更多精彩内容,欢迎继续阅读
前两天有位朋友跑来问我:"Atlas 300V 24G 这卡是运算加速卡吗?网上说法实在太乱了。"我第一反应是——这问题还真不是一句"是"或"不是"能说清的。很多刚接触昇腾生态的人,把 Atlas 300V 当成一块可以无脑替代 …
阅读更多 →拿到一张 Atlas 300V 24G,第一反应是“这不就是张显卡嘛”,装上驱动直接跑 PyTorch 就完事了。结果插上机器之后才发现,事情没有这么简单。它确实是一张 AI 运算加速卡,但走的是昇腾这套技术栈,和 NVIDIA GPU 的使用习…
阅读更多 →做计算机视觉落地的人大概都有这种感觉:分割模型把画面分得越细,越暴露一个尴尬——模型“看”到了,但没“想”明白。SAM这类分割模型确实能把物体轮廓处理得非常漂亮,但它始终不会回答“这个杯子和这张桌子是什么关系”“那个人的…
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 →