更多精彩内容,欢迎继续阅读
1. 边缘端 AI 算力选型:为什么“先看场景再看芯片”才是正解做边缘 AI 项目这些年,我踩过最大的坑就是“先选芯片再想场景”。团队拿到需求,第一反应往往是打开某款热门芯片的规格书,对着 TOPS 数字流口水,然后兴冲冲画…
阅读更多 →写论文这件事,开题、文献、初稿、降重、图表、格式、答辩,七个环节环环相扣,哪个掉链子都得返工。2026届毕业生面临的压力不比往年少,我干脆把市面主流AI工具按全流程过了一遍,从开题一路测到答辩,看看哪些…
阅读更多 →1. 飞控传感器与驱动的整体设计思路1.1 为什么传感器层是飞控最不能省事的地方飞控这东西,飞起来稳不稳,一半看控制算法,另一半看传感器数据靠不靠谱。PX4、APM 这类开源飞控发展到现在,姿态控制、位置估计的代码已经相当成熟&…
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 →