码猜测提供了新思路。本文提出了一种基于双向Transformer的密码猜测框架PassBERT，采用“预训练-微调”范式，首先生成预训练密码模型以学习通用密码分布，随后针对以下三类现实攻击场景设计微调方法： 条件密码猜测（CPG）：基于已知的密码策略或用户行为规律生成猜测列表，利用规则缩小搜索范围。 场景：某公司密码策略要求“8位以上，包含大写字母和数字”。 攻击方法：生成 Pass1234、Hello2023...

基于李宏毅机器学习课程（22年春）所写的课程笔记 课程主页：ML 2022 Spring 此外，李老师在25年春开设新机器学习课程，主要内容为LLM及相关技术，课程主页为ML 2025...