本文详解DeepSeek-V4模型结构:HCA将128个token压缩为一条目,无需稀疏选择;CSA与HCA交错排布,确保全局信息不丢失;滑窗分支弥补压缩导致近token不可见;Q/KV归一化替代QK-Clip;部分RoPE加输出反旋转消除绝对位置;attention sink解决softmax权重分配缺陷;1M上下文KV cache仅5.3GiB,FLOPs约38G。
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-3投机解码draft模型;Per-Head Muon优化器按头正交化动量矩阵,提升训练稳定性。词表大小163840,采用稠密层设计,强调结构选择对系统设计的影响。
苹果计划于2027年推出带摄像头的AirPods,摄像头仅100万像素,专为AI视觉设计,非用于拍照。它通过低分辨率图像与传感器协同,构建“个人上下文”,使AI理解用户环境。苹果旨在打造跨设备的感知网络,积累用户数据,形成难以复制的AI生态优势。
苹果起诉OpenAI,指控其窃取硬件机密。诉状称,OpenAI通过面试要求候选人携带苹果零件,并利用离职员工下载机密文档。苹果表示,OpenAI的硬件业务依赖于这些盗取的商业秘密。法律专家认为此案可能产生深远影响,苹果拥有证据支持其指控。
美国指责荷兰阿斯麦(ASML)将EUV光刻机零件流入中国,阿斯麦否认整机在华。美国商务部长怀疑阿斯麦设备绕过出口管制,阿斯麦表示全球314台EUV光刻机均不在中国。中国通过DUV光刻机生产7纳米芯片,但EUV技术仍受限。美国希望通过限制核心零部件和认证体系来阻碍中国的光刻机发展。
胡彦斌利用AI编程开发了粉丝社区App「彦火」,呼吁粉丝参与共创。广西学生JXW从垃圾桶捡镜子制作智能眼镜,获得关注。听障者李朋程开发语训App,帮助听障人士练习口语。这三位创作者在B站记录过程,观众积极参与,展现了新时代的共创精神。
SurplusGLOBAL对SemiMarket平台进行了升级,优化了二手半导体设备的采购流程,新增拆机零件分类和大宗采购功能,并计划引入AI技术以提升效率。
AI驱动的CAD自动化旨在实现设计效率提升10倍,确保设计符合工业规范。通过用户输入,AI自动执行设计规范,促进工程师协作,提高设计的效率与准确性。
麻省理工学院的工程师开发了一种新型铝合金,其强度是传统铝的五倍,且耐高温。通过机器学习,团队仅测试了40种组合,找到了最佳配方。这种铝合金适用于航空发动机风扇叶片等轻量化、高强度产品,预计能降低运输行业的能耗。
飞利浦推出“Fixables”计划,允许消费者在捷克3D打印个人健康产品的小配件。用户可通过Printables平台下载打印文件,目前仅有一款可调梳子。飞利浦与Prusa Research合作,确保替换件的质量与安全性,但耐用性依赖用户遵循打印指南。该计划有助于可持续发展,但需推出更多配件以实现真正改善。
机器之心数据服务现已上线,提供高效稳定的数据获取服务,帮助用户轻松获取所需数据。
乐高推出了新的马里奥赛车套装,包含1972个零件,售价169.99美元,预计于2025年5月15日发货。该套装是乐高最大的马里奥赛车,尺寸为12.5英寸长、8.5英寸高,包含可动的马里奥模型和展示支架,适合动态展示。此发布与任天堂的“MAR10日”庆祝活动相关。
美国电动汽车初创公司Fisker在一年内因零部件短缺、质量问题和管理混乱等因素,导致交付延迟和客户投诉,最终破产。创始人亨里克·菲斯克虽有丰富经验,但未能挽救公司。
iFixit现已开始销售官方Xbox Series X/S的零件,并提供详细的修理指南,旨在延长设备使用寿命,减少电子废物。此外,iFixit还销售Microsoft Surface设备的零件,支持用户自行修理。
苹果开始在自助维修商店销售iPhone 16和16 Pro的维修零件,包括相机、显示屏和后玻璃等。相机组件价格为169至249美元,显示屏价格为279至379美元,电池价格为99或119美元。用户还可以租用苹果的专业维修工具包,苹果鼓励DIY维修并支持使用二手零件,未来将提供更多第三方组件的支持。
在电商领域,AI/ML技术提升了工业零件零售商的产品匹配效率。AI工具能自动识别相似产品,优化库存管理,改善客户体验,并进行竞争分析。通过高精度算法,企业减少错误,增强竞争力,确保客户获得准确产品信息。
苹果将在下周更新iOS 18系统,新增维修助理功能,帮助用户更容易地使用二手原厂配件维修iPhone,并保证功能正常运行。维修助理支持使用过的生物识别传感器,并将iPhone与维修的零件进行绑定,降低拆解组件的风险。该功能将于9月17日推出。
这篇文章讨论了飞船建造系统的设计,包括底层基础系统、建筑和零件的分类和使用方式,工人的移动和容器的概念,以及建筑和配件的特点。作者强调了具象化和自动化的重要性。
本文介绍了 PartImageNet 和 PartNet 数据集,支持对象分割和少样本学习。研究提出了基于部件的模型和弱监督部件检测网络,展示了在不同数据集上的优越性能。同时探讨了多任务学习和基于特征组的图像分类方法,强调可解释性和鲁棒性。
给定文本提示,通过局部细节控制实现图像生成,以达到更好的图像组合和创造性生成。
完成下面两步后,将自动完成登录并继续当前操作。