1作者: michaelmure大约 1 小时前
对于命令行工具,人类喜欢视觉上组织良好的文本,可能带有颜色或文本用户界面(TUI)。机器则喜欢制表符分隔的表格数据,或者 JSON 及类似格式。 对于大型语言模型(LLM)来说,处理表格或结构化数据,其等效方法是什么?什么能让它们轻松高效地理解数据?
2作者: brian-armstrong大约 1 小时前
我于2016年用C语言编写了libcorrect,并希望用Rust语言重新审视它。我没有直接进行转换,而是深入研究了如何让Rust的`std::simd`为我服务。最终,我实现了一个模板化的、通用的卷积码维特比解码器,它会根据运行时可用的指令集来分派解码。对于低速率和低阶码,整个解码过程都驻留在寄存器中。较大的码则通过内存进行处理,但会利用一些加速结构。 我还花了一些时间构建了一个工具,用于查找给定速率和阶数的最佳(最大自由距离 `d_free`)卷积码。当然,现在有更好的机制可用,但我很乐意分享我在过程中学到的任何东西。
1作者: qainsights大约 2 小时前
用于 AI 编码 CLI 的预钩子脚本,可阻止仅包含寒暄的提示,例如“你好”、“嗨”、“好的”、“谢谢”等。请发送实际任务,而非问候。
1作者: aadisang大约 2 小时前
你好! 我的亲戚会手语,我一直觉得奇怪的是,尽管近年来人工智能取得了令人难以置信的进步,但这个问题似乎仍然被忽视了。 特别是随着可穿戴技术的出现;据我所知,这是第一个将 Meta 眼镜与拼写翻译软件集成的项目。 在技术方面,我在 Google 的 FSboard 数据集上训练了一个神经网络,该模型采用了 CNN + GRU 时间编码器架构(使用 CTC 进行训练),然后使用 CTC 束搜索和 KenLM 语言模型对输出进行解码,以解决我模型的一些不足之处。 我还将其做成了跨平台(Web + iOS),支持 Web 屏幕共享,并且可以使用非智能眼镜。该项目完全是开源的。 我目前正在努力让设备上的模型能够干净地运行,但不幸的是,在低端设备上性能会受到一些影响,所以目前我选择将模型托管在 Modal 上。 还有很大的改进空间,但我对这个起点感到满意。请告诉我你的想法,并观看 YouTube 演示!