-
Llama3 来了！– 要点
-
介绍时空科莫戈罗夫-阿诺尔德网络（TKAN）：一场探索高级时间序列预测的数学之旅
-
人工智能和美国人的微笑
-
从概念验证到生产的RAG放大
-
LLM运维：计算大规模语言模型在GPU上的显存需求，以实现高效部署
-
仅仅通过查看文本即可识别出它是否由AI生成。
-
仅需5分钟即可从视觉Transformer模型到掩码自编码器
-
AI写作的悖论
-
使用Dagger.io和KitOps搭建MLOps流水线
-
开源人工智能是吹牛吗？
-
GPT-SoVITS：一种用于语音合成的模型，支持零次学习和可定制的微调。
-
弗罗伦萨-2微调：图像理解模型
-
KitOps：实用的KitOps方法，用于加速AI/ML从开发到生产过程的过程
-
Hexabot介绍：您的专属100%完全开源聊天机器人的解决方案
-
用 60 行代码训练/调整 SAM 2 完成
-
YOLO11 自定义物体识别（版本11）
-
使用QLoRA在定制数据集上优化大型语言模型（LLM）。
-
Meta的LLaMa 3简易安装指南
-
文本嵌入在RAG应用中的局限性
-
Qwen2-VL: 视频理解模型，用于视频理解的模型
