更多精彩内容,欢迎继续阅读
1. 为什么需要认真对待 torch_npu profiler1.1 从一次真实的性能排查说起前阵子帮一个团队看昇腾上的训练慢问题。他们的场景很典型:模型在 GPU 上跑得好好的,迁到昇腾 NPU 之后,单步耗时翻了将近一倍,但看 loss 曲线又完全正常&a…
阅读更多 →1. 为什么要在昇腾上做训练性能分析1.1 从一次真实的性能困惑说起前阵子帮一个团队看他们基于昇腾NPU的训练任务,现象很典型:模型能跑通,loss也在降,但每个step的耗时比预期高了将近一倍。团队第一反应是“算力不够”,…
阅读更多 →1. 为什么MiniMax-H3-GGUF值得在ComfyUI里单独折腾一遍如果你最近在ComfyUI社区里泡着,大概率会注意到一个现象:越来越多人在讨论GGUF格式的模型加载方案,尤其是MiniMax-H3这个系列。我自己是从去年开始把主力工作流从传统的safetensors加载方…
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 →