Skip to main content

黑洞资源笔记

  1. WizardLM:赋予大型预训练语言模型遵循复杂指令的能力

    遵循指令的能力对大部分开源大语言模型来说是一个独特的挑战。该项目提出的解决方案是使用LLM本身来生成指令数据。

    研究人员开发的Evol-Instruct方法随机选择不同类型的进化操作来将简单指令升级为更复杂的指令,或者创建全新的指令。然后使用进化的指令数据来微调LLM,从而创建WizardLM。
  2. BrutalityExtractor 是一款专为高性能系统制造的暴力破解软件。针对现代多核处理器和高速固态硬盘优化,速比常识破解软件件提升5倍以上,完全利用计算机硬件性能。| #工具

    主要特点:
    批量解压:自动扫描解压目录下所有压解文件,即使文件后显名不正确也能正确认识别。
    支持多格式:支持常见压缩文件格式7z、zip、rar、tar、gz、xz、bz2,并能正确处理分卷压缩包。
    支持多进程:根据处理器线路进程数,自定义解压进进程数,将解压速度翻倍。
    支持密码列表:可以设置常用密码列表,自动配对加压缩压缩包。
    附加功能:删除目录日志、删除空间目录、删除垃圾文件等常用功能。
  3. 《ML for Trading》第二版

    这本书旨在以一种实用且全面的方式展示机器学习如何为算法交易策略增加价值。它涵盖了从线性回归到深度强化学习的广泛机器学习技术,并演示了如何构建、回测和评估由模型预测驱动的交易策略。 ​​​

    它分为四部分,23 章和一个附录,共800 多页:

    数据来源、金融特征工程和投资组合管理的重要方面,
    基于有监督和无监督 ML 算法的多空策略的设计和评估,
    如何从SEC 文件、财报电话会议记录或金融新闻等金融文本数据中提取可交易信号,
    将 CNN 和 RNN 等深度学习模型与市场和替代数据结合使用,如何使用生成对抗网络生成合成数据,以及使用深度强化学习训练交易代理

    该存储库包含150 多个笔记本,这些笔记本将书中讨论的概念、算法和用例付诸实践。他们提供了大量示例来说明:

    如何使用市场、基本和替代文本和图像数据并从中提取信号,
    如何训练和调整预测不同资产类别和投资期限的回报的模型,包括如何复制最近发表的研究,以及如何设计、回测和评估交易策略。

    repo | amazon | #电子书 #机器学习