BriefGPT - AI 论文速递 ·

MicroCrackAttentionNeXt：通过特征可视化利用深度神经网络推进波场分析中的微裂纹检测

📝

内容提要

本研究针对微裂纹检测中的高维时空数据和类不平衡问题，提出了一种新的方法，通过特征可视化优化深度神经网络的架构和训练过程。研究结果表明，该方法在微裂纹检测中实现了86.85%的准确率，显著提高了检测性能，为工程领域中裂纹监测提供了有效的解决方案。

🏷️

Kimi K3 模型结构（4）：深度维度，Attention Residuals
本文解析Kimi K3模型中的Attention Residuals（注意力残差）结构。该机制将残差连接视为深度方向上的RNN，通过可学习伪query对e...
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...
CD sales are booming as physical media continues its resurgence
According to the Recording Industry Association of America (RIAA), CD sales e...
Kimi K3 模型结构（7）：结构决定系统
本文总结Kimi K3模型结构对训练与推理系统的影响。KDA采用三种执行形态（FlashKDA、设备内上下文并行、状态回滚）处理固定大小状态；上下文并行通...
Kimi K3 模型结构（6）：输入端与零件，MoonViT-V2、MTP、Per-Head Muon
Kimi K3模型采用从零训练的MoonViT-V2视觉编码器，27层、patch14结构，支持高分辨率图像token化；MTP层预训练后微调为EAGLE...
EP224：MCP与RAG及AI代理的对比
本文介绍MCP、RAG与AI Agent的区别：MCP是连接AI与外部工具的标准协议；RAG通过检索外部数据提供最新答案；AI Agent能自主决策执行任...