Thinking Machines 研究：LoRA 在何种条件下不逊于全量微调
Thinking Machines 发布研究《LoRA Without Regret》，用 Llama 3 与 Qwen3 系列模型在 Tulu3、OpenThoughts3 数据集的监督微调及数学推理强化学习实验，考察 LoRA 与全量微调（FullFT）的差距。
#开源生态
#开源生态
今日 26 条Thinking Machines — ConnectionismAI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
Lilian Weng(@lilianweng)AI 评估 · 23/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 23/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Thinking Machines 提出 Modular Manifolds，用流形约束协同设计神经网络优化器
Thinking Machines 在第二篇 Connectionism 博文中提出 Modular Manifolds，尝试通过对权重矩阵施加流形约束来协同设计神经网络优化器，以提升训练稳定性与性能。该方法从几何角度探索神经网络优化的基本原理，是其迈向更稳定高效训练的一步理论探索。
DeepSeekAI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 DeepSeek 发布 DeepSeek-V3.1-Terminus 版本更新
DeepSeek-V3.1 更新至 DeepSeek-V3.1-Terminus，在保持原有能力的基础上缓解了中英文混杂与偶发异常字符问题，并进一步优化了 Code Agent 与 Search Agent 的表现。官方称新版本输出效果更稳定，目前官方 App、网页端、小程序与 DeepSeek API 模型均已同步更新，开源版本已在 Hugging Face 和 ModelScope 上线。
Lilian Weng(@lilianweng)AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Thinking Machines Lab 推出研究博客 Connectionism，首篇文章聚焦 LLM 推理中的非确定性
Thinking Machines Lab 上线研究博客 Connectionism，首篇文章题为《Defeating Nondeterminism in LLM Inference》。该博客将覆盖从内核数值到提示词工程等研究话题，名称致敬 1980 年代研究神经网络与生物大脑相似性的联结主义学派。
Thinking Machines — ConnectionismAI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Thinking Machines 详解 LLM 推理不确定性成因与确定性实现
Thinking Machines 发布文章解释 LLM 推理不确定性的真正来源并非浮点并发累加，而是 kernel 缺乏 batch invariance，负载变化导致 batch size 变化进而改变归约顺序。
Ahead of AI — Sebastian RaschkaAI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 用纯 PyTorch 从零实现 Qwen3
Sebastian Raschka 发布文章，用纯 PyTorch 从零讲解并实现 Qwen3 的稠密与 Mixture-of-Experts 架构。
FlowiseAI(@FlowiseAI)AI 评估 · 12/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 12/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 FlowiseAI 致谢一路同行的用户
FlowiseAI 向自第一天起就陪伴的用户致谢，称是他们塑造了今天的 Flowise。团队表示这段旅程至今精彩，而一切才刚刚开始。
FlowiseAI(@FlowiseAI)AI 评估 · 45/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 45/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Flowise 被 Workday 收购
Flowise 宣布已被 Workday 收购。Flowise 表示，加入 Workday 后其让每个人都能构建强大 AI 智能体的愿景将更加强大。
Ahead of AI — Sebastian RaschkaAI 评估 · 57/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 57/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 从 GPT-2 到 gpt-oss：架构演进细节解析
OpenAI 本周发布 gpt-oss-120b 和 gpt-oss-20b 两款开放权重模型，这是其自 2019 年 GPT-2 以来首次公开完整的开放权重模型。
Lilian Weng(@lilianweng)AI 评估 · 55/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 55/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Thinking Machines Lab 融资 20 亿美元并启动招聘
Lilian Weng 转发 Mira Murati 声明，Thinking Machines Lab 已获 a16z 领投的 20 亿美元融资，NVIDIA、Accel、ServiceNow、CISCO、AMD、Jane Street 等参投。
Groq Inc(@GroqInc)AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 单人开发者打造开源 Perplexity 竞品 Scira AI，月活超 6 万
单人开发者 Zaid Mukaddam 在没有团队、资金和授权的情况下，做出一款开源 Perplexity 竞品 Scira AI，该项目从周末项目起步，目前已支撑超过 100 万次搜索，月活用户超过 6 万。
DeepSeek(@deepseek_ai)AI 评估 · 75/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 75/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 DeepSeek 发布 DeepSeek-R1-0528 版本更新
DeepSeek 发布 DeepSeek-R1-0528，称在基准性能、前端能力上有提升，并减少了模型幻觉。该版本支持 JSON 输出与函数调用，API 用法不变，模型已在 Hugging Face 开源，可通过 chat.deepseek.com 试用。
DeepSeek(@deepseek_ai)精选AI 评估 · 78/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 78/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 DeepSeek-V3-0324 发布：推理能力提升，改用 MIT 许可开源
DeepSeek 发布 DeepSeek-V3-0324，在推理性能、前端开发能力和工具调用能力上均有提升。官方建议非复杂推理任务直接使用 V3 并关闭 DeepThink，API 用法保持不变。该版本模型已在 Hugging Face 开源，采用与 DeepSeek-R1 相同的 MIT License。
为什么值得看
官方一次给出推理、前端开发与工具调用三项能力变化，并说明 API 不变、改用 MIT 许可，读者可据此判断接入成本。
保持偏见AI 评估 · 11/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 11/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 数据之王扎克伯格：操控世界的程序员
这期播客回顾了扎克伯格从10岁开始编程、高中写出价值100万美元音乐播放器，到创立Facebook的全过程，并梳理了股权稀释、肖恩·帕克与彼得·蒂尔入局、收购Instagram和WhatsApp等关键节点。节目还讨论了信息流广告、假新闻、美国大选中的信息操控，以及扎克伯格转向元宇宙和人工智能的新赛道。
OnBoard!AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OnBoard! 解析 DeepSeek R1：强化学习、Long CoT 与开源生态影响
DeepSeek 春节前夕发布的开源推理模型 DeepSeek R1，在数学、代码和推理能力上比肩 OpenAI o1 正式版，同时以极低训练推理成本和完全开源引发全球关注。OnBoard! 邀请 TinyZero 一作、CMU 研究 Long CoT 的研究员及 HuggingFace 资深工程师，从强化学习、Long CoT、infra 和开源角度解析其技术创新与生态影响。
DeepSeek(@deepseek_ai)AI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 DeepSeek 开源并行文件系统 3FS 与数据处理框架 Smallpond
DeepSeek 在开源周第 5 天发布 Fire-Flyer File System（3FS），一个利用现代 SSD 和 RDMA 网络全带宽的并行文件系统。
DeepSeek(@deepseek_ai)AI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 DeepSeek 开源周第 4 天：发布 DualPipe 与 EPLB 并行策略工具
DeepSeek 开源周第 4 天发布优化并行策略，包括用于 V3/R1 训练中计算与通信重叠的双向流水线并行算法 DualPipe，以及面向 V3/R1 的专家并行负载均衡器 EPLB，并开源了分析 V3/R1 计算通信重叠的代码仓库。
DeepSeek(@deepseek_ai)AI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 DeepSeek 开源 FP8 GEMM 库 DeepGEMM，支持稠密与 MoE 布局
DeepSeek 在 OpenSourceWeek 第 3 天发布 DeepGEMM，一个支持稠密和 MoE GEMM 的 FP8 GEMM 库，已用于 V3/R1 的训练与推理。
DeepSeek(@deepseek_ai)AI 评估 · 51/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 51/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 DeepSeek 开源 MoE 通信库 DeepEP
DeepSeek 在开源周第二天发布 DeepEP，这是首个面向 MoE 模型训练与推理的开源 EP 通信库。它提供优化的 all-to-all 通信，支持 NVLink 与 RDMA 的节点内和节点间通信，并包含面向训练与推理预填充的高吞吐 kernel、面向推理解码的低延迟 kernel、原生 FP8 dispatch 支持，以及用于计算通信重叠的灵活 GPU 资源控制。
DeepSeek(@deepseek_ai)AI 评估 · 60/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 60/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 DeepSeek 开源 FlashMLA：面向 Hopper GPU 的 MLA 解码内核
DeepSeek 在开源周第一天发布 FlashMLA，这是面向 Hopper GPU 的高效 MLA 解码内核，针对可变长度序列优化并已投入生产使用。它支持 BF16 和 Paged KV cache（block size 64），在 H800 上达到内存受限 3000 GB/s、计算受限 580 TFLOPS，代码已在 GitHub 开源。
DeepSeek(@deepseek_ai)AI 评估 · 50/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 50/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 DeepSeek 预告开源周：下周开源 5 个代码库
DeepSeek 宣布将于下周启动 OpenSourceWeek，陆续开源 5 个代码库。这些模块已在 DeepSeek 线上服务中完成文档化、部署并经过生产环境实战验证，将每日解锁发布。
DeepSeek(@deepseek_ai)AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 DeepSeek 公布 DeepSeek-R1 部署推荐设置：无 system prompt、Temperature 0.6
DeepSeek 为部署 DeepSeek-R1 给出推荐设置：不使用 system prompt，Temperature 设为 0.6，并公布搜索与文件上传的官方提示词及缓解模型绕过思考的指南。官方部署与开源版本运行同一模型，可获得完整的 DeepSeek-R1 体验。
OnBoard!AI 评估 · 31/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 31/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OnBoard! EP 66 深度解读 Coding Agent 与 OpenAI o3：中美创业者、研究员与投资人的未来判断
OnBoard! 第 66 期邀请 Replit Agent 核心成员、OpenHands 联合创始人、阿里通义实验室科学家与真格基金投资人，围绕 Coding Agent 与 OpenAI o3 展开三个多小时讨论。
DeepSeek(@deepseek_ai)精选AI 评估 · 84/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 84/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 DeepSeek 发布 DeepSeek-V3 模型
DeepSeek 发布 DeepSeek-V3，生成速度达 60 tokens/秒，比 V2 快 3 倍。官方称该版本能力增强，API 保持兼容，并开源模型与论文。
为什么值得看
原文给出 DeepSeek-V3 相对 V2 的生成速度提升与开源范围，可用于判断该版本的迭代幅度。
OnBoard!AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 对话 Comfy 核心中国力量：多模态生成全球狂奔之年，开源与商业化发生了什么
Comfy 中国社区创始团队发起的 Comfy Community Summit 第二站在东京举办，主理人 AJ、前 Stability AI 工程师 Yizhou、HuggingFace 工程师 Tiezhen 与 TheSEA AI 创始人 Yanjin 共同回顾多模态生成与 ComfyUI 开源社区的兴起。
OnBoard!AI 评估 · 19/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 19/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 全英文对话 CRV 投资人与 LanceDB 创始人：向量数据库下半场，大模型和多模态需要怎样的数据基建？
LanceDB 联合创始人兼 CEO Chang She 与 CRV 投资人 Brian Zhan 在本期 OnBoard! 全英文访谈中探讨向量数据库的竞争格局演变，以及多模态数据增长给 data infra 带来的挑战与机遇。
Eugene YanAI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 用 FastAPI、FastHTML、Next.js 和 SvelteKit 构建同一个 Web 应用
为比较 FastAPI、FastHTML、Next.js 和 SvelteKit，作者用每个框架各写了一个「Look at Your Data」应用，实现 CSV 上传建表、浏览、改字段、删行、下载的完整 CRUD。
OnBoard!AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 对话硅谷连续创业者梁胜：3家公司累计10亿美金退出，Acorn Labs 如何 pivot 到 GenAI 做 GPTScript
硅谷连续创业者梁胜创办的3家公司累计被收购金额达10亿美金，其2014年创立的 Rancher Labs 融资超9000万美金、2020年以超6亿美金被 SUSE 收购，2022年他又创办 Acorn Labs。
Hamel HusainAI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Hamel Husain 等人发布开源 LLM 课程 Mastering LLMs
Hamel Husain 等人发布 Mastering LLMs，把此前付费课程的讲座整理成免费开放的课程，内容覆盖评测、RAG、微调、应用构建和提示工程，由 25 位以上从业者讲授，含 40 多小时内容，并按主题、章节摘要和讲义资源做了组织。课程面向有一定 LLM 经验、想改进 AI 产品的工程师和数据科学家，官方建议把所学应用到个人项目中巩固理解。
OnBoard!AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 深度对谈顶尖 AI 开源项目：通义千问 Qwen、vLLM、OpenDevin 与中国开源力量
阿里发布通义千问 Qwen2-72B，表现全面超过 SOTA 的 Llama 3。OnBoard! 播客请到 Huggingface 工程师 Tiezhen Wang、通义千问开源负责人林俊旸、vLLM 主导人李卓翰，畅聊大模型开源生态、Agent 框架与推理基础设施。
Eugene YanAI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Open-LLMs：一份可商用 LLM 清单
Eugene Yan 整理并发布了一份可商用许可的开放 LLM 清单，其中也包含面向代码微调的模型。清单上线两天内收到 8 个 PR，新增了更多模型，并经过讨论加入了上下文字段长度列，还修正了一个实际不具备商用许可的模型。该项目计划继续与社区协作补充数据集与评测。
Lilian Weng — Lil’LogAI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 什么是扩散模型（Diffusion Models）？
扩散模型受非平衡热力学启发，通过马尔可夫链在 T 步中向数据逐步加入高斯噪声，再学习逆向过程从噪声重建样本，与 VAE、Flow 模型不同，其隐变量维度与原始数据相同。该框架涵盖 diffusion probabilistic models（2015）、NCSN（2019）与 DDPM（2020）。
Lilian Weng — Lil’LogAI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 自监督表示学习入门：从图像失真到对比预测编码
自监督学习通过让模型从数据本身生成监督信号，避免昂贵的人工标注，学到的中间表示可迁移到下游任务。图像领域常用前置任务包括对图像块施加平移、旋转、缩放等随机变换构造代理类别，以及整图旋转预测，用 ImageNet 分类准确率衡量表示质量。文中还介绍了对比预测编码、MoCo、SimCLR、BYOL 等方法。