更多精彩内容,欢迎继续阅读
1. 项目概述坦白说,我刚看到 Model-Optimizer 这个标题和热词时,第一反应是:这玩意儿的坑到底有多深?我接触过太多号称"一键优化"的模型加速工具,结果不是精度掉到没法看,就是兼容性差到让人抓狂…
阅读更多 →1. 项目缘起与整体设计思路第一次看到“LLM 通过写代码来打星际争霸”这个点子的时候,我正坐在电脑前啃一份 BWAPI 的文档。说实话,那一瞬间我脑子里蹦出来的第一个念头不是“这玩意儿能跑起来吗”,而是“终于有人把大模型从聊天框里拽出来&a…
阅读更多 →1. 从“四个风险域”说起:为什么我们需要一套AI风险的分类框架第一次看到“Understanding the Four AI Risk Domains”这个标题,很多人会以为这又是一篇讲AI有多危险的泛泛之谈。但真正做过AI系统落地的人都知道,风险这件事从来不是“有或没有…
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 →