更多精彩内容,欢迎继续阅读
1. 从“univer”这个名字说起:它到底是个什么东西第一次看到“univer”这个词,很多人会以为是“universe”的缩写,或者某个开源社区的小众项目。实际上,Univer 是一套面向在线表格、文档、幻灯片场景的通用协同编辑引擎࿰…
阅读更多 →1. 从“starnet”这个标题说起:它到底想解决什么问题 第一次看到“starnet”这个项目标题,加上旁边跟着的 AI agents 、 desktop 、 OpenRouter 、 MCP 这几个关键词,我脑子里第一反应是:这大概率是一个把本地桌面环境和云…
阅读更多 →1. hindsight 到底在解决什么问题:从一团乱麻的复盘会说起1.1 一次让我彻底改观的事故复盘去年秋天,我们团队上线了一版新的推荐策略,上线第四天起核心转化率开始每天掉零点几个百分点。因为是缓慢下滑,没有任何阈值告警触发&…
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 →