• 使用 8xRTX 4090 构建 GPU 服务器实现大模型本地部署和运行推理：Marco Mascorro 构建了一个非常酷的 8x4090 服务器用于本地推理，并编写了一个非常详细的操作指南，介绍了他使用了哪些部件以及如何将所有部件组合在一起。 希望这对任何正在寻找本地推理解决方案并且没有预算使用
  • 本文来自一美国博文：我们需要一个美国版的深度求索（DeepSeek）。 我们需要一个自主、开源的通用人工智能（AGI）巨头，而且现在就要。 因为美国的前沿实验室正在输掉这场竞赛。 不信？ 每出现一个美国的闭源或专有模型，我们就能看到中国涌现出数十个工业级开源模型。 美国唯一的开源标杆——Meta，在
  • 中国人工智能实验室 DeepSeek 刚刚发布了其庞大的 DeepSeek v3 模型的最新版本，并将发布日期融入名称中DeepSeek-V3-0324。 这是 DeepSeek v3 的更新版本，现在采用 MIT 许可证（以前是自定义的 DeepSeek 许可证）。许可证是 MIT（这 icon
  • Meta发布Llama 4家族的第一批智能模型，这些新工具能让人们打造更符合个人需求的文字+图片+视频的智能体验。 最大特色是10M上下文，可以塞入整个代码库让其分析和重构理解。（[url= icon
  • 本体管道（Ontology Pipeline）怎么帮AI系统更好地理解知识？ 现在要让AI和大语言模型表现好，必须给它们喂"有营养的知识"——就是那些整理得井井有条、带标签分类的知识库。但很多人对知识库有两种误解： 1. 有人觉得随便贴几个文字标签就算知识库（太简单） 2. 有人觉得做知识库要花太多 icon
  • 这可能是在消费硬件上运行 DeepSeek-V3 的最佳和最用户友好的方式，也可能是最实惠的方式。 听起来你终于可以在家里本地运行 GPT-4o 级别的模型 icon
  • Llama 4 的新许可证带了好几个限制： [list=1] [*]如果你的公司每个月有超过7亿个活跃用户，你得向 Meta 申请一个特别许可证，Meta 可以自己决定给不给你。 [*]你得在网站、界面、文档这些地方显眼地写上“用 Llama 造的”。 [*]你用 Llama 的材料做的任何 AI icon
  • 尽管经过反复训练，内部模型的性能仍然低于开源 SOTA 基准，落后很多。公司领导层建议[b]在训练后过程中混合来自各种基准的测试集（刷题）[/b]，旨在满足各种指标的目标并产生“可观”的结果。如果未能在 4 月底的截止日期前实现这一目标，将导致严重后果。 在昨天发布 Llama icon
  • 我们最初提供的是Deepseek-v3-03241.58 位版本，您仍然可以使用，但其输出效果不是最好的。因此，我们发现有必要通过增加向下项目大小来升级到 1.78 位，以实现更好的性能。 为了确保准确度和尺寸之间 icon
  • Llama 4 + Apple Silicon 简直是天生一对。 原因在这儿：就像 DeepSeek V3/R1 一样，新的 Llama 4 各种版本都是超大的稀疏 MoE 模型 icon
  • 乔尔·皮诺（Joëlle Pineau）是Meta公司搞人工智能研究的顶梁柱，在干了快八年后，她决定5月30号走人。她走的时候正好赶上公司内部战略大调整。 皮诺是Meta最顶尖的AI研究员之一，从2023年开始领导公司的基础AI研究部门（FAIR）。在那里，她负责Meta最前沿的计算机科学研究，有些 icon
  • 低成本时Llama 4表现最佳，中等成本GPT-4o领先，高成本GPT-4.5 Preview最优。 [img]data:image/jpeg;base64,/9j/4AAQSkZJRgABAQAAAQABAAD/4gHYSUNDX1BST0ZJTEUAAQEAAAHIAAAAAAQwAABtbnR icon
  • 2024年11月，美国管电的部门FERC对亚马逊说："不行！"原来亚马逊想从宾州一个核电站直接买电给自己数据中心用，这样能多买180兆瓦（够18万户家庭用）。但政府说这对其他用户不公平：这就像插队买奶茶，你爽了别人就得等更久。 美国电不够用了？过去20年美国用电量都没咋涨，但现在突然猛增。FERC的 icon
  • 谷歌旗下的人工智能团队DeepMind最近"一直捂着自家厉害的研究成果不发"，就是为了在AI竞赛中不掉队。他们现在搞了个新规矩：凡是重要的AI研究论文，必须憋够六个月才能公开。 DeepMind有位研究员说了句大实话："要是搁现在，我们打死也不会把Transformer论文公开给大家用。"想想看，要 icon
  • LangManus 是一个社区驱动的 AI 自动化框架，它建立在开源社区的出色工作之上。我们的目标是将语言模型与专用工具结合起来，以完成网页搜索、抓取和 Python 代码执行等任务，同时回馈使这一目标成为可能的社区。 演示 任务：计算DeepSeek R1对HuggingFace的影响力指数。该指 icon
  • [img]data:image/jpeg;base64,/9j/4AAQSkZJRgABAQEASABIAAD/4RibRXhpZgAATU0AKgAAAAgABQEaAAUAAAABAAAASgEbAAUAAAABAAAAUgEoAAMAAAABAAIAAAITAAMAAAABAAEAAIdpAA icon
  • DeepSeek 的通用奖励模型（GRM）通过推理时缩放优化奖励信号，让本地大模型更高效： [list=1] [*]减少训练成本——动态调整计算量，避免冗余训练； [*]提升泛化能力——适应多任务，无需反复微调； [*]开源可商用——本地部署更灵活，降低依赖云端成本。 [/list] 阅读原文点击标 icon
  • 盖茨说，未来十年，人工智能会变得超级厉害，厉害到世界上“大部分事情”都不需要人来做了。 他在一个电视节目里跟一个喜剧演员说，现在很多事情还得靠人，比如厉害的医生、厉害的老师，因为这些专家比较少。 但是， icon