跳转至

我的博客

  • 分类于 风控模型
  • 需要 20 分钟阅读时间

深入解析金融风控催收评分卡

原文地址: https://mp.weixin.qq.com/s/CuJA0zfdAY4MYT48kTrj6w

1. 催收背景

近年，黑猫投诉上关于举报违法催收的信息越来越多。截止目前已经有 93 万多条投诉记录，并非每次举报都一定会被黑猫投诉接受，真实催收投诉越大于 93 万条。

国家一直在加强金融监管，打击非法催收行为力度越来越大，以保护消费者权益和维护金融市场秩序。以下是一些相关的信息和措施：

  • 分类于 大模型
  • 需要 10 分钟阅读时间

基于 DeepSeek-R1 和 Ollama 搭建本地应用

原文地址: https://mp.weixin.qq.com/s/VpNqMpZ1K9fAAOyr3dmWmw

本教程将详细介绍如何利用 DeepSeek R1 和 Ollama 构建本地化的 RAG（检索增强生成）应用。我们将通过实例演示完整的实现流程，包括文档处理、向量存储、模型调用等关键步骤。

本教程选用 DeepSeek-R1 1.5B 作为基础语言模型。考虑到不同模型具有各自的特点和性能表现，读者可以根据实际需求选择其他合适的模型来实现 RAG 系统。

代码示例

本文档包含核心代码片段和详细解释。完整代码可见 notebook。

  • 分类于 大模型
  • 需要 10 分钟阅读时间

DeepSeek R1 Zero 复现教程

原文地址: https://mp.weixin.qq.com/s/o2l8XRryS5PWRriGQZytWQ

各位同学好，我是来自 Unlock-DeepSeek 开源项目团队的骆师傅。先说结论，我们（Datawhale X 似然实验室）使用 3 张 80G 的 A800计算卡训练了 20 小时，做出了可能是国内首批 DeepSeek R1 Zero 的中文复现版本，我们把它叫做 Datawhale-R1，用于 R1 Zero 复现教学。*

alt text

按照 5.5 ~ 7.0 元每小时的价格计算，3 张 A800 花费最低为 3 x 5.5 x 20 = 330 元，预计花费接近 420 元，而 TinyZero 项目用了 4 张 A800 训练了 8 小时，预计花费为：224 元，这中间的差异可能是由于硬件性能瓶颈和框架差异带来的（我们用的是 Huggingface TRL，TinyZero 使用的是 veRL）。所以建议大家如果真的要复现，请使用 TinyZero 项目，我们出于教育目的使用 TRL 为大家报告这个结果。

另外，不是所有人都能随时随地调用 3 张 A800 的，我们正在努力减小硬件资源要求，让复现工作尽可能平民化（比如在 4090 上跑）。在这里特别感谢：似然实验室，提供本次复现的计算资源，并与 Datawhale 团队合作贡献了本教程。

回到正题，首先回答一个关键问题：为什么这个方案更贵，而我们却选择了它？答案就是：它更符合教育目的，截止本文发布，大部分同学没有足够的资源来亲手体验复现流程，但是我们希望大家能更清楚的看到，复现 R1 Zero 的过程中都发生了什么，真正对复现原理有个大致把握，就算做“云玩家”也要学到知识，看完骆师傅做一遍就好像自己也做了一遍。

本方案在 mini-r1 的基础上改进而来。

  • 分类于 大模型
  • 需要 10 分钟阅读时间

DeepSeek V1-V3 核心技术点简明解析

原文地址: https://mp.weixin.qq.com/s/PWcDZCluDmc7vRBk7ZN5RA?poc_token=HGlhp2ejfYvO0EmplK2g4MC5y2urO6-treKExOfN

最近，DeepSeek 在国际上很火，一方面其效果比肩非开源模型 ChatGPT，另一方面其运行成本很低。可以说，DeepSeek 是目前为止最先进的大模型之一。

今天这篇文章，就带大家梳理一下从 2024 年至今 DeepSeek 发布的 V1~V3 版本的核心技术点，看看 DeepSeek 采用了哪些技术构建了最先进的大模型，每一次的升级基本都伴随着训练数据的优化、模型结构的升级、优化方式的更新。

为了方便大家阅读，本文会用比较简洁的语言进行主要技术的介绍，一些其他相关的技术细节深度解析，后续也会陆续进行更新。

  • 分类于 智能语音
  • 需要 2 分钟阅读时间

早期媒体检测

1. 背景

在语音呼叫场景中，经常会遇到拨通电话后听到是“空号”、“停机”、“关机”、“通话中” 等语音播报，这在人工呼叫的场景中还可以及时手动挂断，并不会造成太大的损失。但在 AI 外呼机器人场景中，机器人如果无法正确且高效得提前识别到通话状态，那就必须无效等待 60 秒（运营商端限制）。这显然是一个非常值得优化的问题，如果我们能将 60 秒的播报优化到 10 秒，成本和效率都能有 80%+ 的优化。

早期媒体检测便是解决此类问题一种技术手段，通过音频检测、NLU 意图识别等，提前识别到号码的无效状态，及时切断呼叫流程，节省相应的资源出来。

  • 分类于 容器化
  • 需要 2 分钟阅读时间

Docker拉取镜像证书过期错误

参考文档：https://blog.csdn.net/qq_44895681/article/details/120524753

在使用 docker pull 命令拉取镜像时，出现证书过期错误：

错误信息
docker: Get https://registry.cn-hangzhou.aliyuncs.com/funasr_repo/funasr:funasr-runtime-sdk-online-cpu-0.1.12: x509: certificate has expired or is not yet valid.

这种情况一般时证书问题或者系统时间问题导致的，可以先执行 date 看一下系统时间是否正确，如果服务器系 统时间跟现实实际时间对不上的话，一般就是系统时间问题，同步时间即可。

1. 修正系统时间

安装 ntpdate 工具同步时间：

yum install ntpdate -y
ntpdate cn.pool.ntp.org

使用 date 再次查看下时间已经修正后，执行以下命令时便能正常获取镜像了：

docker pull registry.cn-hangzhou.aliyuncs.com/funasr_repo/funasr:funasr-runtime-sdk-online-cpu-0.1.12

2. 修正证书时间

如果是证书问题，则需要在 /etc/docker/daemon.json 文件中添加以下内容：

"registry-mirrors": [
  "https://docker.mirrors.ustc.edu.cn"
]

接下来更新 Docker 配置并重启服务：

systemctl daemon-reload
systemctl restart docker
  • 分类于 数据库
  • 需要 2 分钟阅读时间

Hive Multi Insert

1. 分区表

1
2
3
4
5
6
7
CREATE TABLE mydb.yumm_multi_insert_demo
(
    id BIGINT,
  name STRING
)
PARTITIONED BY (batchdate STRING)
;

2. Multi Insert插入数据

1
2
3
4
5
6
7
FROM (
    SELECT 1 AS id, 'n1' AS name
  UNION ALL
  SELECT 2 AS id, 'n2' as name
)
INSERT INTO TABLE haier_afterloan_dev.yumm_multi_insert_demo PARTITION(batchdate='2025-01-01') SELECT * WHERE id = 1
INSERT INTO TABLE haier_afterloan_dev.yumm_multi_insert_demo PARTITION(batchdate='2025-01-02') SELECT * WHERE id = 2