登录社区云，与社区用户共同成长
邀请您加入社区
本文针对uni-appx开发中长列表性能问题，提出使用list-view和waterflow组件替代传统v-for渲染的方案。数据显示，10000项列表的内存占用可从2GB降至200MB，卡顿率降低85%。文章详细解析了复用机制原理，对比了两种组件的性能优势，并提供了动态高度处理、数据懒加载、图片渐进显示等进阶优化技巧。通过社交媒体动态流和电商瀑布流案例，展示了实际优化效果，内存占用下降90%，加
A3阶段针对大模型在已有提示词上的性能表现不足的问题，构建面向任务的指令训练语料，对大模型进行有监督的指令微调（SFT），提升大模型在应用上的性能。介绍如何使用开源的Llama、ChatGlm或者闭源的蛙蛙写作、通义、Kimi等进行AI文本创作，如果你有一些可以模仿的作品集或者自己的历史作品集，可以通过对开源的Llama、ChatGlm进行微调（SFT），让大模型生成海量的类似风格的小说、剧本、软
