#数据集构建
共 25 篇相关文章
·10 分钟
Meta Muse Glimmer vs 通义千问：30B开源模型高考数学实测对比
Meta新发布的30B开源模型Muse Glimmer与通义千问3.6 27B在高考数学题上的实测对比，从语义正确率、格式规范性等多维度评测，揭示两款模型的真实实力差距与开源生态竞争格局。
阅读全文 →
·6 分钟
代码偏好数据集：人工审核的DPO/RLHF微调训练素材
一个经过人工审核的代码偏好数据集，专为DPO/RLHF微调设计，覆盖Python和JavaScript，涵盖正确性bug、安全问题、性能权衡等多维度编程质量评估，附带详细的偏好理由标注。
阅读全文 →
·9 分钟
RecipeBook：按小时购买AI视频训练数据的新范式
RecipeBook是一个视频数据交易平台，收录超2500万视频片段，支持语义搜索和偏好学习，允许开发者以每小时3美元按需购买AI训练数据，将传统B2B数据采购流程压缩为自助式即用即付体验。
阅读全文 →
·6 分钟
AI顶级创企为何不再公开研究？从开放到封闭的深层原因
探讨AI顶级创业公司从开放研究转向封闭的原因，分析商业竞争、人才压力如何推动这一转变，以及对学术界、创新扩散和开源生态的深远影响。
阅读全文 →
·6 分钟
复刻GTA圣安地列斯画风：RenderWare风格LoRA模型开源体验
一位创作者开源了专门复刻GTA圣安地列斯RenderWare引擎画风的LoRA模型，能在复杂场景中稳定呈现PS2时代经典视觉风格。本文解析这款小众LoRA的技术特点、生成效果与怀旧美学价值。
阅读全文 →
·7 分钟
AI为什么画不好图表？大模型可视化能力的认知盲区
顶级AI大语言模型能写代码、通过专业考试，却连一张准确的图表都画不出来。本文深入剖析AI在图表生成上频频翻车的根本原因，揭示大模型智能不均衡的真相，并给出人机协作的实践建议。
阅读全文 →
·7 分钟
LoRA微调还是提示工程？解决LLM长对话记忆的两条路
一位开发者用LoRA微调小模型提取对话状态，尝试解决LLM长对话记忆难题。本文深度解析其技术路径、数据集构建思路，并探讨微调与提示工程在上下文管理场景下的真实取舍。
阅读全文 →
·19 分钟
YOLOv8环境搭建完整指南：从Miniconda到Ultralytics安装
YOLOv8（Ultralytics）环境搭建全流程详解：Miniconda安装配置、PyTorch与CUDA版本匹配、源码安装vs pip安装对比，以及Windows终端使用技巧，帮你避开新手最常踩的坑。
阅读全文 →
·16 分钟
AI角色LoRA训练全流程：本地部署多角色一致性生成实战
详解本地部署AI角色生成完整工作流：从LoRA训练五大法则、ComfyUI自动化数据集构建，到Crea2、Ideogram4、Wan三大模型实战对比，手把手实现多角色同框互动生成，全程免费运行于个人硬件。
阅读全文 →
·15 分钟
Womprat：无需GPU的开源小型空中目标追踪工具
Womprat是Punk Labs开源的轻量级空中小目标追踪工具，完全基于CPU运行，无需GPU和训练模型。采用经典计算机视觉算法，支持自动获取与手动Lock-On模式，适用于边缘设备和嵌入式系统部署。
阅读全文 →
·17 分钟
不到350元训练亿参数模型：SmoLLM从零构建全记录
一位ML工程师用不到350元（约4000卢比），从零训练出拥有1.09亿参数的LLaMA风格小型语言模型SmoLLM。本文详解其技术架构、训练踩坑、指令微调过程及模型实测表现，揭示小模型的能力边界与实践价值。
阅读全文 →
·11 分钟
15岁少年从零训练200M MoE语言模型：完整架构与实战拆解
一位15岁开发者用Kaggle免费GPU，从零训练了200M参数的混合专家（MoE）语言模型Tiny-MoE，集成MLA注意力、RoPE+YaRN位置编码，全程原生PyTorch实现。本文深度拆解其技术架构、训练流程与学习价值。
阅读全文 →
苹果起诉OpenAI窃取商业机密：竞合关系破裂的深层逻辑
·11 分钟
苹果起诉OpenAI窃取商业机密：竞合关系破裂的深层逻辑
苹果公司对OpenAI提起商业机密诉讼，两家曾深度合作的科技巨头关系出现裂痕。本文深度解析诉讼背后的人才流动、技术竞争与AI行业竞合关系，探讨这起案件对整个AI行业知识产权保护的深远影响。
阅读全文 →
·10 分钟
GPT-5.6三模型深度评测：Sol、Terra、Luna实测对比分析
OpenAI发布GPT-5.6系列，旗舰Sol、均衡Terra、轻量Luna三款模型全面实测。智能体任务媲美顶级模型，定价最低$1/百万token，与Fable 5、Opus 4.8横向对比，选型建议一览。
阅读全文 →
·17 分钟
AI Engineer大会预演观察：AI工程走向成熟的行业信号
通过AI Engineer大会（AIE Summit）彩排预演的独家观察，解读AI工程领域从研究到落地的范式转移。本文深入分析AI工程师面临的核心挑战、RAG、Agent系统等热门技术方向，以及AI工程正在成为独立专业学科的行业趋势。
阅读全文 →
·16 分钟
腾讯DiscoBench：评测LLM搜索代理歧义澄清能力的首个基准
腾讯混元与清华联合发布DiscoBench，首个专门评测搜索代理动态歧义澄清能力的基准测试集。覆盖11个领域463个歧义实例，揭示主流大模型在主动提问上的真实短板与改进方向。
阅读全文 →
·14 分钟
补齐大模型三大短板：知识、计算与工具调用
大模型在知识准确性、数学计算和外部能力上存在明显短板。本文详解三种提示工程解法：生成知识提示、编程语言推理（PAL/PoT）与工具调用，帮你系统性补强LLM能力，构建更可靠的AI Agent架构。
阅读全文 →
·9 分钟
AI应用开发工程师能力全景图：从基础到实战的进阶路线
系统梳理AI应用开发工程师的完整能力结构，涵盖Python与深度学习基础、小模型工程化、大模型微调、Agent开发及企业级实战项目四大核心模块，附四阶段进阶学习路径。
阅读全文 →
