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
R语言广义矩量法GMM和广义经验似然GEL估计ARMA、CAPM模型
原文链接: http://tecdat.cn/?p27564(https://link.segmentfault.com/?encLhY5Lz29s8aVDqHfJUmzMw%3D%3D.eeosUDX3ooWAJvbnAJb5HME%2Ft0cVDp69hcw52dTsjsI%3D)
DW:优化目标检测训练过程,更全面的正负权重计算 | CVPR 2022
<blockquote论文提出自适应的labelassignment方法DW,打破了以往耦合加权的惯例。根据不同角度的一致性和非一致性指标,动态地为anchor分配独立的pos权重和neg权重,可以更全面地监督训练。此外,论文还提出了新的预测框精调操作,在回归特征图上直接精调预测框<br/
基于LSTM-CNN的人体活动识别
人体活动识别(HAR)是一种使用人工智能(AI)从智能手表等活动记录设备产生的原始数据中识别人类活动的方法。当人们执行某种动作时,人们佩戴的传感器(智能手表、手环、专用设备等)就会产生信号。这些收集信息的传感器包括加速度计、陀螺仪和磁力计。人类活动识别有各种各样的应用,从为病人和残疾人提供帮助到像游
阿里云机器学习平台PAI论文高效大模型训练框架Whale入选USENIX ATC'22
近日,阿里云机器学习PAI关于深度学习模型高效的分布式训练框架的论文《Whale:EfficientGiantModelTrainingoverHeterogeneousGPUs》被计算机系统领域国际顶级学术会议USENIXATC&39;22接收。Whale是阿里云机器学习
整数有约 | AI智能篆刻:活学活用,让传统文化“潮”起来
<blockquote<p2019年,浙江大学科技设计实验室(NEXTLab)成立了智能篆刻团队,短短3年时间,推出了“求是印”、“小型智能篆刻机”、“智能篆刻小程序”等一系列产品,旨在提高民众对篆刻艺术的兴趣、激发大众参与篆刻创作、推广篆刻文化的热情。</p<p拥有三千七百多年历史的篆刻
阿里云机器学习平台PAI与华东师范大学论文入选SIGIR 2022
阿里云机器学习平台PAI与华东师范大学高明教授团队合作在SIGIR2022上发表了结构感知的稀疏注意力Transformer模型SASA,这是面向长代码序列的Transformer模型优化方法,致力于提升长代码场景下的效果和性能。由于selfattention模块的复杂度随序列长度呈次方增长,多数
无惧大规模预训练模型,浪潮AI服务器引领Transformer训练性能提升
近日,全球权威AI基准评测MLPerf™最新V2.0训练评测成绩榜单公布。浪潮AI服务器表现优异,继两月前在MLPerf™V2.0数据中心推理评测中斩获全部冠军后,本次又在MLPerf™V2.0单机训练性能继续保持领先。本次MLPerf™评测吸引了包括谷歌、NVIDIA、浪潮信息、百度、In
知识问答(KBQA)两种主流方法:基于语义解析和基于信息检索的方法介绍
什么是知识问答基于知识的问答是以知识库为认知源,在知识库的基础上回答自然语言问题。知识库(KB)是一个结构化数据库,其中包含形式<主题,关系,对象>的事实集合,每个事实都可以随附所谓的属性。例如,“_BarackObamagotmarriedt
使用 CLIP 对没有标记的图像进行零样本无监督分类
深度图像分类模型通常以监督方式在大型带注释数据集上进行训练。随着更多带注释的数据加入到训练中,模型的性能会提高,但用于监督学习的大规模数据集的标注成本时非常高的,需要专家注释者花费大量时间。为了解决这个问题,人们开始寻找更便宜的标注的标签来源,是否有可能从已经公开的数据中学习高质量的图像分类模型?
Block Recurrent Transformer:结合了LSTM和Transformer优点的强大模型
在以前的文章中,我们讨论过Transformer并不适合时间序列预测任务。为了解决这个问题Google创建了HybridTransformerLSTM模型,该模型可以实现SOTA导致时间序列预测任务。但是我实际测试效果并不好,直到2022年3月Google研究团队和瑞士AI实验室IDSIA提
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。


