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
大咖云集,看点前瞻:蚂蚁集团主办CNCC2023五大论坛
2023年10月2628日,第二十届中国计算机大会(CNCC2023)将于沈阳举行。CNCC由中国计算机学会(CCF)主办,是计算领域学术、技术、产业、教育各界宏观探讨发展趋势的年度盛会,为展示学术成果与技术创新搭建平台,促进各界交流合作,加快科研成果转换。本届CNCC2023
Lora升级!ReLoRa!最新论文 High-Rank Training Through Low-Rank Updates
<blockquote关注公众号TechLead,分享AI与云服务技术的全维度知识。作者拥有10年互联网服务架构、AI产品研发经验、团队管理经验,同济本复旦硕,复旦机器人智能实验室成员,阿里云认证的资深架构师,项目管理专业人士,上亿营收AI产品研发负责人。</blockquote!fil
网络爬虫:数据抓取的几种方法
随着互联网的快速发展,数据已经成为企业竞争的核心资源。数据抓取是指从网站、应用程序、数据库等数据源中获取数据的过程。在数据抓取中,一般采用以下几种方法:网络爬虫网络爬虫是一种自动化程序,可以根据预定的规则自动浏览网页并抓取数据。常见的网络爬虫框架有Scrapy、BeautifulSoup、
VeRA: 性能相当,但参数却比LoRA少10倍
2022年的LoRA提高了微调效率,它在模型的顶部添加低秩(即小)张量进行微调。模型的参数被冻结。只有添加的张量的参数是可训练的。与标准微调相比,它大大减少了可训练参数的数量。例如,对于Llama27b,LoRA通常训练400万到5000万个参数,这比标准微调则训练70亿个参数药效的多。还可
【专题】2022年中国制造业数字化转型研究报告PDF合集分享(附原数据表)
报告链接:http://tecdat.cn/?p32145(https://link.segmentfault.com/?enc2lcA7BnQaSvcP1%2ByM3WILg%3D%3D.3A0nLC2viTC3Z5YvVwmW8u46GJ5RhygqTcynirROWUI%3D)
【专题】2022年中国跨境电商行业研究报告PDF合集分享(附原数据表)
报告链接:http://tecdat.cn/?p32044(https://link.segmentfault.com/?encDsOJ1b0xofQne46v38FMqQ%3D%3D.o76XU%2Bj7qC4IayKp3JdWFpI8Fw3n3pjQJWjcs2uyM8M%3D)
Python贝叶斯MCMC:Metropolis-Hastings、Gibbs抽样、分层模型、收敛性评估
全文链接:https://tecdat.cn/?p33961(https://link.segmentfault.com/?enclmtEJQXHhnIItMH36tjeJA%3D%3D.MAffYtJCpCL98x81PZJZeC5QLy3ld3p3Ha0NHL2BOOY%3D)
【专题】大健康趋势洞察报告PDF合集分享(附原数据表)
原文链接:https://tecdat.cn/?p33947(https://link.segmentfault.com/?encPibKOaRkAzOhw%2B14ZBM3SA%3D%3D.Z5V2bUZQ%2FFUIgmmm6Mhtb092j6T8%2BHMX0szcY99WxoU
轻松理解 Transformers(1):Input部分
<blockquote<p编者按:Transformers是人工智能领域近年来最引人瞩目的技术之一,它为语言生成模型的发展做出了巨大的贡献。随着大语言模型(LLM)的兴起,公众对其背后的技术原理也越来越感兴趣。但是由于Transformers本身具有一定的复杂性,想要真正理解其中的原理并不容易
PaddleX场景实战:PP-TS在电压预测场景上的应用
时间序列是按照时间发生的先后顺序进行排列的数据点序列,简称时序。时间序列预测即运用历史的多维数据进行统计分析,推测出事物未来的发展趋势。时间序列预测是最常见的时序问题之一,在很多行业都有其应用,且通常时序预测效果对业务有着重大影响。例如:零售企业:预测产品销量,可以为企业备货、配
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。


