土豆不吃鱼

语言模型的**困惑度（Perplexity, PPL）**是衡量模型预测能力的一个重要指标。它反映了模型对目标分布的"困惑"程度，数值越低表示模型越好地捕捉了目标分布。以下是计算困惑度的详细说明和一个具体例子：

常用的设计模式可以分为三大类：创建型模式、结构型模式和行为型模式。每种模式都有适用的场景和优势。以下是每种设计模式的简要介绍和 Python 案例示例。

Ollama 是一个强大的本地推理大模型平台，旨在简化模型的本地部署、管理和推理工作流。它允许用户在本地机器上拉取、管理、运行大模型，并提供多种访问方式，包括本地 CLI、HTTP 接口以及通过 OpenAI 客户端的集成。这篇文章将详细介绍 Ollama 的功能，如何使用 Ollama 拉取模型、运行模型，并通过多种方式访问推理服务。

算法推理服务的日处理能力当前已经达到千万级别，我们的算法系统采用Kafka流式消费。系统经常面临的一个重要问题就是消息积压，这时候就需要增加推理算力。如何动态的增减推理实例数，以保障消息不丢失，同时也不需要修改服务代码。本文做了一个小实验，验证多个消费者同时消费同一个topic，消息是否会丢失，或者存在重复消费的情况。

说起手机，对我来说简单有一个阶段。我上高中才开始用手机，那会是二爷爷给我一个小灵通（主要用于本市通话的），非常迷你的直板机。高中那会我基本上都放在宿舍，有时需要给家里打电话的时候会拿出来用。看着大多同学每天拿着发短信，看文字版的NBA，当然用得最多的还是看小说。

晚上我下班回来没发现什么异常，老婆陪着孩子们玩得很开心。晚上睡觉前，老婆一直在刷短视频，我催她睡觉，明天还要早起上班呢。
“别动我，心情不好，以后周天要轮流上课了”
“本来时间就少，现在周天还要补课，真是无语了”

高层超高层住宅以后的问题很大，将在未来二三十年内成为城市中的贫民窟——电梯老化，设备老化，维护保养成本高，拆迁成本高，基本上没有开发商愿意拆，二战后欧洲为人口高峰而建的高层住宅，现在老化后全成了贫民窟，因为容积率高，重新开发没有利润可赚，政府和开发商也无计可施，无动于衷，现在买高层住宅的，二三十年后还完贷款后，会发现房子一文不值。