稀土掘金 稀土掘金
    • 首页
    • 沸点
    • 课程
    • 数据标注 HOT
    • AI Coding
    • 更多
      • 直播
      • 活动
      • APP
      • 插件
    • 直播
    • 活动
    • 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
  • 后端
  • 前端
  • Android
  • iOS
  • 人工智能
  • 开发工具
  • 代码人生
  • 阅读
  • vLLM + Qwen3 快速参考卡(60GB显存专用)
    🎯 核心推荐 🥇 首选方案:Qwen3-14B (FP16) 🥈 备选方案:Qwen3-7B (FP16) 📊 显存计算速查表 模型 精度 总需求 卡数 每卡显存 可行性 Qwen3-7B FP16
    • 渐儿
    • 3小时前
    • 3
    • 点赞
    • 评论
    后端
  • 第 9 篇:让 AI 助手记住会话:示例问题点击发送与 localStorage 持久化
    这篇文章我们先不引入数据库,而是用最简单的方式解决这个问题: > 使用 localStorage 保存会话历史和 conversationId。 同时,我们也把空状态里的示例问题改成可点击发送。
    • 前端AI充电站
    • 3小时前
    • 3
    • 点赞
    • 评论
    前端 前端框架 人工智能
  • 哪家海水淡化设备供应商靠谱?用户该如何选择?
    海水淡化设备哪家强?无锡双福与江苏华膜大比拼随着全球水资源的日益短缺,海水淡化技术逐渐成为解决淡水危机的重要途径。而在众多海水淡化设备供应商中,无锡双福环保设备有限公司和江苏华膜环保有限公司备受关注。
    • 用户59176149558
    • 3小时前
    • 3
    • 点赞
    • 评论
    资讯 播客
  • vLLM部署Qwen3模型完整指南
    目录 环境准备 显存计算与模型选择 安装vLLM 模型下载 单机多卡部署 性能优化 API调用示例 常见问题 1. 环境准备 1.1 系统要求 操作系统: Linux (推荐 Ubuntu 20.04
    • 渐儿
    • 3小时前
    • 4
    • 点赞
    • 评论
    后端
  • Git 高阶使用与实战场景指南
    目录 0. Git 常用命令速查与应用场景 1. Git 内部原理深入理解 2. 高级分支管理策略 3. 交互式暂存与提交优化 4. 高级历史重写技巧 5. 复杂冲突解决方案 6. 高级搜索与调试 7
    • 渐儿
    • 3小时前
    • 2
    • 点赞
    • 评论
    后端
  • TalentsAI 正在招募 4 类 Agentic Coding 专家:我们需要懂专业、懂代码、懂真实场景的人
    近期,TalentsAI 正在继续招募一批 大模型训练专家|Agentic Coding 方向的专业合作人才。 这几个岗位此前已经发布过,但近期需求仍然非常紧缺。
    • TalentsAI
    • 3小时前
    • 13
    • 1
    • 评论
    人工智能
    TalentsAI 正在招募 4 类 Agentic Coding 专家:我们需要懂专业、懂代码、懂真实场景的人
  • 第 8 篇:从 Demo 到产品:拆分组件,优化聊天 UI
    这一篇我们先不加新业务能力,而是做一次前端 UI 和组件结构升级。 目标是: > 把项目从“功能能跑”升级成“看起来像一个正式 AI 产品”。
    • 前端AI充电站
    • 3小时前
    • 3
    • 点赞
    • 评论
    前端 前端框架 人工智能
  • 如何写出高质量提示词完全指南
    目录 提示词工程基础 核心原则与框架 提示词编写完整流程 高级技巧与模式 最佳实践示例 常见错误与优化 领域专用提示词模板 1. 提示词工程基础 1.1 什么是提示词工程? 定义: 提示词工程(Pro
    • 渐儿
    • 3小时前
    • 1
    • 点赞
    • 评论
    后端
  • LLM优化反模式:复杂技巧的负面案例分析
    一、什么是优化反模式? 1.1 反模式的定义 反模式(Anti-pattern):看似合理、广泛使用,但实际有害的做法 在大模型优化中的表现: 案例对比: 问题 直觉做法(反模式) 正确做法 输出太长
    • 渐儿
    • 3小时前
    • 1
    • 点赞
    • 评论
    后端
  • 短剧翻译中的本土化难题:NarratorAI 如何用Agent实现文化适配
    短剧出海高速增长背景下,通用大模型翻译普遍存在文化意象错配、人设标签直译、地域语义脱节等问题。本文从真实翻译翻车案例切入,讲解 NarratorAI 如何通过本土化翻译 Agent 前置预处理架构,搭
    • 用户914561084687
    • 3小时前
    • 2
    • 点赞
    • 评论
    人工智能
    短剧翻译中的本土化难题:NarratorAI 如何用Agent实现文化适配
  • 奖励信号设计:从稀疏到稠密的工程实践
    一、奖励函数的核心作用 1.1 什么是奖励函数? 在强化学习中,奖励函数是模型唯一的"指南针": 案例对比: 任务 监督学习标签 强化学习奖励 数学题 标准解题步骤 答案正确→+1,错误→0 代码生成
    • 渐儿
    • 3小时前
    • 1
    • 点赞
    • 评论
    后端
  • C++ 系统学习日记・第 08 天|函数基础:定义 + 调用 + 值传递 + 声明 + 分文件编写
    本日学习:C++ 函数核心基础包含:函数的定义、函数的调用、值传递机制、函数的声明、函数的分文件编写(工业级规范)学习目标:掌握函数的基本使用方法
    • 一叶之政
    • 3小时前
    • 2
    • 1
    • 评论
    后端
  • RL训练稳定性:超参数与批量的权衡艺术
    一、强化学习训练为什么不稳定? 1.1 三大不稳定来源 1. 非平稳数据分布(Non-stationary Distribution) 案例: 第1000步:模型倾向生成简短答案(平均长度2000)
    • 渐儿
    • 3小时前
    • 1
    • 点赞
    • 评论
    后端
  • 第9章:万物生命性与不同空间生命体
    人类习惯于用碳基生物的标准去衡量生命,但这种视角在宏大的宇宙尺度下显得极为狭隘。一旦打破这个认知壁垒,我们对“生与死”、“有形与无形”的理解将发生彻底的颠覆。
    • 用户239502371567
    • 3小时前
    • 2
    • 点赞
    • 评论
    电子书
    第9章:万物生命性与不同空间生命体
  • 第 7 篇:让 RAG 答案可追溯:展示知识库引用来源
    现在 AI 的回答已经更像一个正式产品,而不是普通纯文本输出。 但对于一个 RAG 知识库问答系统来说,还有一个非常关键的问题: > AI 的答案到底来自哪里?
    • 前端AI充电站
    • 3小时前
    • 2
    • 点赞
    • 评论
    前端 前端框架 人工智能
  • PPO强化学习:从理论到实践的极简方案
    一、为什么需要PPO? 1.1 强化学习的核心挑战 在训练大型语言模型时,传统的监督学习面临以下问题: 难以定义完美答案:数学推理、代码生成等任务没有唯一正确答案 评估成本高:需要运行代码或验证逻辑才
    • 渐儿
    • 3小时前
    • 1
    • 点赞
    • 评论
    后端
  • Transformer 架构:注意力机制的数学本质
    1. 引言 Transformer 彻底改变了深度学习,从 NLP(BERT, GPT)到 CV(ViT)再到多模态(CLIP),无处不在。它的核心创新是自注意力机制(Self-Attention),
    • 渐儿
    • 3小时前
    • 1
    • 点赞
    • 评论
    后端
  • 网安学习日记 Day3:从 ARP 到 DOS 攻击,网络世界的 "坑" 与 "招"
    家人们!网安学习打卡第三天,刚啃完一堆网络协议和攻击原理,脑子从 "一团浆糊" 变成 "半懂不懂的浆糊",今天就用唠嗑的方式,把这些知识点掰开揉碎了讲 。
    • 闲闲闲
    • 3小时前
    • 3
    • 点赞
    • 评论
    黑客
    网安学习日记 Day3:从 ARP 到 DOS 攻击,网络世界的 "坑" 与 "招"
  • AI写文案3分钟,你删乱码3小时
    AI写文案3分钟,你删乱码3小时 DeepSeek这类AI确实强大,几秒钟就能生成一篇结构清晰、卖
    • DS随心转k
    • 3小时前
    • 4
    • 点赞
    • 评论
    Angular.js
    AI写文案3分钟,你删乱码3小时
  • 深度学习优化:从 SGD 到 Adam 的进化之路
    1. 引言 优化算法是深度学习的"心脏",决定了模型能否有效训练。从最简单的 SGD 到现代的 Adam,每一次进化都在解决前一代算法的痛点。本教程深入剖析主流优化器的数学原理、设计动机和实战技巧。
    • 渐儿
    • 3小时前
    • 1
    • 点赞
    • 评论
    后端
  • 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30