更多精彩内容,欢迎继续阅读
1. 算力研究框架的底层逻辑:从一颗芯片到一张产业网聊AI算力这件事,最容易犯的毛病就是一上来就盯着GPU型号和算力数字看。我见过太多人张口就是“H100多少TFLOPS”“A100显存多大”,但真到了要评估一个训练任务需要多少算力、或者要判断一个…
阅读更多 →这一周,桌面Agent的消息密度明显上来了。各家不再只是放演示视频,而是把开发套件、端侧模型、系统级权限方案一股脑往外端,入口战算是真打起来了。但把一周的战报和底层技术逐一拆开看,我越来越觉得,真正能拉开差距的不…
阅读更多 →这两年多智能体的话题已经快被炒烂了,但真正能把多个 agent 拉到一个框架里有条不紊地协作、而不是各跑各的 demo,其实没几个方案做得让人省心。Harness 和 Hermes 这个组合是我最近实测下来比较顺手的一套——Harness 负责编排和工具调度,He…
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 →