最新

我们使用了我们的蒸馏平台和一个Kaggle数据集，制作了一个小型（270M Gemma基础）模型，用于将文本分类为“AI垃圾”或“非AI垃圾”。这款模型不仅有趣，构建过程也很有趣。 令人恼火的是，正式的人类撰写文本（例如我在2015年写的一篇机器学习论文）往往会被错误分类（试试这段话：“如果用户的编辑未能考虑阴影，操控的图像会失去可信度。我们提出了一种方法，使得软阴影的去除和编辑变得简单。软阴影无处不在，但提取和处理它们仍然 notoriously困难。我们假设可以通过学习图像补丁的映射函数来对软阴影进行分割和编辑，从而生成阴影遮罩。我们通过仅需少量用户输入就能从照片中去除软阴影来验证这一假设。”）。

我们之所以开发这个，是因为我们不断编写需要警报的小脚本，而不想每次都管理 Twilio/SendGrid 的集成。这样，警报的设置就和其他任何命令行工具一样简单。

我忘记了没有它怎么编程。

礼品链接：<a href="https://www.wsj.com/tech/ai/microsofts-pivotal-ai-product-is-running-into-big-problems-ce235b28?st=V8rLES&reflink=desktopwebshare_permalink" rel="nofollow">https://www.wsj.com/tech/ai/microsofts-pivotal-ai-product-is...</a>

大约一个月前，我分享了一个网络应用程序，可以通过图像哈希比较杂志封面。<a href="https://news.ycombinator.com/item?id=46518106">https://news.ycombinator.com/item?id=46518106</a><p>Samin100建议尝试使用CLIP和DinoV2来获得更好的效果。我对这两个模型一无所知，但研究它们让我了解到视觉变换器。DinoV2是Meta开发的，而CLIP则是OpenAI的。<p>更新后的杂志比较工具允许你使用这两个模型（照片= DinoV2，设计= CLIP）。<p>我个人非常享受浏览《纽约客》封面的过程：<p>自行车 <a href="https://shoplurker.com/labs/img-compare/match?model=vt&cover_date=2025-06-02&filename=6830a4291fd8066f3414a8f5.jpg&magazine=newyorker" rel="nofollow">https://shoplurker.com/labs/img-compare/match?model=vt&cover...</a>