存储AI–AI博客聚合
最新聚合的文章
-
热点解读：Jev 使用完整指南：从申请 API Key 到置信度路由，把 TypeSafe 决…
热点解读：Jev 使用完整指南——从申请 API Key 到置信度路由，把 TypeSafe 决策模型接进自己的代码 引言 将决策模型接入业务，难点不只是调用接口，还包括结构化输入、结果校验、低
-
排错与纠正 01
1、中英文 全角半角区分 2、字符类型 一个字符 3、字符串 越界读取 分布相邻 4、编译与链接 5、中文乱码
-
一次 iOS 真机签名 409 的完整排查：证书、设备、描述文件为什么总是”对不上”
一、现象 在 Xcode 的 Signing & Capabilities 面板点真机运行，红字报错（节选）： 同时在 Xcode 设置里能看到团队、证书都在，看起来"什么都没问题"。这就是它难排查的
-
想让AI能力翻倍需要多少数据：874条专家轨迹的后训练杠杆效应
几百条专家轨迹，就能让 agent 能力翻倍？Mercor 用 874 条数据 + 单 epoch 长程 RL，让 GLM 4.6 专业任务 Pass@1 近翻倍。附可跑代码与对照表。
-
H3-World 的动作没按时发生，先检查时间线变成了什么
H3-World 的动作没按时发生，先检查时间线变成了什么 给视频模型安排“先前进，再后退”，如果生成的人物没有照着动，第一反应通常是控制能力不够。但在 H3-World 的公开代码里，有一个更早发生
-
腾讯 Buddy One 来了，办公全家桶一键打通WorkBuddy（附教程）
大家好，我是苍何。 兄弟们，腾讯这次憋了个大招。 正式推出了跨应用 AI 协同体系 Buddy One，把 WorkBuddy、腾讯会议、腾讯文档、ima 和腾讯网盘一键打通了。 说实话，这几个 Ap
-
使用 Python 在 Word 文档中添加、修改和删除变量
Word 里除了看得见的文字、表格和图片，还藏着一层看不见的数据，也就是文档变量。它是一组挂在文档的键值对，不占用正文的任何位置，却可以随文件一起保存、分发，常被用来记录模板的版本号、客户编号、审批状
-
ray教程-18-性能调优与反模式
本章包括:1.十条性能反模式逐条拆解;2.内存方向的调优;3.调度方向的调优;4.序列化方向的调优;5.一套可复用实测模板与结果解读。
-
同样是插 10 万行，最快的写法比最慢的快 103 倍
同样是插 10 万行，最快的写法比最慢的快 103 倍 52 秒 vs 0.51 秒。 数据完全一样，表结构完全一样，只是写法不同。 （这还是走 Unix socket 的本地连接。加上生产环境的网络
-
QAT 实战：从 PyTorch 模型到 J6E 实板精度与延时验证
本文从 CIFAR-10 浮点模型开始，依次完成校准、QAT 微调、BC 导出、HBM 编译，最后通过 UCP 在 J6E 开发板上验证精度和推理延时。
-
如何避免每个业务系统中都有几十个枚举查询
前端下拉框要查「支付方式有哪些」「费项类型有哪些」——每来一个枚举就写一个字典接口，重复且无趣。这套组件的做法是：枚举实现一个三元组接口、在注册表登个记，前端就能通用查询，新增枚举零接口代码。 怎么用
-
github-gravity：用 Rapier2D 把 GitHub 贡献图做成 SVG 物理动画
github-gravity 是一个 GitHub Action，也可以当库用。给它一个用户名，它会把这一年的贡献格子变成刚体，丢进 2D 物理世界，和一行自定义文字撞在一起，最后导出成一条 SMIL
-
我把开源数字人项目升级了：xingyun3D 不只会念台词，还能陪你聊天、练面试
前段时间，我开源了一个数字人项目 xingyun3D。 最初的版本更像一个「数字人表演控制台」：输入一段文字，让数字人播报；点击按钮，让它打招呼、执行动作；也可以用预设脚本串起一段自动演示。它解决的是
-
同事相信 AI 给出的方案，我却不敢直接照做
今天上午，我和同事一起梳理一个技术方案，遇到了一个让人有点为难的问题。 按照当前方案处理，会引出另一个问题；如果优先解决另一个问题，又会破坏当前方案。我借助 AI 推演了好几个方向，看起来每个方向都有
-
Ollama 还是 LM Studio：在 24GB 的 M6 Mac 上，我把 Ollama 卸载了
Ollama 还是 LM Studio：在 24GB 的 M6 Mac 上，我把 Ollama 卸载了 结论先行 Apple Silicon 桌面机、要多模态、要模型常驻又不吃满内存 → 选 LM S
