TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #418 · 9 мар.

Оператор pipe позволяет писать более компактный код, реализуя логику объединения данных (Union). Важно помнить, что его поведение зависит от контекста. Побитовые операции (логическое OR) result = 5 | 3 # 5 (0101) | 3 (0011) = 7 (0111) Самое главное - не путать с оператором or, это другое! Объединение множеств set_a = {1, 2, 3} set_b = {3, 4, 5} set_c = set_a | set_b # {1, 2, 3, 4, 5} set_c |= {5, 6} # {1, 2, 3, 4, 5, 6} Слияние словарей dict_1 = {"a": 1, "b": 2} dict_2 = {"b": 3, "c": 4} merged = dict_1 | dict_2 # {'a': 1, 'b': 3, 'c': 4} merged |= {"d": 5} # {'a': 1, 'b': 3, 'c': 4, 'd': 5} Аннотации типов, заменяет Union def process_data(value: int | str) -> None: print(value) Допустимо использовать в isinstance или issubclass isinstance(3, int | float) # True Паттерн-матчинг status_code = 404 match status_code: case 200 | 201 | 204: print("OK") case 400 | 404 | 500: print("ERROR") Для использования в своих классах требуется переопределить метод __or__ Так же нашел библиотеку pipe которая добавляет еще много возможностей. Рекомендую ознакомиться ;) #basic

Hashtags

Резултати

Пронајдени 3 слични објави

Пребарај: #rlhf

当前筛选 #rlhf清除筛选
科技&趣闻&杂记

@kejiqu · Post #3986 · 21.12.2025 г., 08:30

ChatGPT 文风,原产地肯尼亚 肯尼亚作家Marcus Olang指出,其写作风格与ChatGPT高度相似,导致其作品屡被退稿,并引发了关于AI“模仿”人类写作方式的讨论。他认为,AI模型并非原创,而是学习了全球南方,特别是肯尼亚等地区严苛教育体系下形成的规范化写作模式。这一现象与AI模型厂商为降低成本,将RLHF工作外包给非洲国家有关,导致模型在用语习惯上受到影响。此外,研究发现ChatGPT对“delve”等词汇的使用频率异常高,也与非洲RLHF工作者的语言习惯有关。这一现象引发了对AI检测器准确性的质疑,以及对非英语母语者在AI时代可能面临的误判风险的关注。IT之家 🏷#ChatGPT#肯尼亚写作风格#RLHF 📢频道👥群组📝投稿

GitHub Trends

@githubtrending · Post #14655 · 01.05.2025 г., 13:30

#typescript#electron#llama#llms#lora#mlx#rlhf#transformers Transformer Lab is a free, open-source tool that lets you easily work with large language models on your own computer, offering one-click downloads for popular models like Llama3 and Mistral, fine-tuning across different hardware (including Apple Silicon and GPUs), and features like chatting, training, and evaluating models through a simple interface—saving you from complex setups like CUDA or Python version issues[1][2][5]. https://github.com/transformerlab/transformerlab-app