tHanks.log
AI & Enterprise Data
Leverage AI to extract insights, patterns, and predictions from enterprise data.
Posts
-
Reverso：高效时间序列基础模型的零样本预测实战
-
MMDetection3D v1.4.0 深度解析：DSVT、Nerf-Det 与 Waymo 数据集重构
-
Measuring Mid-2025 LLM-Assistance on Novice Performance in Biology
-
因果推断是 LLM 可解释性的关键：为什么你的消融实验可能什么都没说明
-
集成预报后处理中的公平性陷阱：从 CRPS 到 Trajectory Transformer
-
无乘法降维：基于交换的快速元素选择算法
-
用 0.1% 数据量让 SAM 看懂深度：EfficientViT-SAM-D 的工程实践
-
TorchGeo 0.9：遥感深度学习的工程化实践指南
-
像科学家一样思考：KeplerAgent 用 LLM 探索物理公式
-
DeepSpeed 0.18.6 深度解析：从竞态条件到 AutoTP 自定义分区
-
强化学习中的验证缩放：CoVer 如何让机器人更好地理解指令
-
Meta-Sel：用监督元学习解决 ICL 示例选择难题
-
形态丰富语言的分词困境：土耳其语告诉我们什么？
-
优化算法不够用：问题建模比算法选择更重要
-
变步长随机局部搜索：让多目标组合优化不再卡在局部最优
-
DARWIN：用遗传算法训练会自我进化的 GPT 模型
-
BudgetMem：运行时智能体记忆的查询感知预算路由
-
PhysicsAgentABM：用物理先验指导的生成式智能体仿真
-
vLLM 0.15.1 深度解析：RTX Blackwell GPU 上的 FP4 MoE 推理优化
-
用进化算法优化光学透镜设计：LDG-EA 的实现与调试
-
DynaWeb：通过「想象」训练 Web 智能体
-
RedSage：网络安全领域专用大模型的训练范式
-
混合线性注意力的正确打开方式：HALO蒸馏与HypeNet架构详解
-
FineInstructions：用合成指令数据重新定义LLM预训练
-
神经网络到逻辑流：边缘设备上的CPU友好型推理优化
-
READY：用大语言模型自动发现强化学习优化算法的奖励函数
-
从零实现EoB：用LLM自动设计黑盒优化基准测试
-
自适应子网络剪枝：为异构数据路由彩票
-
PrefixRL：通过离策略前缀条件化提升强化学习效率
-
LLM-in-Sandbox强化学习：让语言模型学会使用代码沙箱的智能体训练
-
PyTorch 2.10 新特性深度解析：torch.compile() 与 Python 3.14 实战指南
-
Provable Robustness in Multimodal Large Language Models via Feature Space Smooth
-
大模型持续学习的记忆库压缩：从理论到实践
-
SuperClaude Increases Claude Code's Programming ability by 300%
-
Unlocking Supply Chain Intelligence: SynGraph + ChatBI for AI-Powered Enterprise Analytics
-
Progress of retrieval-augmented generation (RAG) as of June 2025
-
Dual-System Deep Learning: Deploying vLLM with WSL2 and Docker on Windows/Linux Hybrid Setup
-
Building GPT from Scratch with Ray
-
Building GPT from Scratch - Code Explanation
-
GeoAI in Maritime Logistics and Supply Chain
-
Unfolding Horizons: The Latest Trends in GeoAI
subscribe via RSS