深入理解JVM：介绍JVM的工作原理，包括类加载机制，内存模型，垃圾回收机制等

深入理解JVM：介绍JVM的工作原理，包括类加载机制，内存模型，垃圾回收机制等、

知识分享｜XDC时钟约束的详细说明

对于工具不能自动推导出的衍生时钟，如使用寄存器和组合逻辑搭建的分频器，必须由用户使用。

自荐JETBRAINS IDES 分享一个2099通用试用码！CLion 2024 版 ，支持一键升级

需要寻找定义特定目标的位置？现在，在 CLion 中点击一下，即可从目标用法导航到相应的或命令。我们扩展了新 UI 主工具栏的自定义选项。现在，您可以使用下拉菜单快速选择要添加到工具栏的操作。为此，请右键点击任意微件，选择（添加到主工具栏），然后浏览可用选项。

入职Java，不会git被开除了。。。

在一个繁华的都市中，李华怀揣着对Java编程的热爱和憧憬，成功应聘了一家知名的科技公司。他对于即将到来的职场生活充满了期待，希望能够在那里施展自己的才华，实现自己的职业梦想。然而，就在他入职的第一天，却发生了一件让他意想不到的事情。公司为了让他更快地融入团队，安排了一场技术分享会，要求他和其他新入职的同事一起参与。在分享会上，团队领导提到了Git这个重要的版本控制系统，并询问大家是否熟悉其操作。李华顿时感到一阵紧张，因为他之前并没有接触过Git。虽然他在Java编程方面有着扎实的基础，但对于版本控制这个

【java】异常与错误

Throwable包括Error和Expected。

代码随想录算法训练营第二十八天|​216.组合总和III​、17.电话号码的字母组合

回溯法第二天

【滑动窗口】Leetcode 209. 长度最小的子数组【中等】

子数组 [4,3] 是该条件下的长度最小的子数组。使用滑动窗口技巧解决这个问题。

消息队列选型

主要介绍消息队列的选型问题

这三个网站我愿称之为制作答辩PPT的神

PPT制作看似简单，但里面有大门道，随便敷衍就会遭到导师评委的“挑刺”。与其在PPT上耗费时间，不如多花些精力在答辩练习上。幸亏现在科技发达，出现了一大批可以用来做PPT的AI工具，接下来让我介绍一些在制作答辩PPT时真正可以用到的工具。

蓝桥杯练习系统（算法训练）ALGO-941 P0601字符删除

编写一个程序，先输入一个字符串str（长度不超过20），再输入单独的一个字符ch，然后程序会把字符串str当中出现的所有的ch字符都删掉，从而得到一个新的字符串str2，然后把这个字符串打印出来。内存限制：256.0MB C/C++时间限制：1.0s Java时间限制：3.0s Python时间限制：5.0s。

mysql--join

mysql的join流程

二分图及图匹配（图论学习总结部分内容）

由于图论学习总结内容过多，全放在一篇博客过于冗长现进行拆分，本文是图论学习总结(For XCPC)的二分图及图匹配部分

Promise链式调用与错误处理

Promise链式调用与错误处理

线性回归模型的解释及应用场景

在线性回归模型中，数据使用线性预测函数来建模，并且未知的模型参数（即回归系数）也是通过数据来估计的。线性回归模型是利用数理统计中的回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。其表达形式通常为y = w'x + e，其中y是因变量，x是自变量（可以是一个或多个），w是回归系数，e是误差项，服从均值为0的正态分布。总之，线性回归模型是一种强大的统计分析工具，可以用于分析各种变量之间的关系和预测未来的趋势。根据自变量的数量，线性回归模型可以分为一元线性回归模型和多元线性回归模型。

摸鱼大数据——Linux搭建大数据环境(集群免密码登录和安装Hadoop)二

的标签中添加以下内容: -->-- 在文件的

Java面试题:线程池的核心参数和工作原理

(如果核心线程和临时线程空闲时,都会执行阻塞队列里的任务)再判断总线程数是否小于最大线程数,否->创建临时线程执行。先判断核心线程是否全部繁忙,否->添加到工作线程执行。再判断阻塞队列是否已满,否->添加任务到阻塞队列等待。按照拒绝策略进行拒绝。

学习方法论

下面是我当时大一做的总结，可供参考：㊗注意★ 以下所有方法都可以从知乎中找到具体描述，我只是把有用的给整合出来了。看懂（预习，讲解后）_说懂（口头改述）_讲懂（讲，费曼）今日事今日毕，今日不会今日会开始还保留着高中的学习习惯，依旧非常勤奋的学习，期中考试之后逐渐开悟，改进了学习方法，并且制定了有效的期末周复习策略，最终在期末取得了不错的成绩。

微调大模型学习记录

一般来说, 垂直领域的现状就是大家积累很多垂域数据,从现实出发,第一步可以先做增量训练.所以会把模型分成3个阶段:(1)、第一阶段:(Continue PreTraining)增量预训练，在海量领域文档数据（领域知识）上二次预训练base模型，以注入领域知识.(2)、第二阶段: SFT(Supervised Fine-tuning)有监督微调，构造指令微调数据集，在预训练模型基础上做指令精调，以对齐指令意图。