更多精彩内容,欢迎继续阅读
把插件从 v1 升到 v2 这一趟跑下来,我最大的感触是:插件开发里的upgrade,字面上是“插件版本升级”,实际上是一整套工程——版本号、更新通道、宿主兼容、数据迁移、回滚预案,任何一环断掉,升级就可能变成用…
阅读更多 →最近我把一个自己跟了很久的项目收了个尾,名字就叫ai-engineering-from-scratch。这名字听起来有点中二,说白了就是一件事:不依赖现成的 AI 平台或封装好的 SDK,纯粹靠开源模型、公开数据集和基础工具,把一个能用的 AI…
阅读更多 →1. AI工程化到底是什么:一个老鸟对ai-engineering-from-scratch的重新解读先聊点实际的。我见过太多人一看到 "ai-engineering-from-scratch" 这个标题,第一反应是"又一套机器学习教程",第二反应是"从零开始是不是要…
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 →