本文旨在提供 征程 6B 计算平台的部署指南，将会从硬件、软件两部分进行介绍，本文整理了我们推荐的使用流程，和大家可能会用到的一些工具特性，以便于您更好地理解工具链。

地平线工具链的link功能可将多任务模型打包，复用公共部分权重，实现不同任务分支以不同帧率推理，优化内存和延迟。

在计算机视觉领域，YOLO系列一直是速度和精度的代名词。但长期以来，所有YOLO模型都存在一个根本性限制：它们只能识别训练时见过的类别。 当面对新的物体类型——比如特殊的工业零件、罕见的植物病害或是特

哈喽大家好， 我是阿星👋 最近clawbot太火了，今天讲2个方案。一个是麻烦但是可以装x的飞书，一个是不麻烦但是不太好装的阿里云。

在追求模型规模的竞赛中，一个反直觉的事实正在发生：NVIDIA 的 C-RADIOv4 仅用 6.31 亿个参数就达到了 DINOv3 的 70 亿参数模型的性能。多教师蒸馏技术，正在彻底改变我们构建

红外成像领域的小目标检测一直是个技术难题——目标可能只是几个像素点，还常常淹没在复杂的云层、海面背景或者传感器噪声里。 为了解决这个难题，研究者们开始利用多帧时空信息，但新的问题随之而来：当摄像机或目

​ yolo26n-pose模型可以直接识别人体姿势，但不识别其他动作或物体，如果想精准识别其他分类，需要自己重新训练，本来想做小狗的姿势分析，发现在ultralytics中提供了全量的dog-pos

近年来，Transformer 席卷了计算机视觉领域，从图像分类到目标检测，表现亮眼。然而，当任务从静态图像扩展到视频理解、动态场景分析时，Transformer 的“硬扛”模式开始显露出明显局限。最

在大模型微调(SFT)的世界里，过拟合就像一个潜伏的隐形杀手。当70B参数的巨无霸模型遇上仅10万条的训练数据，会发生什么？

近年来，随着生成式AI技术的突破，世界模型（World Models） 已成为自动驾驶与具身智能领域的核心研究方向。从文本直接生成驾驶视频，到可控的4D动态场景合成，当前模型已经能够产出视觉上足以“以

随着AI模型越来越大，从BERT到GPT-3再到如今的千亿参数大模型，全量微调一个模型动辄需要数十张A100显卡和数天时间，这让普通开发者和小团队望而却步。 但有一项技术正在改变这一局面——参数高效微

该模型创新性地打造了 “重思考模式” ，通过并行推理与深度总结，实现推理宽度与深度的协同扩展，显著提升复杂交互与多步规划任务中的表现。

何恺明团队最近抛出的这篇工作，多少有点“把老问题直接掀桌子重来”的味道。他们提出的 **Pixel MeanFlow（pMF） **，在不借助潜在空间、不依赖多步采样的前提下，只用一次前向传播，就生成

人类在观察复杂场景时，通常会先快速扫视整体轮廓，形成初步认知，再集中注意力到关键区域进行细节分析。这种 “纵观全局-聚焦细节” 的两阶段认知机制被称为自上而下注意力（Top-down Attentio

那个在象牙塔里从未失手的“学霸”，理论知识门门满分，实验操作无可挑剔。可当他第一次踏入纷繁复杂、充满意外的真实社会，却步步维艰，处处碰壁——这画面，是不是像极了如今许多计算机视觉领域那些光彩夺目的“高

工业视觉检测一直是智能制造领域的关键技术，而零样本异常检测（ZSAD） 更是被视为行业的“圣杯”——无需针对特定产线进行训练，即可直接投入使用的理想解决方案。然而，现有基于视觉语言模型（如CLIP）的

1、基本数学知识 标量：标量也就是一个单独的数 向量：类似[1,2,3,4]被称之为向量，是一列数；其中可以进行的运算有加法运算以及向量之间做内积 向量加法：i.e. [a1,a2,a3]+[b1,b

一、背景与问题 1.1 场景描述 在 AI Agent 场景下，大模型的输出往往是流式的（Streaming），即内容逐步生成、逐步返回。为了提升用户体验，我们希望在飞书机器人中实现类似 ChatGP

OxygenREC不仅仅是一个高效的推荐系统，更为工业级生成式AI应用的大模型设计提供了宝贵范式 。