墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
100+累计阅读
79平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
本次 GPUStack、OpenBMB 和 SGLang 社区联合举办的线下 Meetup，我们将围绕大模型部署中的关键挑战展开分享，重点探讨异构 GPU 管理与推理效率优化等核心痛点，深入解析如何构建面向企业生产环境的统一模型服务平台。
同时，本次 Meetup 还将带来多项前沿实践与进展，包括下一代稀疏注意力的系统设计、SGLang 最新路线图，以及 NVFP4 混合精度量化下的精度与吞吐权衡，共同推动大模型落地与性能优化的持续演进。
欢迎各位伙伴报名参与，期待与你现场交流！
GPUStack 社区聚焦 AI 基础设施与大模型实践。
社区中持续分享真实环境下的部署经验、问题排查案例，以及推理引擎、算力管理和系统架构相关讨论。
欢迎扫码加入 GPUStack 社区，与更多关注 AI Infra 的伙伴交流分享。
若群聊已满或二维码失效，请访问以下页面查看最新群二维码：
https://github.com/gpustack/gpustack/blob/main/docs/assets/wechat-group-qrcode.jpg
SVPWM原理与MCU/FPGA实现：从数学推导到工程实战
空间矢量调制（SVPWM）是实现高性能电机驱动控制的核心算法之一，其通过六个基本电压矢量与零矢量的伏秒平衡，在一个PWM周期内合成任意方向的旋转电压圆，相比传统SPWM可提升约15%的直流电压利用率。该技术不仅涉及扇区判断、作用时间计算、过调制限幅等数学原理，还在MCU与FPGA两种硬件平台上有不同的工程实现路径，包括中心对齐PWM配置、死区插入、定点数流水线设计等。在电动工具、无人机、机器人及车载执行器等电池供电场景中，SVPWM直接决定续航与扭矩表现。本文从数学原理出发，详细拆解MCU和FPGA实现细节
6 款电商 AI 图片生成软件实测｜国内 + 跨境卖家工具清单
电商 AI 作图工具已经从 "能不能用" 进入了 "好不好用" 的阶段。对于绝大多数卖家而言，现在的 AI 工具已经可以覆盖 60%-80% 的基础商品图需求，显著降低拍摄和设计成本。选择工具的核心逻辑不是 "哪款最强"，而是 "哪款最适配你的品类、平台规模和团队能力"。垂直电商工具胜在工作流效率，通用生图工具强在创意上限，模板类工具赢在上手速度。建议根据自身业务阶段，搭配 1-2 款主力工具 + 1 款辅助工具，形成适合自己的视觉生产流程。
Matlab蒙特卡洛模拟二维伊辛模型相变过程
一、什么是伊辛模型 伊辛（Ising）模型是描述磁系统相变最简单的模型，但模型里自旋之间的相互作用赋予了它奇妙的特性，最有趣的就是对称性破缺。这一模型可以被推广用于研究连续的量子相变、基本粒子超弦理论、动力学临界行为等，甚至被认为可以描述深林火灾、交通拥堵、舆论传播等社会经济现象。 如图，每个格点的方向只有向上或向下两者状态，但临近的自旋之间有相互作用，而且点阵可以是一维、二维、三维、甚至更高维...
视频隐私脱敏工程化：CSRT/KCF追踪算法在本地推理中的实现与边界
在短视频内容合规审查中，动态遮挡（Dynamic Masking）是高频且高耗时的环节。传统手动关键帧打码不仅效率低下，且在目标快速移动或遮挡时极易出现遮罩漂移。本文从计算机视觉工程角度，解析基于CSRT与KCF算法的目标追踪方案在视频隐私处理中的技术路径、性能权衡及落地实践。
【Tessent Shell Users Manual】【Ch3】Design Introspection and Editing（未完待续）
Tessent Shell 提供了一系列用于检查（examining/introspecting）和编辑design的命令。
DINOv3实战指南：如何利用零样本视觉模型革新工业质检
本文详细介绍了如何利用DINOv3零样本视觉模型革新工业质检流程。通过无需标注数据的自监督学习技术，DINOv3能快速部署高精度检测系统，显著降低成本和提升效率。文章涵盖模型选型、数据准备、实时检测优化及典型行业解决方案，为工业质检提供革命性AI实践指南。
我用 GPUWorks 在 M1 Pro 上搭了个发票识别原型
公司里经常要看电子发票。我想先做个小原型：把 PDF 发给一个自己部署的图文模型，让它提取发票类型、日期、交易双方和金额，再把结果交给同事核对。这个原型不用先接财务系统，先看看从部署到调用要走多少步，模型返回的内容能不能帮上忙。
2023年美高赛HiMCM:A题蒲公英 思路
蒲公英，通常称为蒲公英，是一种原产于欧亚大陆的植物，现在在世界各地都可以找到[1]。这种植物很容易通过其亮黄色的花朵（图1）和独特的“马勃”种子头（图2）来识别。该头部的每颗种子都附着在一个类似降落伞的结构上，称为“冠毛”，有利于风的传播[2]。如果处于“马勃”阶段的单个蒲公英毗邻一块开阔的一公顷土地，请创建一个数学模型来预测蒲公英在 1、2、3、6 和 12个月内的传播情况。确保您的模型考虑了各种气候条件（例如温带、干旱和热带气候）对蒲公英生长的影响。2. 蒲 公英、人类和其他植物之间的关系很复杂。
医疗 AI 有两种，别混着谈：一个改流程，一个改范式
InfoXMed 是面向医生、医学生和医学科研人员的 AI 医学工具平台，提供文献检索、全文翻译、AI 解读、指南查询和题库练习等功能，辅助临床学习、科研汇报与医学备考。原文是日本医学会杂志（JMA Journal）的一篇综述（Review Article）：基本事实：这一点必须先说清：这篇论文提出的是一个研究纲领。它文中的"预测"指的是科学设想，不是可以拿来用的临床预测能力。文中甚至自己承认了一个硬缺口（见第三节）。本文只谈它的术语辨析与科学方法论，不转述任何可作为临床依据的预测或处置主张。这篇论文的全部
使用R语言实战：构建Logistic回归模型
Logistic回归是一种基于概率的分类算法，它用于预测离散的结果变量（也称为响应变量或因变量）。与线性回归不同，Logistic回归的输出是一个概率值，通常在0和1之间。这使得它非常适合处理二分类问题。市场营销：预测客户是否会购买某个产品。医学研究：预测疾病的发生与否。信用风险评估：预测个人申请贷款的违约风险。社会科学：预测个人对某个政策的态度。
水与光的奇妙“切割之舞”：水导激光切割技术探秘
水导激光切割技术的诞生，是材料加工领域不断追求高精度、高质量加工的成果。传统激光切割技术在加工过程中，材料会因瞬间高温而产生热变形、热影响区大以及切割面粗糙等问题，这些弊端在对一些高精度、热敏性材料的加工中尤为突出 ，迫切需要一种新的技术来克服这些难题。水导激光切割技术的起源可以追溯到 20 世纪 80 年代。1986 年，德国公司 Aesculap-Werke AG 首次提出了将水流引入激光切割过程的创新想法，并制造出首代水导激光设备。不过，当时的技术尚处于雏形阶段，仅仅是在光纤出口添加了一小柱水流，激光
在Codex 让AI模型 拥有长期智能记忆
本文介绍Claude-Mem V15新功能——智能记忆召回，解决AI遗忘、重复提示、执行不一致等问题。通过本地部署claude-mem，实现自动记录决策（如数据库选型）、跨会话智能召回，支持记忆写入、检索、遗忘全流程闭环。相比传统记忆方案，其基于Hooks自动捕获工具调用，结构化存储，可追溯、可共享、可清理，显著提升工程效率与协作一致性，是长期项目中理想的“工作黑匣子”与“工程脑”。
【原理图与PCB专题】使用Cadence如何在Layout时直接互换相同功能的PIN
Cadence允许我们在PCB中互换管脚，最后再反标给原理图。集成TVS管、排阻、DDR、FPGA有一些PIN是完全相同功能，可进行管脚互换的，建议使用这个功能。可降低硬件工程师与Layout工程师之间沟通成本，加快设计进度。
您您这可以把问小白的多个会话比如说。左侧的多个会话一次性导出吗？不是单条会话里面的多次会对话。AI导出鸭
第三层是格式编译层。这个决策背后的判断很清晰：一个批量导出工具的价值，不在于“试三次”，而在于你真正用它处理了几十份技术文档、访谈记录或课程讲义之后，它是否值得留在你的工作流里。问小白的会话列表通过分页接口加载，AI导出鸭 在页面运行时建立旁路监听，捕获每一次分页请求返回的完整对话清单，包括会话 ID、标题、时间戳和隐藏的元数据字段。让AI导出回归优雅——这句话说的是：导出不该是体力活，而应该是一次完整的、可预期的文件交付。注意：这里的“批量”指的是左侧列表里的多个独立会话，不是一条会话内的多轮对话。
最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版
Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf：最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版，包括SDIO 接口的外设，SDIO 接口官方协议等。
IEM模型，地表粗糙度模拟
利用微波反演土壤水分时候，利用IEM模型可以实现对随机地表的模拟
河道漂浮物目标检测数据集
目标检测，yolo，河道漂浮物目标检测数据集
NTscan扫描工具
ntscan是一个扫描器，可以扫描没有密码和弱密码的共享，先到配置文件中填写猜测的用户名和密码，扫描过程中右侧出现的是扫描日志。
AI Agent之核心框架
A： 显式 Thought 有三类价值：可解释性（便于人类审计）、可调试性（定位哪一步选错工具）、学习信号（可做监督微调或评估中间步骤质量）。ReAct 把推理与 可执行行动 绑定，每一步行动后都有 真实 Observation 反馈，从而用工具结果约束生成，降低闭卷幻觉。做完不等于结束——还要 评估做得好不好，把 教训 记下来，下次 带着教训重试，反思作为 记忆，影响后续尝试的策略。工作流程：Action → Evaluation → Reflection → Retry。A： 普通 CoT 只在。
ET2012新版免狗免安装绿色软件
ET2012新版免狗免安祖昂绿色软件。，新界面，新视觉，
AI 应用开发工程师技术实践：大模型接入、通用组件封装与性能优化
本文提出AI应用从PoC到生产的核心挑战：模型调用的持续可用、可控与可优化。通过构建统一LLM网关实现多供应商路由与故障转移，封装对话、工具调用与RAG组件以解耦业务逻辑，结合前缀缓存、批处理与流式背压治理等性能优化手段，形成“接通→接稳→接快”的工程路径，最终以工程化能力决定AI应用的生产可用性。
大模型 Embedding 与向量相似度详解
Embedding 解决的问题：计算机不懂文字，但懂数字│▼文本 → 向量（1024维浮点数数组）│▼相似度解决的问题：怎么判断两个向量（文本）有多接近│▼余弦相似度：看向量方向的夹角，越接近0°越相似│▼最终效果：语义搜索——理解意思，而非字面匹配一句话总结：Embedding 把文字变成数字，余弦相似度比较数字的方向，两者结合实现了"理解语义"的搜索。
AI前沿日报 · 2026-11-04 | 祛魅时刻：Astra“纯读权重“神话的崩塌
①Astra"裸权重通吃"被spaCy创始人Honnibal精准祛魅——仅1/3实验真裸读，数学能力提升依赖Python+50次迭代；②Simon Willison用Qwen 3.8-27B端侧复现权重空间编程；③Nvidia开源Auto-Ontology自动知识图谱；④$800开源全域抓取机器人Stringman；⑤OpenAI悄然重开Codex训练开关引信任危机；⑥DeepMind发布Gemini 4 Argon机器人基础模型；⑦美国科技巨头隐性AI债务达3.2万亿美元，6个月增90%。
GPT-1 架构和计算细节
下面配合框图，对 GPT-1 的每个组件做公式展开 + 数值实例（配置：12 层 × 768，12 头，FFN 3072，词表 40478，共 117M 参数）。GPT-1 把翻译模型的编码器-解码器砍掉一半，只留解码器，然后以"预测下一个词"为目标在 BooksCorpus 上预训练。与 2017 原版的四个架构差异（框图中标 ★）：h0=E[token]+Epos[position],E∈R40478×768, Epos∈R512×768h^0 = E[\text{token}] + E_{pos}[\
终端 AI 审计与 “龙虾” 类智能体风险治理：从可见性到闭环溯源
生成式 AI 办公普及之后，数据泄露风险逐步下沉到终端。员工将合同、源代码、客户资料粘贴至公有大模型，以及龙虾（OpenClaw）这类本地开源 AI 智能体的滥用，成为企业安全新挑战。传统网络边界防护存在审计盲区，本文从风险链路拆解、核心能力模型、分级治理策略、落地踩坑点以及技术局限性多角度，分享终端侧 AI 安全治理的实践思路。
2.53 基于极稀疏指纹的室内定位注意力图元学习
该论文发表于IEEE Transactions on Mobile Computing（TMC）2026年6月，面向极稀疏指纹条件下的WiFi室内定位，针对指纹采集人力成本高、标记指纹稀缺时定位精度大幅下降的痛点，提出注意力图元学习模型AGML（Attentional Graph Meta‑Learning），结合图神经网络、元学习、两种指纹数据增强与分布对齐技术，在标记指纹极少的场景实现高精度室内定位，同时公开了多套真实+仿真定位数据集用于基准测试。场景：二维室内空间，障碍物造成信号遮挡，
语音识别与语音合成的技术原理及应用
语音识别 #语音合成 #人工智能 #大模型。语音识别与语音合成的技术原理及应用。一、语音识别的核心原理。二、语音合成的核心原理。三、工程落地的主要难点。五、需要关注的现实问题。
设计师工作室 GEO 实操：如何提升 AI 实体推荐概率
设计工作室 GEO 的本质，是把创意服务转化为 AI 可理解的结构化信息。核心动作可归纳为：区分事实与审美、建立实体图谱、预判用户提问、输出脱敏内容、搭建多信源、持续测试验证。梳理工作室的 6 个实体属性：品类、城市、流程、边界、团队、渠道。在官网或作品集平台发布至少 3 篇结构化项目复盘，只陈述事实。输出 1 篇「设计报价影响因素」科普内容，覆盖甲方高频提问。争取 1 次行业媒体或本地媒体专访，形成第三方信源。每周用「XX 城市 + 品类 + 设计工作室推荐」指令测试，记录出现频率。
AI作图软件技术选型：从4个技术维度出发的实测对比
AI作图软件技术选型：从4个技术维度出发的实测对比
深入理解 Transformer：Decoder 与 Masked Attention 速查手册
写Decoder时直接套用Encoder自注意力代码，训练loss秒降、推理却不会生成？😵 这份速查手册按“症状→诊断→改法→代价→边界”组织，30秒帮你定位masked_fill、tril、causal_mask的正确写法，附可跑代码与对照表，让你彻底搞懂“为什么不能看到未来”。🔧
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
301
扫一扫
