好急好急的Hexo博客

线与间 五线谱都是由上下两部分组成的，上下各5条线。最左侧的这个大括号称为连谱号。 对于上半部分，其最左侧的符号称为高音谱号；下半部分最左侧的符号称为低音谱号。 这里的竖线称为小节线。 线和间的命名是从下到上，依次如上图所示。 当然，五线谱中不止有这5个线和4个间，在其上方和下方都可以加线or间，其命名如下： **注意，高音谱的下加一线和低音谱的上加一线是同一个音。**既然如此，那么例如高音谱的下加二线就是低音谱的第五线。 拍号与音符时值 这里的44和68代表拍号，44的含义是“以4分音符为一拍，每小节有4拍”，44拍也可以用“C”去表示，即上图中在高音谱号与低音谱号右侧的符号；68的含义是“以8分音符为一拍，每小节有6拍”。 上图中是4种不同时值的休止符，依次为四分音符休止符、二分音符休止符（注意其在线之上）、全休止符（注意其在线之下）、八分音符休止符（有一个尾巴）。同样尾巴数变多就可以代表十六分音符休止符（2个尾巴）和三十二分音符休止符（3个尾巴）：

N5文法 U1 名词、代词、量词 名词、代词、量词在日语中都称为体言，形容词、动词称为用言。 1. 名１＋は＋名２＋です/ではありません 最简单的句型，即A是B/A不是B。属于敬体（礼貌体）。 は的作用是提示主题，即は后面的东西是用来对其前面的东西进行解释说明的。 在口语情况下，では可以变成じゃ，即じゃありません，这种称为约音。 2. 名１＋は＋名２＋でした/ではありませんでした 句型1的过去式。同样属于敬体（礼貌体）。 3. 名１＋は＋名２＋だ/ではない 句型1的简体型。 此外，名１＋は＋名２＋だ的句型也可以作为一个小句，配合后面的句子一起来对名１进行解释说明；如果用的是敬体的形式（名１＋は＋名２＋です），就没有小句这种说法。 同样，在口语情况下，では可以变成じゃ。 4. 名１＋は＋名２＋だった/ではなかった 句型3的过去式。同样属于简体。 5. 名１＋は＋名２＋ですか/でしたか 疑问句句型。现在疑问/过去疑问 此外，否定形式下的疑问，例如ではありませんか带有委婉邀请的含义。 6....

0325 学习了哈希表的一些基础的知识，哈希表定义：d={}，就是那种键值对 哈希表主要用来判断是否存在：if a in d 以及用于计数：d[a] 有一个语法关键字：enumerate，用法是for i, num in enumerate(nums)，i是序号，num是值 计数通常用这种方法（就是对着一个list或者一个string想计数） for ch in str: d[ch]=d.get(ch,0)+1 就是get函数就是拿到ch这个键对应的值，如果没有就是0 然后这种计数有一个包能直接解决： 1234from collections import Counterprint(Counter("aabcc"))# Counter({'a': 2, 'c': 2, 'b': 1}) 如果想要遍历这种字典：遍历键用for key in d.keys()或者for key in d，遍历值用for value in d.values()，同时遍历for key, value in...

本综述更偏向targeted guessing这一领域。 targeted password guessing / target guessing / personalized password guessing 定义为：攻击者或评估者在猜测某个具体用户口令时，利用该用户的 PII、用户名/邮箱、社交/人口属性、目标站点上下文、已泄露旧口令/姊妹口令、多个历史口令、部分已知字符或口令掩码 等辅助信息，目标是在很小猜测预算下提高命中率。 这个方向已经从早期的规则/概率模型，明显转向 Transformer、LLM、pointer/copy 机制、检索增强、排序优化、多泄露口令建模和目标感知 PSM。一个有用的宏观分类是：普通 trawling guessing 面向群体分布，而 targeted guessing 面向单个用户的条件分布；近年综述也将这两类作为 password guessing 研究的核心分支。(MDPI) 1. 研究脉络总览 第一阶段：PII + 概率规则。 代表是 TarGuess 系列：把名字、生日、用户名、邮箱、手机号等 PII...

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...