人工智能技术文章
-
- RAG 文档切片怎样决定 overlap
- RAG 切片的 overlap 应结合统一计量单位、跨边界证据与重复上下文成本决定。本文用保留原文偏移的字符窗口示例解释边界覆盖，并区分目标重叠、实际切片和检索命中，避免套用通用最佳比例。
- 科技周边 · 人工智能 | 23小时前 | 278浏览 收藏
-
- Hugging Face Datasets 怎样从 JSON 加载数据集
- Hugging Face Datasets 读取 JSON 的关键是先判断根结构：JSONL 通常直接加载，嵌套数组要用 field 指向数据字段；多个文件则用 data_files 映射到 train、validation 等 split。本文给出最小写法、字段推断观察方式和常见排错边界。
- 科技周边 · 人工智能 | 23小时前 | JSON split Hugging Face dataset Datasets 266浏览 收藏
-
- Keras RaggedTensor 输入模型保存后怎么保持变长序列结构
- Keras RaggedTensor 输入要把 TensorFlow backend、Input(ragged=True) 和调用时的 RaggedTensor 视为同一个契约。本文用一个最小变长序列模型演示如何保存为 .keras 并重新加载，解释动态长度、保存结构和多后端边界。
- 科技周边 · 人工智能 | 2天前 | 人工智能 · 深度学习 · Keras RaggedTensor keras.Input ragged=True TensorFlow backend 模型保存 load_model 变长序列 250浏览 收藏
-
- Hugging Face Datasets with_format 和 set_format 混用后为什么列类型变了
- Hugging Face Datasets 的列定义没有因为 with_format 或 set_format 自动改变；真正变化的是 __getitem__ 的读取视图。本文拆解两者的返回新对象与原地修改差异，并给出恢复默认格式和隔离训练视图的写法。
- 科技周边 · 人工智能 | 2天前 | 228浏览 收藏
-
- LiteRT 转换遇到不支持算子时怎么判断是否启用 Select TF Ops
- LiteRT 转换遇到不支持算子时，不是看到报错就直接打开 Select TF Ops。本文从转换器错误边界、模型体积、目标平台运行时依赖和验收清单四个方面，说明什么时候启用、什么时候优先替换算子。
- 科技周边 · 人工智能 | 2天前 | 兼容性 · LiteRT Select TF Ops TFLITE_BUILTINS TensorFlow模型转换 不支持算子 226浏览 收藏
-
- Hugging Face Datasets map batched 返回长度不一致时怎么定位
- 围绕 Hugging Face Datasets 的 map(batched=True) 讲清返回列长度契约、remove_columns 的作用和最小诊断方法，帮助定位预处理函数中的扩行与错配问题。
- 科技周边 · 人工智能 | 2天前 | 213浏览 收藏
-
- AI 工具调用失败怎样设计可重试错误
- AI 工具调用不应把所有失败都重试。本文从参数校验、限流、超时、服务过载和业务拒绝五类场景出发，设计错误分类、指数退避、重试预算、幂等键与最终兜底。
- 科技周边 · 人工智能 | 1天前 | 203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
-
- 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
-
- Transformers批次分词时动态补齐与固定长度补齐怎么选
- 比较Transformers批次分词的动态补齐与固定长度补齐，说明截断上限、collator组批职责和部署形状约束，并给出可复制代码与实际观测指标。
- 科技周边 · 人工智能 | 2天前 | Transformers 固定长度 tokenizer 动态补齐 DataCollatorWithPadding 153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。
- 485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。
- 541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。
- 563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。
- 518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。
- 333次使用
