BriefGPT - AI 论文速递 ·

一种基于时空注意力的学生课堂行为检测方法

💡 原文中文，约400字，阅读约需1分钟。

📝

内容提要

本文提出了一种高效的长短时序注意力网络（LSTA），用于无监督视频对象分割（VOS）任务。该网络利用时空上下文，具有高效的推理速度和有希望的性能。

🏷️

神所使用的 eGPU 并不完美
作者因轻薄本核显性能不足，购买华为显卡魔方外接显卡，但遇电源散热问题导致重启，遂转用机魂联盟扩展坞配RX 9060 XT显卡。性能提升显著，但雷电4带宽限...
Kimi K3 模型结构（1）：序列维度（上），从线性注意力到 KDA
本文介绍Kimi K3模型中KDA（Kimi Delta Attention）的递推形式，从线性注意力、DeltaNet到Gated DeltaNet演进...
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...
Instagram的AI检测系统再次陷入混乱
Instagram的AI标签系统误将用户原创或轻微编辑的照片标记为“AI内容”，同时漏掉真正的AI生成图片。问题源于Meta对C2PA等元数据的检测不准确...
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...