书生自2006年9月份进入A股投资，至今一直专职投资，其中在雪球公开的2012年到今天的投资业绩为730.5%，如果加上融资获利的话，从2014年6月份至今投资业绩为6年10倍，2015年6月份至今为5年接近4倍(其中2015年5月份到2016年5月份空仓一年)。
以下是我对于投资的理解和认识：
1、基础的专业知...
书生剑客
职业投资17年，工业自动化专业毕业，比较了解计算机系统及相关行业，投资理念：成长为主 价值为辅
- 关注:900
- 粉丝:11058
- 自选:1136
- 组合:4
书生剑客回复的提问
@书生剑客[¥1.00] 剑客好，很喜欢你写的历史文章。能推荐三本你最喜欢的历史书嘛？谢谢你![[献花花]](http://assets.imedao.com/ugc/images/face/emoji_38_flower.png?v=1 "[献花花]"){kind=small}
他的全部讨论
网页链接 图为一个普通的士兵和一个普通的抢劫犯
网友：
普通的劫匪，指制造了沙皇俄国甚至当时世界最大的银行劫案。一个团队供给全党大部分资金。
1913年的维也纳他们两个生活在同一座城市
还有托洛茨基，铁托，弗洛伊德，薛定谔全在维也纳
1913年的维...
除了公司本身因素外，同样值得关注的是，激光雷达在汽车特别是乘用车市场并非不可替代，虽然代表着车端传感器的一条应用路线，但其自身的领先地位并不牢固。
居高不下的成本 是激光雷达最大的硬伤。这不仅妨碍到其普及程度，并且在近年来愈演愈烈的价格战中，成本问题还会减弱激光雷达的优势...
面向AI内容生成的检索增强生成(RAG)技术全面综述：背景、基础、进阶、应用、展望（下）
IV 应用
表I：RAG应用在各种模态的分类。
在本节中，我们专注于RAG在各种模态的应用。为了与RAG基础和增强的分类相呼应，我们在表I中也展示了它们在不同任务中的使用。
IV-A 文字RAG
首先，文本生成是RAG应用中最重要和最广泛部署的应用之一。这里我们分别介绍了七个任务的流...
面向AI内容生成的检索增强生成(RAG)技术全面综述：背景、基础、进阶、应用、展望（上）
作者：Penghao Zhao, Hailin Zhang, Qinhan Yu, Zhengren Wang, Yunteng Geng, Fangcheng Fu, Ling Yang, Wentao Zhang, Jie Jiang, Bin Cui
人工智能生成内容（AIGC）的进步，得益于模型算法的进步、基础模型的增长以及高质量数据集的获取。尽管取得了显著的成功，AIGC仍然面临着更新知识、...
大型语言模型时代的图机器学习综述：发展历史、LLM增强图学习、图增强LLM、应用场景、未来方向（下）
4.2 解决传统 GNN 训练限制
传统的 GNN 训练依赖于标记数据。然而，获取高质量的标记数据往往伴随着大量的时间和成本。与 GNN 相比，LLMs 展示了强大的零样本/少样本能力，并拥有广泛的开放世界知识。这一独特的特性使 LLMs 能够直接利用节点信息进行预测，而不依赖于大量的标注数据。因此，...
大型语言模型时代的图机器学习综述：发展历史、LLM增强图学习、图增强LLM、应用场景、未来方向（上）
作者：Wenqi Fan, Shijie Wang, Jiani Huang, Zhikai Chen, Yu Song, Wenzhuo Tang, Haitao Mao, Hui Liu, Xiaorui Liu, Dawei Yin, Qing Li
图在表示各种领域中的复杂关系方面扮演着重要角色，如社交网络、知识图谱和分子发现。随着深度学习的出现，图神经网络（GNNs）已成为图机器学习（Gr...
文/Terence Lucas Yap
摘要:
从传统 RAG 到GraphRAG 的转变通过整合知识图谱增强了大型语言模型，使其能够对复杂查询提供更加细致和准确的响应。GraphRAG 的有效性也取决于底层知识图谱的质量和广度以及RAG工程层面的处理。
主要观点：
- GraphRAG 通过利用知识图谱为丰富的上...
文/彭春凌
注：16-17世纪的科学革命和19世纪的生物进化学说所奠定的新的宇宙与人的观念，构成了今天对宇宙与人的认知基础。而宇宙与人观念的新旧变迁又引动了包括宗教、伦理、美学、社会政治学说等诸领域的思想震荡、观念协商或革命。北大文研院邀访学者、中国人大历史学院彭春凌老师的《原道...