人工智能技术文章
-
- Prompt cache拆分稳定前缀与动态变量的实现方法
- 通过稳定前缀、动态变量和缓存观测三层拆分，整理 Prompt cache 的命中条件、请求排列方式与 cached_tokens 排查清单。
- 科技周边 · 人工智能 | 3星期前 | 缓存 · API · 人工智能 · Prompt Caching prompt_cache_key cached_tokens 199浏览 收藏
-
- Transformers 长文本怎样用 stride 生成重叠窗口
- 长文本超过模型输入上限时，用 Transformers tokenizer 的 stride 和 return_overflowing_tokens 生成带重叠的窗口，再通过 overflow_to_sample_mapping 与 offset_mapping 对齐原文。
- 科技周边 · 人工智能 | 1天前 | 197浏览 收藏
-
- 多模态模型输入图片过大时如何控制视觉令牌
- 多模态模型的视觉令牌主要受图片预处理分辨率和图片数量影响。本文以 Transformers 与 Qwen2.5-VL 为例，说明如何用 min_pixels、max_pixels 和任务分级配置控制显存、延迟与识别细节。
- 科技周边 · 人工智能 | 6天前 | 196浏览 收藏
-
- ONNX 导出动态维度怎么声明输入轴
- PyTorch 当前 ONNX 导出器应优先用 dynamic_shapes 声明动态输入轴，旧导出路径才使用 dynamic_axes。本文给出 batch、高宽动态的最小写法、元数据检查与常见误区。
- 科技周边 · 人工智能 | 1星期前 | 人工智能 · PyTorch ONNX dynamic_shapes 动态维度 194浏览 收藏
-
- Structured Outputs让模型结果贴合 JSON Schema的实现方法
- 用 Structured Outputs 和 Pydantic 固定模型字段、类型与枚举，并区分正常解析、明确拒答、截断响应和业务校验失败，建立可落地的 JSON Schema 结果兜底方案。
- 科技周边 · 人工智能 | 4星期前 | 结构化输出 · AI工程 · Pydantic JSON Schema Structured Outputs 191浏览 收藏
-
- LiteRT SignatureDef 多输入模型怎么按签名准备推理张量
- LiteRT 多输入模型接入时，不要把 tensor index 当成调用契约。本文从 signature key、输入输出名称和张量形状入手，演示如何读取签名、准备多个输入、执行 signature runner，并排查名称与并发边界。
- 科技周边 · 人工智能 | 2天前 | 人工智能 · LiteRT SignatureDef 多输入模型 端侧推理 191浏览 收藏
-
- Transformers DataCollatorForSeq2Seq 的 label_pad_token_id 为什么影响 loss mask
- 训练翻译或摘要模型时，DataCollatorForSeq2Seq 的 label_pad_token_id 会决定补齐标签是否进入 loss。本文从 -100 的忽略语义、动态补齐和 decoder_input_ids 准备三条链路拆开排查。
- 科技周边 · 人工智能 | 2天前 | 人工智能 · Transformers DataCollatorForSeq2Seq label_pad_token_id loss mask seq2seq 176浏览 收藏
-
- Diffusers ModularPipeline 怎么替换单个模型组件
- Diffusers ModularPipeline 替换单个模型组件时，应先取得组件规格并加载兼容对象，再用 update_components 更新同名槽位。本文说明两种替换写法、加载顺序、配置型组件区别和排错清单。
- 科技周边 · 人工智能 | 1星期前 | 人工智能 · diffusers ModularPipeline update_components ComponentSpec 模型组件 175浏览 收藏
-
- 评测集按失败类型切分评测集的实现方法
- 把模型评测样本按拒答、事实错误、格式错误和工具调用失败等类型切桶，分别计算指标，再用固定分桶对比模型版本，避免总分掩盖局部回归。
- 科技周边 · 人工智能 | 3星期前 | 人工智能 · 回归测试 评测集 LLM evaluation 失败类型 173浏览 收藏
-
- Sentence Transformers 怎么截断嵌入维度减少存储
- 本文介绍如何用 Sentence Transformers 的 truncate_dim 与 truncate_embeddings 缩短嵌入向量，计算理论存储节省，并通过离线检索指标选择维度，说明 Matryoshka 模型、归一化、索引迁移和推理性能的边界。
- 科技周边 · 人工智能 | 1星期前 | 人工智能 · 向量检索 · Sentence Transformers truncate_dim 嵌入维度 Matryoshka 向量存储 165浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案，代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景，打造一站式知识长龙服务，适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例，全面具体可落地，从理论到实践，一步一步将GO核心编程技术、编程思想、底层实现融会贯通，使学习者贴近时代脉搏，做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信：Le-studyg；在课程中，我们将首先介绍MySQL8的新特性，包括性能优化、安全增强、新数据类型等，帮助学生快速熟悉MySQL8的最新功能。接着，我们将深入解析MySQL的网络通信机制，包括协议、连接管理、数据传输等，让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网，分为导航，轮播，关于我们，成功案例，服务流程，团队介绍，数据部分，公司动态，底部信息等内容区块。网站整体采用CSSGrid布局，支持响应式，有流畅过渡和展现动画。
- 485次学习
-
- Golang深入理解GPM模型
- Golang深入理解GPM调度器模型及全场景分析，希望您看完这套视频有所收获；包括调度器的由来和分析、GMP模型简介、以及11个场景总结。
- 474次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集，涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用，助力提升NLP模型性能。
- 483次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台，提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能，助您快速选择最适合项目的高性能大语言模型。
- 540次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制，用户可对比不同大模型回答并生成实时排行榜，助力开发者优化模型及用户选择最佳AI工具。
- 561次使用
-
- HELM
- 深入了解斯坦福推出的HELM（Holistic Evaluation of Language Models）大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景，涵盖准确性、公平性、鲁棒性等多维度指标，助力开发者全面优化语言模型性能。
- 514次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台，提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景，助力开发者全面评估多模态模型性能。
- 331次使用
