H模型第9页

量化交易中的模型评估指标有哪些？

量化交易中的模型评估指标有哪些？在量化交易的世界里，模型评估指标就像是航海者手中的指南针，指引着我们穿越市场的波涛。

股票量化·2025-03-12 14:25

突破H800性能上限，FlashMLA重磅开源

FlashMLA通过优化MLA解码和分页KV缓存，能够提高LLM（大语言模型）推理效率，尤其是在H100/H800这样的高端GPU上发挥出极致性能。

开源项目精选·2025-03-12 14:54

MindSearch: 革新人工智能搜索引擎的未来

MindSearch:革新人工智能搜索引擎的未来在人工智能和大语言模型快速发展的今天,搜索引擎领域正迎来新的变革。由上海人工智能实验室开发的MindSearch项目,正是这场变革中的佼佼者。

2401_87189860·2025-03-12 14:22

如何提升OmniParser V2的小元素识别率——YOLOv8 增加 P2 层的性能变化解析

开发者需根据具体任务需求，在精度与速度之间进行合理权衡，并通过模型轻量化技术优化部署效果。更多技术细节可参考微软等机构的开源实现136。

AI-AIGC-7744423·2025-03-12 14:22

OmniParser技术分析（一）

1.引言通过上篇文章介绍OmniParser:下一代纯视觉UI自动化测试先驱相信大家已经对OmniParser有初步了解，接下来详细介绍下OmniParser使用了哪些技术模型实现了对UI纯视觉的检测和理解

_深海凉_·2025-03-12 14:22

Scira：极简AI驱动搜索引擎

它由VercelAISDK提供支持，并可使用Grok2.0等模型进行搜索。

开源项目精选·2025-03-12 13:51

linux下显示进度地复制文件(cp命令的平替)

-h：人类可读的单位（如MB/s）。

Tipriest_·2025-03-12 13:19

Windows 图形显示驱动开发-WDDM 3.2-脏位跟踪

本文介绍从Windows11版本24H2(WDDM3.2)开始支持的脏位跟踪功能。支持GPU并行化设备上的实时迁移的驱动程序还必须支持脏位跟踪。

程序员王马·2025-03-12 13:15

Windows 图形显示驱动开发- WDDM(3.2) 分配通知

此操作从Windows11版本24H2(WDDM3.2)开始可用。如何请求分配通知当系统调用DxgkDdiC

程序员王马·2025-03-12 13:45

扎克伯格介绍了 Segment Anything 2 模型，科学家可以用它来研究自然栖息地。在 Siggraph 2024 上，两位科技界的远见卓识者——Nvidia 的黄仁勋和 Meta 的马克·扎

简介在Siggraph2024上，两位科技界的远见卓识者——Nvidia的黄仁勋和Meta的马克·扎克伯格——进行了一次精彩的交流。他们的讨论涵盖了人工智能的动态进步、混合现实的变革潜力以及开源在促进创新方面的理念。以下是他们从这场重塑我们数字格局的精彩对话中得出的关键见解。“生成式人工智能影响着每个领域，创造出了不可思议的应用并改变了各个行业。”黄仁勋Meta的AI之旅：创新的传承马克·扎克伯格

知识大胖·2025-03-12 12:44

为什么VAE效果不好，但VAE+diffusion效果就好了？

VAE（VariationalAutoencoder，变分自编码器）是一种基于概率生成模型的深度学习框架，主要用于数据生成和潜在空间建模。

AndrewHZ·2025-03-12 12:43

Phi-4-multimodal：图、文、音频统一的多模态大模型架构、训练方法、数据细节

Phi-4-Multimodal是一种参数高效的多模态模型，通过LoRA适配器和模式特定路由器实现文本、视觉和语音/音频的无缝集成。

余俊晖·2025-03-12 12:40

Ollama设置拉取模型本地保存路径和监听端口

在service配置文件中添加环境变量Environment具体操作如下：1.创建保存模型目录文件夹sudomkdir/home/xyh/data/ollama/modelssudochmod777/home

奔跑中的小象·2025-03-12 12:10

算法学习系列（四十五）：DFS之剪枝与优化

的剪枝和优化确实难度是非常的大，从我这篇文章的思路和代码量上就能看出来不是一般的难度，而且难度不亚于DPDPDP，而且这个DFSDFSDFS也是花费了我三天的时间才基本把这几道例题给搞懂了，并且这种题就是没有固定的模型和套路

lijiachang030718·2025-03-12 12:10

【笔试面试】秒懂深度学习模型小型化：蒸馏法、剪枝…

蒸馏：主要思想是，通过大模型指导小模型学习。剪枝：网络剪枝的主要思想就是将权重矩阵中相对“不重要”的权值剔除，然后再重新finetune网络进行微调。

聊北辰同学·2025-03-12 11:08

在整个大模型LoRA微调中，哪些方法可以提升和优化模型训练后推理效果？

环境：LoRA微调问题描述：在整个大模型LoRA微调中，哪些方法可以提升和优化模型训练后推理效果？

玩人工智能的辣条哥·2025-03-12 11:38

springboot中的观察者模式

SpringBoot通过其强大的事件驱动模型，为开发者提供了优雅的观察者模式实现方案。本文将深入剖析其实现原理，并通过实战案例展示如何构建松耦合、高扩展的分布式系统。

stayhungerstayflush·2025-03-12 11:34

C++设计模式-简单工厂模式：从原理、应用、实践指南与常见问题和解决方案深度解析

该模式将对象的创建过程封装在工厂类中，使得客户端无需直接调用具体产品的构造函数，实际上是利用类的多态性，实现用子类的模型创建父类对象。其本质是将对象创建与使用解耦，通过引入中间层（工厂类）来隔离变

牵牛老人·2025-03-12 11:04

weka 决策树

-synopsisor-infoOutputsynopsisforclassifier(useinconjunctionwith-h)-t（trainfile，训练文件，通常训练时只需要此文件即可，会进行

marui1982·2025-03-12 11:03

MySQL 8.4 版本(LTS) 发布，一睹为快

详细规划，请移步技术译文|一文了解MySQL全新版本模型关于MySQL的版本发布规划OracleMySQL官方开发团队推出的新版本将过渡到新的MySQL版本模型。

m0_74823683·2025-03-12 11:33

大模型微调：定义、方法、应用与未来展望

一、定义与意义（一）微调的定义大模型微调是指在预训练模型的基础上，通过特定领域的数据集对模型进行进一步训练的过程。

软件职业规划·2025-03-12 11:33

基于多种模型剪枝方法（L1-norm、Slimming、AutoSlim）的模型轻量化和模型压缩实现

基于多种模型剪枝方法（L1-norm、Slimming、AutoSlim）的模型轻量化实现支持：VGG、MobileNet、Resnet、ShuffleNet等模型。

踟蹰横渡口,彳亍上滩舟。·2025-03-12 11:01

大模型中的剪枝、蒸馏是什么意思？

环境：剪枝蒸馏问题描述：大模型中的剪枝、蒸馏是什么意思？

玩人工智能的辣条哥·2025-03-12 10:29

大模型: 流式会话的实现方式

文章目录一、什么是流式会话二、长轮询(LongPolling)三、WebSocket1、特定2、工作原理3、使用场景四、Server-SentEvents(SSE)1、特点2、工作流程3、使用场景4、OkHttpClient-sse五、gPRC流六、HTTP/2流一、什么是流式会话流式会话（StreamedConversation）指的是在人机交互的过程中，以流的形式进行信息传输，而不是将信息一次

玉成226·2025-03-12 10:28

扩散 Transformer 策略：用于通才视觉-语言-动作学习的规模化扩散 Transformer

最近，在多样化的机器人数据集上进行预训练的大型视觉-语言-动作模型，已展示出利用少量域内数据泛化到

三谷秋水·2025-03-12 10:27

9.3 智谱AI大模型生态爆发！中文准确率89.2%+代码生成67.3%，全面碾压GPT-4！

智谱AI大模型生态爆发！中文准确率89.2%+代码生成67.3%，全面碾压GPT-4！

少林码僧·2025-03-12 10:27

计算机视觉深度学习入门（4）

在小型数据集上从头开始训练一个卷积神经网络利用少量数据来训练图像分类模型，这是一种很常见的情况。如果你从事与计算机视觉相关的职业，那么很可能会在实践中遇到这种情况。

yyc_audio·2025-03-12 10:26

在BERT中，如何确定一个标记的重要性

目录在BERT中，如何确定一个标记的重要性在BERT模型中，哪些标记通常具有最高的重要性权重调整损失函数或添加额外的监督信号以影响模型对特殊标记的关注度在BERT中，如何确定一个标记的重要性在BERT模型中

一只天蝎·2025-03-12 10:55

应广单片机adc_(1条消息) 应广单片机adc和pwm例程

#include"extern.h"/**********adc*****************/WordusAdcSum;WordusAdcSumBak;BITTHR:PB.0;BITP

皆苦52·2025-03-12 10:54

Python训练的机器学习模型【保存】和【加载】的方法？

一.为什么要保存训练好的模型由于传统训练机器学习模型，需要耗费大量的人力和资源。因此，将训练好的模型保存成为一件特别重要的事情。

福葫芦·2025-03-12 09:22

Python:Matplotlib

其核心特点是：层次结构：基于Figure（画布）和Axes（坐标系）的层级对象模型。灵活性：支持从简单折线图到复杂3D图形的多种图表类型。

愚戏师·2025-03-12 09:51

YOLOv5涨点优化：原创自研 | 魔改Bottleneck，具备多尺度和特征通道融合的结构

本文原创自研创新改进：魔改Bottleneck，具备多尺度和特征通道融合的结构，该模型在检测准确性方面都取得了良好的效果，尤其在缺陷检测方向。

AI小怪兽·2025-03-12 09:51

DOM与CSS：网页设计的核心力量

DOM与CSS：网页设计的核心力量引言在网页设计中，DOM（文档对象模型）与CSS（层叠样式表）是两个不可或缺的组成部分。它们共同构成了现代网页的骨架与外衣。

lsx202406·2025-03-12 09:50

深入解析模型蒸馏（Knowledge Distillation）：原理、方法与优化策略

深入解析模型蒸馏（KnowledgeDistillation）：原理、方法与优化策略1.引言随着深度学习模型规模的不断增长，训练和部署大模型的计算成本也越来越高。

赵大仁·2025-03-12 09:48

梯度提升决策树（GBDT）

原理GBDT的核心思想是将多个弱学习器（通常是决策树）组合成一个强大的预测模型。具体

binggorun·2025-03-12 09:18

RAG检索增强生成（Retrieval-Augmented Generation）介绍（双模态架构：检索子系统、生成子系统）实现知识获取与内容生成的协同

-**检索子系统**-**生成子系统**2.核心组件与工作流程2.1数据预处理管线-**多粒度分块策略**-**特征增强技术**2.2混合检索引擎3.性能优化关键路径3.1检索质量提升-**多阶段精排模型

Dontla·2025-03-12 08:45

LLM大模型技术实战4：热门开源LLMs对比和选型

一、大语言模型的特点和能力LLM(LargeLanguageModel,大型语言模型)是指那些规模庞大、参数数量众多的深度神经网络模型，用于理解和生成自然语言文本。

大模型学习教程·2025-03-12 08:44

51-53 CVPR 2024 | DriveWorld：通过自动驾驶世界模型进行 4D 预训练场景理解（含模型数据流梳理）

24年5月，北京大学、国防创新研究院无人系统技术研究中心、中国电信人工智能研究院联合发布了DriveWorld:4DPre-trainedSceneUnderstandingviaWorldModelsforAutonomousDriving。DriveWorld在UniAD的基础上又有所成长，提升了自动驾驶目标检测、目标追踪、3D占用、运动预测及规划的性能，后期扩大数据集和调整骨干网络大小应该会

深圳季连AIgraphX·2025-03-12 08:43

大模型面试--大模型（LLMs）基础面

大模型（LLMs）基础面1.目前主流的开源模型体系有哪些？

TAICHIFEI·2025-03-12 08:13

【每日论文】Forgetting Transformer: Softmax Attention with a Forget Gate

下载PDF或查看论文，请点击：LlamaFactory-huggingfacedailypaper-每日论文解读|LlamaFactory|LlamaFactory摘要现代循环序列模型的一个关键组件是遗忘门

WHATEVER_LEO·2025-03-12 08:12

Keil5 生成 *.LIB 文件

魔术棒时发现可以配lib库，研究后整理笔记如下：在Keil5中生成并调用库文件（.lib文件）的步骤如下：生成库文件创建项目：首先，创建一个新的Keil项目，并添加需要生成库文件的源文件（.c文件）和头文件（.h文件

等и一会そ儿·2025-03-12 08:41

基于粒子群算法的配电网重构：以IEEE33节点电网为例的潮流计算程序

基于粒子群算法的配电网重构基于IEEE33节点电网，以网损和电压偏差最小为目标，考虑系统的潮流约束，采用粒子群算法求解优化模型，得到确保放射型网架的配电网重构方案。

mzyEPTzp·2025-03-12 08:10

参考thinkphp架构的FastAPI实现思路

虽然FastAPI和ThinkPHP的设计理念和语言不同，但FastAPI同样可以实现ThinkPHP的核心功能，如路由、模型、视图、中间件、JWT、Session等。

Wiktok·2025-03-12 08:09

人工智能机器学习算法分类全解析

无监督学习（UnsupervisedLearning）3.强化学习（ReinforcementLearning）（二）基于任务类型的分类1.分类算法2.回归算法3.聚类算法4.降维算法5.生成算法（三）基于模型结构的分类

power-辰南·2025-03-12 07:08

Grok 3横空出世：马斯克的“AI霸权”与人类认知的终极博弈

这款参数规模达3万亿的超级模型，不仅性能全面对标OpenAI的GPT-5，更通过深度绑定特斯拉汽车、星链终端和X平台社交数据，构建起人类史上首个“全场景认知网络”。

NMGWAP·2025-03-12 07:06

N1学习打卡笔记

例如，对于三个类别的情况，可以使用如下的one-hot编码：类别1：[1,0,0]类别2：[0,1,0]类别3：[0,0,1]这样的表示方式有助于模型更好地理解文本含义。

无涯学徒1998·2025-03-12 07:06

AI系统架构

在AI系统架构中，通常可以分为基础设施层、模型层和应用层。

flying robot·2025-03-12 07:32

【光流】——liteflownet论文与代码浅读

在本文中，我们提出了一种替代网络，它在Sintel和KITTI基准测试上优于FlowNet2，同时在模型尺寸上要小30倍，在运行速度上要快1.36倍。

农夫山泉2号·2025-03-12 06:00

【AI赋能】蓝耘赋能通义万相2.1：AI创作新时代的强力引擎

通义万相2.1的强大功能与特性通义万相2.1拥有多项突破性能力，使其在众多AI生成模型中脱颖而出。它支持文生视频、图生视频、视频编辑、文生图和视频生音频等多项任务，是真正意义上的多模态生成模型。

星落无尘·2025-03-12 06:00

推荐频道

H模型