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

JAVA程序员学习路线

图中的“集合进阶(源码解析)”、“JDK9-17新特性”、“LAMBDA表达式”、“STREAM API”放到。:图中的“汇编”、“二进制深入”、“操作系统原理解析”等到你遇到严重性能问题了再学,现在学纯属增加负担。请把图中那些标着“源码剖析”、“并发底层”、“微服务架构”、“大数据”、“Istio”的知识。:图中“MySQL的索引机制、事务机制、锁机制”慢慢啃,这些是面试高频题,但不用死记硬背。

#java#学习#开发语言
极简大模型microGPT代码教学互动网页

原视频里说的是“用 Pyodide(浏览器端WebAssembly Python)运行代码”,我跑不通,卡在“加载PYTHON pyodide环境”,我就改为了EDGE浏览器运行。microGPT是Andrej Karpathy在2026年2月发布的一个极简教学项目,仅用234行纯Python代码(无任何依赖)实现了完整的GPT训练与推理流程。在抖音上看到一个视频很有意思,内容是生成讲解micro

文章图片
#人工智能#机器学习
同一个计算总金额的问题,AI却总算不对丨AI幻觉

同一个计算总金额的问题,A却总算不对。这让我失去对AI计算的信心了。AI经常会一本正经地胡说八道,出现AI幻觉在工作中我遇到以下问题,发现怎么问AI都答不对,想了一些方法让AI回答稳定。

文章图片
AI办公--AI与智能办公丨AI助力职场效率提升

市场调研任务:“我是一名互联网公司的产品运营专员,负责一款新兴社交 App(背景),当下急需开展用户满意度调研(需求),但我们的调研预算有限,且时间周期仅有两周(条件),请制定一份高效、低成本的线上调研方案,涵盖调研渠道选择、问卷设计要点、样本量确定等内容。“帮我做一个请假的表格,要有姓名,部门,请假时间,请假类别,请假理由,主管部门意见,总经理意见,并留出签名的地方,最终以HTML的格式输出。你

文章图片
#人工智能
Deepseek论文深度解读--“条件记忆”模块(Engram):查算分离开启LLM双稀疏轴时代

DeepSeek提出Engram条件记忆模块,通过“查算分离”架构革新大模型设计。传统模型用昂贵计算模拟记忆,效率低下。Engram引入基于哈希的O(1)查表机制,专司静态知识检索,与负责动态推理的MoE主干形成“记忆-计算”双稀疏轴。核心发现遵循U型缩放定律:二者参数存在最优配比(约~75% MoE + ~25% Engram)。该技术能将千亿级记忆表存储于廉价CPU内存,推理延迟仅增约3%,大

文章图片
#人工智能
交通大数据丨高德地图百度地图拥堵排名城市拥堵情况哪里查?如何量化交通的拥堵程度?

高德地图大数据平台高德拥堵指数百度地图大数据平台深圳数据开放平台街道属性:

文章图片
#大数据
AI课堂生成网站丨OPENMAIC丨清华团队开源项目

OpenMAIC(谐音“My课”)是一个AI教学平台,它能为你生成一个专属的7x24小时AI教室。在这个教室里,你是唯一的真人学生,而老师、助教和同学都由AI智能体扮演。你只需要输入一个课程主题(如“什么是摩擦力”)或上传一份文档,系统就能自动生成包含幻灯片、随堂测验、互动模拟和项目式学习活动的完整课程。

文章图片
#学习
注意力残差:Kimi如何用“选择性记忆”做到将计算效率提升1.25倍,训练效率提升25%,而推理延迟的增加低于2%?

这篇由Kimi团队撰写的《注意力残差 (Attention Residuals)》技术报告,提出了一种名为AttnRes的新型网络连接范式,旨在通过“时间与深度的对偶性”重构大模型的信息聚合方式。该研究指出,传统残差连接在深层网络中会导致信息稀释和梯度分布不均,因此论文提出利用可学习的Softmax权重替代固定的累加操作,使模型能像在序列维度使用注意力机制一样,在深度维度上动态、有选择地聚合历史层

文章图片
#人工智能#深度学习
注意力残差:Kimi如何用“选择性记忆”做到将计算效率提升1.25倍,训练效率提升25%,而推理延迟的增加低于2%?

这篇由Kimi团队撰写的《注意力残差 (Attention Residuals)》技术报告,提出了一种名为AttnRes的新型网络连接范式,旨在通过“时间与深度的对偶性”重构大模型的信息聚合方式。该研究指出,传统残差连接在深层网络中会导致信息稀释和梯度分布不均,因此论文提出利用可学习的Softmax权重替代固定的累加操作,使模型能像在序列维度使用注意力机制一样,在深度维度上动态、有选择地聚合历史层

文章图片
#人工智能#深度学习
AI科技应用

本文为时长 1.5 小时的《AI 科技应用课》完整课程稿,围绕AI 理论拆解与实操落地两大核心模块展开,面向零基础学习者,助力从 AI 使用者转变为 AI 创造者。课程先梳理人工智能从萌芽到专家系统、深度学习爆发、大模型普及的四阶段发展历程,解析大语言模型底层逻辑、工作原理与多领域应用;再讲解 AI 智能体核心架构、主流开发框架,通过低代码平台手把手指导零基础学员制作智能体;同时提供 AI 项目实

文章图片
#人工智能#机器学习#大数据
    共 29 条
  • 1
  • 2
  • 3
  • 请选择