稀土掘金 稀土掘金
    • 首页
    • AI Coding NEW
    • 沸点
    • 课程
    • 直播
    • 活动
    • AI刷题
    • APP
      插件
      • 搜索历史 清空
        • 写文章
        • 发沸点
        • 写笔记
        • 写代码
        • 草稿箱
        创作灵感 查看更多
    • vip
      会员
关注
综合
后端
前端
Android
iOS
人工智能
开发工具
代码人生
阅读
排行榜
综合
后端
排行榜
前端
Android
iOS
人工智能
开发工具
代码人生
阅读
  • 全部
  • 人工智能
  • AI编程
  • LLM
  • 后端
  • AIGC
  • MCP
  • Python
  • 前端
  • 算法
  • 展开
  • 全部
  • 人工智能
  • AI编程
  • LLM
  • 后端
  • AIGC
  • MCP
  • Python
  • 前端
  • 算法
  • OpenAI
  • Trae
  • 面试
  • 程序员
  • 机器学习
  • Cursor
  • 暂无数据
    • 推荐
    • 最新
  • CSS 实现九宫格缩放(9-slice scaling 不变形拉伸)| 掘金一周 6.12
    本文字数2000+ ,阅读时间大约需要 6分钟。 记录第一次公司内部分享:每日一题 Flutter#1 | 说说你对声明式 UI 的理解,支付新手常犯的十个错误,CSS 实现九宫格缩放~
    • 掘金一周
    • 166
    • 3
    人工智能 OpenAI 前端
  • 解锁私有化AI中枢:基于Dify构建企业级开发平台的技术深潜
    基于Dify构建企业级AI开发平台:本地化部署全流程深度指南 引言 在生成式AI浪潮席卷全球的背景下,企业迫切需要一个安全可控、灵活高效的平台来整合AI能力。开源框架Dify.AI以直观的Prompt
    • 老周聊大模型
    • 634
    • 点赞
    人工智能
    解锁私有化AI中枢:基于Dify构建企业级开发平台的技术深潜
  • 💻 ​​工业级代码实战​​:TransformerEncoderLayer六层堆叠完整实现(附调试技巧)
    一、Transformer编码器整体结构 Transformer编码器由N个相同层堆叠而成,单层结构包含: 二、核心技术解析与实现 1. 位置编码(Positional Encoding) 为什么需要
    • AI大模型技术社
    • 9
    • 点赞
    人工智能 LLM
    💻 ​​工业级代码实战​​:TransformerEncoderLayer六层堆叠完整实现(附调试技巧)
  • 实践大语言模型:60 行 NumPy 代码实现 GPT-2
    本项目是基于 NumPy 的 GPT-2 极简实现,其核心逻辑代码仅 60 行。侧重于 GPT-2 基础概念的介绍和代码实现,旨在通过简洁的代码帮助读者理解其核心架构。
    • Layer
    • 52
    • 2
    人工智能 机器学习 LLM
    实践大语言模型:60 行 NumPy 代码实现 GPT-2
  • 谢赛宁团队新基准让LLM集体自闭,DeepSeek R1、Gemini 2.5 Pro都是零分
    近年来,LLMs(如 GPT-4、Claude、Gemini 等)在代码生成领域取得了显著进展。它们不仅在经典编程基准(如 HumanEval)中表现出色,甚至在某些测试中超越了人类平均水平。这促使许
    • 机器之心
    • 18
    • 点赞
    人工智能 LLM
  • nanoVLM: 最简洁、最轻量的纯 PyTorch 视觉-语言模型训练代码库
    nanoVLM 是使用纯 PyTorch 训练 你自己的视觉语言模型 (VLM) 的 最简单 方式。它是一个轻量级 工具包 ,让你可以在 免费的 Colab Notebook 上启动 VLM 训练。
    • HuggingFace
    • 13
    • 1
    人工智能
    nanoVLM: 最简洁、最轻量的纯 PyTorch 视觉-语言模型训练代码库
  • AI产品开发的艺术——AI用户体验:为不确定性而设计
    本章内容 AI 产品的用户调研与验证 促进 AI 使用与信任校准 管理 AI 自动化、控制与故障 用户反馈收集 与用户共创 尽管你现有的大部分用户体验(以下简称 UX)经验可应用于 AI 驱动的产品,
    • 数据智能老司机
    • 24
    • 点赞
    产品 LLM 人工智能
    AI产品开发的艺术——AI用户体验:为不确定性而设计
  • LangGraph篇-LangGraph快速入门
    LangGraph原理 🦜🕸️LangGraph ⚡ 以图的方式构建语言代理 ⚡ 官方文档地址:https://langchain-ai.github.io/langgraph/ LangGraph
    • LLM大模型
    • 17
    • 点赞
    LLM 程序员 人工智能
  • 面向可信协同的多智能体协议嵌入式安全机制设计与实现
    面向可信协同的多智能体协议嵌入式安全机制设计与实现 一、引言:为什么安全是多智能体系统的底线 随着多智能体系统(MAS, Multi-Agent Systems)在交通控制、机器人协作、智能制造等领域
    • 篱也不篱
    • 12
    • 2
    人工智能
  • 亚马逊 CEO 全员信曝光,硅谷 AI 裁员潮已至!年薪 50 万湾区 HR 被算法淘汰
    45 岁的湾区 HR,本来拿着 7 万美元年薪干得顺风顺水,忽然有一天就被优化了;年薪 15 万美元的全栈工程师,正帮老板优化 AI 工具呢,忽然就被 AI 取代了……
    • 新智元
    • 26
    • 点赞
    人工智能 OpenAI
  • 【vLLM 学习】Disaggregated Prefill Lmcache
    vLLM 是一款专为大语言模型推理加速而设计的框架,实现了 KV 缓存内存几乎零浪费,解决了内存管理瓶颈问题。
    • 神经星星
    • 14
    • 1
    人工智能 机器学习 深度学习
    【vLLM 学习】Disaggregated Prefill Lmcache
  • LangGraph篇-核心组件
    LangGraph LangGraph 是一个用于构建有状态的多参与者应用程序的库,利用 LLM 创建代理和多代理工作流。与其他 LLM 框架相比,它提供了以下核心优势:循环性、可控性和持久性。Lan
    • LLM大模型
    • 14
    • 点赞
    LLM 程序员 人工智能
  • 基础RAG实现,最佳入门选择(四)
    下述方法从 PDF 提取文本、生成带重叠内容的文本块、创建文本嵌入向量、结合邻居块的上下文感知检索、基于检索内容生成响应,以及评估答案准确性。 设置环境 初始化模型和Key信息 从PDF文件中提取文本
    • 舒一笑不秃头
    • 13
    • 点赞
    人工智能
    基础RAG实现,最佳入门选择(四)
  • 让大模型“记住”更多:RAG与长期记忆
    RAG技术在长期记忆中的实践与挑战 ©作者| Orlando 来源| 神州问学 OpenAI近期发布的更新增强了原本ChatGPT的记忆功能,新版本的GPT模型在回复用户问题的时候,除了记住用户过往的
    • 神州问学
    • 13
    • 点赞
    人工智能
    让大模型“记住”更多:RAG与长期记忆
  • ComfyUI工作流一键美颜:照片美颜只需要点击即可完成
    魔多AI推出全新"照片背景溶图"ComfyUI工作流,让用户无需PS技能即可轻松实现创意背景融合。只需上传人物和背景图片,一键运行工作流就能生成梦幻星空、樱花雨等惊艳效果。
    • 慧星云
    • 11
    • 点赞
    人工智能 云计算 AIGC
    ComfyUI工作流一键美颜:照片美颜只需要点击即可完成
  • 智能化 Graviton 迁移:Amazon Q CLI 加速应用架构现代化
    在云计算成本优化与性能提升的双重压力下,Amazon Graviton 处理器正逐渐成为技术领导者们的战略选择。这款基于 ARM 架构的处理器承诺提供更高的性价比和更出色的能效,但许多开发团队面临的现
    • 亚马逊云开发者
    • 12
    • 点赞
    Java 人工智能
  • 🛫AI大模型训练到发布一条龙:Hugging Face终极工作流​
    本文全面解析Hugging Face Transformers库的核心功能,通过丰富示例和最佳实践,带你快速掌握预训练模型的加载、使用和微调技术。
    • 聚客AI
    • 1.8k
    • 点赞
    人工智能 LLM 掘金·日新计划
    🛫AI大模型训练到发布一条龙:Hugging Face终极工作流​
  • ⚙️企业级Transformer优化:混合精度×梯度裁剪×权重初始化最佳实践​
    一、自注意力机制:Transformer的核心突破 核心思想:让每个位置都能关注序列中所有位置的信息 1.1 Query-Key-Value 抽象模型 QKV角色解析: Query(查询):当前关注的
    • AI大模型技术社
    • 1.1k
    • 1
    人工智能 LLM
    ⚙️企业级Transformer优化:混合精度×梯度裁剪×权重初始化最佳实践​
  • 如何使用LoRA通过微调增强大模型
    环境安装 CUDA版本 pytorch版本 依赖包 如果发现下载缓慢可以更换pip的仓库源 数据准备 这里我们可以从魔塔中寻找自己感兴趣的训数据集 寻找数据集时需要注意找我们的训练方式可以直接使用的数
    • 殷世杰
    • 24
    • 1
    后端 人工智能
  • 基于YOLO的智能条码识别模型标注与训练
    讨论背景 书接上文,介绍了一个简单的AI智能条码识别系统的初步架构以及实现。其中自主模型训练这部分比较简略带过,应掘友的要求,再次做个明细补充和介绍。 上文:《基于YOLO实现一个智能条码识别》
    • Kier
    • 52
    • 1
    AI编程 人工智能 Python
    基于YOLO的智能条码识别模型标注与训练
  • 中午好!
    点亮在社区的每一天

    推荐话题 换一换

    #挑战每日一条沸点#
    #挑战每日一条沸点#

    17.8m

    #Trae叕更新了?#
    #Trae叕更新了?#

    431k

    #创作者训练营#

    8.8m

    #每日快讯#

    8.5m

    #MCP 怎么玩#

    314k

    #金石焕新程#

    1.6m

    #每天一个知识点#

    36.4m

    #工作中做得最正确的一件事#
    #工作中做得最正确的一件事#

    284k

    #掘金一周#

    365k

    #新人报道#

    30.5m

    查看更多
    • 用户协议
    • 营业执照
    • 隐私政策
    • 关于我们
    • 使用指南
    • 友情链接
    • 更多人工智能文章
    • 举报邮箱: feedback@xitu.io
    • 座机电话: 010-83434395
    • 京ICP备:18012699号-3
    • 京ICP证:京B2-20191272
    • police 京公网安备11010802026719号
    • ©2025 稀土掘金