BriefGPT - AI 论文速递 ·

人类中心的可解释人工智能方法评估

💡 原文中文，约300字，阅读约需1分钟。

📝

内容提要

该研究提出了两个指标来评估深度神经网络的可解释性方法，并对几种最先进的解释性方法在ResNet-50上进行了分析。实验结果表明，提出的机器-中心策略有助于提高深度神经网络的信任度。

🏷️

企业选择 RTC 推流服务时应该关注哪些指标？
选择RTC推流服务时，需核实四类指标：体验指标（延迟、卡顿率、成功率）要明确统计口径；网络能力（抗丢包、抖动吸收、节点覆盖）决定体验上限；可观测性（质量大...
营销人员使用Genie One的五个方法
本文介绍Databricks Genie One如何赋能营销团队，将数据转化为行动。它作为AI助手，帮助营销人员绕过分析师瓶颈，直接查询活动、客户和管道数...
Kimi K3 模型结构（9）：显存，把 2.8T 塞进 GPU
本文详解Kimi K3模型训练中的显存优化策略，通过账本形式分析权重、激活等内存占用，并介绍六项关键技术：均衡PP rank激活、统一激活管理器、MoE反...
DeepSeek-V4 模型结构（7）：结构决定系统
DeepSeek-V4模型采用混合压缩注意力（mHC），将KV缓存分为状态缓存和分页缓存，分别管理滑窗KV与压缩条目。上下文并行通过点对点通信和all-g...
DeepSeek-V4 模型结构（6）：优化器与稳定性，Muon
DeepSeek-V4采用Muon优化器，通过谱范数最速下降实现逐矩阵正交化，用Newton-Schulz迭代逼近SVD，混合系数提升小奇异值并精确稳定大...
Kimi K3 模型结构（8）：训练并行，一步训练里谁在等谁
本文介绍Kimi K3模型预训练的并行系统设计，聚焦MoE层expert并行。核心是MoonEP方案：每个rank预留E/R个冗余expert槽位，确保任...