Lewati ke konten utama

Cari di CooLWJ

选择搜索范围,输入关键词后按回车。

Bahasa

Teknologi dan keseharian

Praktik pengembangan, alat AI, bahasa daerah, dan bacaan.

Pembaruan terbaru

7–12 / 25 artikel

Bahasa daerah

Apa arti “rang” dalam dialek Henan?Ternyata juga ada dalam 《左传》 (Zuo Zhuan)

Dalam dialek Henan, “rang” yang digunakan saat memarahi anak sebenarnya harus ditulis dengan aksara apa? Kata ini khusus merujuk pada orang dewasa yang mengkritik dan menegur anak nakal. Penulis mempertimbangkan dua calon aksara: Calon pertama:“让”. Dalam bahasa Tionghoa klasik, aksara ini memang bermakna “menegur”. Ungkapan “公使让之” dalam Zuo Zhuan berarti sang penguasa menyuruh seseorang menegurnya. Bahasa Mandarin baku telah kehilangan makna ini, tetapi dialek Henan masih mempertahankannya. Calon kedua:“嚷”. Dalam dialek utara, “嚷” sendiri berarti memarahi. Peralihan dari berbicara keras menjadi memarahi dengan suara keras juga masuk akal. Namun, ada sedikit hal yang meragukan:di kampung halaman penulis, “rang” diucapkan dengan nada pertama. Sementara itu, “让” dalam “谦让”(mengalah dengan rendah hati)dan “嚷” sama-sama tidak diucapkan dengan nada pertama di sana. Jadi, aksara mana yang tepat sebenarnya belum dapat dipastikan. Mungkin juga dua kata itu bercampur setelah pelafalannya menjadi mirip. Dialek masih hidup dalam tuturan masyarakat, tetapi aksara asalnya sudah lama hilang.

AI dan alat

Menguji model AI besar populer dalam menghitung keuntungan saham

Saya menggunakan model AI dalam dan luar negeri yang umum tersedia di pasaran untuk membantu menghitung keuntungan saham. Model dalam negeri meliputi 深度求索DeepSeek、阿里巴巴通义千问 、讯飞星火、字节豆包、月之暗面Kimi、腾讯元宝、百度文心一言、智普清言、百川智能、360智脑、天工AI、商汤商量,sedangkan model luar negeri meliputi GPT-4o、Claude-3-Opus 、 Gemini-2.0-Pro、Grok. Dengan masukan yang sama, hanya DeepSeek yang menghitung dengan benar.

AI dan alat

Distilasi Model dan Pemangkasan Model

Distilasi dan pemangkasan merupakan dua teknik penting untuk mengompresi model jaringan saraf. Keduanya dapat mengurangi jumlah parameter dan kompleksitas komputasi secara efektif, sehingga meningkatkan efisiensi eksekusi dan kinerja model. Walaupun sama-sama merupakan teknik kompresi jaringan saraf, cara penerapan dan tujuannya sedikit berbeda. Distilasi lebih menekankan pelatihan model siswa dengan meniru perilaku prediksi model guru, sedangkan pemangkasan lebih menekankan penghapusan parameter dan koneksi yang tidak berguna.

Pengembangan

Kesalahan penandaan versi kerentanan pengungkapan informasi MinIO CVE-2023-28432

Penandaan versi untuk kerentanan kebocoran informasi MinIO CVE-2023-28432 keliru, versi terdampak yang keliru dicantumkan: RELEASE.2019-12-17T23-16-33Z <= MinIO < RELEASE.2023-03-20T20-16-18Z; Versi yang sebenarnya terdampak: RELEASE.2021-08-31T05-46-54Z <= MinIO < RELEASE.2023-03-20T20-16-18Z

Pengembangan

Terlalu panjang juga salah?——Perjalanan unik memperbaiki hilangnya presisi ID bertipe Long dari backend

Di era pemisahan frontend dan backend, hidup kita dipenuhi peluang dan tantangan yang tak terhitung jumlahnya—termasuk Bug yang tiba-tiba muncul dan membuat kita frustrasi. Hari ini kita akan membahas masalah klasik yang membuat banyak pengembang tak tahu harus tertawa atau menangis:ID bertipe Long di backend yang terlalu panjang menyebabkan hilangnya presisi di frontend. Kalau membicarakan masalah ini, benar-benar terasa seperti “sumber segala kejahatan”, ya, bagaimana lagi kalau JavaScript hanya dapat menangani angka hingga Number.MAX_SAFE_INTEGER(yaitu 9007199254740991)dengan aman? Jika Anda pernah memutar otak karena masalah ini, tenang, Anda tidak sendirian. Hari ini, kita bukan hanya akan mengupas “persoalan abad ini” dengan humor, tetapi juga menyelesaikannya dari akar, agar kode Anda tidak lagi “kehilangan presisi”.

Pengembangan

Trio emas antrean pesan:pertarungan menyeluruh RabbitMQ、RocketMQ dan Kafka, mana pilihan terbaik?

RabbitMQ:berbasis protokol AMQP, mendukung berbagai protokol perpesanan dan memiliki kemampuan perutean yang fleksibel. Cocok untuk skenario yang membutuhkan perutean rumit dan dukungan protokol, tetapi throughput-nya relatif lebih rendah, sehingga cocok untuk perpesanan berskala kecil hingga menengah. RocketMQ:middleware perpesanan terdistribusi sumber terbuka dari Alibaba, mendukung throughput tinggi dan latensi rendah, cocok untuk pesan transaksi dengan standar sektor keuangan serta pemrosesan big data secara waktu nyata. Mendukung pesan berurutan, pesan terjadwal, dan pesan transaksi, sehingga cocok untuk sistem terdistribusi berskala besar. Kafka:antrean pesan dengan throughput tinggi dan kemampuan persistensi, cocok untuk menangani aliran data berskala besar dan aliran data waktu nyata, serta banyak digunakan dalam ekosistem big data. Mekanisme partisi dan replikasinya menjamin ketersediaan tinggi serta konsistensi data, sehingga sangat cocok untuk pengumpulan log dan pemrosesan aliran.

Pilih tema favorit

Tema pilihan berlaku di seluruh situs.