更多精彩内容,欢迎继续阅读
1. 项目概述与核心思路1.1 为什么用DeepSeek API做自动化先说结论:DeepSeek API是目前国内开发者接入大模型能力时性价比极高的一条路径,配合Python做自动化工作流,能把大量重复性的文字处理、信息整理、内容生成任务从“人工操作”变成“脚本…
阅读更多 →我一直觉得,「AI Agent 方向」是目前最值得深入的一个技术细分,但也是被概念绕得最晕的方向之一。你随便逛技术社区,能看到 LLM、Agent、Agentic AI、多智能体、编排、RAG、Function Calling、Skill 这些词满天飞,每篇文章都讲得头…
阅读更多 →做智能体应用最容易被低估的问题,往往不是模型能力,也不是工具调用链路,而是“用户和智能体之间怎么对话”。上篇把AG-UI出现的原因和整体定位理了一遍,今天这篇直接碰协议的核心机制:消息类型、消息信封,以…
阅读更多 →大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…
阅读更多 →当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:
阅读更多 →📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…
阅读更多 →文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…
阅读更多 →一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…
阅读更多 →文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…
阅读更多 →