模型事件第21页

技术解析麦萌短剧《阴阳无极》：从「性别偏见下的对抗训练」到「分布式江湖的架构重构」

本文将从算法博弈视角拆解这场武侠革命的底层逻辑，探讨如何在性别偏见的数据集中完成模型的自我进化。

短剧萌·2025-03-18 08:15

麦萌短剧技术解构《我跑江湖那些年》：从“仇恨驱动型算法”到“多方安全计算的自我救赎”

《我跑江湖那些年》以慕青青的复仇与蜕变为主线，展现了分布式系统中的信任崩塌与对抗性博弈的模型优化。本文将从机器学习视角拆解这场“江湖算法”的技术隐喻，探讨如何在数据污染的困境中实现参数净化。

短剧萌·2025-03-18 08:45

用于AI-CV项目标注的星标模型

功能：生成星标图形项，并在目标点上将底图颜色反色显示，当定位和拖动后输出底图在标记点的像素值。输入和输出使用信号槽机制。代码：importmathimportsysfromPySide6.QtCoreimportQPointF,QObject,QRectF,SignalfromPySide6.QtGuiimportQBrush,QPixmap,QColor,QPenfromPySide6.QtWi

深蓝海拓·2025-03-18 07:12

PyTorch 生态概览：为什么选择动态计算图框架？

其核心优势体现在：动态灵活性：代码即模型，支持即时调试Python原生支持：无缝衔接Python生态高效的GPU加速：通过CUDA实现透明的硬件加速活跃的社区生态：GitHub贡献者超1.8万人，日均更新

小诸葛IT课堂·2025-03-18 07:12

Vue.js 事件处理与修饰符详解

Vue.js是一个流行的前端框架，它提供了强大的事件处理机制，使得开发者可以轻松地处理用户交互。

vvilkim·2025-03-18 07:10

学习pytorch

学习计划概览学习周期：8周（每周约4-5小时）目标：掌握PyTorch基础，能够实现简单的深度学习模型。第1周：基础知识目标：了解深度学习的基础知识，掌握Python和NumPy基础。

阿什么名字不会重复呢·2025-03-18 07:08

数据挖掘中的数据预处理：填充与主成分分析

现实世界中的数据通常是不完整的，包含噪声、缺失值或异常值，因此在进行模型训练或分析前，我们需要对数据进行清理和转换。

阿什么名字不会重复呢·2025-03-18 07:08

揭秘MANUS ：多代理架构如何碾压竞争对手，人类必读的深度剖析

以下是其与亚信科技AISWareMaaS平台及DeepSeek的架构对比：架构层级ManusDeepSeekAISWareMaaS核心模块规划代理（任务拆解）、执行代理（工具调用）、验证代理（结果审查）单一大语言模型

爱吃青菜的大力水手·2025-03-18 07:37

作为普通程序员，我们该如何学习大模型（LLM），学习路线和知识体系

前言原谅我的后知后觉，才开始从头写，我是已经上了一阶段大模型的课，也搜集了些资料，并自己做了小部分实践，回过头来，才想开始整理些文章。起初，大家都在写，都在发，我那会在焦虑。

和老莫一起学AI·2025-03-18 07:04

零基础入门AI：一键本地运行各种开源大语言模型 - Ollama

Ollama是一个可以在本地部署和管理开源大语言模型的框架，由于它极大的简化了开源大语言模型的安装和配置细节，一经推出就广受好评，目前已在github上获得了46kstar。

和老莫一起学AI·2025-03-18 07:04

时间语义与窗口操作：Flink 流式计算的核心逻辑

一、Flink时间语义详解1.1三种时间概念1.1.1EventTime（事件时间）定义：事件实际发生的时间，由事件本身携带的时间戳决定应用场景：需要准确反映事件真实顺序的场景（

小诸葛IT课堂·2025-03-18 06:33

大数据开发之Kubernetes篇----安装部署Kubernetes&dashboard

Kubernetes简介由于公司有需要，需要将外后的服务外加Tensorflow模型部署加训练全部集成到k8s上，所以特意记录下这次简单部署的过程。

豆豆总·2025-03-18 06:02

从零学习大模型（六）-----LoRA（上）

LoRA简介LoRA（Low-RankAdaptation）是一种参数高效的微调技术，旨在降低微调大规模预训练模型的存储和计算成本。

懒惰才能让科技进步·2025-03-18 06:01

deepseek接入的GIS地图应用，真的好用！还得是大厂

最近deepseek火的一塌糊涂，各个行业，系统等都宣布接入deepseek大模型。测绘地理信息、GIS行业也不例外，也看到了几个宣布系统接入了deepseek大模型。

GIS思维·2025-03-18 06:59

手机租赁平台开发核心技术解析

有趣的是，这套系统甚至能通过用户刷短视频的停留时长，推演出潜在的履约意愿——当然，这得归功于那些在后台疯狂运算的智能风控模型。就像在游乐场租

红点聊租赁·2025-03-18 06:29

在LORA训练中，LORA模型的矩阵的行列是多少

在LORA训练中，LORA模型的矩阵的行列是多少:Wnew=W+αrBAW_{new}=W+\frac{\alpha}{r}BA

ZhangJiQun&MXP·2025-03-18 05:56

prompt 工程整理（未完、持续更新）

提示工程（PromptEngineering）关注提示词开发和优化，帮助用户将大语言模型（LargeLang

clvsit·2025-03-18 05:55

Cloud Ace 宣布成为 Langfuse 亚太地区首个代理商，提供 LLM 全链路解决方案

通过此次合作，CloudAce将充分发挥Langfuse的先进技术能力与行业专业知识，为企业级客户提供覆盖LLM（大语言模型）应用开发与运营维护的完整解决方案。

·2025-03-18 05:40

LLaVA-Mini用一个视觉Token革新多模态大模型

SGG_CV·2025-03-18 05:18

【Agent】OpenManus-Flow组件详细分析

Flow组件的核心是基于计划的执行模型，它将任务分解为一系列步骤，然后逐步执行这些步骤，直到任务完成。

非晓为骁·2025-03-18 05:18

DeepSeek在智慧物流管控中的全场景落地方案

一、智慧物流核心痛点与DeepSeek解决方案矩阵物流环节行业痛点DeepSeek技术方案价值增益仓储管理库存预测误差率>30%多模态时空预测模型库存周转率↑40%运输调度车辆空驶率35%强化学习动态调度引擎运输成本

猴的哥儿·2025-03-18 04:47

101.HarmonyOS NEXT跑马灯组件教程：数据源与数据类型详解

HarmonyOSNEXT跑马灯组件教程：数据源与数据类型详解效果演示1.数据模型概述在HarmonyOSNEXT跑马灯组件的实现中，数据模型是组件正常工作的基础。

·2025-03-18 04:08

神经网络模型压缩&实例教程—非结构化剪枝

目录1.导包&定义一个简单的网络2.获取网络需要剪枝的模块3.模块剪枝（核心）3.1随机剪枝weight3.2L1范数剪枝bias4.总结最先进的深度学习技术依赖于难以部署的过度参数化模型。

程序先锋·2025-03-18 04:41

深度学习模型压缩：非结构化剪枝与结构化剪枝的定义与对比

****在深度学习中，模型压缩是优化模型性能、降低存储和计算成本的重要技术之一。其中，剪枝（Pruning）是最常用的方法之一。

从零开始学习人工智能·2025-03-18 03:37

基于MapReduce的气候数据分析

方法上，采用MapReduce编程模型对大规模气候数据进行分布式处理，通过数据的映射和归约操作实现并行计算。结果表明，运用该技术能显著提高

赵谨言·2025-03-18 03:03

如何让ai问答机器人通人性？

通用模型的问题在于，它们虽然知识广博，但对特定领域的深度理解不足。解决这个问题的第一步，就是构建一个高质量的领域知识库。数据要精准且全面想让机器人真正“懂”一个领域，数据必须覆盖这个领域的核心知识。

半只小闲鱼·2025-03-18 02:28

探索SwiftUI架构：模型视图、Redux与ViewModel MVVM

探索SwiftUI架构：模型视图、Redux与ViewModelMVVMSwiftUI-ArchitecturesThreedifferentarchitectures(Model-View,Redux

蓬玮剑·2025-03-18 02:28

深入理解AI编程的上下文窗口限制及解决方案：巧妙利用提示词

深入理解AI编程的上下文窗口限制及解决方案：巧妙利用提示词当AI模型遇到记忆瓶颈想象一下这个场景：一位开发者正在使用AI助手编写一个复杂的应用程序。他详细描述了需求，AI生成了初步代码框架。

SuperMale-zxq·2025-03-18 02:27

从Manus爆红到OpenAI反击：AI Agent技术架构与实战解析

欢迎关注《大模型理论和实战》、《DeepSeek技术解析和实战》，一起探索技术的无限可能！

大F的智能小课·2025-03-18 02:56

DeepSeek使用教程

虚拟导师：学生输入数学题或编程问题，模型实时生成分步解析，支持追问互动，解决“卡壳”难题。个性化学习路径：根据学生测试结果，自动推荐课程和习题，提升学习效率30%以上。

rider189·2025-03-18 02:24

探索DeepSeek：前端开发者不可错过的新一代AI技术实践指南

最近，国产AI模型DeepSeek凭借其低成本训练、高性能输出和开源策略，迅速成为开发者社区的热门话题。

formerlyai·2025-03-18 02:21

当你简历有一个agent项目如何准备问答

大模型的“幻觉”问题很难在模型本身上彻底解决，需要引入外部知识确保答案的准确性，Agent具有与其所属环境交互以指导action的能力，能够满足这样的需求。

喂喂喂喂位·2025-03-18 02:51

从“参数竞赛”到“行动革命”：Manus与DeepSeek背后的中国AI范式之争

引言：当中国AI开始定义游戏规则在OpenAI用ChatGPT掀起全球AI浪潮的两年后，中国科技企业正以两种截然不同的姿势重新书写竞争剧本——DeepSeek用671亿参数的R1模型震撼硅谷，而Manus

AWS官方合作商·2025-03-18 01:20

AI 革命再提速：从 Manus 封停到 OpenAI 开源，技术竞赛与伦理博弈下的产业变局

而在封禁事件发酵不到一周，OpenAI连夜发布AgentSDK与ResponsesAPI，以开源姿态强势回应。这场技术竞赛与伦理博弈交织的产业变局，正将AI革命推向新的临界点。

zhz5214·2025-03-18 01:19

一篇文章让你实现前端JS 、 Golang 、 Python如何接入DeepSeek大模型实现自己的AI

本文将通过三种技术栈实现与DeepSeek大模型的对话交互，提供可直接运行的代码示例及详细注释。

一只理智恩·2025-03-18 01:19

知识蒸馏 vs RLHF：目标函数与收敛分析

1.知识蒸馏（KnowledgeDistillation）知识蒸馏是一种模型压缩技术，旨在将大型复杂模型（教师模型）的知识迁移到较小的模型（学生模型）中，以提高学生模型的性能。

从零开始学习人工智能·2025-03-18 01:48

高项：2016年3月7日作业（第1章、第2章）

2、事件的本体论：就是事物的运动状态和状态变化方式的自我表述。

weixin_34384681·2025-03-18 01:48

VariableX·2025-03-18 01:46

Pytorch 小记第八回：GoogleNet卷积神经网络模型代码

本次小记，提供了一份基于pytorch的GoogleNet卷积神经网络模型的代码。除此之外，对代码中不容易理解的部分进行了讲解。

Start_Present·2025-03-18 01:15

从剪枝到知识蒸馏：深度学习模型压缩与加速的多重策略

正在不断更新中文章目录从剪枝到知识蒸馏：深度学习模型压缩与加速的多重策略1.

一键难忘·2025-03-18 00:13

RAG数据嵌入和重排序：如何选择合适的模型

RAG数据嵌入和重排序：如何选择合适的模型在自然语言处理（NLP）领域，Retrieval-AugmentedGeneration（RAG）模型已经成为一种强大的工具，用于结合检索和生成能力来处理复杂的语言任务

从零开始学习人工智能·2025-03-18 00:12

Python中使用vlc库实现视频播放功能

文章目录前言1.环境准备1.1Python安装1.2选择Python开发环境1.3安装必要库2.基础播放示例3.常用播放控制功能4.事件监听5.播放网络流媒体6.结合GUI库制作视频播放器（以Tkinter

小白教程·2025-03-18 00:42

PyTorch 模型剪枝实例教程一、非结构化剪枝

目录1.导包&定义一个简单的网络2.获取网络需要剪枝的模块3.模块剪枝（核心）4.总结目前大部分最先进的（SOTA）深度学习技术虽然效果好，但由于其模型参数量和计算量过高，难以用于实际部署。

小风_·2025-03-18 00:41

行业首个AI课上线！粉笔战略布局加速技术商业化进程

粉笔宣布，将于3月17日上线基于自研垂域大模型打造的“AI刷题系统班”，为用户提供行测、申论全科目覆盖的一站式高效备考支持。

·2025-03-18 00:02

优化深度学习模型：PyTorch中的模型剪枝技术详解

标题：优化深度学习模型：PyTorch中的模型剪枝技术详解在深度学习领域，模型剪枝是一种提高模型效率和性能的技术。

代码之光_1980·2025-03-18 00:38

ChatGPT推理模型&通用模型大解析！

很多人知道通用模型和推理模型了，那么ChatGPT的哪些模型是通用模型，哪些又是推理模型呢？

即兴小索奇·2025-03-18 00:38

Dropout: 一种减少神经网络过拟合的技术

在深度学习中，过拟合是一个常见的问题，尤其是在模型复杂度较高或训练数据较少的情况下。过拟合意味着模型在训练数据上表现得很好，但在未见过的数据上表现不佳，即泛化能力差。

冰蓝蓝·2025-03-17 23:37

模型保存与加载：PyTorch中的实践指南

在深度学习项目中，模型的保存和加载是一个至关重要的步骤。它不仅有助于在训练过程中保存进度，还可以在训练完成后部署模型。PyTorch提供了灵活的方式来保存和加载模型，本文将详细介绍这些方法。

冰蓝蓝·2025-03-17 23:07

深度学习中的注意力机制：解锁智能模型的新视角

在人工智能的快速发展中，深度学习模型已经成为了处理复杂数据和任务的主力军。然而，随着数据量的激增和任务的复杂化，传统的深度学习模型面临着效率和性能的双重挑战。