更多精彩内容,欢迎继续阅读
1. 从零搭建AI工程能力,为什么大多数人卡在第一步就放弃了很多人对“AI工程”这四个字的理解,停留在“会调个API、跑个demo”的层面。我刚开始接触这个方向的时候也是这么想的——装个环境、拉个模型、写几行推理代码,能跑通就算入门了。但真…
阅读更多 →身边不少做开发的朋友最近都在问同一个问题:AI Agent 到底该怎么入门?看了很多概念文章,脑子里装满了 ReAct、Function Calling、多智能体协作这些词,但真让自己动手搭一个,又不知道从哪下手。我特别理解这种感觉&…
阅读更多 →1. 从一次显存告急说起:Model-Optimizer 到底在解决什么问题上周帮朋友调一个视觉模型,RTX 4060 Laptop 只有 8GB 显存,模型权重加载完就占了 6.2GB,剩下不到 2GB 要留给激活值、KV Cache 和中间张量,batch size 只能开…
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 →