博客

总览-大模型技术栈-实战与应用

总览-大模型技术栈-算法与原理

总览-大模型技术栈

Graph Contrastive Learning with Adaptive Augmentation-基于自适应增强的图对比学习

近年来，对比学习（CL）已成为一种成功的无监督图表示学习方法。大多数图对比学习方法首先对输入图进行随机增强，以获得两个图视图，并最大化两个视图中表示的一致性。尽管图对比学习方法得到了繁荣的发展，但数据增强方案的设计却比较少，数据增强方案应保留图的固有结构和属性，只对不太重要的节点和边进行扰动。这样，模型才能在不同版本的图中识别并保持关键部分的表示一致，同时对无关或不重要的部分变化不敏感，学到更加稳健的图表示。 该论文提出一种自适应增强的图对比学习方法（Graph Contrastive l...

DeepSeek简单使用方法及资料

一、科研场景高效应用 1. 文献与理论支持 快速理解概念 ： ""用通俗语言解释分布式系统中的CAP定理，并对比BASE理论"" ""总结近3年顶会（ICSE/FSE）中微服务架构优化的主流方法"" 文献综述辅助 ： ""生成关于『AI代码生成工具可靠性评估』的5个研究方向大纲"" 2. 实验设计与分析 代码原型验证 ： ""写一个Python模拟实验，对比LRU和LFU页面置换算法的性能"" ""为我的Kubernetes集群压力测试设计JMeter脚本框架"" 数据可视化 ： ""将我的实验数据（CS...