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
Guided Anchoring:在线稀疏anchor生成方案,嵌入即提2AP | CVPR 2019
<blockquoteGuidedAnchoring通过在线生成anchor的方式解决常规手工预设anchor存在的问题,以及能够根据生成的anchor自适应特征,在嵌入方面提供了两种实施方法,是一个很完整的解决方案<br/ <br/来源:晓飞的算法工程笔记公众号</blockquo
下一代人工智能:逻辑理解?物理理解?
近日,由开放原子开源基金会与Linux基金会联合开源中国共同举办的首届“GOTC全球开源技术峰会”在上海世博中心圆满落幕。作为LFAI&Data子基金会的理事会成员之一,OPPO数智工程系统资深技术专家LiamZheng在GOTC「AI大数据与数字经济」分论坛发表了名为《下一代
WAIC|高精准、低成本,九章云极DataCanvas突破AutoML难题
九章云极DataCanvas董事长方磊在2021年世界人工智能大会(WAIC)围绕AutoML框架的重要性和基本抽象、Hypernets的概念模型和重要特性、Hypernets的具体示例三部分向广大开发者奉献了一场干货满满的技术福利。AutoML框架的本质是空间搜索AutoML
拓端tecdat|R语言中基于混合数据抽样(MIDAS)回归的HAR-RV模型预测GDP增长
原文链接:http://tecdat.cn/?p12292(https://link.segmentfault.com/?enc64aJtPtW%2BSEmIr737f7vsg%3D%3D.4SZ4JNWbUDABMuHb63bu8nU%2FrJekcvNPe3%2BM8fOY42w
FoveaBox:细节差别,另一种DenseBox+FPN的Anchor-free方案 | IEEE TIP 2020
<blockquote作为与FCOS和FSAF同期的Anchorfree论文,FoveaBox在整体结构上也是基于DenseBox加FPN的策略,主要差别在于FoveaBox只使用目标中心区域进行预测且回归预测的是归一化后的偏移值,还有根据目标尺寸选择FPN的多层进行训练,大家可以学习下
拓端tecdat|R语言优化交易系统:用平行坐标图可视化系统参数优化结果
原文链接:http://tecdat.cn/?p23026(https://link.segmentfault.com/?encBCI8sUM%2FIb%2F63MEtzD8aOA%3D%3D.DcrwWAZ9zj57mJxT5FEeJlRn4DozreglRfKq%2FSGUKhM%
拓端tecdat|R语言蒙特卡洛方法:方差分量的Metropolis Hastings(M-H)、吉布斯Gibbs采样比较分析
原文链接:http://tecdat.cn/?p23019(https://link.segmentfault.com/?enc6MAsVTkQovgt5JnmCSPK9Q%3D%3D.f7qM9zxu93zS7cIP3bMEOllmJ6EthwahUiI7vasI%2B3Y%3D)
DenseBox:思想超前的早期Anchor-free研究 | CVPR 2015
<blockquoteDenseBox检测算法的设计十分超前,如今很多Anchorfree方法有其影子,如果当时不是比FasterRCNN晚了一点出现,可能目标检测领域很早就开始往Anchorfree的方向发展了<br/ <br/来源:晓飞的算法工程笔记公众号</blockquo
如何提高Python的运行效率
Python是一门更注重可读性和效率的语言,尤其是相较于Java,PHP以及C这样的语言,它的这两个优势让其在开发者中大受欢迎。Python是一门优秀的语言,它能让你在短时间内通过极少量代码就能完成许多操作。不仅如此,它还轻松支持多任务处理,比如多进程。!如何提高Python的运行效
拓端tecdat|HAR-RV-J与递归神经网络(RNN)混合模型预测和交易大型股票指数的高频波动率
原文链接:http://tecdat.cn/?p5277(https://link.segmentfault.com/?encMMP5ALlnYFjVZJJAPBjnvA%3D%3D.XCaWDkmAgO0xRPJlr4yiu4%2BQSIsgR9hcd4xktev4YL8%3D)
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。


