HelloWorld 开发者社区
科技资讯
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
Argus 0.5.0 发布:新增进程控制,完善原生 Windows 任务管理
MetaForge 2026.0.0 发布,整合数据库工作台与可视化分析
qData 1.6.7 发布:修复增量读取与 ETL 字段传递问题
Apple HomeView 在部分地区开售,整合家庭控制与视频通话
Cloudflare 推出 Spend Management Beta,为 Workers 增加支出限制
Cloudflare 开源 Kitesurf:面向 AI 智能体的轻量浏览器引擎
JeecgBoot 与敲敲云介绍分层方案,连接低代码开发与业务搭建
开源项目
全部项目推荐好文
挑战Transformer的新架构Mamba解析以及Pytorch复现
今天我们来详细研究这篇论文“Mamba:具有选择性状态空间的线性时间序列建模”!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/24c6d39a7d9cd147f75f4891ec0c6c03.png)Mamba一直在人
余震强度预测能力升级,Nature 刊文认证基于神经网络的模型性能优于传统模型
<blockquote<p作者:李宝珠</p<p编辑:李玮栋、xixi,三羊</p<p地震的发生涉及诸多变量,「预测」存在挑战,但余震发生次数及强度的预测已取得重大进展。</p</blockquote2023年12月18日23时59分,甘肃省临夏州积石山
使用知识图谱提高RAG的能力,减少大模型幻觉
在使用大型语言模型(llm)时,幻觉是一个常见的问题。LLM生成流畅连贯的文本,但往往生成不准确或不一致的信息。防止LLM产生幻觉的方法之一是使用提供事实信息的外部知识来源,如数据库或知识图谱。向量数据库和知识图谱!(https://imghelloworld.osscn
使用pytorch构建图卷积网络预测化学分子性质
在本文中,我们将通过化学的视角探索图卷积网络,我们将尝试将网络的特征与自然科学中的传统模型进行比较,并思考为什么它的工作效果要比传统的方法好。!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/f33bddc74c16549e
刘弘泉教授著作《当代数论引论》第9章第4节“区间(x,2x]中的素数”简介
!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/e2368a0db031d4bcd17abd4d41969f53.png)哈尔滨工业出版社2015年出版。1845年,Bertrand曾猜想,对正整数n≥2,区间(n,
蚂蚁集团联合上海仁济医院泌尿科发布国内首个临床专科推理数据集:RJUA-QA
技术报告:https://arxiv.org/abs/2312.09785OpenKG(https://link.segmentfault.com/?encz%2BXzaIZNqVqT1pIYKG%2F9Gw%3D%3D.K74JGo4O6WA%2BBzX%2F0HdTi5ozzPyKc9%2
如何避免LLM的“幻觉”(Hallucination)
点击上方“DeephubImba”,关注公众号,好文章不错过!生成式大语言模型(LLM)可以针对各种用户的prompt生成高度流畅的回复。然而,大模型倾向于产生幻觉或做出非事实陈述,这可能会损害用户的信任。大语言模型的长而详细的输出看起来很有说服力,但是这些输出很有可能是虚构
YOLO+SlowFast+DeepSORT 简单实现视频行为识别
前言前段时间刷短视频看到过别人用摄像头自动化监控员工上班状态,比如标注员工是不是离开了工位,在位置上是不是摸鱼。虽然是段子,但是这个是可以用识别技术实现一下,于是我在网上找,知道发现了SlowFast,那么下面就用SlowFast简单测试一下视频的行为识别。!图片(https:
神经网络中的分位数回归和分位数损失
在使用机器学习构建预测模型时,我们不只是想知道“预测值(点预测)”,而是想知道“预测值落在某个范围内的可能性有多大(区间预测)”。例如当需要进行需求预测时,如果只储备最可能的需求预测量,那么缺货的概率非常的大。但是如果库存处于预测的第95个百分位数(需求有95%的可能性小于或等于该值),那么缺货数量
基于CNN和双向gru的心跳分类系统
CNNandBidirectionalGRUBasedHeartbeatSoundClassificationArchitectureforElderlyPeople是发布在2023MDPIMathematics上的论文,提出了基于卷积神经网络和双向门控循环单元(CNN
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。