Skip to main content

OKHK 👀

🤣 不一定客观,不一定理性,个人数字泔水\(⁠◔⁠‿⁠◔⁠)
Thinking...
  1. 🤣 #RePost

    第一章:毕业即失业,迷茫,我该何去何从?

    第二章:当保安巧遇富婆,震惊,良心的抉择

    第三章:钢丝球的考验!

    第四章:男儿当自强

    第五章:决心考研

    第六章:败,不服!

    第七章:换个方向...

    第八章:公考,败

    第九章:既生瑜何生亮?

    第十章:心如死灰

    第十一章:来自隔壁村的传说,二狗哥在IT界创造神话

    第十二章:投奔二狗

    第十三章:传销窝点死里逃生

    第十四章:看破红尘,淡泊名利

    第十五章:隐居街头桥洞

    第十六章:桥洞偶遇前端传奇大佬,

    第十七章:分馒头获得好感,学得一身好本领

    第十八章:踌躇满志,重出江湖

    第十九章:迷茫,前方无路

    第二十章:HTML5 CSS3 JavaScript,已经是极限了嘛?

    第二十一章:脚手架,再战一世

    第二十二章:前端的力量

    第二十三章:意气风发,乱杀!

    第二十四章:备战6.18大促

    第二十五章:怎么可能!没有一点技术含量!

    第二十六章:惨败,这就是大环境!

    第二十七章:脚手架永远的神!

    第二十八章:惊天秘闻,前端新动向!

    第二十九章:前端重生

    第三十章:页面渲染

    第三十一章: 不可思议,奇遇VUE!

    第三十二章:老司机的传授,脚手架风波!

    第三十三章:react vue 双管齐下!

    第三十四章:战!与UI一较高下!

    第三十五章:绝望,来自后台管理系统的压迫!

    第三十六章:对不起,我学不会!

    第三十七章:脚手架?拿下!

    第三十八章:重回后台管理系统

    第三十九章:悲哀,大盘全绿我没抄底!

    第四十章:自我了断,前端の陨落!

    第四十一章:星期四了谁请我吃一个肯德基全家桶
  2. 第三方安卓ROM PixelExperience 宣布停止开发

    第三方安卓ROM PixelExperience 在经历了长达六年的开发后,主要开发者 José Henrique 在PE Blog上宣布了这个项目将停止开发,并感谢社区的每一位成员、测试者、贡献者以及所有支持者

    以下为原文翻译:

    一切终将迎来终结...

    亲爱的PixelExperience用户们,

    今天,我带着一份感激之心与你们分享一些重要的信息。经过深思熟虑,我决定结束PixelExperience的开发工作。

    这个项目由我在2017年创立,当时的背景与今天大相径庭。现在,近6年过去了,我做出了停止开发的艰难决定。

    这个项目一直是一场难以忘怀的旅程,充满了创新、合作以及团队和社区的无懈奉献。从PixelExperience诞生之初,我们的目标始终是为用户提供一个流畅、可个性化且功能丰富的Android体验,适配多种设备。

    在我们告别活跃开发的时刻,我想对我们社区的每一位成员、测试人员、贡献者以及所有支持者表达我最深的谢意。你们的热情和承诺是我们实现每一个里程碑的动力。

    PixelExperience网站将保持开放。这意味着你仍然可以下载到旧的版本。

    感谢你们成为这段非凡旅程的一部分。

    诚挚的问候,

    消息来源:PE Blog

    #RePost
  3. RAGFlow开源了一个RAG框架

    RAGFlow的核心功能是文档的智能解析和管理,支持多种格式,并允许用户使用任何大型语言模型查询他们上传的文档。

    RAGFlow提供了多种智能文档处理模板,以满足不同行业和角色的需求,如会计、人力资源专业人员和研究人员。

    它还强调了智能文档处理的可视化和可解释性,允许用户查看文档处理结果,进行比较、修改和查询。

    RAGFlow的一个关键优势是它允许LLM以受控方式回答问题,提供了一种理性和基于证据的方法来消除幻觉。

    项目地址:https://github.com/infiniflow/ragflow

    #RePost #AI #GitHub
  4. “弱智吧”不收弱智,成最佳中文AI训练语料!

    4月4日,“弱智吧”突然在中文AI领域刷屏,中科院用各大社交平台的数据,作为中文AI语料数据进行训练,结果发现“弱智吧”居然是最棒的中文语料,在多项测试中取得最高分!

    目前LLM大型语言模型中,英文语料占到大多数,而中文数据集此前多半是先从英文翻译再进行训练,很多大模型的中文效果比英文差,为了调侃AI,许多人也常常拿弱智吧的问题去挑战AI。为了更好地满足中文大模型的需求,中科院联合多所大学利用中文数据集来训练中文大模型。

    首先,团队直接找到某乎、某瓣等社交网络平台,爬取数据并进行标注,打造了全新的中文指令微调数据集COIG-CQIA,再用这些数据集来训练零一万物开源大模型,并用GPT4在BELLE-Eval测试集上打分。

    在340亿参数版本的Yi-34B下,弱智吧的分数非常突出,可以说是一骑绝尘,在问答、分类、生成、总结、摘要和代码上均取得极高的分数,数学某乎分数最高76分,但弱智吧也取得了72.6分的高分,最终均分76.9分遥遥领先!

    弱智吧的出色成绩也引起了大量的讨论,对比其他专业的技术问答社区,弱智吧的数据集其实更加精炼有效,提高模型的逻辑推理能力,而且“弱智”的方向十分多元,文本质量极高,从而提高了模型性能。

    而COIG-CQIA,也成为目前相对来说相当高质量的中文指令微调数据集,收集了来自各种来源如社交媒体、百科知识、考试题库等大量高质量的中文指令,弱智吧的出色表现,出在高质量中文知识学习方面的潜力,也给我们带来更多深入的思(乐)考(子)。

    #RePost #AI link
OKHK