近日，上海康鹏科技股份有限公司（下称“康鹏科技”）在上海证券交易所递交招股书（上会稿），准备在科创板上市。据贝多财经了解，康鹏科技将于2022年12月16日接受科创板上市委的现场审议。 根据公开信息，康鹏科技于2022年6月30日在科创板递交上市申请。本次冲刺上市，康鹏科技计划募资10亿元，其中8亿元用于兰州康鹏新能源科技有限公司2.55万吨/年电池材料项目（一期）一阶段，2亿元用于补充流动资金。据招股书介绍，康鹏科技是一家深耕于精细化工领域的企业，主要从事精细化学品的研发、生产和销售。而据天眼查信息显示，康鹏科技成立于1996年，法定代表人为杨建华，注册资本约为4.16亿元，股东包括云晖资本

第一部分MicrosoftExchangeServer远程代码执行(RCE)/ProxyLogon(CVE-2021-27065)一、ExchangeServer        ExchangeServer是微软公司的一套电子邮件服务组件，是个消息与协作系统，主要提供包括从电子邮件、会议安排、团体日程管理、任务管理、文档管理、实时会议和工作流等协作应用。ExchangeServer2019logo二、漏洞概述        CVE-2021-26855与CVE-2021-27065是微软在2021年3月2日发布的高危漏洞公告，危害等级高危。CVE-2021-26855是一个ssrf（服务器端请

目录建表语法使用场景合并算法使用例子、资料分享参考文章VersionedCollapsingMergeTree引擎继承自MergeTree并将折叠行的逻辑添加到合并数据部分的算法中。VersionedCollapsingMergeTree用于相同的目的折叠树但使用不同的折叠算法，允许以多个线程的任何顺序插入数据。特别是，Version列有助于正确折叠行，即使它们以错误的顺序插入。相比之下,CollapsingMergeTree只允许严格连续插入。VersionedCollapsingMergeTree引擎的作用如下：允许快速写入不断变化的对象状态。删除后台中的旧对象状态。这显著降低了存储体积。

斯坦福的Alpaca模型基于LLaMA-7B和指令微调，仅使用约5万条训练数据，就能达到类似GPT-3.5的效果。斯坦福70亿参数开源模型媲美GPT-3.5，100美元即可复现​mp.weixin.qq.com/s/U6ioEygg5mlVpAIb2L3cZw正在上传…重新上传取消Alpaca的训练流程很简单，只有两个步骤：将175个人工设计的指令任务作为种子，使用text-davinci-003随机生成指令，最终生成了52,000条指令数据。例如：{"instruction":"Rewritethefollowingsentenceinthethirdperson","input":"Iam

羊驼实战系列索引博文1：本地部署中文LLaMA模型实战教程，民间羊驼模型博文2：本地训练中文LLaMA模型实战教程，民间羊驼模型博文3：精调训练中文LLaMA模型实战教程，民间羊驼模型（本博客）简介在学习完上篇【博文2：本地训练中文LLaMA模型实战教程，民间羊驼模型】后，我们已经学会了使用无监督的语料预训练LLaMA模型，无监督的语料能让模型学会预测下一个字符是什么，但是还不能让模型理解人类的对话意图，经过指令精调之后模型就可以具备对话能力了。本博客主要包含以下内容：1训练数据准备，精调指令.json。2训练脚本编写，主要参数讲解，消耗显存控制在24GB以内3训练实战，测评。系统配置系统：U

2023开年以来，大模型进入疯狂内卷状态，大模型的发布都要以“天”为单位进行迭代。之前，尝试了从0到1复现斯坦福羊驼（StanfordAlpaca7B），下面我们来尝试从0到1复现Vicuna训练及推理。Vicuna简介继斯坦福羊驼（StanfordAlpaca）之后，UC伯克利、CMU、斯坦福等机构的学者，联手发布了最新开源大模型骆马（Vicuna），包含7B和13B参数。其中，13B参数模型，训练成本仅需300美元，达到了ChatGPT的90%以上的能力，初步评估总结如图所示：image.pngVicuna工作流程Vicuna具体的工作流程如下图所示，首先，研究人员从ShareGPT.co

羊驼实战系列索引博文1：本地部署中文LLaMA模型实战教程，民间羊驼模型博文2：本地训练中文LLaMA模型实战教程，民间羊驼模型（本博客）博文3：精调训练中文LLaMA模型实战教程，民间羊驼模型简介在学习完上篇【1本地部署中文LLaMA模型实战教程，民间羊驼模型】后，我们已经学会了下载模型，本地部署模型，部署为网页应用。如果我们对于模型在某些方面的能力不够满意，想要赋予模型一些特殊的能力，那么我们可以选择领域内特殊的数据集，然后在基础模型上继续训练，从而得到一个新的模型。例如我们可以把医学知识用于训练模型，得到一个医生chatGPT;把佛学资料用于训练模型，得到一个佛祖chatGPT;人类的已

参考链接：https://mp.weixin.qq.com/s/OK5NLLVSBLb-4QsnqGp45g文章目录简要介绍模型介绍数据来源模型评估方法模型局限性模型总体评价简要介绍以Meta开源LLaMA（直译为「大羊驼」）系列模型为起点，研究人员逐渐研发出基于LLaMA的Alpaca（羊驼）、Alpaca-Lora、Luotuo（骆驼）等轻量级类ChatGPT模型并开源。近日，研究者们又提出了一个新的模型：Vicuna（小羊驼）。该模型基于LLaMA，参数量13B。Vicuna-13B就是通过微调LLaMA实现了高性能的对话生成有趣的是，在该模型的评测环节中，作者没有通过某种“标准化考试”

参考链接：https://mp.weixin.qq.com/s/OK5NLLVSBLb-4QsnqGp45g文章目录简要介绍模型介绍数据来源模型评估方法模型局限性模型总体评价简要介绍以Meta开源LLaMA（直译为「大羊驼」）系列模型为起点，研究人员逐渐研发出基于LLaMA的Alpaca（羊驼）、Alpaca-Lora、Luotuo（骆驼）等轻量级类ChatGPT模型并开源。近日，研究者们又提出了一个新的模型：Vicuna（小羊驼）。该模型基于LLaMA，参数量13B。Vicuna-13B就是通过微调LLaMA实现了高性能的对话生成有趣的是，在该模型的评测环节中，作者没有通过某种“标准化考试”

MMA不使用大型神经网络来连接图像编码器和LLM，而是采用轻量级模块，即适配器，来弥合LLMs和VL任务之间的差距，同时也实现了图像模型和语言模型的联合优化。同时，MMA还配备了一种路由算法，可以帮助LLM在不损害其自然语言理解能力的情况下，在单模态和多模态指令之间实现自动切换。最近几个月，ChatGPT等一系列大型语言模型（LLM）相继出现，随之而来的是算力紧缺日益严重。虽然人人都想打造专属于自己的大模型，但是能负担得起上亿参数模型训练的机构却寥寥无几。在快速发展的人工智能领域，以高效和有效的方式使用大型语言模型正变得越来越重要。此前，Meta开源了羊驼（LLaMA）系列模型，之后在此基础上