更多精彩内容,欢迎继续阅读
上个月,我把一个 7B 参数的对话模型接到生产环境,第一次压测时输入 64 token 的 prompt,单次生成 128 token,整批延迟比我预期的多了一倍。模型本身没问题,问题出在我根本没做任何优化,直接拿 PyTorch 的原…
阅读更多 →从 scratch 构建 AI 工程能力:我的完整学习路径与项目实操记录"ai-engineering-from-scratch" 这个项目,说白了就是一件事:不靠现成框架的"黑盒魔法",用最原始的方式把 AI 从数学原理到工程落地完整地走一遍。…
阅读更多 →训练完的模型跑得好好的,一上生产环境就卡壳——这个问题我碰到过太多次了。GPU上推理只要几毫秒的模型,换到CPU环境直接翻几十倍;300MB的权重文件传到端侧都费劲,更别提内存占用和功耗了。后来我把Model-Optimizer这套工具真正用…
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 →