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
自然语言处理历史史诗:NLP的范式演变与Python全实现
<blockquote<p本文全面回顾了自然语言处理(NLP)从20世纪50年代至今的历史发展。从初创期的符号学派和随机学派,到理性主义时代的逻辑和规则范式,再到经验主义和深度学习时代的数据驱动方法,以及最近的大模型时代,NLP经历了多次技术革新和范式转换。文章不仅详细介绍了每个阶段的核心概念和
Spectron: 谷歌的新模型将语音识别与语言模型结合进行端到端的训练
Spectron是谷歌Research和VerilyAI开发的新的模型。与传统的语言模型不同,Spectron直接处理频谱图作为输入和输出。该模型消除归纳偏差,增强表征保真度,提高音频生成质量。它采用预训练的语音编码器和语言解码器,提供文本和语音的延续。但是频谱图帧生成比较费时并且无法并行文本
深度解析BERT:从理论到Pytorch实战
<blockquote<p本文从BERT的基本概念和架构开始,详细讲解了其预训练和微调机制,并通过Python和PyTorch代码示例展示了如何在实际应用中使用这一模型。我们探讨了BERT的核心特点,包括其强大的注意力机制和与其他Transformer架构的差异。</p<p关注TechLea
AI数字人系统源码部署,打造自己品牌!
数字人是什么?重新下一个定义:“把人数字化,以行人的职责”。怎么理解呢?我举两个例子就清楚了。第一个是现在直播带货,主播成本越来越高,我们的数字人能否代替主播24小时自动带货呢?这里数字化的是主播的形象、声音、性格特质,以及商品的知识。另一个是,一些客服或者售前情景,所做的工作也是重复度非常高,我们
干货 | 一文搞定 AI 面试!TOP 50 问题+答案请查收
介绍您是否正在准备AI面试并寻找前50个AI面试问题的完整列表?不要再看了!本指南汇总了涵盖人工智能各个方面的各种问题。无论您是求职者、学生,还是只是对AI感到好奇,这一系列问题都将帮助您复习知识并在AI面试中取得好成绩。这些问题将测试您对人工智能的理解,从入门到高级
CodeWhisperer 的使用心得
<blockquote文章作者:小SS</blockquote!image.png(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/2eb024765f008958a48a59f488c84421.png)<bloc
使用LIME解释各种机器学习模型代码示例
机器学习模型变得越来越复杂和准确,但它们的不透明性仍然是一个重大挑战。理解为什么一个模型会做出特定的预测,对于建立信任和确保它按照预期行事至关重要。在本文中,我们将介绍LIME,并使用它来解释各种常见的模型。LIMELIME(LocalInterpretableModela
云智慧联合北航提出智能运维(AIOps)大语言模型及评测基准
随着各行业数字化转型需求的不断提高,人工智能、云计算、大数据等新技术的应用已不仅仅是一个趋势。各行业企业和组织纷纷投入大量资源,以满足日益挑剔的市场需求,追求可持续性和竞争力,这也让运维行业迎来了前所未有的挑战和机遇。如何将LLM的强大特性与特定领域的需求相结合,成为了学术界和工业界密切关注的焦
AIGC | 如何用“Flow”,轻松解决复杂业务问题
随着LLM(大语言模型)的爆火,不少企业都在寻找通过LLM解决企业业务问题的方法,以达到降本增效的效果。但是,当面对较为复杂的业务问题(如:背景资料多、问题分类多、条件判断复杂、涉及模块多等)时,以LLM当前的发展程度,仅通过简单的LLM对话交互,是无法有效地解决此类问题的,原因在于,LLM也有自身
浙大材料学院高性能存储实践,加速 AI 新材料科研创新
科学研究是一个不断猜想、不断检验的过程,涵盖了物理学、生物制药、新材料等一系列学科。近年来,AI技术与科学研究深度交叉融合,催生了AIforScience(AI4S)这一重要理念,为我们带来科研范式的变革和新的产业业态。AI驱动的材料研发分析和性质预测已成为材料研究的新手段。可以从不同性能
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。


