logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

短视频信息流的天才设计

│ 第三层:算法推荐系统 ││ · Kafka 队列实时数据流 ││ · 模型每分钟更新 ││ · 比静态模型准确率高 13-14% ││ 第二层:内容创作 ││ · 界面设计决定内容形式 ││ · 创作者围绕 UI 约束优化内容 ││ · 5% 的观看完成率差距 = 100 倍播放差距 ││ 第一层:用户界面 ││ · 消除摩擦点(自动循环、无进度条) ││ · 按钮位置优化(拇指易触达区域)

#音视频
20种Agent 设计模式

复杂项目,高度自主操作,战略执行,销售pipeline管道,非常复杂的OKR系统,成本管理…厨师需要食材,先查看厨房有什么,确认可用性,取出并真正用在食谱中。:任何涉及多步骤的场景,研究协助,数据分析,客户服务,内容管理。:使用简化方法,使用保存数据,使用默认答案,引入人类在环协助。:实际生产系统,质量保障,成本管理,需要考虑关键错误的场景。:任务管理系统,客户服务,制造业,医疗领域,DevOps

#设计模式#人工智能
训练2万亿参数大模型的实现

这个技术栈里有多项技术在5年前都还不存在,等到下一代前沿模型问世时,还会有更多技术发生变化。

#人工智能
训练2万亿参数大模型的实现

这个技术栈里有多项技术在5年前都还不存在,等到下一代前沿模型问世时,还会有更多技术发生变化。

#人工智能
从传统软件→AI工程的联想 | vllm原理

1. 到达 (Arrival)用户输入 prompt → 文本形式2. 分词 (Tokenization)文本 → Token IDs (数值格式)3. 等待队列 (Waiting Queue)进入 Prefill 或 Decoding 等待区域4. Prefill 阶段├─ 检查总 token 数 < token budget (2048)├─ 合并为连续 Batch├─ 分配 Block(每

#人工智能
[CS153] ElevenLabs

Maty Staniszewski,ElevenLabs 创始人。

#人工智能
[CS153] AI基础设施与技术栈

课程名称从 “Security at Scale” 和 “Infrastructure at Scale” 演变为 “Frontier Systems”

文章图片
#人工智能
人类数据 | 行为克隆 | 机器人学习的未来

把机器人当作一个强监督学习看到的图像(所有 camera image)控制指令(control command)把这些作为 (x, y) 输入给大模型或小模型,学习一个。

#机器人#人工智能
伯克利-自主系统设计原则:OpenClaw

原则实现方式自主性标准智能体循环,持续推进时间掌控Heartbeat(活跃感)+ Cron(规划未来)灵活性所有关键组件提供插件接口个性化Skills 和 Tools 增强功能。

#人工智能
伯克利-自主系统设计原则:OpenClaw

原则实现方式自主性标准智能体循环,持续推进时间掌控Heartbeat(活跃感)+ Cron(规划未来)灵活性所有关键组件提供插件接口个性化Skills 和 Tools 增强功能。

#人工智能
    共 280 条
  • 1
  • 2
  • 3
  • 28
  • 请选择