RAG RAG（Retrieval-Augmented Generation，检索增强生成） 是一种结合了信息检索技术与语言生成模型的人工智能技术。该技术通过从外部知识库中检索相关信息，并将其作为提示（Prompt）输入给大型语言模型（LLMs），以增强模型处理知识密集型任务的能力，如问答、文本摘要、内容生成等。 如何理解检索、增强、生成 检索：检索是RAG流程的第一步，从预先建立的知

对抗样本设计——FGSM学习记录 什么是对抗样本 对于图像分类模型，假设我们对输入的图片进行恶意篡改，例如在原图片上叠加了一层由攻击者设计过的扰动（或噪声），会误导分类模型给出完全错误的分类结果。这种被添加了噪声的图片便是我们所说的对抗样本，这体现了分类模型对于对抗样本的脆弱性。 先看下图效果，通过对一个大熊猫照片加入一定的扰动（即噪音点），输入分类model之后就被判断为长臂猿。这种结果是

JavaScript内置了很多方法来处理数据，可以大大简化代码并提高可读性。在 TypeScript 中，这些方法同样适用 数组方法 splice(start, deleteCount, ...items) 作用: 从数组中添加或删除元素。 示例: nums.splice(2, 1, 100); 从索引 2 开始删除 1 个元素，并插入 100。 slice(start,