人工智能技术文章
-
- Transformers bitsandbytes 量化后怎么保留部分模块精度
- 讲清 Transformers 使用 bitsandbytes 进行 8-bit/4-bit 量化时，如何用 llm_int8_skip_modules 保留指定模块，并区分跳过量化、dtype 与 CPU float32 offload。
- 科技周边 · 人工智能 | 6天前 | 359浏览 收藏
-
- Transformers KV cache 怎么在显存不足时启用卸载
- 本文说明 Transformers 在显存不足时如何启用 KV cache 卸载，并给出直接配置、OOM 回退、方案选择与风险检查清单。
- 科技周边 · 人工智能 | 6天前 | 人工智能 · Transformers 大模型推理 KV Cache 显存不足 缓存卸载 499浏览 收藏
-
- Transformers chat template 怎么生成 assistant token 掩码
- Transformers 的 apply_chat_template 可以通过 generation 块记录 assistant 内容，并返回与 input_ids 对齐的 assistant_masks。本文说明参数组合、模板写法、训练标签转换和全零掩码排查边界。
- 科技周边 · 人工智能 | 6天前 | 164浏览 收藏
-
- Diffusers LoRA 权重融合后怎么恢复基础模型
- Diffusers 单个 LoRA 融合后可先 unfuse_lora 恢复基础权重，再卸载适配器；多 LoRA 或已保存重载的融合模型应重新加载原始基础模型。
- 科技周边 · 人工智能 | 6天前 | 291浏览 收藏
-
- Sentence Transformers 向量归一化何时影响相似度
- Sentence Transformers 的 L2 归一化不会改变余弦方向，但会改变原始点积和部分距离。本文用对照实验说明何时开启 normalize_embeddings。
- 科技周边 · 人工智能 | 6天前 | 372浏览 收藏
-
- 大模型回答怎么设计成对评测减少位置偏差
- 减少大模型裁判的位置偏差，不能只在提示词里要求公平，而应对同一回答对同时运行 A-B 与 B-A 两种顺序，统一还原答案身份，只合并一致判定，并把翻转样本升级为不确定或人工复核。
- 科技周边 · 人工智能 | 6天前 | 人工智能 · 位置偏差 大模型评测 LLM-as-a-Judge 成对评测 314浏览 收藏
-
- OpenAI Realtime API 怎么配置语音轮次检测
- OpenAI Realtime API 可通过 session.audio.input.turn_detection 配置 server_vad、semantic_vad 或关闭 VAD。本文讲清阈值、静音时长、eagerness、自动响应与手动提交的取舍。
- 科技周边 · 人工智能 | 6天前 | 人工智能 · OpenAI Realtime API VAD server_vad semantic_vad 293浏览 收藏
-
- OpenAI Structured Outputs 怎么约束嵌套 JSON 结构
- 用 OpenAI Structured Outputs 约束嵌套 JSON 时，关键是逐层声明 required，并在每个 object 节点关闭 additionalProperties，再用 nullable 表达业务可选值。
- 科技周边 · 人工智能 | 6天前 | 247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
-
- PyTorch GradScaler 何时会跳过参数更新
- GradScaler 会在反缩放后的梯度含 inf 或 NaN 时跳过对应优化器的 step。本文说明单优化器、多优化器、scale 回退与学习率调度器的判断边界。
- 科技周边 · 人工智能 | 1星期前 | 人工智能 · PyTorch 混合精度 AMP GradScaler 梯度溢出 optimizer.step 268浏览 收藏
-
- PyTorch DataLoader 多进程为什么会重复随机数据
- 排查 PyTorch DataLoader 多进程中的重复随机值与重复样本，说明 worker seed、第三方随机库、IterableDataset 分片和 generator 的正确配置。
- 科技周边 · 人工智能 | 1星期前 | 人工智能 · 深度学习 · PyTorch 随机种子 DataLoader num_workers worker_init_fn 316浏览 收藏
-
- Accelerate device_map 怎么把大模型分配到多设备
- 通过 Transformers 与 Accelerate 的 device_map=auto、max_memory 和 no_split_module_classes，把大模型稳妥分配到多张 GPU，并检查 CPU 或磁盘卸载边界。
- 科技周边 · 人工智能 | 1星期前 | 大模型 Accelerate device_map 多设备推理 150浏览 收藏
-
- Hugging Face Datasets Streaming 怎么处理超大数据集
- Hugging Face Datasets Streaming 通过 IterableDataset 边迭代边读取超大数据集。本文给出加载、抽样、缓冲打乱、在线变换、分片与训练观测的完整用法和适用边界。
- 科技周边 · 人工智能 | 1星期前 | 148浏览 收藏
-
- PEFT LoRA 怎么选择 target_modules
- 说明 PEFT LoRA 的 target_modules 如何按模型模块树、任务范围和参数预算选择，并给出默认目标、all-linear、MoE 特例与命中检查方法。
- 科技周边 · 人工智能 | 1星期前 | 人工智能 · LoRa PEFT target_modules 251浏览 收藏
-
- Hugging Face Catalog API 怎么创建推理端点
- 讲清 Hugging Face Catalog API 的模型与配方关系，并用 huggingface_hub 完成目录筛选、精确创建、状态等待和成本控制。
- 科技周边 · 人工智能 | 1星期前 | 333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。
- 421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。
- 500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。
- 510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。
- 456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。
- 285次使用
