关于静态代码块和匿名代码块以及结构体在程序运行过程中的调用顺序实验（续）之前发过一篇博客讲述自己对静态代码块、匿名代码块以及结构体在程序中运行结果的小实验。本次再接触到abstract抽象类后，觉得在做一个实验，看看抽象类方法继承中三个模块的调用顺序。所编写的代码如下：Application类（带main方法）抽象类Action继承类A运行结果如下：​可以看到，与普通类的继承情况不同，在抽象类的继承调用中，使用new调用子类会先进入抽象类调用静态构造体，然后再回到子类调用子类的静态构造体，之后的顺序同前面的实验部分二。因此，需要主要加以区分。

关于静态代码块和匿名代码块以及结构体在程序运行过程中的调用顺序实验（续）之前发过一篇博客讲述自己对静态代码块、匿名代码块以及结构体在程序中运行结果的小实验。本次再接触到abstract抽象类后，觉得在做一个实验，看看抽象类方法继承中三个模块的调用顺序。所编写的代码如下：Application类（带main方法）抽象类Action继承类A运行结果如下：​可以看到，与普通类的继承情况不同，在抽象类的继承调用中，使用new调用子类会先进入抽象类调用静态构造体，然后再回到子类调用子类的静态构造体，之后的顺序同前面的实验部分二。因此，需要主要加以区分。

学习化学，除了要注重书本知识及做好实验外，学会利用计算机工具软件也是一个很好的方法和技巧，我们可以使用各种化学软件工具来加深对化学知识的理解和应用。下面简单介绍一些常用的化学软件工具和它们的用途。化学结构绘制软件：用于绘制化学分子结构图，如ChemDraw、ChemDoodle和MarvinSketch等。分子模拟软件：用于模拟和分析化学反应、分子结构和性质等，如Gaussian、MOPAC和ORCA等。分子动力学模拟软件：用于模拟分子在时间上的演化和动力学性质，如GROMACS、LAMMPS和NAMD等。量子化学计算软件：用于计算分子结构和反应动力学等，如NWChem、GAMESS和Q-Ch

学习化学，除了要注重书本知识及做好实验外，学会利用计算机工具软件也是一个很好的方法和技巧，我们可以使用各种化学软件工具来加深对化学知识的理解和应用。下面简单介绍一些常用的化学软件工具和它们的用途。化学结构绘制软件：用于绘制化学分子结构图，如ChemDraw、ChemDoodle和MarvinSketch等。分子模拟软件：用于模拟和分析化学反应、分子结构和性质等，如Gaussian、MOPAC和ORCA等。分子动力学模拟软件：用于模拟分子在时间上的演化和动力学性质，如GROMACS、LAMMPS和NAMD等。量子化学计算软件：用于计算分子结构和反应动力学等，如NWChem、GAMESS和Q-Ch

中山大学人机物智能融合实验室（HCP）在AIGC及多模态大模型方面成果丰硕，在近期的AAAI2023、CVPR2023先后入选了十余篇，位列全球研究机构的第一梯队。​其中一个工作实现了用因果模型来显著提升多模态大模型在调优中的可控及泛化性——《MaskedImagesAreCounterfactualSamplesforRobustFine-tuning》。链接：https://arxiv.org/abs/2303.03052使用预训练的大规模模型在下游任务上进行微调是当前流行的深度学习范式。尤其是近期预训练语言大模型ChatGPT的出色表现，使得这套技术范式得到了广泛的认可。经过海量数据的预

中山大学人机物智能融合实验室（HCP）在AIGC及多模态大模型方面成果丰硕，在近期的AAAI2023、CVPR2023先后入选了十余篇，位列全球研究机构的第一梯队。​其中一个工作实现了用因果模型来显著提升多模态大模型在调优中的可控及泛化性——《MaskedImagesAreCounterfactualSamplesforRobustFine-tuning》。链接：https://arxiv.org/abs/2303.03052使用预训练的大规模模型在下游任务上进行微调是当前流行的深度学习范式。尤其是近期预训练语言大模型ChatGPT的出色表现，使得这套技术范式得到了广泛的认可。经过海量数据的预

一个让物理学家狂喜的AI工具，在GitHub上开源了！它名叫Φ-SO ，能直接从数据中找到隐藏的规律，而且一步到位，直接给出对应公式。整个过程也不需要动用超算，一台笔记本大概4个小时就能搞定爱因斯坦的质能方程。这项成果来自德国斯特拉斯堡大学与澳大利亚联邦科学与工业研究组织Data61部门，据论文一作透露，研究用了1.5年时间，受到学术界广泛关注。代码一经开源，涨星也是飞快。除了物理学者直呼Amazing之外，还有其他学科研究者赶来探讨，能不能把同款方法迁移到他们的领域。强化学习+物理条件约束Φ-SO背后的技术被叫做“深度符号回归”，使用循环神经网络（RNN）+强化学习实现。首先将前一个符号和上

一个让物理学家狂喜的AI工具，在GitHub上开源了！它名叫Φ-SO ，能直接从数据中找到隐藏的规律，而且一步到位，直接给出对应公式。整个过程也不需要动用超算，一台笔记本大概4个小时就能搞定爱因斯坦的质能方程。这项成果来自德国斯特拉斯堡大学与澳大利亚联邦科学与工业研究组织Data61部门，据论文一作透露，研究用了1.5年时间，受到学术界广泛关注。代码一经开源，涨星也是飞快。除了物理学者直呼Amazing之外，还有其他学科研究者赶来探讨，能不能把同款方法迁移到他们的领域。强化学习+物理条件约束Φ-SO背后的技术被叫做“深度符号回归”，使用循环神经网络（RNN）+强化学习实现。首先将前一个符号和上

一、前言互联网企业经历过野蛮生长的开拓红利期之后，逐渐越发重视产品发展的科学化、精细化，从粗放型向集约型转换。在美国，增长黑客等数据驱动增长的方法论，正在帮助如Google、Microsoft、Facebook等全球科技巨头实现持续的业务增长；在国内，数据精细运营、AB实验分析来驱动业务有效增长也逐渐成为共识，成为核心手段。其中，A/B测试平台作为典型代表，自然成为了国内主流公司中必不可少的核心工具，有效的提升流量的转化效率和产研的迭代效率。在过去几年，vivo互联网持续重视科学的实验决策，这意味着所有对用户的改动的发布，都要决策者以相应的实验结论作为依据。比如，修改顶部广告的背景色、测试一个

一、前言互联网企业经历过野蛮生长的开拓红利期之后，逐渐越发重视产品发展的科学化、精细化，从粗放型向集约型转换。在美国，增长黑客等数据驱动增长的方法论，正在帮助如Google、Microsoft、Facebook等全球科技巨头实现持续的业务增长；在国内，数据精细运营、AB实验分析来驱动业务有效增长也逐渐成为共识，成为核心手段。其中，A/B测试平台作为典型代表，自然成为了国内主流公司中必不可少的核心工具，有效的提升流量的转化效率和产研的迭代效率。在过去几年，vivo互联网持续重视科学的实验决策，这意味着所有对用户的改动的发布，都要决策者以相应的实验结论作为依据。比如，修改顶部广告的背景色、测试一个