在大语言模型（LLM）驱动的应用场景中，检索增强生成（RAG）技术愈发关键。而文本分割，作为RAG流程里的核心环节，直接影响着整个系统的性能与效果。

初学 Python 的同学可能会觉得开发一个 exe 软件非常复杂，其实不然，从将 .py 应用程序打包成 .exe 软件，仅仅只需一行代码就可以搞定！ 而实现这一强大功能的就是 PyInstalle

这篇论文主要解决的是基于智能手机IMU的行人定位问题，特别针对传统IMU定位中因姿态估计误差导致的轨迹漂移问题，提出了一种两阶段深度学习框架，分别进3D姿态估计和2D位置估计

近年来，大语言模型（LLMs）的快速发展推动了下游应用的繁荣，但如何高效地对这些模型进行对齐和微调，依然是研究与应用的热点。本文将介绍 TRL 的 框架组成基本原理，并给出一个小demo 带你快速上手

相较于 RGB 三通道图像，灰度图仅保留亮度信息（Y 分量），数据量减少 2/3，相比于常用的 NV12 图像，数据量减少 1/3，内存占用与计算负载显著降低。

AI语音拟人化三大技术：ASR精准识别语音，克服噪音方言；实时打断实现自然对话节奏，提升体验；TTS生成带情感的语音，消除机械感。三者融合，赋能智能客服与营销，显著降本增效。

提出了一种基于IMU（惯性测量单元）多变量时间序列数据的LSTM模型，用于实时预测运动员的疲劳（fatigue）和耐力（stamina）状态，从而实现个性化训练调控，避免过度训练和运动损伤

在实际部署智能驾驶方案时，很多不同任务的模型会同时运行，如何让模型按设计帧率运行，同时实时监测模型推理耗时和带宽使用情况？

在计算机视觉的世界里，高质量数据标注是所有模型训练的基石。不管是自动驾驶识别路上的行人、医疗影像中的肿瘤分割，还是遥感影像中的小目标检测，都离不开精准的标注数据。 然而，现实却很“骨感”——标注是最耗

导读 这篇论文针对红外小目标检测提出风车形卷积 （PConv） 和尺度动态损失 （SD Loss） ，有效提升特征提取能力和检测稳定性，并在新构建数据集SIRST-UAVB上验证了显著性能提升。 近年

Open-WebUI 是一款专为大模型设计的开源可视化交互工具，它通过类 ChatGPT 的直观界面，让用户无需代码即可管理、调试和调用本地或云端的大语言模型（LLMs）

围绕基于IMU的惯性导航定位展开，提出了一种基于Transformer架构的深度学习模型，用于从IMU数据中预测二维速度和轨迹

在工业质检场景中，AI 异常检测已成为“智能工厂”的必备技术。然而现实中，零部件缺陷往往细微、复杂且多变，传统方法难以在保证效率的同时做到精准识别。近期在ICML 2025上提出的 CostFilte

导读 本文提出频率动态卷积（FDConv） ，通过在傅里叶域构建频率多样化权重，以固定参数预算显著提升模型频率适应性。该方法在目标检测、分割等任务中性能卓越，仅增加3.6M参数即可优于现有动态卷积方法

Ollama 是一个开源的本地化大模型运行平台，支持用户直接在个人计算机上部署、管理和交互大型语言模型（LLMs），无需依赖云端服务。而且其混合推理的特性也使得CPU和GPU的算力能够充分被使用

【导读】 在无人机拍摄的航拍图像中，目标往往只有几十个像素大小，分辨率低，容易被复杂背景淹没。如何准确识别这些小目标，是计算机视觉中最难的任务之一。传统检测模型不仅精度有限，而且在算力受限的无人机平台

这篇文章解决的是仅使用IMU进行自主定位（Dead Reckoning）的问题，特别是在没有外部传感器（如GNSS、LiDAR、视觉）辅助的情况下，如何提升定位精度并减少误差累积

🌟【刷题赢矿石】黄金矿工上班计划来喽！活动打卡赚矿石了！活动：时间 12月5日-12月30日（27天）

Nano Banana 生图只能一张一张完成，周三我也介绍过Nano Banana用来生成AI手办，Tapnow可接入Nano Banana且能同时去完成多张图片生成。