➡️

继续阅读

  1. 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...
  2. Kimi K3 模型结构（0）：一张图看懂 Kimi K3
    Kimi K3是2.78T参数、104.2B激活的93层MoE模型，支持1M上下文及图像视频输入。其结构创新分三方面：序列用KDA与Gated MLA混合...
  3. 李开复彭博社专访：中国AI以“六个月差距”挑战美国，开源模型将赢得全球覆盖战
    李开复表示，中美AI模型差距约六个月，但中国以低价提供性能接近的产品，类似安卓与苹果模式。美国公司盈利高，中国公司获更大用户规模。尽管芯片受限，中国工程师...
  4. 把Agent放进真实尺度香港，上交大/新加坡国立大学/美团等提出UrbanGround，测试多模态模型城市探索能力
    该文章介绍了一项关于多模态大语言模型（MLLM）在城市导航中能力的研究。研究团队构建了基于香港真实地理数据的URBANGROUND交互环境，评测了GPT-...
  5. 项目HydraFusion：通过多模型编排实现前沿质量
    GitHub作为面向开发者的AI驱动平台，强调安全集成。文章介绍Copilot应用支持并行代理运行，帮助初学者提升效率；解析AI新术语如循环、团队等；并探...
  6. 机器人不能停下来等模型：星尘发布 SmoothRL，让在线强化学习跟上大模型的异步推理
    星尘智能发布SmoothRL框架，解决真实机器人异步执行中的在线强化学习问题。该框架仅对实际执行的动作进行学习，并保持训练与部署节奏一致。在投掷、戴笔帽、...
👤 个人中心
在公众号发送验证码完成验证