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
经济学:动态模型平均(DMA)、动态模型选择(DMS)、ARIMA、TVP预测原油时间序列价格|附代码数据
全文链接:http://tecdat.cn/?p22458(https://link.segmentfault.com/?enchy6oeeyIIP6nfockA1u5jg%3D%3D.eXW75zWss4EO%2F2aNzrClaA7bpVNIWCIY7uByLXkJzvQ%3D)
如何在生存分析与Cox回归中计算IDI,NRI指标|附代码数据
原文链接:http://tecdat.cn/?p6095(https://link.segmentfault.com/?enc1F3oEL%2F68Zlve4D7kgEMsg%3D%3D.YfHscpc86CCby8j%2BuP54JiJqSWhnHVyALkZxonf745k%3D
R语言用CPV模型的房地产信贷信用风险的度量和预测|附代码数据
全文链接:http://tecdat.cn/?p30401(https://link.segmentfault.com/?encD5fuIjRHOvpxsMPCQrtWdA%3D%3D.j00sdcXMUpfIzgO5pR2lWPTVflRK%2FE2cr97vEWrBiIQ%3D)
R语言改进的DCC-MGARCH:动态条件相关系数模型、BP检验分析股市数据
全文链接:http://tecdat.cn/?p32818(https://link.segmentfault.com/?encIv7FNUyl4kPScPn118v2%2Fg%3D%3D.UVZxlyhiZnfs%2BSCgaYNJEup0qCu6YHZU50%2BLsXY3a0g%
编译 TFLite 模型
本篇文章译自英文文档CompileTFLiteModels(https://link.segmentfault.com/?enc0yrivnkJ4ZJI12T9u9waLw%3D%3D.xas7EpuZjknDoqmGuCkoywHlHjG6BH73aXfP%2FLrW8KzdYvOJF
云上使用 Stable Diffusion ,模型数据如何共享和存储
随着人工智能技术的爆发,内容生成式人工智能(AIGC)成为了当下热门领域。除了ChatGPT之外,文本生成图像技术更令人惊艳。StableDiffusion,是一款开源的深度学习模型。与Midjourney提供的直接将文本转化为图像的服务不同的是它允许用户自行搭配并训练自己的图像风格,
强化学习从基础到进阶-常见问题和面试必知必答[1]:强化学习概述、序列决策、动作空间定义Gym强化学习实验
强化学习从基础到进阶常见问题和面试必知必答1:强化学习概述、序列决策、动作空间定义、策略价值函数、探索与利用、Gym强化学习实验1.强化学习核心概念强化学习(reinforcementlearning,RL):智能体可以在与复杂且不确定的环境进行交互时
强化学习从基础到进阶-案例与实践[1]:强化学习概述、序列决策、动作空间定义、策略价值函数、探索与利用、Gym强化学习实验
强化学习从基础到进阶案例与实践1:强化学习概述、序列决策、动作空间定义、策略价值函数、探索与利用、Gym强化学习实验1.1强化学习概述强化学习(reinforcementlearning,RL)讨论的问题是智能体(agent)怎么在复杂、不确定的环境(
如何评估大型语言模型(LLM)?
<blockquote<p编者按:近期几乎每隔一段时间,就有新的大语言模型发布,但是当下仍然没有一个通用的标准来评估这些大型语言模型的质量,我们急需一个可靠的、综合的LLM评估框架。</p<p本文说明了为什么我们需要一个全面的大模型评估框架,并介绍了市面上这些现有的评估框架,同时指出这些框架
使用PyMC进行时间序列分层建模
在统计建模领域,理解总体趋势的同时解释群体差异的一个强大方法是分层(或多层)建模。这种方法允许参数随组而变化,并捕获组内和组间的变化。在时间序列数据中,这些特定于组的参数可以表示不同组随时间的不同模式。今天,我们将深入探讨如何使用PyMC(用于概率编程的Python库)构建分层时间序列模型。
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。


