叶子的技术碎碎念

还记得 ChatGPT3.5 问世之前，各位还记得当时在学着哪些技能，用着什么样的方式去学习，以及工作中是如何去通过搜索引擎解决问题的呢。 那个时候的我已经开始在尝试提升自...

From Code Foundation Models to Agents and Applications: A Practical Guide to Code Inte...

前段时间，我在网上看到了一个有意思的提示词: 我把这计划发给了我使用了快三年的ChatGPT，我预想过它会谈论我的时间管理，或者建议我多运动。但我没预料到，这几段回复扎得太...

安康记新版本已经上线App Store。目前已经更新了独立用药功能，方便一些简单的小毛病可能会自己用药，可以跳过就诊直接进行记录。 原本这个功能已经上线了有几天了，但因为一...

ROOT: Robust Orthogonalized Optimizer for Neural Network Training ROOT：神经网络训练的鲁棒正交化优化器...

Kandinsky 5.0: A Family of Foundation Models for Image and Video Generation Kandinsky ...

上线了！上线了！基于Vibe Coding我终于也能独立开发出一款属于自己的app-安康记，目前终于成功上架App Store啦。 独立开发app这个事情我很早之前就有点念...

Lumine: An Open Recipe for Building Generalist Agents in 3D Open Worlds Lumine: 构建3D开放...

Thinking with Video: Video Generation as a Promising Multimodal Reasoning Paradigm 视频思...

Scaling Latent Reasoning via Looped Language Models 通过循环语言模型扩展潜在推理 现代大语言模型主要通过显式文本生成（如...

A Theoretical Study on Bridging Internal Probability and Self-Consistency for LLM Reas...

QeRL：超越效率——面向大语言模型的量化增强强化学习 QeRL：超越效率——面向大语言模型的量化增强强化学习 我们提出 QeRL，一种面向大语言模型 (LLMs) 的量化...

Less is More: Recursive Reasoning with Tiny Networks 少即是多：微型网络的递归推理 分层推理模型 (HRM) 是一种创新...

The Dragon Hatchling: The Missing Link between the Transformer and Models of the Brain...

OmniWorld: A Multi-Domain and Multi-Modal Dataset for 4D World Modeling OmniWorld: A M...

Sharing is Caring: Efficient LM Post-Training with Collective RL Experience Sharing 分享...

A.S.E: A Repository-Level Benchmark for Evaluating Security in AI-Generated Code A.S.E...

InternVL3.5: Advancing Open-Source Multimodal Models in Versatility, Reasoning, and Ef...

Intern-S1: A Scientific Multimodal Foundation Model Intern-S1：科学多模态基础模型 近年来，大量开源基础模型不断...

最近试了下Mineru解析PDF，感觉还是挺好的，但为了本地开发方便，就直接在电脑上部署个API服务，官网上虽然也有部署教程，但感觉对于Mac用户并不算友好，就自己又瞎折腾...