- 综合排序
- 最热优先
- 最新优先
- 来自专栏AIGC 先锋科技
清华 & IBM & 港中文提出了一种使用视觉提示近似方法的 LLR 评分 ！
作者提出了一种对视觉提示和线性检测的比较效益进行分析的 log-likelihood ratio (LLR) 方法。 正如在第一部分中所讨论的，在ID数据集中，提示可能会破坏干净图像的主导特征，导致对数似然评分低于0（LLR：主导ID特征）。 相反，对于OOD数据集，提示通过提供关键特征增强模型的识别能力，导致对数似然评分高于0（LLR：主导OOD特征）。 The Effectiveness of LLR and Simulated Prompts 在第三节中，使用的LLR分数用于评估视觉提示对ID/OOD数据集的影响。 LLR分数为正表示数据集（偏向OOD）在VP训练中受益更多，而LLR分数为负表示数据集（偏向ID）更适合LP训练。 此外，作者已验证了第三节中提出模拟方法的有效性。
31410编辑于 2024-09-29 - 来自专栏全栈程序员必看
MyEclipse注册码_eclipse语言包
Subscriber:admin Subscription: nLR7ZL-655564-69587656244320122 Subscriber:yuewang Subscription: lLR7ZL Subscriber:admin Subscription: nLR8ZC-655881-6958765271456420 Subscriber:yuewang Subscription: lLR8ZC 6958765930743179 Subscriber:admin nLR8ZF-655638-69587656794619773 Subscriber:yuewang Subscription: lLR8ZF Subscriber:admin Subscription: nLR8ZO-655593-69587656633728948 Subscriber:yuewang Subscription: lLR8ZO
1.4K40编辑于 2022-11-19 博通一统以太网江湖阳谋：SUE一超多强（字节Ethlink、NVLink与UALink）？
② SUE Lite：去除了可靠传输层，将数据可靠性保障的重任完全下放给网络硬件（交换机/网卡）的LLR（链路层重传）功能，舍弃了端到端可靠性以及对应的拥塞控制能力。 这一招堪称“一石二鸟”：既以SUE Lite（更小IP、更低功耗）吸引XPU厂商，又巧妙地将必须支持LLR等高级特性（博通Jericho和Tomahawk系列芯片的“王牌功能”）与高端交换机进行“软绑定 亮点四：LLR & CBFC——行业共识硬件级双保险 为了在开放的以太网上实现无损传输，SUE、字节EthLink与UALink联盟最终都走向了同一技术方案：——引入了两大关键技术：LLR (链路层重传 白皮书原文佐证 (Section 6.3.5.5 & 6.3.5.7): ① LLR (Link Layer Retry)：在链路层实现快速丢包检测与重传，针对链路上的CRC错误等物理丢包，LLR在硬件层面进行纳秒级的快速重传 ③ LLR (链路层重传)：在链路层实现快速丢包检测与重传，针对链路上的CRC错误等物理丢包，LLR在硬件层面进行纳秒级的快速重传，避免了端到端的漫长等待。
1.7K10编辑于 2025-12-22- 来自专栏机器之心
不影响输出质量还能追踪溯源，「大模型无偏水印」入选ICLR 2024 Spotlight
研究者首先介绍了对数似然比检验（LLR Test）的方法。LLR Test比较给定文本在原始分布和水印分布下的似然，如果似然比超过一个阈值，则判定该文本含有水印。 LLR Test在理论上是最优的检验方法，能够在I类错误（假阳性）和II类错误（假阴性）之间取得最佳平衡。 然而，标准的LLR Test对原始分布和水印分布的扰动比较敏感。 为了解决这个问题，研究者提出了一种稳健的LLR Test变体。 该变体引入了一个新的优化问题，允许水印分布有小幅度的扰动。实验表明，稳健的LLR Test在面对文本修改时，仍然能保持较好的检测性能。
46010编辑于 2024-06-04 - 来自专栏智算中心网络
收藏备查！精要解读超以太网联盟（UEC）1.0 规范（2025Q2）
链路层重试（LLR）LLR 机制基于帧。该机制下，从 MAC 客户端发出的的每个帧都要进行评估。 如果 MAC 客户端不希望对帧进行 LLR，或该帧被归类为不符合 LLR 条件，那么该帧将作为标准以太网帧发送。 如果帧符合 LLR 条件，则会被分配一个序列号，并存储在重传缓冲区中，以便在对端未收到帧时进行快速重传。2.
1.4K10编辑于 2025-07-11 媲美英伟达下一代GPU Scale-up：字节版NVLink重塑MegaScale万卡集群网络？
亮点三：【双保险】LLR的“护卫舰”与CBFC的“调度塔” 为了在开放的以太网上实现无损传输，EthLink建立了一套“双保险”机制——引入了两大关键技术：LLR (链路层重传) 和CBFC (基于信用的流控 图3：EthLink协议栈，突出LLR和CBFC ① LLR (链路层重传)是“护卫舰”：在链路层实现快速丢包检测与重传，针对链路上的CRC错误等物理丢包，LLR在硬件层面进行纳秒级的快速重传，避免了端到端的漫长等待
1K10编辑于 2025-12-22- 来自专栏海风
MATLAB调用C程序、调试和LDPC译码
没有健壮性……） void mexFunction(int nlhs, mxArray *plhs[], int nrhs, const mxArray *prhs[]) { double* llr plhs[0] = mxCreateDoubleMatrix(1, state[1], mxREAL); double* r =mxGetPr(plhs[0]); ldpcDec( r ,llr ldpcDec代码如下 #include<stdio.h> #include<math.h> void ldpcDec(double*r,double* llr, int* rownum, int* colnum rownum[i]-rownum[i-1],第i+1行的行重 //colnum[i]-colnum[i-1],第i+1列的列重 //state[0]:maxiter state[1]:llr ii = 0; for (int i = 0; i<state[1]; i++){ while (ii<colnum[i]){ temp[ii] = llr
1.7K20发布于 2019-07-31 - 来自专栏Go语言学习专栏
2026年不容错过的10个GitHub高星开源项目盘点
另一个让我觉得必须推荐的是 LocalLLM-Runtime (LLR) 。 说实话，我一直对那种要把数据上传到云端的AI感到不放心。 LLR用Rust和C++重写了底层的量化算法。 如果你是想进阶的高手，去研究一下 LLR 或者 Wasm-Micro-Container。 看看底层的性能优化是怎么做的。 假期还有几天，别光顾着喝酒吃肉了。
5.1K10编辑于 2026-03-17 字节Ethlink vs UALink vs SUE（ESUN + SUE-T）：网工视角谁更胜一筹？
通过Flit打包与TL层地址缓存技术实现双重效率压缩 标准化压缩报文头： 采用UEC/ESUN定义的AI Fabric Header (AFH) 减少开销和兼容以太网 可靠性机制 硬件级“双重保险”：LLR + CBFC 协议内建硬件可靠性： 将LLR与CBFC作为自定义DL/TL层的原生组成部分 标准化的双模可靠性： LLR/CBFC成为UEC/ESUN标配；SUE-T提供纯硬件或“硬件+端到端”两种模式 但博通的退出使其在网络侧面临更大的生态构建挑战 开放且全面： 几乎所有行业领导者参与，通过模块化分工（ESUN/SUE-T）降低了参与门槛和寄生于开放以太网生态 亮点三：可靠性 硬件原生可靠性： 通过强制LLR +CBFC将可靠性完全卸载到链路层，简化上层软件 协议集成可靠性： 将可靠性与流控内建于自定义协议层 标准化的双模式可靠性： LLR/CBFC成为UEC/ESUN标准，SUE-T提供最低延迟（纯硬件）
1.3K10编辑于 2025-12-22ESUN诞生记：OCP 2025下，博通、英伟达与吉瓦（GW）级GPU买家的“新阳谋”
UEC（超级以太网联盟，ESUN是其OCP工作组）引入的关键技术（如CBFC（基于信用的流控）、LLR（链路层重试）和CSIG（拥塞信令））均已在SAI中定义了全新的对象（如 Virtual Channel Object、Port LLR Profile）和遥测模型，ESUN正通过SAI这一开放API，将下一代AI Fabric的关键控制权（如流控、拥塞管理）从ASIC硬件中抽象出来，从而实现对博通Tomahawk 图3: SUE Lite的极简封装，AFH Gen 2仅占6字节 两大技术创新——LLR + CBFC硬件级双保险： 链路层重传LLR (Link Layer Retry)：在FEC的基础上，当数据包因链路层错误损坏或丢失时 ，无需等待事务端点的检测结果，利用独创的硬件级的链路层重传机制，LLR能够自动恢复因信号衰减导致的损坏帧和及时修复通信故障，进一步提高数据传输的可靠性和时效性。 而上述这一切（ESUN的LLR/CBFC/CSIG和SUE-T的INC）如何实现“开放”？答案是SAI。
1.1K10编辑于 2025-12-22- 来自专栏光芯前沿
448G/lane接口新突破：华为ECOC报告拆解FEC与可靠性核心技术，首次披露1.1m CPC铜缆的448G信道数据
六、可靠性保障：FEC优化与LLR机制的协同设计 在448G/Lane速率下，“可靠性”与“低延迟”的平衡尤为关键，华为从“FEC方案选择”与“链路层重传（LLR）”两大维度，提出了完整的可靠性设计思路 （二）LLR机制：AI网络的“可靠性最后一公里” 华为指出，链路层重传（LLR）已成为AI网络的“常规实践”：发送端会缓存数据直至收到接收端的确认信号（ACK），若收到否定确认（NACK）或未按时收到 在低延迟FEC与LLR的协同设计中，“不影响吞吐量”是核心目标。
2.4K20编辑于 2025-10-13 阿里、AMD、谷歌结盟狙击NVLink，UALink引领万卡集群新变革
图3: UALink协议栈各层级的特性与目标 亮点三：软硬协同的“双保险”：LLR与端到端安全 为了在开放的以太网物理层上实现媲美私有网络的可靠性，UALink同样引入了“双保险”机制，这与上一篇分享过的字节跳动独创 链路层重传 (Link Layer Retry, LLR)（硬件层面的“护卫舰”）： 正如《UALink 1.0白皮书》数据链路层（Data Link Layer）功能描述部分所言——白皮书明确指出数据链路层包含 LLR功能和CRC校验。 当链路上出现CRC错误等物理丢包时，LLR机制能在硬件层面实现纳秒级的快速重传，避免了应用层秒级的漫长超时等待。 关键可靠性特性 硬件级链路层重传（LLR） 专有的、集成在网络中的机制 两者都追求无损网络：UALink的方案是标准化和透明的，旨在规避传统以太网流控的陷阱；NVIDIA的方案虽是“黑盒”，但已在多代产品中得到验证
1K10编辑于 2025-12-23- 来自专栏全栈程序员必看
java万年历算法_寿星万年历—java算法实现
Enn(E20) + Enn(E21) * t1; llr[2] = Enn(E30) + Enn(E31) * t1 + Enn(E32) * t2 + Enn(E33) * t3; llr[0] = rad2mrad(llr[0]); return llr; } // 传回jd时刻太阳的地心视黄经及黄纬 public double[] sunCal2(double jd) { double[] = new double[3]; llr[0] = (Mnn(M10) + Mnn(M11) * t1 + Mnn(M12) * t2) / rad; llr[1] = (Mnn(M20) + Mnn (M21) * t1) / rad; llr[2] = (Mnn(M30) + Mnn(M31) * t1) * 0.999999949827; llr[0] = llr[0] + M1n[0] + M1n [1] * t1 + M1n[2] * t2 + M1n[3] * t3 + M1n[4] * t4; llr[0] = rad2mrad(llr[0]); // 地心Date黄道原点坐标(不含岁差)
1.8K10编辑于 2022-07-23 - 来自专栏AIUAI
low rank representation
所以提出来了low rank representation的方法，因为lowrank是对系数矩阵整体的约束，所以llr的方法是从全局的观点出发来表达的，其次由于噪声会提高数据的rank，故在lowrank
1.1K30发布于 2019-02-18 - 来自专栏全栈程序员必看
每三年一次的Turbo代码和相关主题国际研讨会学习
参考图3，turbo哈达玛解码器由M个卷积哈达玛(分量)解码器(DEC1，DEC2，…DECM)，并且分量码的后验对数似然(LLR)信息成为下一个分量码的输入。 3.对从前两个阶段获得的数据执行后验概率FHT (APP-FHT)，并更新信息比特的后验LLR。
78730发布于 2021-04-07 - 来自专栏光芯前沿
博通发布Tomahawk Ultra交换芯片：以太网在HPC/AI Scale up网络中的技术突破
可靠性方面，其通过链路层重试（LLR）和基于信用的流量控制（CBFC）构建了无损传输架构：LLR借助前向纠错机制检测并自动重传错误数据包，避免物理层丢包；CBFC则通过实时监控缓冲区状态，防止因溢出导致的数据包丢失
1.1K10编辑于 2025-07-16 - 来自专栏全栈程序员必看
noip2020提高组试题_noip提高组
奶牛们现在在一块有围栏的草地上排列成N×N（2≤N≤1000）的方阵，例如：RLR RRL LLR 这里，字符’R’表示一头朝右的奶牛，字符’L’表示一头朝左的奶牛。 Sample Input 3 RLR RRL LLR Sample Output 1 1 在这个例子中，位于第1行第1列（左上角）的奶牛是那头令人讨厌的奶牛，因为Farmer John可以喊叫第
67310编辑于 2022-11-01 - 来自专栏DrugOne
Nat. Genet. | 深度蛋白质语言模型在基因组范围内预测疾病变异效应
每个变异的效应分数是变异和野生型（WT）残基之间的对数似然比（LLR）（图1b）。 使用LLR阈值为-7.5来区分致病性和良性变异，在这两个数据集中的真阳性率分别为81%和82%。 例如，比较P53的主要异构体和一个较短的异构体之间的ESM1b分数，作者发现170个变异（主要位于剪接交界处附近）的分数差异很大（LLR差异>4），其中包括三个ClinVar变异，被注释为VUS（图4b 在ClinVar中发现了3,477个错义变异，其在异构体间预测的效应有显著差异（LLR标准差>2）（图4c）。值得注意的是，作者只考虑了经过审查和手动筛选的蛋白质异构体。
66540编辑于 2023-09-26 【CodeForces】699A - Launch of Collider（思维）
Examples input 4 RLRL 2 4 6 10 output 1 input 3 LLR 40 50 60 output
45010编辑于 2025-08-26- 来自专栏通信分享
【深度拆解】LDPC分层调度：5G基带里的“时间管理大师”，如何让吞吐率原地起飞？
分层模式：接力赛的艺术分层调度把“全班考试”变成了 “小组接力”：第一组（Layer 1） 先跑，算完立刻更新“软信息库（LLR Memory）”。 软信息库（LLR RAM）：冲突的角斗场这是译码器的心脏。但在分层架构下，它面临一个致命问题：读写冲突。我们不再是简单的“读旧写新”，而是Read-Modify-Write（读-改-写）。
26810编辑于 2026-02-04
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号