当人工智能进入深度应用的黄金时代，单一模态的局限正被多模态交互彻底打破。文心 ERNIE-4.5-VL 视觉语言模型（ ERNIE-4.5-VL-28B-A3B；ERNIE-4.5-VL-424B-A

受查尔斯·达尔文自然进化理论的启发，一种用于问题求解的最迷人的技术就是被恰当地命名为“进化计算”的算法家族。在这个家族中，最突出且被广泛使用的分支就是遗传算法。本章将开启你掌握这一极其强大且极其简单技

随着大语言模型（LLM）规模和能力的提升，传统的全参数微调变得成本高昂且不灵活。 提示微调作为一种新兴的参数高效微调方法，通过调整输入提示（Prompt）而非模型权重，实现了更轻量、高效的模型定制。

本文旨在解决水产养殖中鱼类健康监测的关键技术难题——高精度鱼类姿态估计。针对鱼类游动快速、姿态多变所带来的挑战，本研究对主流姿态估计网络HRNet进行了针对性改进，提出了名为HPFPE的新模型。 鱼类

在许多真实的机器学习项目中，数据集往往规模较小且存在类别不平衡的问题。例如，在医学影像任务中，可能只有 5% 的扫描样本属于阳性类别。在这样的数据上训练的模型，只需始终预测多数类，就能轻松达到 95%

大家好啊，我是董董灿。 前段时间在星球弄了个“微调”的小专栏。但是因为一些事情耽误了，整体进度已经过半了，最近时间又充裕了，打算把微调的专栏再丰富完善，把这件事情搞完！ 本文节选自星球《微调理论与实战

在大模型技术浪潮中，“大模型微调&训练硬件成本评估” 已成面试高频考点。从底层逻辑到工程实践，每一处细节都可能成为面试官考察你技术深度的切入点。本文结合多场景知识，拆解核心考点

无需昂贵ReID网络，FastTracker凭借几何与场景认知在复杂交通场景中实现精准实时追踪。 在MOT等多项基准中实现SOTA，为智慧交通带来更轻、更快的多目标跟踪新方案。>>更多资讯可加入CV技

该研究提出了D‘RespNeT——一个专为震后搜救任务构建的无人机图像实例分割数据集，包含28个精细标注的类别（如建筑入口、碎片、人员）。基于此数据集，团队开发了YOLOv8-DRN模型，该模型在保持

你是否想过，当医生需要查看你体内的影像（比如X光、MRI或CT扫描）时，他们得到的其实是一幅复杂的内部景观图？而其中最关键的，往往是从这幅图中精确找出特定区域的过程。 医学图像分割的重要性 想象一下，

想象你有一部超级智能的手机（就像LLM大语言模型），它能聊天、写代码、回答问题，但有个缺点——不能直接连WiFi、用蓝牙，也读不了你的相册。这时候，你需要一个“万能转接器”，让手机能连接各种设备和服务

理想汽车智驾方案 MindVLA 主要包括了空间智能模块、语言智能模块、动作策略模块、强化学习模块等

导读 本文提出并验证了一种基于变分自编码器（VAE）和模仿学习的无人机自主导航方案，旨在解决果园环境中因障碍物复杂和GPS信号缺失导致的导航难题。 近年来，无人机（UAV）技术取得了显著进展，特别是在

如果你曾经训练过目标检测模型（如YOLO、Faster R-CNN或SSD），那么mAP（平均精度均值）一定不会陌生。作为评估目标检测器的黄金标准，它背后隐藏着哪些秘密？为什么研究人员对它如此推崇？今

在深度学习面试中，Transformer模型的结构细节和优化技巧是高频考点。其中，归一化技术（Normalization）的位置选择（Pre-Norm vs. Post-Norm）直接影响模型训练

随着大语言模型（LLM）参数规模从十亿级增长到千亿、万亿级，如何在保持性能的同时节省算力，成为研究的核心问题。MoE（Mixture of Experts, 混合专家） 架构正是在这种背景下应运而生。

我们会先用一个现成的强大模型，然后根据自己的需求对它做一些“微调”，让它更懂我们的领域、更符合我们的业务和价值观。微调并不是一开始就有这么多方法，它的技术路线也是一步步发展起来的。

在【LLM】LLM 中增量解码与模型推理解读一文中对 LLM 常见名词进行了介绍，本文会对 LLM 中评价指标与训练概要进行介绍

征程 6X 常用工具介绍，包括采集/设置系统信息的工具集，设置开发板 MAC 地址工具，BPU 使用率测试工具等