收藏 / 列表

u_17583190 頭像

fangpin - 從 1.56% 到 62.9%：SFT 推理微調優化實戰

讀完這篇文章，你將用監督微調（SFT）把一個 1.5B 規模的數學模型在 GSM8K 上的零樣本推理正確率從 1.56% → 62.9%，同時把輸出格式遵循率從 18.9% → 100%。我們將完整走通數據集下載、Prompt 架構、訓練配置和評估方法，所有代碼均來自本倉庫 alignment 文件夾，保證可復現與透明。 本文將深入剖析 llm-from-scratch

lua , 人工智能 , 深度學習 , Json , Python

ivorysql_xiaozhuli 頭像

IvorySQL - 直播預告｜ PostgreSQL 與 IvorySQL 在雲原生時代的演進與實踐

觀看直播即有機會獲取 IvorySQL 周邊禮品。歡迎大家預約哦！ 直播預告 本期直播將由兩位講師聯袂分享。 直播時間和平台 時間：2025 年 9 月 29 日 19:30 開啓 平台：【IvorySQL】視頻號 講師簡介 唐成，中啓乘數創始人及 CTO，IvorySQL 專家顧問委員會成員。《PostgreSQL 修煉之道：從小工到專家》的作者，中啓乘數科技創始人及 CTO。資深數據庫

數據庫 , postgresql , 人工智能 , SQL , 程序員

huizhudev 頭像

HuiZhu - 每週8小時耗在會議上，但73%的會議紀要根本沒人看

數據顯示，職場人平均每週花費8小時在各類會議上，但調研發現：73%的會議紀要在發出後根本沒人仔細讀，92%的行動項沒有被有效追蹤。 更尷尬的是，38%的職場人承認自己"從不寫會議紀要"，原因不是懶，而是不知道該怎麼記錄才有用。 這就是會議紀要的真實現狀：會開了，時間花了，但價值沒沉澱下來。 會議紀要為什麼淪為"形式主義"？ 真正的問題不是寫不寫，而是寫了沒人用。我見過太多這樣的紀要： 會議紀要 -

generative-ai , 教程 , chatgpt , 人工智能 , prompt

chunzhendexiaogou 頭像

PoloAPI - 谷歌正式推出 Gemini 2.5 系列模型，使 AI 推理性能提升30%。

谷歌於2025年6月正式推出‌Gemini 2.5系列模型‌，核心聚焦推理效率與多模態能力升級，具體解讀如下： 🚀 ‌一、三大模型定位與技術亮點‌ ‌Gemini 2.5 Pro‌ ‌角色定位‌：主攻複雜推理與多模態分析（“思考型模型”），在數學、編碼任務中刷新LMArena榜單記錄。 ‌上下文能力‌：支持100萬token輸入（計劃擴展至200萬），可解析代碼庫、大型數據集及混合媒

llm , 算法 , google , 人工智能 , 深度學習

puxiaoke6 頭像

一點人工一點智能 - 《控制與建模的經典與現代優化技術》

書籍：Classical and Modern Optimization Techniques Applied to Control and Modeling 作者：Radu-Emil Precup，Raul-Cristian Roman，Elena-Lorena Hedrea等 出版：CRC Press 編輯：陳萍萍的公主@一點人工一點智能 下載：書籍下載-《控制

機器學習 , 控制器 , 人工智能 , 優化

aloudata 頭像

Aloudata大應科技 - Aloudata Agent 重磅功能發佈：“用户編排思路、AI 精準執行、可沉澱複用”的模塊化分析報告

自今年年初產品雛形推出以來， Aloudata Agent 保持着快速迭代，功能演進路徑清晰而堅定： 三階能力躍遷：8 月，Aloudata Agent 公開體驗版正式上線，形成了「AI 問數+智能歸因+深度報告」端到端智能分析閉環，結合“場景助手”構建了一個真正面向業務、服務於決策的分析智能體。 洞察深化：9 月，Aloudata Agent 實現了基於指標語義層的智能歸因分析能力升級，歸

chat , agent , 數據可視化 , 數據分析

u_16827017 頭像

全棧技術開發者 - 矩陣和線性變換怎麼理解？矩陣與線性變換的關係究竟是什麼？一個矩陣如何對應到具體的變換？特徵向量和特徵值的意義是什麼？

在現代數學的研究中，線性代數佔據着核心位置，它不僅是純數學的重要組成部分，也是物理學、工程學、計算機科學等學科的基礎工具。矩陣與線性變換作為線性代數的核心概念，具有深厚的理論內涵和廣泛的應用價值。矩陣的排列和運算規則表面上似乎只是數字的組合，但其內在體現的是對向量空間結構的精確描述；而線性變換則揭示了向量空間中元素之間的映射規律，是代數與幾何之間的直接聯繫。 理解矩陣與線性

機器學習 , 線性變換 , yyds乾貨盤點 , 特徵值 , 向量空間 , 人工智能 , 線性代數

u_17423871 頭像

美狐美顏SDK開放平台 - 從0到1構建抖動特效功能：直播美顏SDK開發全指南（含架構＋實戰）

在短視頻與直播業務高速發展的今天，“抖動特效”已經從一個“錦上添花”的視覺效果，變成提高直播互動、增強內容節奏的重要能力。無論是直播帶貨的“爆點動效提醒”，還是短視頻的節奏卡點展示，抖動特效背後都離不開美顏SDK、實時渲染、圖像處理算法的協作。 對於正在研發直播應用的團隊來説，從0到1打造一個“可複用、性能穩定、兼容性高”的抖動特效模塊，看似簡單，其實涉及圖像幀處理、濾鏡渲

視頻美顏sdk , 美顏api , 人工智能 , 直播美顏sdk , 計算機視覺 , 第三方美顏SDK , 在51CTO的第一篇博文 , 美顏SDK

u_17467352 頭像

mb686fbcc4efbd6 - 無人機視角森林倒樹識別分割數據集labelme格式5018張2類別

數據集格式：labelme格式(不包含mask文件，僅僅包含jpg圖片和對應的json文件) 圖片數量(jpg文件個數)：5018 標註數量(json文件個數)：5018 標註類別數：2 標註類別名稱:["roots","treefall"] 每個類別標註的框數： roots（樹根） count = 11988 treefall（倒樹）

數據集 , 無人機 , 後端開發 , JAVA , Json