最新

我之前在 Flipper Zero 上进行黑客操作，不断手动调整像素、重新编译和刷写，仅仅是为了将标签移动 2 像素。一个周末，我编写了一个简单的网页画布，可以根据我放置的基本形状和文本输出绘图代码。 这促使我将这个黑客行为转化为 Lopaka：一个浏览器工具，让 HMI 设计师专注于像素，让开发者专注于代码。从那时起，社区主导了大部分的路线图，而我则追逐着更大的目标：一个“嵌入式 Figma”，简化低端屏幕 GUI 的工作。 Lopaka 是一个浏览器编辑器，可以镜像小型 OLED/TFT 显示屏，并在您设计时生成绘图代码。 - 实时导出器：U8g2, Adafruit GFX, TFT_eSPI, Arduino_GFX, MicroPython, ESPHome, GxEPD2 - 适用于 SSD1306/1309、ST77xx、电子墨水屏、Flipper Zero 等。 - 导入图像并自动转换为数组/XBM。 - 支持 GFX 和 BDF 字体，内置 TFT 转换器 来源：[https://github.com/sbrin/lopaka](https://github.com/sbrin/lopaka) (不包含云功能的编辑器核心) 它不是一个运行时/UI 框架；它为流行的库生成绘图代码。LVGL 支持正在进行中。 如果您正在构建带有屏幕的设备，我很乐意听取 Lopaka 如何让您的下一个固件周期更顺畅的建议。

当你浏览图像生成模型的 LoRA（例如在 Civitai 上），你会发现它们提供了非常强大的视觉风格范围——这使得基础模型能够不断被优化，以适应当时的流行趋势。 那么，文本 LLM 有什么不同呢？例如，为什么没有针对 Python 编码、科幻小说写作等方面的特定 LoRA？ 我读到过一些讨论，说文本 LoRA 只能针对它们的基础模型——这其实在图像生成方面也基本如此。 丰富的 LoRA 文化将使许多模型更具通用性，并减少不断下载新检查点的需求。

我们相信，未来 5 到 10 年将彻底改变产品的发现方式。代理式 AI 工具将取代搜索引擎，直接为合适的客户探索、评估和推荐产品，从而从根本上改变营销、SEO 和用户获取方式。 我们正在这一领域进行构建，重点关注地理位置情境发现（即位置、意图和 AI 推理的结合）。我们希望与 5 家具有前瞻性的机构或 B2C 创业公司合作，进行早期试点。 您将获得抢先体验、影响产品路线图，并帮助您的营销团队在即将到来的浪潮中保持领先，同时我们也能从您的用例中学习，从而完善产品。 如果您有兴趣在 AI 驱动营销的前沿进行尝试，请与我们联系，我们很乐意与您交流。

真正理解事物运作的最佳方法是亲手构建它。所以我想知道，是否有关于从头开始构建自己的 LLM 的优秀教程。例如，实现分词、嵌入、注意力机制等等。我并不是说要复制 ChatGPT，而是构建一个基于更小语料库和训练数据的玩具模型。