搜索优化
English
搜索
Copilot
图片
视频
地图
资讯
购物
更多
航班
旅游
酒店
笔记本
Top stories
Sports
U.S.
Local
World
Science
Technology
Entertainment
Business
More
Politics
过去 7 天
时间不限
过去 1 小时
过去 24 小时
过去 30 天
按相关度排序
按时间排序
GitHub
3 天
README.zh-CN.md
这是一个全栈应用程序,可以将任何文档、资源(如网址链接、音频、视频)或内容片段转换为上下文,以便任何大语言模型(LLM)在聊天期间作为参考使用。此应用程序允许您选择使用哪个LLM或向量数据库,同时支持多用户管理并设置不同权限。 AnythingLLM是 ...
14 小时
on MSN
这是激进投资AI的锦秋基金,从硅谷带回的二十五条关键认知
作为这个活动背后的攒局者,锦秋基金不仅投资了北美的一些活跃的AI基金,与全球AI市场建立连接,也特别推出了Soil种子计划,以激进的、快速灵活决策的方式支持AI领域的早期创业者。过去的2024年,锦秋频繁出手了AI达人营销平台Aha ...
8 小时
CS本科就业寒冬来袭!名校24届就业率被曝不足50%,企业宁用AI不招 ...
【导读】今天的一条知乎热搜让人惊了:国内某双非名校计算机学院24届本科生就业率,还不足50%?一届学生里大半人毕业就失业,CS就业竟遭遇寒冬。而业内人士表示,高校的疯狂扩招和大模型的火爆,早就让CS普本就业进入地狱模式了。
3 天
碾压 OpenAI,DeepSeek-R1 发布!如何在本地实现 DeepSeek?
近日,幻方量化旗下AI公司深度求索(DeepSeek)正式发布DeepSeek-R1模型。在数学、代码、自然语言推理等任务上,该模型性能比肩OpenAI o1正式版。DeepSeek称,R1在后训练阶段大规模使用了强化学习技术,在仅有极少标注数据的情况下,极大提升了模型推理能力。
18 小时
太惨,一个月仅23个下载!盘点2024“理想丰满现实骨感”的大模型们!
旗舰模型 OLMo 1B 拥有 12 亿个参数、16 个层、16 个 head、隐藏层大小为 2048、上下文长度为 2048 个 token、词汇量为 50,280,面向开发者、数据科学家和企业。尽管如此,该模型在社区中仅收获了1k左右的下载。
虎嗅网
15 小时
全球掀起DeepSeek复现狂潮,硅谷巨头神话崩塌
本文来自微信公众号:新智元,作者:新智元,原文标题:《全球掀起DeepSeek复现狂潮,硅谷巨头神话崩塌,30刀见证啊哈时刻》,题图来自:视觉中国 ...
19 小时
全球掀DeepSeek复现狂潮!硅谷巨头神话崩塌,30刀见证啊哈时刻
【新智元导读】就在刚刚,网上已经出现了一波复现DeepSeek的狂潮。UC伯克利、港科大、HuggingFace等纷纷成功复现,只用强化学习,没有监督微调,30美元就能见证「啊哈时刻」!全球AI大模型,或许正在进入下一分水岭。
腾讯网
18 小时
AI 2025 的硅谷答案:60 条关键洞察
重塑世界的力量不在硅谷,而在一代中国从业者的努力中。来源:石头学习笔记(ID:notes2024)原标题:AI 2025的硅谷答案:60条关键洞察编者按:2024 年末国内大模型公司的组团推新品,让人们看到了 AI 依旧火热。在硅谷,AI 从业者们在热烈讨论后,总结出了 2025 年,AI ...
6 天
微软开源Markdown工具爆了:支持Office文档,可接多模态LLM直出报告
它不仅可以将常见的Office文档(Word、PowerPoint、 Excel )、PDF、图像、音频等转换为对大模型更友好的 Markdown 格式。 哥伦比亚大学讲师 Tharsis用一个 证券报告分析任务 测试了 Mark ItDown 的性能,同时也将它与IBM的热门Markdown转换库 Docling 进行了对比,一起来看看吧。
腾讯网
3 天
20K合成数据能让大模型能力飙升!模型自我迭代,数据合成新范式
Maosong 投稿量子位 | 公众号 QbitAI仅使用20K合成数据,就能让Qwen模型能力飙升——模型主观对话能力显著提升,还能实现模型自我迭代。合成数据大法好!最近,来自上海AI ...
2 天
on MSN
Hugging Face 最小 AI 视觉语言模型登场:2.56 亿参数,内存低于 1GB PC 也 ...
本次推出的 SmolVLM-256M-Instruct 仅有 2.56 亿参数,是有史以来发布的最小视觉语言模型,可以在内存低于 1GB 的 PC 上运行,提供卓越的性能输出。 SmolVLM-500M-Instruct 仅有 5 ...
一些您可能无法访问的结果已被隐去。
显示无法访问的结果
反馈