HelloWorld 开发者社区
科技资讯
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
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
开源项目
全部项目推荐好文
Midjourney|文心一格prompt教程[Text Prompt(下篇)]:游戏、实物、人物、风景、动漫、邮票、海报等生成
Midjourney|文心一格prompt教程TextPrompt(下篇):游戏、实物、人物、风景、动漫、邮票、海报等生成,终极模板教学场景6:游戏Prompt真的越长越好吗?按照Midjourney的官方文档里的说法,并不一定:<bloc
Midjourney|文心一格prompt教程[Text Prompt(上篇)]:品牌log、App、徽章、插画、头像场景生成
Midjourney|文心一格prompt教程TextPrompt(上篇):品牌log、App、徽章、插画、头像场景生成,各种风格选择:科技风、运动风1.撰写TextPrompt注意事项Midjourney跟ChatGPT在prompt的使用上有很多不
LoRA:大模型的低秩自适应微调模型
对于大型模型来说,重新训练所有模型参数的全微调变得不可行。比如GPT3175B,模型包含175B个参数吗,无论是微调训练和模型部署,都是不可能的事。所以Microsoft提出了低秩自适应(LowRankAdaptation,LoRA),它冻结了预先训练好的模型权重,并将可训练的秩的分解矩
数据挖掘实践(金融风控):金融风控之贷款违约预测挑战赛(下篇)[xgboots/lightgbm/Catboost等模型]
数据挖掘实践(金融风控):金融风控之贷款违约预测挑战赛(下篇)xgboots/lightgbm/Catboost等模型模型融合:stacking、blending相关文章:数据挖掘实践(金融风控):金融风控之贷款违约预测挑战赛(上篇)(https://link.segmen
数据挖掘实践(金融风控):金融风控之贷款违约预测挑战赛(上篇)[xgboots/lightgbm/Catboost等模型]
数据挖掘实践(金融风控):金融风控之贷款违约预测挑战赛(上篇)xgboots/lightgbm/Catboost等模型模型融合:stacking、blending1.赛题简介赛题以金融风控中的个人信贷为背景,要求选手根据贷款申请人的数据信息预测其是否有违约的可能,以
Github Copilot Chat的规则泄露,详细分析这31条规则
GitHubCopilot是一款由GitHub和OpenAI共同开发的人工智能编程助手。它是一种基于机器学习的代码自动完成工具,旨在帮助开发人员更高效地编写代码。GitHubCopilotChat是GitHubCopilot的一部分,它是一个基于人工智能的编程助手,由OpenA
LayerNorm 在 Transformers 中对注意力的作用研究
LayerNorm一直是Transformer架构的重要组成部分。如果问大多人为什么要LayerNorm,一般的回答是:使用LayerNorm来归一化前向传播的激活和反向传播的梯度。其实这只是部分正确:Brody、Alon和Yahav的一篇题为“OntheExpressiv
专访高雪峰:从GPT3.5到4,超强推理能力的实现与“图”密不可分 | 36氪专访
<pre<code“符号”与“向量”,AGI的两条腿。</code</pre整理|Ricky作者|王与桐2023年3月15日,GPT4亮相。尽管以GPT3.5为基础的ChatGPT更具里程碑意义,毕竟引发了全球C端用户的使用,但是在更多AI从业者看来,GPT4的意义远高于3.
Fabarta 参加 2023 数云原力大会,与各方共同发布《2023 数据资产盘点实践白皮书》
5月6日,由国家金融与发展实验室金融科技研究中心学术指导,北京立言金融与发展研究院、神州控股、神州信息、神州数码集团共同主办的2023年数云原力大会“数据资产•金融核心竞争力”主题论坛在京举办,会议现场揭牌成立了六合上甲数据资产研究实验室。作为实验室核心成员之一,Fabarta参与编写了
图像识别的垃圾分类系统
项目介绍垃圾识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对5种垃圾数据集进行训练,最后得到一个识别精度较高的模型。并基于Django框架,开发网页端操作平台,实现用户上传一张垃圾图片识别其名称。效果展示!
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。