- 博客(3734)
- 资源 (60)
- 收藏
- 关注
RSS订阅
原创 LLMs之DeepSeek-V3：DeepSeek-R1的简介、安装和使用方法、案例应用之详细攻略
LLMs之DeepSeek-V3：DeepSeek-R1的简介、安装和使用方法、案例应用之详细攻略目录相关文章DeepSeek-R1的简介DeepSeek-R1的安装和使用方法DeepSeek-R1的案例应用相关文章LLMs之MoE之DeepSeek：《DeepSeek-V3 Technical Report》翻译与解读LLMs之MoE之DeepSeek：《De
2025-01-22 07:03:28
21885
原创 LLMs：LLM一天，人间一年—2024年度大模型技术三+四大趋势梳理(数据/算法/算力+RAG/Agent/Text2SQQL/混合部署)与2025年大模型技术趋势(强大推理/多模态)展望和探讨
LLMs：LLM一天，人间一年—2024年度大模型技术三+四大趋势梳理(数据/算法/算力+RAG/Agent/Text2SQQL/混合部署)与2025年大模型技术趋势(强大推理/多模态)展望和探讨目录博主2本新书即将出版啦一、LLM概述二、2024年LLMs开源：社区生态与技术工具的双重突破三、2024年LLMs技术：数据、算法、算力的协同进化四、2024年LLM
2024-12-31 23:42:49
4905
原创 AGI之Agent：Agent(一种训练LLM模拟人类在现实世界中各种规则和行为系统)的简介——之实战案例(GPT-3.5/GPT-4/ChatGLM-3/GLM-4/Claude-2)、部署框架(L
AGI之Agent：Agent(一种训练LLM模拟人类在现实世界中各种规则和行为系统)的简介——之实战案例(GPT-3.5/GPT-4/ChatGLM-3/GLM-4/Claude-2)、部署框架(LangChain/LangGraph)、代表性案例(Gato/AutoGPT/ChemCrow/Generative Agents/SuperAGI/GPT-Engineer/AutoGen/GitAgent/Agentscope/Skyvern/OpenBB LLM Agents/Cover Agent/
2024-12-07 01:12:12
8560
9
原创 LLMs之OpenAI o1：OpenAI o1(经过强化学习训练可以执行复杂的推理实现慢思考)的简介、安装和使用方法、案例应用之详细攻略
LLMs之OpenAI o1：OpenAI o1(经过强化学习训练可以执行复杂的推理实现慢思考)的简介、安装和使用方法、案例应用之详细攻略目录相关文章概述OpenAI o1-mini相关文章LLMs之CoT：人类与大语言模型中思维链推理的探究—《Why think step by step? Reasoning emerges from the locality of experience》翻译与解读LLMs之C
2024-09-13 01:55:32
9035
3
原创 LLMs之Llama-3：Llama 3的简介、安装和使用方法、案例应用之详细攻略
LLMs之Llama 3：Llama 3的简介、安装和使用方法、案例应用之详细攻略目录Llama 3的简介Llama 3的安装和使用方法Llama 3的案例应用Llama 3的简介2024年4月18日，Meta 重磅推出了Meta Llama 3，Llama 3是Meta最先进开源大型语言模型的下一代，包括具有80亿和700亿参数的预训练和指令微调的语言模型，能够支持广泛的应用场景。这一代Llama在一系列行业标准基准测试中展示了最
2024-04-20 00:15:32
51176
12
原创 AI：大模型领域最新算法SOTA核心技术要点总结(一直持续更新)、大模型实战与理论经验总结(训练优化+代码实战+前沿技术探讨+最新案例应用)、带你精细解读多篇优秀的大模型论文、AI领域各种工具产品集合
AI：大模型领域最新算法SOTA核心技术要点总结(一直持续更新)、大模型实战与理论经验总结(训练优化+代码实战+前沿技术探讨+最新案例应用)、带你精细解读多篇优秀的大模型论文、AI领域各种工具产品集合(文本/图片/编程/办公/视频/音频/多模态类)的简介之详细攻略目录相关文章大模型领域最新算法SOTA总结
2023-04-13 23:43:22
70400
73
原创 DS/ML：数据科学技术之机器学习领域六大阶段最强学习路线(初步探索性数据分析EDA→数据预处理/广义的特征工程→模型训练/评估/推理→模型分析/反思/再优化→模型部署与监控→模型全流程优化)详解
DS/ML：数据科学技术之机器学习领域六大阶段最强学习路线(初步探索性数据分析EDA→数据预处理/广义的特征工程→模型训练/评估/推理→模型分析/反思/再优化→模型部署与监控→模型全流程优化)详解导读：数据科学和机器学习实战最强学习路线，博主这次花了真的是好久好久的时间(大概数不清的凌晨吧)，以数据科学生命周期和机器学习工程化的视角进行了精心整理，今天终于结束了，真心不容易……希望能够对家学习数据科学和机器学习技术有所帮助。本文章是博主在数据科学和机器学习领域，先后实战过几百个应用案例之后的精心总结
2022-12-31 23:47:23
66715
8
原创 AIGC：ChatGPT(一个里程碑式的对话聊天机器人)的简介(意义/功能/核心技术等)、使用方法(七类任务)、案例应用(提问基础性/事实性/逻辑性/创造性/开放性的问题以及编程相关)之详细攻略
AIGC：ChatGPT(一个里程碑式的对话聊天机器人)的简介(意义/功能/核心技术等)、使用方法(七类任务)、案例应用(提问基础性/事实性/逻辑性/创造性/开放性的问题以及编程相关)之详细攻略目录爆火的原因：免费+好用+随时可上手+比较靠谱ChatGPT的简介ChatGPT的简介—意义、功能、核心技术、训练过程ChatGPT的简介—优缺点各方观点/评价基于ChatGPT模型的哲学思考ChatGPT模型如何对待不可知的问题——ChatGPT后期会加持WebGPTChatGPT模型是否存在创新的意识ChatG
2022-12-08 02:45:16
85511
45
原创 NLP：自然语言处理技术最强学习路线之NLP简介(岗位需求/必备技能)、早期/中期/近期应用领域(偏具体应用)、经典NLP架构(偏具体算法)概述、常用工具/库/框架/产品、环境安装(更新中)
NLP：自然语言处理技术最强学习路线之NLP简介(岗位需求/必备技能)、早期/中期/近期应用领域(偏具体应用)、经典NLP架构(偏具体算法)概述、常用工具/库/框架/产品、环境安装(更新中)目录NLP自然语言处理技术最强学习路线☆☆一、自然语言处理技术的简介☆☆二、自然语言处理技术相关概念简介☆☆四、NLP具体应用领域(
2022-12-05 23:56:06
60639
10
原创 CV：计算机视觉技最强学习路线之CV简介(传统视觉技术/相关概念)、早期/中期/近期应用领域(偏具体应用)、经典CNN架构(偏具体算法)概述、常用工具/库/框架/产品、环境安装、常用数据集、编程技巧
CV：计算机视觉技最强学习路线之CV简介(传统视觉技术/相关概念)、早期/中期/近期应用领域(偏具体应用)、经典CNN架构(偏具体算法)概述、常用工具/库/框架/产品、环境安装、常用数据集、编程技巧目录最新文章计算机视觉技最强学习路线☆☆一、计算机视觉的简介☆☆二、计算机视觉相关概念简介☆☆三、传统的计算机视觉技术之机器视觉/计算机图形学
2022-10-18 01:51:04
80586
20
原创 AI&BlockChain：“知名博主独家讲授”人工智能创新应用竞赛【精选实战作品】之《基于计算机视觉、自然语言处理和区块链技术的乘客智能报警系统》案例的界面简介、功能介绍分享之总篇
一、计算机视觉技术1.1、目标检测技术实现解决财务丢失总思路1.1.1、目标检测乘客前后对比丢失的物件1.1.2、现实意义1.1.3、实现思路1.2、四个模块设计思路1.2.1、车内始末图像目标检测1.2.2、车内视频目标检测1.2.3、车内摄像头目标检测1.2.4、人脸识别验证失主二、自然语言处理技术2.1、语音识别技术实现敏感乘客自动报警总思路2.1.1、语音识别司机与乘客言语上的冲突2.1.2、重大意义2.2、四个模块设计思路。
2022-10-15 09:53:28
35021
9
原创 Python：Python语言的简介(语言特点/pyc介绍/Python版本语言兼容问题(python2 VS Python3))、安装、学习路线(数据分析/机器学习/网页爬等编程案例分析)之详细攻略
Python：Python语言的简介(语言特点/pyc介绍/Python版本语言兼容问题(python2 VS Python3))、安装、学习路线(数据分析/机器学习/网页爬等编程案例分析)之详细攻略目录Python语言的简介Python语言IDE的安装Python语言的系统命令Python语言的学习路线Python语言的简介 自从20世纪90年代初Python语言诞生至
2022-09-14 00:43:46
50215
13
原创 Computer：少儿编程—每个人都应该学习编程，它能教你如何思考—编程入门的简介(编程语言的特点&种类&开发工具&对比人类语言)、编程应用、编程意义之详细攻略
但是，计算机不接受歧义和不确定，比如最帅的男生，如果要给出上面的指令，必须提前为计算机定义好—谁是最帅的男生，或者给定计算机可以进行量化的属性，比如身高=1、眼睛半径=2、发量=3等等。再比如，如果遇到一个使用 Excel 处理大量数据的需求，不会编程就只能买别人开发好的脚本，或者自己花大量时间做大量重复性的工作，如果学习了编程，可以更好地满足我们这些私人订制化的需求。我们日常生活中，每天都在经历条件判断，比如外面下雨了，出门就带把伞，出门快迟到了，那就赶紧跑两步，编程是一种对人的思考进行再思考的行为。
2022-09-03 11:55:28
26815
10
原创 DayDayUp：2021，再见了，无论是躺平还是内卷—愿大家改变不可接受的，接受不可改变的—心若有向往，何惧道阻且长
DayDayUp：2021，再见了，无论是躺平还是内卷—愿大家改变不可接受的，接受不可改变的—心若有向往，何惧道阻且长！导读：2021年, 虽然全球疫情依旧持续影响，但国内疫情防控形势持续向好。今年的关键词—躺平和内卷。其实，在所有成年人的世界里，真的没有“容易”二字，心中千疮百孔，脸上风轻云淡，表面绽放笑颜，心中却有波澜。一路走来，跌跌撞撞，浑身是伤，但是我们却从没有放弃。在不知不觉中，我们也变成了更好的自己。对于我们每个人，这一年，无论是躺平还是内卷，愿大家改变不可接受的，接受不可改变的，做一个
2021-12-31 19:35:45
46203
39
原创 DayDayUp：2020，再见了，不平凡的一年，让我懂得了珍惜，让我明白了越努力越幸运
DayDayUp：2020，再见了，不平凡的一年，让我懂得了珍惜，让我明白了越努力越幸运导读：2020年的开篇，开的太意外，无论以什么样的眼光去回顾2020，它一定是载入史册的一年。突然起来的疫情，打得人们措手不及！人生的确不易，每个人都在负重前行，致敬那些可爱的人，感谢钟院士，感谢医护人员，感谢我们这这个强大的国家。2020年，太特殊，特殊的就像一场梦，无数的关键词涌入了记忆的心头：新冠，武汉，没毕业照，科比……前几天看到这样的一段话：2020年，最大的收获是一身伤，一身债，半条命、还活.
2020-12-31 17:57:50
115074
100
原创 AGI：走向通用人工智能的【哲学】之现实世界的虚拟与真实——带你回看1998年的经典影片《The Truman Show》感悟“什么是真实”
AGI：走向通用人工智能的【哲学】之现实世界的虚拟与真实——带你回看1998年的经典影片《The Truman Show》感悟“什么是真实”导读：今天写的这篇文章，完全是来自于昨天和几位好友一块聚餐，谈到了很多的AI与哲学问题，好友推荐我看Peter Weir的《The Truman Show》，花了几个小时，看完之后颇有感悟。本文章属于探讨性文章，涉及哲学问题较多，需要一定程度的知识储备。当下的人工智能还是属于弱人工智能，要想走向强人工智能，必须要解决通用人工智能的问题，要想解决通用人工智能，还是要
2020-09-20 12:16:39
123469
79
原创 DayDayUp：平均每篇文章1毛！ 本博主自2020年6月1日起，如有任何问题可在博客贴吧留言或者私信博主(包括并不限于GUI软件编写、安装及编程语言中的bug、AI算法设计等)，非诚勿扰！
DayDayUp：平均每篇文章1毛1！ 本博主自2020年6月1日起，如有任何问题可在博客贴吧留言或者私信博主(包括并不限于GUI软件编写、安装及编程语言中的bug、AI算法设计等)，非诚勿扰！导读：因为博主后台留言实在是太多太多，大多网友都是前来寻求答案或进行。同时，博主为了进一步维护粉丝群体，自2020年06月01日起，包括并不限于GUI软件编写、安装及编程语言中的bug、AI算法设计。 博主拥有多种资源，圈内大佬都有交往，如有任何问题，可在博客贴吧留言或者私信博主即可！但非诚勿扰....
2020-09-08 11:19:43
104160
30
原创 DBMS/Database：数据库管理的简介、安装(注意事项等)、学习路线(基于SQLSever深入理解SQL命令语句综合篇《初级→中级→高级》/几十项代码案例集合)之详细攻略
DBMS/Database：数据库管理的简介、安装(注意事项等)、学习路线(基于SQLSever深入理解SQL命令语句综合篇《初级→中级→高级》/几十项代码案例集合)之详细攻略目录DBMS数据库管理的简介RDBMS数据库管理的安装RDBMS数据库管理的学习路线(基于SQLSever深入理解SQL命令语句综合篇《初级→中级→高级》/几十项代码案例集合)SQL与其它语言交互DBMS数据库
2020-07-26 11:00:31
18693
1
原创 优快云粉丝解答：六月份第二期精选——简单bug处理、资料索取、编程系统设计等
优快云粉丝解答：六月份第二期精选——互联网笔试编程解决、简单bug处理、编程系统设计等导读：因博主后台留言太多，各种奇葩问题都有，博主只能随机挑选几篇对粉丝的解答，放出来与大家分享哈，哈哈……博主针对粉丝提出的问题，做出及时、有效的回答，包含以下两种情况：第一种情况，当粉丝订阅博主的文章后，不仅可以浏览博主的精选文章，同时，针对每一位粉丝所提出的编程问题，博主一定会依次回答，尽最大可能去做到完美解决，直至bug消失。 第二种情况，助人为乐，手留余香，如果是学生身份，没有订阅博主的专栏，.
2020-06-15 09:45:03
81611
22
原创 DayDayUp之Job：牛客网—算法工程师—剑指offer之66道在线编程(解决思路及其代码)——1~20
DayDayUp之Job：牛客网—算法工程师—剑指offer之66道在线编程——01~20目录剑指offer——66道在线编程——01~201、二维数组中的查找某个target—二分法查找2、字符串内空格进行替换—列表转为字符串技巧3、链表翻转4、重建二叉树5、用两个栈实现队列6、旋转数组的最小数字7、斐波那契数列8、斐波拉契数序列应用：跳台阶→...
2020-02-29 23:29:20
76088
18
原创 AGI：走向通用人工智能的【生命学&哲学&科学】第二篇——思维、生命科学、客观世界
AGI：走向通用人工智能的【生命学&哲学&科学】——生命、意识、五行、易经、量子之第二篇导读：关于人类思维的五个层次，博主的评价：这五个层次，有两条主线，思维需要扩展且没有尽头，逻辑需要递进且要有闭环。思维扩展潜台词是多听多想，逻辑闭环潜台词是自圆其说。五个层次，比较迎合当下成功学的看法，这个分析，值得加以学习和借鉴。...
2020-02-25 16:41:15
102841
16
原创 High&NewTech：一文了解计算机思维、数学思维的本质区别，以及算法和程序的认知比较
High&NewTech：一文了解计算机思维、数学思维的本质区别，以及算法和程序的认知比较导读 本文章论述均为知识分享和传播，欢迎不同见解者，前来华山论剑、讨论探究，求同存异！ 计算思维是一种递归思维，它是利用启发式推理来寻求解答，是按照计算机科学领域所特有的解决方式，对问题进行抽象和界定，通过量化、建模、设计算法和编程等方法，形成计算机可处理的解决方案。而数学思维是人的大脑的思维，解决问题的方式是人脑所擅长的抽象、归纳、类比、推理、演绎和逻辑分析等；计算思维同样是人的大脑的思维
2019-01-21 23:33:33
13949
6
原创 Algorithm：【算法进阶之路】之算法面试刷题集合—十大经典排序算法(简单插入排序/希尔排序、选择排序/堆排序、冒泡排序/快速排序、归并排序、计数排序/桶排序/基数排序)动态图文讲解及其代码实现
Algorithm：【算法进阶之路】之算法面试刷题集合—十大经典排序算法(简单插入排序/希尔排序、选择排序/堆排序、冒泡排序/快速排序、归并排序、计数排序/桶排序/基数排序)动态图文讲解及其代码实现目录相关文章排序算法思维导图十大算法复杂度、稳定性比较十大排序算法相关文章DSt：数据结构的简介、最强学习路线(逻辑结构【数组-链表-栈和队列/树-图-哈希】、物理结构【元素/关系】、数据运算【十大排序/四大查找-图三大搜索-树三大遍历】
2018-05-21 19:28:10
45127
4
原创 NLP之SL：深度学习领域之序列学习的简介(四大场景+四大任务【识别/预测/生成/决策】)、序列监督学习、序列标注任务(两大类算法-基于概率图模型/基于神经网络【Transformer等】)之详细攻略
NLP之SL：深度学习领域之序列学习的简介(四大场景+四大任务【识别/预测/生成/决策】)、序列监督学习、序列标注任务(两大类算法-基于概率图模型/基于神经网络【Transformer等】)之详细攻略目录序列学习的简介序列标注任务的简介序列学习的简介序列学习的概述(四大场景+四大任务+两大类算法)序列学习序列学习(Sequence Learning, SL)是一种机器学习问题，其中输入和输出都是序列数据。序列学习是指通过对序列数据进行学习，来实现对该序列的分类、回归、生成等
2018-04-18 10:19:49
9179
1
原创 LLMs之PE：《Tracing the thoughts of a large language model》翻译与解读
LLMs之PE：《Tracing the thoughts of a large language model》翻译与解读目录《Tracing the thoughts of a large language model》翻译与解读1. Introduction (引言)：强调了理解LLMs内部推理过程的重要性，并简要介绍了论文提出的“Tracing Thoughts”技术及其目标。2. Related Work (相关工作)：对现有研究进行了综述，并指出了这些方法的局限性，为“Tra
2025-03-30 23:51:30
842
原创 LLMs之Agent：AI-Researcher的简介、安装和使用方法、案例应用之详细攻略
AI-Researcher 是一个革命性的自动化科学发现系统，旨在从根本上重塑传统的研究模式。AI-Researcher 提供了多个案例，涵盖了不同的研究领域，展示了其在自动化科学发现方面的能力。基于参考的 Ideation：用户提交参考论文，无需特定想法，系统分析这些参考文献以生成和开发新的研究概念。：AI-Researcher 简化了研究过程，自主识别关键研究差距，提出创新方法，并执行整个研究流程。：AI-Researcher 随时可以使用，无需最少的设置，让您可以立即访问高级功能。
2025-03-29 10:29:23
1056
原创 LLMs：《A Survey on the Optimization of Large Language Model-based Agents》翻译与解读
LLMs：《A Survey on the Optimization of Large Language Model-based Agents》翻译与解读目录《A Survey on the Optimization of Large Language Model-based Agents》翻译与解读Abstract《A Survey on the Optimization of Large Langua
2025-03-27 02:49:33
799
原创 MLMs之Gemini ：Gemini 2.5的简介、安装和使用方法、案例应用之详细攻略
MLMs之Gemini ：Gemini 2.5的简介、安装和使用方法、案例应用之详细攻略目录相关文章Gemini 2.5的简介Gemini 2.5 安装和使用方法Gemini 2.5 案例应用相关文章MLMs之Gemini：《Gemini 2.5: Our most intelligent AI model》翻译与解读MLMs之Gemini：《Gemini 2.5: Our most intelligent AI model》翻译与解读-优快云博客Gemini
2025-03-27 02:48:56
463
原创 MLMs之Gemini：《Gemini 2.5: Our most intelligent AI model》翻译与解读
MLMs之Gemini：《Gemini 2.5: Our most intelligent AI model》翻译与解读目录《Gemini 2.5: Our most intelligent AI model》翻译与解读Abstract1、Introducing Gemini 2.5 ProBuilding on the best of Gemini基于 Gemini 的最佳特性《Gemini 2.5: Our most intelligent
2025-03-27 02:42:21
886
原创 LLMs之MoE：《Every FLOP Counts: Scaling a 300B Mixture-of-Experts LING LLM without Premium GPUs》翻译与解读
LLMs之MoE：《Every FLOP Counts: Scaling a 300B Mixture-of-Experts LING LLM without Premium GPUs》翻译与解读目录《Every FLOP Counts: Scaling a 300B Mixture-of-Experts LING LLM without Premium GPUs》翻译与解读Abstract1、Intro
2025-03-25 23:40:11
775
原创 VLMs之Dataset ：《HaloQuest: A Visual Hallucination Dataset for Advancing Multimodal Reasoning》翻译与解读
VLMs之Dataset ：《HaloQuest: A Visual Hallucination Dataset for Advancing Multimodal Reasoning》翻译与解读目录《HaloQuest: A Visual Hallucination Dataset for Advancing Multimodal Reasoning》翻译与解读Abstract1、Introduction6 Conclus
2025-03-25 23:39:37
853
原创 LLMs之DeepSeek-V3：DeepSeek-V3-0324的简介、安装和使用方法、案例应用之详细攻略
LLMs之DeepSeek-V3：DeepSeek-V3-0324的简介、安装和使用方法、案例应用之详细攻略目录DeepSeek-V3-0324的简介DeepSeek-V3-0324的安装和使用方法DeepSeek-V3-0324的案例应用DeepSeek-V3-0324的简介2025年3月24日，DeepSeek-V3-0324 是 DeepSeek-V3 的改进版本，在多个方面展现出显著的提升。该模型是一个大型语言模型，支持功能调用、JSON 输出和 FIM
2025-03-25 23:39:06
960
原创 LLMs之CoTM：《Detecting misbehavior in frontier reasoning models》翻译与解读
LLMs之CoTM：《Detecting misbehavior in frontier reasoning models》翻译与解读目录《Detecting misbehavior in frontier reasoning models》的解读《Monitoring Reasoning Models for Misbehavior and the Risks of Promoting Obfuscation》翻译与解读Abstract1、In
2025-03-16 23:59:13
1127
原创 AI：2025年3月8日《Father Of Ai: Ai Needs Physics To Evolve》—对人工智能发展现状、未来方向以及自身研究的回顾与展望—Yann LeCun教授访谈内容梳理
AI：2025年3月8日《Father Of Ai: Ai Needs Physics To Evolve》—对人工智能发展现状、未来方向以及自身研究的回顾与展望—Yann LeCun教授访谈内容梳理与系统性总结目录2025年3月8日《Father of AI: AI Needs PHYSICS to EVOLVE》—对人工智能发展现状、未来方向以及自身研究的回顾与展望—Yann LeCun教授访谈内容梳理与系统性总结2025年3月8日《Father of AI: AI Need
2025-03-16 23:31:52
1318
原创 MLMs之R1-Omni：《R1-Omni: Explainable Omni-Multimodal Emotion Recognition with Reinforcement Learning》翻
MLMs之R1-Omni：《R1-Omni: Explainable Omni-Multimodal Emotion Recognition with Reinforcement Learning》翻目录《R1-Omni: Explainable Omni-Multimodal Emotion Recognition with Reinforcement Learning》翻译与解读Abstract1、Introduction5 Limitations
2025-03-14 00:39:58
1327
原创 LLMs之MoE：《Comet: Fine-grained Computation-communication Overlapping for Mixture-of-Experts》翻译与解读
LLMs之MoE：《Comet: Fine-grained Computation-communication Overlapping for Mixture-of-Experts》翻译与解读目录《Comet: Fine-grained Computation-communication Overlapping for Mixture-of-Experts》翻译与解读Abstract1、IntroductionConclusion《Co
2025-03-14 00:39:26
1612
原创 VLA之Agent：《Magma: A Foundation Model for Multimodal AI Agents》翻译与解读
VLA之Agent：《Magma: A Foundation Model for Multimodal AI Agents》翻译与解读目录《Magma: A Foundation Model for Multimodal AI Agents》翻译与解读Abstract1、IntroductionConclusion《Magma: A Foundation Model for Multimodal AI Agents》翻译与解读地址
2025-03-13 01:53:26
1265
原创 LLMs之CoD：《Chain of Draft: Thinking Faster by Writing Less》翻译与解读
LLMs之CoD：《Chain of Draft: Thinking Faster by Writing Less》翻译与解读目录《Chain of Draft: Thinking Faster by Writing Less》翻译与解读Abstract1、IntroductionDiscussion《Chain of Draft: Thinking Faster by Writing Less》翻译与解读地址论文地址：[2502.18600
2025-03-13 01:52:49
1656
原创 LLMs之RL：QwQ-32B的简介、特点、安装和使用方法、案例应用之详细攻略
LLMs之RL：QwQ-32B的简介、特点、安装和使用方法、案例应用之详细攻略目录QwQ-32B的简介QwQ-32B 的安装和使用方法QwQ-32B的案例应用QwQ-32B的简介2025年3月6日，QwQ-32B 是一个拥有 320 亿参数的大型语言模型。它通过强化学习 (Reinforcement Learning, RL) 进行训练，旨在提升模型的推理能力，其性能可以与拥有 6710 亿参数 (其中 370 亿参数被激活) 的 DeepSeek-R1 模型相媲美
2025-03-07 01:14:13
1646
原创 LLMs之Agent：Manus(一款通用人工智能代理)的简介、安装和使用方法、案例应用之详细攻略
LLMs之Agent：Manus(一款通用人工智能代理)的简介、安装和使用方法、案例应用之详细攻略目录Manus的简介Manus的安装和使用方法Manus的案例应用Manus的简介Manus 是一个通用人工智能代理，它能够将想法转化为行动，不仅仅是思考，更能交付结果。它旨在帮助用户高效完成工作和生活中的各种任务。Manus 的名字来源于拉丁语中的“手”，象征着它能够帮助用户完成各种任务。总而言之，Manus 是一个功能强大的通用人工智能代理，能够帮助用户高效完成各种
2025-03-06 23:52:48
1412
word2vec_wiki.model.rar
2019-05-19
CRNN_CTC_OCR models.rar
2019-05-17
数据集—基于TF NMT利用带有Attention的 ED模型训练、测试(中英文平行语料库)实现将英文翻译为中文的LSTM翻译(中英文平行语料库)训练数据集
2019-02-25
数据集——基于TF NMT利用带有Attention的 ED模型训练、测试(中英文平行语料库)实现将英文翻译为中文的LSTM
2019-02-24
《Apache Pass and Coldstream Update Jan 2017》—修订版3.5—20170131
2019-02-16
MySQL Data(世界上78700多个城市地区(ID、地区名字、所属国家、编号、经纬度、所属省份)
2018-07-20
Python库之scipy-1.0.0-cp36-none-win_amd64.rar
2018-07-02
New York City Taxi Fare Prediction数据集
2022-07-28
Medical Data and Hospital Readmissions数据集
2022-07-28
FIFA 2018 Statistics数据集
2022-07-28
DataScience：风控场景之金融评分卡模型构建—将逻辑回归LoR模型结果转为评分卡之详细攻略
2022-06-19
ML之FE：IV信息量(Information Value)指标(衡量变量的预测能力)的简介、计算逻辑、使用方法之详细攻略.do
2022-06-17
DataScience：机器学习中特征工程之WOE编码(离散变量编码/有监督)的简介、计算过程、案例应用之详细攻略
2022-06-16
《A Survey of the Recent Architectures of Deep Convolutional Neural Networks》
2021-03-03
babyboom.dat.rar
2021-02-24
机器学习算法中自然语言处理常用数据集(新闻数据集news.csv)及jieba_dict字典、停用词等相关文件
2020-12-22
stock_dataset(1990~2015股票最高单变量数据集).rar
2019-12-27
graph_opt—CV之DNN：基于OpenPose的OpenCV利用DNN算法实现对单人体姿态(美女跳舞)实时估计检测.rar
2019-12-17
dlib.shape_predictor(shape_predictor_68_face_landmarks_dat).rar
2019-12-16
mnist数据集下载的完整代码——mnist_download_main.rar
2019-07-29
Html网页(js+css)实现情人节表白神器三套.rar
2019-05-20
AutoKeras测试代码使用数据集(Dataset：(公交车、恐龙、大象、花朵、骏马)六类图片数据集
2019-05-20
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人