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

小鹏人形机器人到底是不是真人?

小鹏汽车发布新一代IRON人形机器人引发"真人质疑",其高度拟真的行走姿态被众多网友怀疑"藏了真人"。CEO何小鹏发布视频展示内部结构,证实是团队7年研发成果:采集120位模特80万帧数据,376次算法迭代,实现0.3Hz误差的精准步态复刻。该机器人具备82个自由度、仿生肌肉和2250TOPS算力,计划2026年量产。何小鹏表示,推动机器人量产是当代创业者的

文章图片
#机器人#人工智能#深度学习 +1
单卡驱动的数字孪生:李飞飞团队 RTFM 模型如何重构 3D 生成范式

摘要: 2025年10月,李飞飞团队发布实时生成式世界模型RTFM,仅需单块H100 GPU即可运行。RTFM基于三大原则:效率(交互式帧率推理)、可扩展性(端到端学习渲染,无需显式3D建模)和持久性(3D空间记忆实现无限交互)。其核心技术采用自回归扩散变换器,通过海量视频数据学习渲染规律,将物理渲染转化为数据驱动的感知任务,直接预测新视角画面。RTFM还创新性引入**"姿势帧&quot

文章图片
#3d#深度学习
python爬取m3u8视频(思路到实现全讲解!!!)

''''''# 正则抓取上面的源代码中的m3u8的url# 写入文件 分析当前的页面源代码# 写入response.content bytes二进制类型# 请求可以获取index.m3u8文件# 写入response.content bytes二进制类型# 拆分返回的内容获取真整的index.m3u8文件的url。

#python#爬虫
GPT-5.1升级登场:AI终于学会把“人”放在第一位

OpenAI发布GPT-5.1升级版AI模型,包含GPT-5.1 Instant和GPT-5.1 Thinking两个版本,强调更智能自然的对话体验。新模型具备自适应推理能力,可调节响应速度和深度,语言表达更清晰温暖,并新增8种可切换的聊天风格。OpenAI首次将心理健康和情感依赖纳入安全评估维度,关注AI与用户的情感互动边界。该更新将优先向付费用户推送,GPT-5模型将保留3个月过渡期。此次升级

文章图片
#人工智能#算法#机器人 +1
TypeScript 超越python登顶 GitHub:一场编程语言格局的十年之变

摘要:GitHub 2025年数据显示TypeScript以263.6万贡献者超越Python登顶,增长66%。这一变化反映开发范式转型:类型化语言成为AI时代的首选,现代框架默认使用TS,其严格类型系统显著提升AI代码可靠性。Python虽在AI领域仍以58.2万仓库占据主导,但TS与Python形成互补格局,分别代表工业级开发与快速迭代的不同优势。微软TS Native预览版性能提升10倍,进

文章图片
#typescript#python#github +3
自动化爬虫-selenium模块万字详解

selenium本身是一个自动化测试工具。它可以让python代码调用浏览器。并获取到浏览器中加载的各种资源。我们可以利用selenium提供的各项功能。帮助我们完成数据的抓取。

文章图片
#自动化#爬虫#selenium +1
自动化爬虫-selenium模块万字详解

selenium本身是一个自动化测试工具。它可以让python代码调用浏览器。并获取到浏览器中加载的各种资源。我们可以利用selenium提供的各项功能。帮助我们完成数据的抓取。

文章图片
#自动化#爬虫#selenium +1
0.2B 参数逆袭 GPT-4.1:组合推理的技术革命与评估范式重构

摘要:加州大学研究团队提出创新性GroupMatch指标和Test-Time Matching(TTM)算法,使小参数模型实现超越性表现。仅0.2B参数的SigLIP-B16在组合推理基准测试中超越GPT-4.1,GPT-4.1更首次在Winoground测试中突破人类水平。该研究揭示了传统AI评估体系的局限性,通过测试阶段优化挖掘模型潜在能力,为小模型逆袭大模型提供了新思路。TTM算法通过伪标签

文章图片
#重构#机器人#人工智能 +2
0.2B 参数逆袭 GPT-4.1:组合推理的技术革命与评估范式重构

摘要:加州大学研究团队提出创新性GroupMatch指标和Test-Time Matching(TTM)算法,使小参数模型实现超越性表现。仅0.2B参数的SigLIP-B16在组合推理基准测试中超越GPT-4.1,GPT-4.1更首次在Winoground测试中突破人类水平。该研究揭示了传统AI评估体系的局限性,通过测试阶段优化挖掘模型潜在能力,为小模型逆袭大模型提供了新思路。TTM算法通过伪标签

文章图片
#重构#机器人#人工智能 +2
TF-IDF算法详解

​TF-IDF(term frequency–inverse document frequency)是一种用于信息检索与数据挖掘的常用加权技术。TF是词频(Term Frequency),IDF是逆文本频率指数​TF-IDF是一种统计方法,用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加,但同时会随着它在语料库中出现的频率成反比下降

文章图片
#算法#深度学习#nlp +1
    共 41 条
  • 1
  • 2
  • 3
  • 4
  • 5
  • 请选择