更多精彩内容,欢迎继续阅读
1. 为什么是“Deskcomm”这个名字:它想解决的不只是客户管理先说个场景。我认识一位做B2B选品起家的朋友,团队七八个人,以前一直用Excel表格和一个通用聊天群管客户。客户问过价,销售跟进到哪一步,谁负责对接ÿ…
阅读更多 →记忆型 AI Agent 这个词这两年几乎被用烂了,但真正落到生产环境里,能扛住多轮对话、能记住上下文、能在关键节点让人介入的,其实没几个。我最近花了不少时间在 AgentScope 这套体系上做落地,从最开始的"能跑起来就行"&a…
阅读更多 →1. 从一次终端报错说起:为什么第二轮对话丢了 Context第一次跑 Hello-Agents 第 9 章的时候,我在终端里盯着一段输出看了很久。第一轮模型回复得好好的,第二轮发过去的请求里,Context 字段居然是空的。不是报错,不是超…
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 →