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

《被大模型“验证税”困住的打工人:为什么让 AI 干活比自己干还累?》

今年春节后,最火的莫过:养虾。不是真正的小龙虾,是OpenClaw——一个开源的AI Agent框架,图标是只红色龙虾,你得像养宠物一样在服务器上伺候它。> * **狂热的行业现状:** 这个项目从1月发布到现在,GitHub星标冲破22万,超过了Linux,成为史上增长最快的开源项目之一。各大云厂商争相推出一键部署方案,百度上周刚发布了DuClaw,主打零配置即用,第一个月订阅价格只要17.8

文章图片
#人工智能#深度学习#自然语言处理 +1
01-大模型核心概念

本文是一篇AI核心术语扫盲指南(系列第一篇),旨在帮助读者掌握大语言模型(LLM)的基础概念。文章从AI技术发展脉络切入,重点解析了Transformer架构、注意力机制、Token/Embedding/Vector三大核心概念,并解释了Context Window、Prompt等关键术语。通过实际案例和对比表格,文章揭示了LLM的本质不是简单的聊天机器人,而是能够对语言本身建模的概率预测系统。掌

文章图片
#机器学习#深度学习#人工智能 +3
qwen3.8-max-正式版深度评测

阿里发布Qwen3.8-Max大模型,2.4T参数、95B激活,采用稀疏MoE+混合注意力架构,支持1M上下文和原生多模态。该模型在编程领域表现突出,仅用16天自主开发出开源智能体框架oh-my-cli,PaperBench得分93.0超过Fable 5。国际定价仅为Opus 5的1/4,国内缓存价低至1.5元/百万tokens。阿里首次开源Max级模型权重,下周上线Hugging Face。不过

文章图片
#人工智能#机器学习#神经网络
deepseek-v4-flash-正式版深度评测

DeepSeek-V4-Flash 正式版通过仅重做后训练,在未改变13B激活参数结构的情况下,实现了9项Agent基准的显著提升,部分指标反超自家Pro版并逼近顶级闭源模型。其DeepSWE长程软件工程能力提升7.5倍至54.4分,终端操作达82.7分,安全攻防达76.7分。第三方评测显示其智能指数达50分(接近GPT-5.6的51分),前端代码竞技排名第3。成本仅为旗舰模型的1/90,但升级仅

文章图片
#机器学习#深度学习#人工智能 +3
qwen3.8-max-正式版深度评测

阿里发布Qwen3.8-Max大模型,2.4T参数、95B激活,采用稀疏MoE+混合注意力架构,支持1M上下文和原生多模态。该模型在编程领域表现突出,仅用16天自主开发出开源智能体框架oh-my-cli,PaperBench得分93.0超过Fable 5。国际定价仅为Opus 5的1/4,国内缓存价低至1.5元/百万tokens。阿里首次开源Max级模型权重,下周上线Hugging Face。不过

文章图片
#人工智能#机器学习#神经网络
deepseek-v4-flash-正式版深度评测

DeepSeek-V4-Flash 正式版通过仅重做后训练,在未改变13B激活参数结构的情况下,实现了9项Agent基准的显著提升,部分指标反超自家Pro版并逼近顶级闭源模型。其DeepSWE长程软件工程能力提升7.5倍至54.4分,终端操作达82.7分,安全攻防达76.7分。第三方评测显示其智能指数达50分(接近GPT-5.6的51分),前端代码竞技排名第3。成本仅为旗舰模型的1/90,但升级仅

文章图片
#机器学习#深度学习#人工智能 +3
04-Agent与多模态

摘要 本文深入解析AI领域的关键概念,重点探讨Agent、多模态和Planning三大核心能力。AI Agent区别于传统Chatbot的本质在于它能执行多步决策并产生实际行为,核心能力包括工具调用、记忆、规划、反思和根基化。文章对比了ReAct与Planning两种思考模式,指出未来趋势是组合应用。多Agent系统面临协作复杂度的挑战,而多模态技术则让AI突破纯文本限制,具备视觉、听觉等感知能力

文章图片
#人工智能#深度学习#自然语言处理
01-大模型核心概念

本文是一篇AI核心术语扫盲指南(系列第一篇),旨在帮助读者掌握大语言模型(LLM)的基础概念。文章从AI技术发展脉络切入,重点解析了Transformer架构、注意力机制、Token/Embedding/Vector三大核心概念,并解释了Context Window、Prompt等关键术语。通过实际案例和对比表格,文章揭示了LLM的本质不是简单的聊天机器人,而是能够对语言本身建模的概率预测系统。掌

文章图片
#机器学习#深度学习#人工智能 +3
关于我做了一个玩偶姐姐桌宠

Codex Desktop最新版推出了宠物功能,用户可通过以下步骤设置:首先更新至最新版本,在外观设置底部找到宠物选项。系统提供默认宠物,也支持自定义创建:通过GPT对话安装官方技能"hatch-pet",输入参考图片和描述来设计理想宠物形象,GPT会生成对应的动作帧(类似二维像素游戏)。完成设计后,即可在外观设置中启用个性化桌面宠物。该功能让用户能够创造独特的数字伙伴,为工作

文章图片
#人工智能#神经网络#深度学习 +3
第三章 卷积神经网络

卷积神经网络(CNN)是计算机视觉的核心架构,本章系统介绍了CNN的基础原理和典型结构。首先阐述了卷积的数学定义与变种(包括一维/二维卷积、互相关、转置卷积和空洞卷积),以及步长、填充等关键参数。其次详细解析了CNN的核心组件(卷积层和池化层)及其参数学习机制。最后重点介绍了经典CNN模型的发展历程,包括开创性的LeNet-5、引入ReLU和Dropout的AlexNet、多尺度并行的Incept

文章图片
#cnn#人工智能#神经网络 +4
    共 16 条
  • 1
  • 2
  • 请选择