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
Gartner RPA魔力象限报告解读:国产厂商“破纪录”跃升意味着什么?
!图片(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/d913074317d434dc45f757a17c314b8a.png)2023GartnerRPA魔力象限报告解读:象限跃升彰显国产RPA厂商实力2023Gar
聊聊大语言模型(LLM)的 10 个实际应用
近期,苹果公司正在悄悄研究可以挑战的OpenAI、谷歌和其他公司的AI工具,建立了自己的框架来创建大语言模型,并创建了一个聊天机器人服务,一些工程师称之为“AppleGPT”。!23e371604ad0f87b313b4b6c5d905340.png(https://imghell
大语言模型推理性能优化之七策
<blockquote<p编者按:随着大语言模型在自然语言处理中的广泛应用,如何提高其在实际部署中的推理速度成为一个非常关键的问题。</p<p本文详细介绍了当前提高大语言模型推理速度的七大策略,包括使用低精度计算、模型量化、使用适配器微调、采用模型剪枝、批量推理、多GPU并行和采用其他推
ChatGLM2-6B本地化部署
ChatGLM26B本地化部署一.背景介绍ChatGLM26B是开源中英双语对话模型ChatGLM6B(https://link.segmentfault.com/?encIU73XRgiGRD3ruZIXUrpVA%3D%3D.sBEod2t2
MiniRBT中文小型预训练模型:结合了全词掩码技术和两段式知识蒸馏技术,加快推理速度
MiniRBT中文小型预训练模型:结合了全词掩码(WholeWordMasking)技术和两段式知识蒸馏(KnowledgeDistillation)技术,加快推理速度!(https://imghelloworld.osscnbeijing.aliyuncs.com/i
VLE基于预训练文本和图像编码器的图像-文本多模态理解模型:支持视觉问答等
VLE基于预训练文本和图像编码器的图像文本多模态理解模型:支持视觉问答、图文匹配、图片分类、常识推理等!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/a4b10f6fd169124e6b3484d10bf807b
ChatGenTitle:使用百万arXiv论文信息在LLaMA模型上进行微调的论文题目生成模型
ChatGenTitle:使用百万arXiv论文信息在LLaMA模型上进行微调的论文题目生成模型!(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/2dfd7e3f283ac490f6e6f67cd56592f0.pn
在消费级GPU调试LLM的三种方法:梯度检查点,LoRA和量化
LLM的问题就是权重参数太大,无法在我们本地消费级GPU上进行调试,所以我们将介绍3种在训练过程中减少内存消耗,节省大量时间的方法:梯度检查点,LoRA和量化。梯度检查点梯度检查点是一种在神经网络训练过程中使动态计算只存储最小层数的技术。为了理解这个过程,我们需要了解反向传播是
ChatGPT 助力开发人员改进代码的5个方式
近年来,在软件开发中使用人工智能和机器学习变得越来越普遍。因此,开发人员开始转向像OpenAI的ChatGPT这样的工具来简化他们的工作,提高他们的工作效率。ChatGPT是一个由OpenAI训练的大型语言模型,本文将向您展示如何使用ChatGPT帮助开发人员完成从编码到文档和测试等各
基于Milvus+ERNIE+SimCSE+In-batch Negatives样本策略的学术文献语义检索系统
基于MilvusERNIESimCSEInbatchNegatives样本策略的学术文献语义检索系统0.前言语义索引(可通俗理解为向量索引)技术是搜索引擎、推荐系统、广告系统在召回阶段的核心技术之一。语义索引模型的目标是:给定输入文本,模型可以从海量候选召
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。