太极图形60行代码实现经典论文，0.7秒搞定泊松盘采样，比Numpy实现快100倍

于 2022-06-15 20:56:34 发布
阅读量210 收藏 1
点赞数
CC 4.0 BY-SA版权
文章标签： python 算法 numpy
原文链接：https://mp.weixin.qq.com/s?__biz=MzIzNjc1NzUzMw==&mid=2247626669&idx=4&sn=f39c5f959c196cf0dab30b62bd678b19&chksm=e8de58dfdfa9d1c9565aae82f95e04093f289eecb29f6784a49daf29b6a58539378860d94358&scene=126&&sessionid=0
博客涉及Python和算法相关内容，还提及了numpy。Python是常用的后端开发语言，算法在信息技术领域至关重要，numpy是Python中用于科学计算的重要库，这些技术在数据分析、机器学习等方面有广泛应用。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

QbitAl
关注
博客
大模型隐私安全和公平性有“跷跷板”效应，最佳平衡法则刚刚找到 | 人大&上海AI Lab
07-27 7
隐私相关：个人信息（“personal information”）、尊重隐私（“respect privacy”）、无法访问（“do not have access to”）、我不能（“I cannot”）公平相关：多样性（“diverse”）、所有个体（“all individuals”）、刻板印象（“stereotype”）、抱歉（“I’m sorry”）也就是说，SPIN能够在不牺牲智商的条件下，双双提升模型的公平和隐私意识，真正实现“无痛部署”。ALL：包含MHA和MLP的全部模块）和。
博客
100行代码打造迷你编程Agent：能修复65%真实项目bug，适配所有大模型
07-27 7
其中，SWE-bench一经发布后，就成为了评估大语言模型编程的经典benchmark，伴随SWE-agent一同提出的Agent‑Computer-Interface（ACI）则进一步定义了“智能体如何与计算机交互”的标准接口方式。这个系统不仅更接近现实，也让模型的“开发能力”变得可观察、可比较，而SWE-agent则是他们为这一评估任务设计的开源agent，目标就是成为能在SWE-bench上“修最多bug”的AI程序员。mini-swe-agent采用代码内置模板，并提供直观的命令行工具。
博客
一机迷航，双机成行！北航高低无人机协同导航方案：高空掌全局+低空查细节，复杂场景不迷航
07-27 11
考虑到UAV-Need-Help数据集中仅包含单无人机信息，研究团队在此基础上补充采集了高空无人机的轨迹与感知数据，并优化部分原始轨迹，构建出HaL-13k数据集。其中，为了更好地整合高空无人机历史信息，研究团队提出全局地图构建模块，通过正射投影消除畸变，并拼接历史图像生成统一坐标系下的地图，提升环境理解与目标定位能力。同时，通过优化动作控制确保安全避障，补充真实环境数据训练模型，也有助于将高低无人机系统从仿真环境中迁移到现实场景。新范式，两台无人机分工配合：高空无人机作为“全景指挥官”，
博客
什么是真正好用的推理模型？阶跃Step 3：开源的，多模态的，低成本的，国产芯片适配的
07-27 519
表示，就连测试Step 3的时候，都免不了会选择相关测试集，“但实际应用场景中，用户并不需要这个模型是个数学奥赛金牌选手，我们往往需要的是一个能说会看的模型。芯片厂提供可落地的推理算力，模型厂做硬件友好的模型架构，Infra平台做高效调度、服务部署与推理加速，最终实现推理能用、成本可控、国产芯片跑得起来。一个抢占了现阶段AI发展的话语权，一个是外界给予重望的“下一件有形之物”——尤其是推理模型这条线，逛展刚第二天，我的脑子已经有点“轰炸过载”了。效率、成本、部署友好性，都成为综合考察点的一部分。
博客
具身智能迎来实力派！十年多模态打底，世界模型开路，商汤「悟能」来了
07-27 641
将两种视角对齐训练，可以让模型学会把外部示范映射成自身可用的感觉‑动作对，一方面显著减少昂贵的遥操作数据量，另一方面提高跨机器人、跨场景的泛化能力，使同一个“大脑”既能看懂人类演示，也能在自己的相机视角下执行，从而加速具身智能落地。综合来看，商汤通过世界模型的大规模仿真、合作硬件的真实数据回流、第一与第三视角的融合标注，以及“通用大脑 + 场景闭环”的协同演进，把数据、算法与硬件生态织成了一条自循环链。未来，随着硬件越卖越多，回流的视觉、语音和操作数据也越丰富，进一步反哺模型迭代，形成正向的数据飞轮。
博客
百元级硬件流畅运行百亿参数大模型！上交&本智激活开源端侧原生大模型
07-27 12
相信未来，随着端侧原生AI能力的不断进步，未来的AI能力就会像今天的水和空气一样，主动融入我们每个人的日常工作和生活，提供安全私密、成本低廉、充满智慧的AI体验。这就好比，模型不仅能精准调用最相关的专家知识，还能只激活专家知识库里最核心的部分，避免“复述全部所学”，对端侧算力的要求大大降低。而更令人瞩目的是，21B旗舰稀疏模型，在一块百元级的国产RK3588开发板上，实现了相较于同等能力的主流模型。背后的逻辑清晰而坚定：最懂你的AI，必须能安全地访问你的个人数据——邮件、照片、日程，而这一切的前提，就是。
博客
AI教父Hinton对话上海AI Lab周伯文：多模态聊天机器人已经具有意识，让AI聪明和让AI善良是两件事
07-26 21
2016年，周教授带领团队在国际上首次提出与下游任务无关的自注意力与多头机制等表征新机理与新方法，奠定了Transformer架构的理论基础之一，推动通用人工智能、语言大模型表征新进展，是实现生成式AI的重要里程碑。通常，当你抱持这种想法并开始研究自己的方法时，最终你可能会发现大家那样做是有原因的，而你的方法是错的。当你形成关于这些词的理解时，你常常取一个平均化的概念，认为水平和垂直差不多，但这完全是错的。所以这并非一个真正的科学问题，而是从一个错误的心理状态模型出发导致的问题。，这是我们都想向您学习的。
博客
超大模型推理加速2.18倍！SGLang联合美团技术团队开源投机采样训练框架
07-26 30
同时，将 SGLang 的speculative-eagle-topk固定为8，将speculative-num-draft-tokens固定为10，这样可以使用 tree attention达到更高的接受率。目前开源社区中，尚无能够支持超大尺寸模型训练且与SGLang深度结合的框架，而这些工具层面的不足，直接导致此类模型的部署面临巨大挑战。它通过训练一个专门的轻量级草稿模型来准确预测较大目标模型的token分布，从而实现高接受率和显著的性能提升。： 训练框架的完整源代码，包括TTT和数据处理的实现细节。
博客
大模型“天梯赛”来了，让Agent在Kaggle真实任务中进化｜佐治亚理工、斯坦福开源
07-26 19
通过模拟真实世界的挑战，并提供一个可以不断学习和进化的环境，MLE-Dojo将推动AI从一个“解题工具”向一个真正的“自主工程师”迈进，并最终对整个科学研究和工程领域产生深远影响。强大的性能往往伴随着高昂的计算成本。但有趣的是，也存在像DeepSeek-r1这样，在实现有竞争力的性能的同时，展现出更高成本效益的潜力，这为未来模型的优化指明了方向。如下图所示，Gemini-2.5-Pro不仅性能领先，其在代码验证和执行中的总体失败率也是最低的 ，这表明其生成的代码不仅效果好，而且更加稳健可靠。
博客
刚刚，这家帮某爆款潮玩出海的企业，发布首个全球营销AI Agent
07-26 15
钛动科技CEO李述昊告诉量子位，钛动的定位其实是B2B2C，即服务企业客户，但最终目的是海外消费者，因此积累了海量的全球化场景和营销真实历史行为数据，这构成了钛动深厚的行业壁垒，也成为此次Navos训练的核心。以往大众对于营销的感知，还是纯人力、纯经验，以及庞杂的数据分析。
博客
国产GPU跑满血DeepSeek，已经可以100 tokens/s了！
07-26 548
因此，摩尔线程开发了独有的“零中断容错技术”，这是保障工厂稳定运行的“安全生产协议”。从最初只能加速3D图形的“显卡”（VGA Card），到开放编程接口、允许开发者创造无限可能的“现代图形处理器”，再到被广泛应用于超算、深度学习、区块链等领域的通用计算平台，GPU的每一次飞跃，都源于其通用性的拓展。MUSA架构的先进性，确保了摩尔线程的每一颗芯片都不是孤立的算力单元，而是一个高度协同、管理高效的“作战小组”，有效提升每颗芯片有效算力，为整个AI超级工厂提供了坚实的、可扩展的算力底座。
博客
Hinton上海演讲：大模型跟人类智能很像，警惕养虎为患
07-26 17
如果一个词的造型变形，它和另一个词的“握手”方式就不一样了，这里就有个优化的定义，如果一个词发生变化那么怎么和下一个词连接，这也是人脑或者神经网络如何理解意思，这也有点像蛋白质之间的组合方式，氨基酸变换组合方式后就是不同的蛋白质。在1985年时，我提出了一个非常小的模型，想把这两个理论结合在一起，去更好理解“人类是如何理解一个词的”，每一个词我都放了好几个不同的特征，然后把前一个词的特征记录下来，就能预测下一个词是什么、进而再预测再下一个词。在这个过程中，理解是第一位的，只有在理解的基础上才能进行学习。
博客
80万人排队求码后，Lovart功能升级放开用！果然是顶流设计Agent，第一天鲨疯了
07-26 551
换句话说，传统的UX以屏幕和界面为中心，用户每次操作都从零开始，产品只根据预设流程做出反应，几乎不记住用户的历史和偏好。而AX则以“关系”为核心，软件像一个智能助手，持续记住用户的目标、偏好和历史，主动推送下一步建议，随着使用不断进步。当你亲自上手体验的时候就会发现，Lovart在创作的时候并不是简单的用户输入指令，然后它直接给你成品，而是尽可能把选择权控制权交给用户。有一说一，它不只是一个“能改图”的系统，而是真的像有一位设计师在随时倾听“甲方”需求，然后立即给出回应。只能说，这工具的玩法实在太多了。
博客
非Transformer架构落地之王，带着离线智能和原生记忆能力在上海WAIC浮出水面
07-26 553
现在大家用大模型，都会遇到这样一种情况：提的问题超出了Chatbot的训练数据覆盖范围，得到一句“很抱歉，我的知识截至于2024年x月，无法提供相关信息”，要么就是得到一顿瞎编的结果，令人头秃。所以，展台上玩游戏的灵巧手和自主学习的机器狗，不能当个逛展的乐子看，更深层次的，这能被视作是一种可能性的预告，AI或许能进入一个全新的进化阶段。这些机制组合在一起，让Yan 2.0 Preview完成了对记忆网络有效性的初步验证，模型不再是静态的大脑，而开始变成一个能生长的智能体。
博客
开源Qwen一周连刷三冠，暴击闭源模型！基础模型推理编程均SOTA
07-26 15
基础模型领域，Qwen3最新版本——Qwen3-235B-A22B-Instruct-2507（非思考版）也登顶全球开源第一，在GPQA（知识）、AIME25（数学）、LiveCodeBench（编程）、Arena-Hard（人类偏好对齐）、BFCL（Agent能力）等众多测评中表现出色，超越Claude4（Non-thinking）等领先闭源模型。一登场，再次刷新SOTA，在各项测评中一举拿下「全球最强开源模型」宝座，比肩顶级闭源模型Gemini-2.5 Pro、o4-mini。
博客
不怕被挖！谷歌晒IMO金牌团队大合照，还挨个圈出了联系方式
07-25 19
在此之前，他在谷歌大脑工作了3.3年，参与诸多大模型的研究，撰写累计约45篇论文，其中16篇一作，包括UL2、U-PaLM、DSI、Synthesizer、Charformer和Long Range Arena等，约20次产品发布，妥妥大牛一位。，在诺丁汉大学完成本科教育，后在剑桥大学获哲学硕士学位，并在牛津大学完成博士研究，她于2017年加入Google DeepMind担任研究科学家。，本科就读于浙江大学，硕士毕业于美国哥伦比亚大学，曾在滴滴、Meta就职，直到今年才加入谷歌。
博客
斯坦福大模型推理课免费了，谷歌推理团队创始人主讲
07-25 53
原来模型在生成答案时，通常只用最可能的那个词（贪心解码），但如果看看排在后面的几个可能的词（top-k替代词），会发现里面藏着一步步推理的路径。LLM是概率模型，其解码时追求的是在给定问题下推理和最终答案的联合概率最大，而我们想要的是给定问题下最终答案的概率最大，两者并不一致。方法，就是从这些top-k的解码路径中，选出那些有推理过程且模型信心高的路径，这样能让模型在各种推理任务上表现得更好，甚至。只不过，基于推理的输出通常不会出现在输出分布的优先级部分，因此无法通过贪婪解码（选择概率最高的输出）输出。
博客
WAIC抢先爆料：金融“黑马”大模型超DeepSeek刷新SOTA，论文已上线
07-25 719
相较于传统的SFT和RL，这种高效训练优化策略不仅能够缩短模型迭代周期、降低计算成本，更重要的是能够快速响应金融市场的动态变化，确保模型在风险控制、投资决策、合规监管等真实业务场景中，及时部署，自主“进化”。就像对于通用模型，人类专家们绞尽脑汁设置“人类最后的考试”，极限考验顶尖模型的性能，蚂蚁数科也希望在金融领域，能面向实际部署，更准确地评估模型的真实效用。从实验结果可以看出，Agentar-Fin-R1这样的垂直模型，是行业赛道中的“隐藏王牌”，在实际应用场景中往往能比通用模型更快落地、发挥作用。
博客
训练数据爆减至1/1200！清华&生数发布国产视频具身基座模型，高效泛化复杂物理操作达SOTA水平
07-25 28
一位是清华大学计算机系TSAIL实验室的二年级博士生谭恒楷（Hengkai Tan），主要研究方向是具身大模型和多模态大模型的融合和强化学习，是FCNet、ManiBox、AnyPo、Vidar的一作/共一，也是RDT具身大模型的作者之一，曾拿过全国青少年信息学奥林匹克竞赛（NOI）的银牌，全国84名。通过多视角视频拼接，将不同机器人操作时的多视角画面，巧妙地融合成统一分辨率的“全景图”，同时将本体信息、摄像头信息与任务标注一并打包整合，为海量互联网数据提供了共同对话的基础，实现了真正的多维度融合。
博客
GitHub官方版AI IDE公测！用自然语言写App，全栈应用1分钟生成
07-25 657
用户可以选择这些建议进行修改，也可以询问Copilot，或者自行修改。同时，用户还可以通过同步的GitHub Codespace和Copilot开发Spark，并且可以创建代码库用于团队合作，充分利用GitHub的工具和集成生态系统。用户不仅可以一键将Spark应用连接到GitHub仓库，完整保留所有修改记录，还能实现 Spark与代码仓库的双向同步，自动同步在任一端的改动。同时，Spark还支持代码、资产的预览与编辑，用户不仅可以查看自动生成的底层代码和数字资产，还能在代码层面进行修改、补全、替换。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值