安爸-超级家庭
bg
avatar

安爸

速递|OpenAI自研ChatGPT Agent,欲替代微软Office办公全家桶

图片来源:Unsplash 随着OpenAI 试图将 ChatGPT 打造成白领工作的核心应用,它正在开发一些Agent功能,这些功能可能会让客户减少对微软生产力应用的依赖。 据一位使用过新功能的用户透露,在最新示例中,OpenAI 已开发出相关功能,让 ChatGPT 用户无需使用微软应用程序本身,就能直接在聊天机器人中快速创建和编辑与 PowerP...

阅读:8 评论:0

AMD宣布将重启对华出口AI芯片

据参考消息网援引新加坡《联合早报》网站7月16日报道,美国芯片公司超微半导体(AMD)称,在美国宣布将批准销售后,该公司计划重启向中国出口其MI308芯片。此前,美国对英伟达一款芯片作出了类似决定。据报道,AMD发言人7月15日说,美国商务部告知该公司,MI308产品的许可申请将进入审查程序。MI308芯片是AMD专为中国市场设计的AI加速器。 报道称,...

阅读:7 评论:0

月之暗面新模型受海外热捧,竞争之下,Kimi需继续证明自己

文|南都记者 林文琪 时隔半年,又一家只有两三百人的中国AI创业公司给美国科技圈带来冲击波。他们的新模型K2让美国科技圈意识到,中国人在计算资源限制下仍然能持续做出世界级的创新。 7月11日晚,五位清华毕业生联合创立的中国AI公司“月之暗面”,正式发布并开源了万亿参数的Kimi K2大模型。 K2发布后因为强大的编程、智能体任务性能以及实惠的API价...

阅读:9 评论:0

萝卜快跑无人驾驶汽车将接入Uber全球出行网络,包括美国

文|南都记者 汪陈晨 📌 全球部署数千辆 7月15日,萝卜快跑宣布与Uber建立战略合作伙伴关系,将萝卜快跑无人驾驶出行服务拓展至美国和中国内地以外的全球多个市场。按照计划,数千辆萝卜快跑无人驾驶汽车将接入Uber全球出行网络。 今年年底前,双方将率先在亚洲和中东地区部署萝卜快跑第六代无人驾驶汽车,未来将逐步扩展至全球更多市场。服务上线后,乘客可通过...

阅读:7 评论:0

2.3k星!一站式社交媒体管理平台Mixpost

简介 Mixpost 是一个强大且多功能的社交媒体管理平台,旨在简化社交媒体运营并提升内容营销策略。我们的平台帮助品牌和企业有效管理其在线形象,引领他们在动态的数字环境中取得成功。Mixpost 的使命是提供一个全面而强大的解决方案,使用户能够提升其社交媒体管理并取得实际成果。 该平台允许用户在其受众最活跃的时间段创建、组织和安排内容发布。Mixpost ...

阅读:10 评论:0

GenLM Control:用可编程约束控制语言模型生成文本的Python库

GenLM Control:用可编程约束控制语言模型生成文本的Python库。亮点:1. 支持正则表达式和JSON模式约束;2. 采用SMC方法高效生成满足条件的文本;3. 异步编程支持,提升性能和灵活性。 参考文献: [1] http://github.com/genlm/genlm-control [2] https://genlm.github....

阅读:7 评论:0

斩获6.4K星,运维救星!全新开源的监控神器上线,全栈监控“六边形战士”!

你是否曾被服务器宕机或性能瓶颈搞得焦头烂额?网站突然挂掉、CPU爆满、响应慢如蜗牛,偏偏还得手动排查,效率低到崩溃。 如果有一个开源工具,能实时监控服务器硬件、网站状态、响应速度,支持多协议,还能通过邮件/Slack/Telegram秒级告警,会不会让你的运维工作直接起飞? 那可以试试这款由 bluewave-labs 开源的自托管的超美观监控平台:Chec...

阅读:7 评论:0

一个高效的多向量检索算法:MUVERA-PY

GitHub 上一个高效的多向量检索算法:MUVERA-PY,实现在海量文档中搜索又快有准。基于谷歌 FDE 算法的 Python 实现,通过固定维度编码技术将数百个向量压缩为单个向量,检索速度提升 8 倍以上。主要特性: 完全兼容 Google 原始 C++ 实现,保持算法准确性 支持 ColBERT 等主流多向量检索模型 提供查询和文档两种 FDE 生...

阅读:9 评论:0

LLMap:为大型代码库提供智能上下文提取的CLI代码搜索工具

LLMap:为大型代码库提供智能上下文提取的CLI代码搜索工具。亮点:1. 利用Gemini Flash或DeepSeek V3快速评估代码文件相关性;2. 多阶段分析优化,避免无效分析,提升效率;3. 支持自动缓存,重复搜索更快更省钱。 参考文献: [1] http://github.com/jbellis/llmap 知识星球:Dify源码剖析...

阅读:10 评论:0

一个关于扩散模型Diffusion的教程

我们的目标是以尽可能简单的方式教授扩散模型,将数学和机器学习的先备知识要求降到最低,但同时提供足够的细节来推断其正确性。 与大多数关于此主题的教程不同,我们既没有采用变分自动编码器(VAE)方法,也没有采用随机微分方程(SDE)方法。事实上,对于核心概念,我们不需要任何 SDE、证据下界(ELBO)、朗之万动力学,甚至不需要“分数”的概念。读者只需要熟悉基本...

阅读:6 评论:0