HelloWorld 开发者社区
科技资讯
微软 MAI Code 2 系列进入 Copilot:按工程任务选择编程模型
OpenAI 发布 GPT-6.2 Astra 与 Sol:专业交付、编程效率与团队选型
Qwen4-Max 发布:百万 Token 上下文、多模态与长任务如何落地
Jync 2.2.1 发布:完善告警通知,修复 CDC 与 ETL 可靠性问题
phimint 0.10.0 发布:终端智能体加入交互输入处理
Cursor 更新安全事件调查:扩展分发、历史凭据与团队排查
SoduWork 开源,尝试用独立审查与插件治理组织智能体交付
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
开源项目
全部项目推荐好文
AIGC | LLM 提示工程 -- 如何向ChatGPT提问
当前生成式人工智能已经成为革命性的驱动源,正在迅速地重塑世界,将会改变我们生活方式和思考模式。LLM像一个学会了全部人类知识的通才,但这不意味每个人可以轻松驾驭这个通才。我们只有通过学习面向LLM的提示工程,才可以更好的让LLM成为您的顶级私人助理。如何更好地使用LLM?我们可以从学如何向LLM
Generative AI 新世界 | 文生图领域动手实践:预训练模型的微调
在上期文章,我们探讨了预训练模型的部署和推理(https://link.segmentfault.com/?encB6abEBiY6nRe3lf4p%2BZzdw%3D%3D.Wuc8E7%2BTl8yNd6ytwTw5Fl75rbocLixC%2BCur9mkVKqbafXfit4mrYE1
OBIA:900+ 患者、193w+ 影像,中科院基因组所发布我国首个生物影像共享数据库
看病就医,拍片已是常例。CT、核磁、X光等影像资料可以用非侵入式手段透过人体,使内部器官、组织状况清晰可见,为临床诊断和疾病治疗提供可靠依据。随着医学影像技术广泛发展,影像资料已占据国内医疗数据的80%以上,影像科医生供不应求、各级医院诊断结果存在差异、医疗资源分配不均等痛点也日益凸显
机器学习如何助力构效关系研究——以双光子吸收为例
<blockquote在化学科学中,解决构效关系是永恒的话题。现在AIforScience已经有相当多的可解释模型和相应的解释方法可以帮助我们分析构效关系,得到简明扼要的,化学家可以理解的构效关系。</blockquote双光子吸收以双光子吸收为例,双光子吸收是在高强
DeePMD 案例合集 | 从零到一动手学,最新进展面面观,疑难问题共探讨
近年来,机器学习与物理建模的结合正在改变着科学研究的范式。机器学习势能(MLP)模型的日益流行,彻底改变了分子动力学(MD)模拟在多个领域的应用。DeePMDkit作为DeepModeling开源社区的核心项目,通过训练被称为深度势能模型(DeepPotential,简称DP)的机器学习势能
常用的相似度度量总结:余弦相似度,点积,L1,L2
相似性度量在机器学习中起着至关重要的作用。这些度量以数学方式量化对象、数据点或向量之间的相似性。理解向量空间中的相似性概念并采用适当的度量是解决广泛的现实世界问题的基础。本文将介绍几种常用的用来计算两个向量在嵌入空间中的接近程度的相似性度量。!(https://imghelloworld
Java-Lambda表达式
Java中的Lambda表达式是一种简洁的表示匿名函数的方式,它可以用来创建只有一个抽象方法的接口类型的实例,这种接口被称为函数式接口。Lambda表达式的格式是:(参数)>{表达式}。!(https://imghelloworld.osscnbeijing.aliyun
R语言ARMA-GARCH模型金融产品价格实证分析黄金价格时间序列
全文链接:http://tecdat.cn/?p32677(https://link.segmentfault.com/?encqqSvVQlFaOx%2BB67fYZb1cQ%3D%3D.kkDj8Lg%2BvSfSS4aT%2FcyDPARjBVm13gjmplJOgGyHDgc%
当尺度感知调制遇上 Transformer,会碰撞出怎样的火花?
!图片(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/84b39049adf783602f11ea54d2a5ab36.png)1.文章介绍近年来,基于Transformer和CNN的视觉基础模型取得巨大成功。
Astronomaly:利用 CNN 和主动学习识别 400 万张星系图像中的异常
<blockquote星系中的异常现象是我们了解宇宙的关键。然而,随着天文观测技术的发展,天文数据正以指数级别增长,超出了天文工作者的分析能力。<br/尽管志愿者可以在线上参与对天文数据的处理,但他们只能进行一些简单的分类,还可能会遗漏一些关键数据。<br/为此,研究者基于卷积神经网络和无监督
正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。


