- 综合排序
- 最热优先
- 最新优先
- 来自专栏花雕学AI
《花雕学AI》30：ChatGPT的资料来源比例排名前20名是什么？
资料来源对于ChatGPT的性能至关重要，因为它们决定了ChatGPT可以学习到的知识和文本的范围、深度和新鲜度。不同类型和来源的资料会影响ChatGPT的回答品质、创意功能和对话风格。 我们将从以下三个方面进行分析：（1）ChatGPT的资料来源类型和比例；（2）ChatGPT的资料来源变化和更新；（3）ChatGPT的资料来源对其聊天品质和创意功能的影响。 根据OpenAI官方公布的资讯，我们可以得知ChatGPT的预训练资料来源比例排名前20名如下表所示： 资料来源 比例 Common Crawl 60% WebText2 的预训练资料来源主要集中在通用文本，如Common Crawl、WebText2、Books1等，这些文本涵盖了各种主题和风格，可以让ChatGPT学习到丰富和多样的语言知识。 图片 结尾：本文探讨了ChatGPT的资料来源比例排名前20名是什么，以及它们如何影响ChatGPT的表现。我们发现，ChatGPT的资料来源主要有两种类型：预训练资料和微调资料。
51530编辑于 2023-05-05 用 GPT Researcher 前，先验证“资料来源合同”
用 GPT Researcher 前，先验证“资料来源合同”GPT Researcher 不应该被当成一个更会写的搜索框。 更准确的用法是把它看成研究流水线：从一个 query 出发，拆子问题，调用 retriever 找候选来源，抓取网页或文档，整理上下文，再写出带引用的长报告。 这条流水线有价值，但前提是“资料来源合同”能被看见。 它到底做了什么上游 README 对核心流程的描述很清楚：根据研究问题创建 task-specific agent；生成一组更客观的子问题；通过 crawler / retriever 收集资料；对资源做摘要和 报告可能超过 2,000 字，并聚合 20+ 来源。
12310编辑于 2026-07-04EJB的资料辅导（2）
无状态的SessionBean是可以池化的，以优化性能。 回调方法是基于事件机制的。 生命周期回调方法的规则 1，对于直接定义在Bean中的回调，其格式应该是public void <method()>，也就是直接写在SessionBean中。 2，对于为Bean类单独提供(单个或多个)回调监听而言。 的信息，多应用服务器共享Session数据库，同步Bean的信息，达到集群处理）。 有状态的Session，会保存成员变量（没有加transient关键字，以及串行化的类型和基本类型），也会保存其他的SessionBean的引用。
24810编辑于 2025-10-14JSP资料辅导（2）
（在翻译时把包含文件的内容引入并合并），不进行翻译，file属性制定要包含的文件的名字（注意要包含的文件的路径），这个指令可以实现页面的复用。 注意在请求中传送的参数的值是中文的话需要调用请求request的 setCharacterEncoding("..")方法设置相应的编码方式，只适用于post请求，也可以通过Servlet的Filter 我们可以通过设置属性名的方法名也就是setXxxx()来控制属性的赋值，用form表单的参数为Bean的属性赋值时，系统会自动的调用与之同名属性的setXxxx()方法，尤其是日期类型，可以通过使用这一方法来处理 JavaBean是可视的或者是不可视的，不用部署，EJB是不可视的，需要部署到服务器中。 JavaBean部署在应用程序中， EJB是部署在容器中，可以是有状态或者是无状态的，声明式事务。 JavaBean的属性和方法是普通的，EJB是需要遵守规范，是需要通过标准的描述符来定义的。
26010编辑于 2025-10-14Spring资料辅导（2）
扩展对象：ApplicationContext 优先选择，功能强大比beanfactory 特点 1.预先加载，把对象全部实例化到容器中 2.提供了很多接口（对国际化，事件模型，自动注册等工具） 让容器对我们的bean对象大小改写的例子 写类实现BeanPostPorcessor接口，有初始化之前和初始化之后两个方法 是容器提供的接口，对这两个方法实现我们自己的想法，把容器提供的参数bean对象转成我们的 的value 用${name}得到值 2.对属性编辑器的支持(当属性类型不能简单转换时用到） customEditorConfigurer 操作： 1.创建一个编辑器类，我们继承一个父类PropertyEditorSupport show=this is show= /u3404/u3783/ 这是公司 xxx_ZH_CN // show=this{0}is{1}tarena 用于插入 用native2ascii 在命令行回车，把汉字打上再回车即可 2.在测试类中,调用getMessage("show",null,Locale.CHINA） //getMessage("show",new String
16910编辑于 2025-10-14JDBC资料辅导（2）
在使用PreparedStatement时，在设置相应参数时，要指明参数的位置和类型，以及给出参数值 根据不同的参数类型使用不同的setXXX(参数的位置，参数值)来设置参数 例： public void 源数据就是描述存储用户数据的容器的数据结构。 getDatabaseProductName() 获得数据库产品的名称 getDriverVersion() 获得JDBC驱动程序的String形式的版本号 getTables()获得数据库中该用户的所有表 六、事务（Transaction） 事务是针对原子操作的，要求原子操作不可再分，要求原子操作必须同时成功同时失败。 事务是捆绑的原子操作的边界。 2，不可重复读（UnPrpeatable Read），两次读取到了不同的数据，就是要保持在同一时间点上两次读取到的数据相同， 不能够使查询数据时进行改变。
25710编辑于 2025-10-14Servlet资料辅导（2）
Servlert servlet接口的实现类中的service()方法，在继承HttpServlet类时，如果没有覆盖父类的service()方法，那么父类的service()方法会根据请求类型不同的会分别调用覆盖的 ServletContext对象是Servlet的上下文对象，这个对象是在服务器启动时创建的，他可以看作是 一个应用的对象，他可以看作是包含Servlet，管理Servlet的对象。 （默认） 2，调用Servlet对象的init()方法，初始化Servlet的信息，init()方法只会在创建后被调用一次 3，响应请求，调用service()或者是doGet()，doPost() 方法来处理请求，这些方法是运行的在多线程状态下的。 ;//覆盖了的无参的init()方法，会在Servlet创建时调用有参的init方法时 也会被调用。 } HttpServlet类中参数不同的service方法的调用关系。
20210编辑于 2025-10-14JSP资料辅导（5--2）
cookie对象 所谓的cookie是一个小小的文本文件，它是以key、value的方式将Session Tracking的内容记录在这个文本文件内，这个文本文件通常存在于浏览器的暂存区内。 JSTL并没有提供设定cookie的动作，因为这个动作通常都是后端开发者必须去做的事情，而不是交给前端的开发者。 header和headerValues（请求报头对象） header储存用户浏览器和服务端用来沟通的数据，当用户要求服务端的网页时，会送出一个记载要求信息的标头文件，例如：用户浏览器的版本、用户计算机所设定的区域等其他相关数据 > <web-app xmlns="http://java.sun.com/xml/ns/j<em>2</em>ee" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance " xsi:schemaLocation="http://java.sun.com/xml/ns/j<em>2</em>ee/web-app_<em>2</em>_4.xsd" version="2.4"> <context-param
18910编辑于 2025-10-14Struts2 ---1 学习资料
Struts2提供了一个ActionSupport基类去实现常用的接口。 Action接口不是必须的，任何有execute标识的POJO对象都可以用作Struts2的Action对象。 Action资源必须是线程安全你的货同步的。 Struts2 Action对象为每一个请求产生一个实例，因此没有线程安全问题。 Struts2 Action不依赖于容器，允许Action脱离容器单独被测试。如果需要，Struts2 Action仍然可以访问出事的request和response。 Struts2直接使用Action属性作为输入属性，消除了对第二个输入对象的需求。Action属性能够通过web页面上的taglibs访问。Struts2也支持ActionForm模式。 每个类一个转换器，对每一个实例来说是不可配置的。 Struts2 使用OGNL进行类型转换。提供基本和常用对象的转换器。
22910编辑于 2025-10-14- 来自专栏wujunmin
ChatGPT查资料和查代码有什么区别？
向ChatGPT提问XXX次之后，发现查询普通文本资料和查询代码（例如VBA、DAX或其他程序语言）有显著区别。 提问方式 ---- 无论是查询普通的资料还是代码，提问都需要具体、明确，以动名词为主。 ChatGPT查代码和搜索引擎查代码最明显的区别在于，前者的代码可以是为你定制的。你让告诉ChatGPT把VBA运行结果输出在B2单元格，它不会写到B1。 去除其中重复的内容和错误内容，就得到了一份完整的材料。 2. 验证方式 ---- 我们获得了答案，但并不意味着答案是可用的，获得的文本资料和代码证伪难易程度不同。 而常规的文本资料，由于不清楚AI调用的信源是什么，很难保证是否可靠。你可能需要为材料验证付出较大的时间成本。 综上，针对查询资料的使用场景，完全程式化的代码、技巧之类使用ChatGPT比搜索引擎效率更高；无需验证的（比如邀请函）或者马上就能验证（比如菜谱）的文本材料ChatGPT效率也比较高；需要严谨验证的资料现阶段建议主要使用搜索引擎
86940编辑于 2023-02-28 - 来自专栏机器人课程与技术
ROS2_Foxy_重要资料
---- 1 Webots webots_ros2是一个软件包，提供了必要的接口以在Webots开源3D机器人模拟器中模拟机器人。它使用ROS2消息，服务和操作与ROS2集成。 ? 部分的文档如下： 入门 编译安装 教程 案例 参考文献 这部分案例在windows和ubuntu，都测试通过，稍后更新全部教程。 2 Ignition 这是Gazebo的新一代版本。 3 Coppelia 这是V-Rep的新一代版本，具体参考第一部分链接： 本教程将尝试以简单的方式说明如何基于ROS 2 Foxy启用CoppeliaSim ROS 2。 首先，应确保至少已通过ROS 2官方教程，至少在初学者部分。然后，我们假设正在运行最新的Ubuntu，已安装ROS，并且已设置工作区文件夹。在此还请参阅有关ROS 2安装的官方文档。 通过ROS 2接口（libsimExtROS2Interface.so）支持CoppeliaSim中的常规ROS 2功能。
1.3K10发布于 2021-03-03 JSP资料辅导（4--2）
带Body的自定义标签 1，必须实现Tag接口的doStartTag()和doEndTag()方法; 2，可以实现IterationTag接口的doAfterBody()方法; 3，可以实现BodyTag 定义标签扩展信息类(TEI)并且在TLD文件中包括这个类元素(tei-class); 2，变量必须在标签处理程序类中使用pageContext.setAttribute()方法设置; 3，标签扩展信息类 1，setPageContext(javax.servlet.jsp.PageContext):void 2，setParent(javax.servlet.jsp.tagext.Tag):void 2，setJspContext()、setParent(): 只有这个标签在另一个标签之，才调用setParent()方法; 3，设置属性：调用每个属性的setter方法; 4，setJspBody() " xsi:schemaLocation="http://java.sun.com/xml/ns/j2ee web-jsptaglibrary_2_0.xsd" version="2.0
23310编辑于 2025-10-14- 来自专栏物联网思考
【玩转ESP32】2、开发资料
1、硬件资料 这里使用ESP32-WROOM-32模组，模组引脚布局如下：手册 ? 模组引脚说明： ? 要特别注意：管脚 SCK/CLK，SDO/SD0，SDI/SD1，SHD/SD2，SWP/SD3，和 SCS/CMD，即 GPIO6 至 GPIO11 用于连接模组上 集成的 SPI flash，不建议用于其他功能 esp32的io大部分可以复用，从网上找了一个分配比较齐全的图，可参考： ? 关于自动下载电路的原理可参考网友的分享：https://zhuanlan.zhihu.com/p/145369083 2、软件资料 (1)主要是根据官方的API详解和idf中example以及代码中的注释 ：https://docs.espressif.com/projects/esp-idf/zh_CN/latest/esp32/api-reference/index.html； (2)官方快速入门文档
2.4K30发布于 2021-03-10 - 来自专栏硬件工程师
LDO的噪声来源、抑制方法
1 LDO 噪声来源 LDO 的噪声分为 LDO 内部的噪声和 LDO 外部的噪声。LDO 内部的噪声来自于内部电路的带隙基准源，放大器以及晶体管。LDO 外部的噪声来自于输入。 这里提醒下（很多厂商会以高PSRR为卖点推料，工程师自己要有自己的判断） 图 2 是 LDO 内部结构框图， VN 代表等效噪声源。 噪声源包括带隙基准源产生的噪声VN (REF )，误差放大器产生的噪声V (NAMP) ， FET 产生的噪声V (NFET) 以及反馈电阻产生的噪声VN (R 1) 和VN (R 2) 。 2 LDO 噪声抑制方法 为了抑制带隙基准源产生的噪声，有三种办法： 一是降低误差放大器的带宽，抑制了带隙基准源的高频噪声。但是降低带宽会使 LDO 的动态性能降低。 不同CFF 下的噪声频谱密度图。可以看出， CFF 越大，噪声从低频开始都能被很好的抑制。CFF 太小的时候，抑制噪声的作用就不太明显。
1K00编辑于 2025-03-31 - 来自专栏机器人课程与技术
ROS2之OpenCV的微笑入门资料篇
ROS2使用OpenCV基础_zhangrelay的博客-CSDN博客 2. ROS2进行人脸识别face_recognition_zhangrelay的博客-CSDN博客 ---- 2020-2021停更。 ---- 2022年： 1. ROS2+Gazebo11+Car+OpenCV巡线识别和速度转向控制学习 2. ROS2之OpenCV基础代码对比foxy~galactic~humble 3. ROS2之OpenCV人脸识别foxy~galactic~humble ---- 不变的永远是那谜一般微笑的蒙娜丽莎。 机器人的初始位置保证为空，并且机器人使用给定的 API 在网格内移动 Robot。机器人必须清洁房间里的每个自由空间。
75530编辑于 2022-06-15 - 来自专栏全栈程序员必看
SDL2来源分析7：演出（SDL_RenderPresent()）
===================================================== SDL源代码分析系列文章上市： SDL2源码分析1：初始化（SDL_Init()） SDL2源码分析 2：窗体（SDL_Window） SDL2源码分析3：渲染器（SDL_Renderer） SDL2源码分析4：纹理（SDL_Texture） SDL2源码分析5：更新纹理（SDL_UpdateTexture ()） SDL2源码分析6：拷贝到渲染器（SDL_RenderCopy()） SDL2源码分析7：显示（SDL_RenderPresent()） SDL2源码分析8：视频显示总结 =========== NULL); if (FAILED(result)) { D3D_SetError("Present()", result); } } 从代码中能够看出，该函数调用了2个最关键 2.
1.2K20编辑于 2022-07-06 - 来自专栏用户8739990的专栏
在线识别图片来源原理 选择好的在线识别图片来源程序
如今已是数字化时代，彩色的图片越来越多的图片进入到日常生活中。有很多的时候，大家可能会并不清楚一张图片的来源，这就需要用到一些在线识别图片来源的程序。那么在线识别图片的来源的程序是如何工作的？ 在众多的识别程序中，如何去选择好的识别程序呢？项目就来为大家简单介绍一下。 image.png 一、在线识别图片来源的原理 首先，在线识别图片的程序或程序主要是依托大数据来进行处理的。 通过算法模拟出该图片每种颜色所在的位置及其占比。最后就是在数据库中查询图片及其链接的网站地址。这样就实现了在线识别图片、图片查询来源的工作。 二、选择在线识别图片来源的程序的指南 一款好的图片识别程序关键就是要看数据库是否庞大。只有巨大的数据库才会有大量的识别材料，只有庞大的识别材料才会让用户查找图片来源的过程更加可靠、准确。 以上就是为大家带来的关于在线识别图片来源的原理，以及一些好的识别图片来源程序的选择方法。优质的图片识别程序并不少，只要精挑细选一下就可以找到好的程序。
21.6K40发布于 2021-07-23 - 来自专栏EdisonTalk
ChatGPT学习之旅 (2) Hello Prompt
OpenAI的创始人也被称为ChatGPT之父的Sam Altman曾经发文强调说：“会给AI写提示词是一个非常高杠杆的技能！” 高质量提示词的重要性 对ChatGPT提同样的需求，高质量的提示词 和 低质量的提示词，ChatGPT所返回给你的结果也会有较大的差距。 下面就给出一个公式： （1）立角色（必填） 即引导AI进入一个具体的场景，为AI赋予一个行家身份。 （2）述问题（必填） 即告诉AI你的问题，以及为AI补充问题所需的背景信息。 不过，刚好我的朋友梁总公司YoYoSoft就开发了这样一个国内直连的ChatGPT代理产品方案，因此我就使用它来作为ChatGPT作为本系列文章的演示。 AIChatX：https://ai.yoyocms.com/client/chat 参考资料 极客时间，李佳芮，《ChatGPT从0到1》 极客时间，林健，《零基础GPT应用入门课》 Global AI
69311编辑于 2024-05-28 - 来自专栏python3
python的资料
://down.51cto.com/data/81127 《Python 3程序开发指南(第二版)》推荐 http://down.51cto.com/data/201703 《Python基础教程(第2版 http://down.51cto.com/data/305248 中文版Python3教程 http://down.51cto.com/data/310185 《Python.Cookbook(第2版 中英文版 http://down.51cto.com/data/257686 超级无敌Python教程 http://down.51cto.com/data/294337 Python Cookbook（第2版 学习资料 http://down.51cto.com/data/242167 《Python标准库》中文版 http://down.51cto.com/data/313469 Python Unix和Linux 源码剖析 http://down.51cto.com/data/141159 Python实现的黑白棋游戏 http://down.51cto.com/data/139878 CS模式的TCP聊天室程序
1.7K20发布于 2020-01-09 - 来自专栏AI进修生
别难为 ChatGPT 了，面对海量资料，NotebookLM + Gemini 的“外挂模式”才是降维打击
但是，一旦扔给它们一份 1000 页的技术文档、几个 G 的混合资料库（图片、视频、网页链接）, 就麻烦了： 现在当我有现成的资料的时候：笔记、视频、图片。。 如果不使用NotebookLM，Gemini3的上下文没这么大。而且对于那些多模态资料而言，前者更多的是RAG，后者是作为上下文。 顶部核心： 用大字号、高视觉权重的排版展示“一句话核心思想”，作为方法论的灵魂。 2. 核心概念： 提取 3–5 个关键概念，采用非预测性的卡片结构进行展示。 3. ◦ 极端字重： 标题使用 800/900 字重，解释文本使用 100/200 字重，字号跳跃应大于 3 倍，以建立清晰的阅读阶梯。 2. 2、lovart 的图片编辑功能 3、Windows智能圈选，可以自动把图片内容转化成可编辑的PPT格式 最后，关于前端提示优化小知识库： 这个如果你喜欢的话，可以在评论区留言，后面可以说一说。
91810编辑于 2026-02-27
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号