超腾开源博客 - 第13页 | AI技术、开发实战与软件资源分享

XWiki升级到16.10.8版本后，用户常遇到点击编辑区域不出现光标、无法编辑页面的问题。这是由于系统启用了xwiki-relatime编辑器插件导致的兼容性问题。本文提供完整的解决方案：通过管理Wiki进入WYSIWYG Editor设置，在禁用插件列表中添加xwiki-relatime并正确保存，同时清理浏览器缓存。文档还包含管理员权限配置、保存按钮使用技巧等实用经验，确保问题彻底解决。

本文针对XWiki升级到16.3.0版本后出现的所有链接默认显示下划线问题，提供了详细的解决方案。通过修改XWikiPreferences中的underline属性，调整属性位置，并清除浏览器缓存，可有效恢复旧版本的无下划线样式。文档包含完整的操作步骤截图和参考文档，特别解决了低版本升级后设置不生效的官方bug，具有较高的实用价值。

Abliteration技术是一种创新的方法，能够在无需重新训练的情况下解除大语言模型的安全审查机制。该技术通过识别并移除模型残差流中的拒绝方向，使模型能够响应各类提示。文档详细阐述了数据收集、平均差异计算、推理时干预和权重正交化等关键技术步骤，并提供了Llama3.2、DeepSeek-R1、Qwen3等主流模型的实践案例。同时介绍了DPO微调方法来解决性能下降问题，确保模型在解除审查后仍保持高质量输出。本文为研究人员和开发者提供了完整的技术参考和实施指南。

本文介绍了使用Ollama实现工具调用的原理，并以qwen3模型为例，用Python进行了最简单的实现演示。文章首先说明了如何安装Ollama并启动qwen3模型，然后详细展示了工具调用的完整流程：发送包含工具定义的对话请求、模型返回tool_calls要求调用工具、将工具返回结果与聊天历史再次发送给模型，最终获得自然语言回答。通过一个查询北京天气的实例，Python源码清晰展示了两次API调用的交互过程，帮助读者理解MCP工具调用的基本原理。

在Windows上使用PyTorch训练模型时，任务管理器显示的GPU占用率较低是正常现象，因为PyTorch主要使用CUDA核心，而未调用3D、视频解码等功能。建议使用nvidia-smi dmon命令查看真实的GPU利用率，重点观察sm（流处理器利用率）和mem（显存带宽利用率）两项指标。若GPU占用率确实偏低，可通过在DataLoader中设置num_workers和pin_memory参数来提升。注意Windows下需将训练函数放在if __name__ == "__main__"中，且num_workers不宜过大，建议从2开始逐步增加，确保nvidia-smi中GPU利用率达到90%以上，同时调整batch_size使显存占用率也在90%左右。