神经网络标签_DeepSeek技术社区

神经网络

Windows 上手 Claude Code - 从原生安装到首个全栈项目完整实战Windows 10/11 原生安装 • 官方认证 • 零依赖全栈任务 • 测试验证 • 常见故障排查

如果你最近搜索“Windows 安装 Claude Code”，很容易看到三种彼此冲突的教程：有的说必须先装 Node.js，再用 npm 全局安装；有的说 Windows 只能通过 WSL；还有的要求以管理员身份打开 PowerShell。问题是，这些说法里有相当一部分已经被 Claude Code 的新版本淘汰了。截至 2026 年 8 月 26 日，Anthropic 官方文档已经把 Nat

xiaoxingkongyuxi
2026-08-27 08:15:00

 812

 18

#windows #人工智能 #开发语言 +4
anywhere-labs/deepseek-harness-desktop 测试体系：从 Vitest 到 Headless Loader Smoke

作为维护过 Electron 应用、插件宿主与多包工作区的工程师，我认为测试最容易出现的假象是“数量很多，但没有覆盖真实失败边界”。纯函数单测可以证明参数判断，却不能证明 Cordis Loader 真能发现打包后的插件；TypeScript 通过可以保证声明收敛，却不能证明中存在 pnpm、DSH CLI 与 native 文件；开发模式页面能打开，也不能证明 headless 构建机不会因为一

 忆~遂愿
2026-08-17 11:43:01

 1.2w

 9

#人工智能 #深度学习 #神经网络 +2
Product Hunt 每日热榜 | 2026-08-16

Product Hunt 每日热榜 | 2026-08-16 Inferock-bench 是一个本地代理，位于你的应用程序和 OpenAI、Anthropic、Gemini 或 OpenRouter 的接口之间。它可以记录每次调用的令牌使用情况、失败和重试情况，并生成一份独立的凭证，清楚地显示你被收费的金额，以及你实际上多花了多少钱。

LaughingZhu
2026-08-16 19:21:31

 404

 6

#产品运营 #神经网络 #搜索引擎 +2
用GitHub Copilot学AI是什么体验？手把手教你用代码理解神经网络核心概念

本文分享了一种利用GitHub Copilot辅助学习AI核心概念的高效实践方法。通过VS Code搭建代码实验室，手把手教你从实现感知机、理解反向传播到构建遗传算法，将抽象的神经网络理论转化为可运行的代码和可视化图表，让学习过程更加直观和深刻。

ttt77
2026-03-01 08:37:37

 1029

 28

#神经网络 #AI学习
在线教程丨基于500万小时语音数据，Qwen3-TTS实现3秒语音克隆及精细调控

「Qwen3-TTS：高质量可控多语言语音合成 Demo」已经上线至 HyperAI超神经官网（hyper.ai）的「教程」版块，快来体验 3 秒语音克隆吧！

HyperAI超神经
2026-03-03 13:52:33

 805

 17

#人工智能 #神经网络 #深度学习 +1
DeepSeek V4 Flash 0423 新手极速上手指南

在本地运行大语言模型曾经是很多开发者的梦想，但高昂的硬件门槛和复杂的部署流程往往让人望而却步。随着模型量化技术和推理引擎的进步，如今在普通的消费级显卡甚至纯 CPU 环境下跑通一个具备强大逻辑能力的模型已成为现实。当你面对一个刚刚下载好的模型文件，或者想要将某个开源模型集成到自己的应用中时，最头疼的往往不是模型本身的能力，而是如何让它“跑起来”并“跑得稳”。很多初学者在尝试第一步时，容易陷入环境依

 多次拒绝美羊羊411
2026-08-06 13:35:42

 278

 8

#语言模型 #人工智能 #神经网络 +1
细粒度视觉SOTA！小红书9B视觉“显微镜”，超越Gemini-3.5-Flash

一个9B参数的模型，在细粒度视觉理解上把Gemini-3.5-Flash、Gemini-3.1-Pro、GPT-5.4、Qwen3.5-397B、和Kimi-K2.6（1T）甩在了身后。没有外部教师，无需人工标注，推理时也不用任何工具，一次前向搞定。小红书dots团队提出的Vision-OPD（Vision On-Policy Distillation，视觉在线策略蒸馏）框架，仅用约6.2K条全自

 猿的天空
2026-07-29 10:18:20

 475

 9

#深度学习 #人工智能 #机器学习 +3
别再用默认设置跑 Claude Code 了：12 个需要立刻开启的配置

《ClaudeCode高效配置指南：12项必设参数提升开发体验》本文揭示了大多数开发者忽视的ClaudeCode配置技巧。通过合理设置12项关键参数，可显著提升工具使用效率：系统通知功能解放等待时间 Bash命令黑白名单实现精细权限控制自动压缩阈值优化上下文管理模型锁定确保行为一致性项目级CLAUDE.md文件提供持久化上下文 MCP服务器连接扩展外部工具集成配置分为全局(~/.cla

人工智能研究所
2026-07-14 11:45:00

 374

 5

#人工智能 #神经网络
Claude 的「意识」是怎么长出来的？Anthropic 在神经网络里找到了全局工作空间

Anthropic 最新研究发现：Claude 的神经网络中自发涌现出一小块特殊区域 J-space，它支持模型的可报告思维、内部推理和灵活复用——与神经科学中的「全局工作空间理论」高度吻合。本文用通俗语言拆解这项研究的核心发现、实验设计和深远影响。

m0_65682055
2026-07-08 22:21:15

 536

 9

#神经网络 #人工智能 #深度学习
中国大模型集体“出海“，开发者却卡在了API接入这一步——PandasRouter 一个网关搞定 Qwen / DeepSeek / GLM / Kimi

中国大模型集体“出海”

shiye_AI
2026-07-03 16:33:46

 437

 7

#服务器 #数据库 #网络 +2
大语言模型筛选肿瘤相关基因！这篇 IF12+ 文章的思路值得好好思考学习一下

顾名思义，这个方法的输入，不是原始测序矩阵，而是两大类“知识型输入”。作者主要做的就是 LLM + 外部专家知识来进行核心基因筛选，虽然并不涉及方法开发，但好歹是个新鲜的流程，正文中称为分层知识引导的风险基因识别 LLM 方法（HKLLM-RG）。除了上面的内容以外，与大语言模型对话的提示词（Prompt）以及具体的分析也是有设计的好吧。• 前列腺癌专门知识层，来自前列腺癌研究，覆盖流行病学、发病

 weixin_49214410
2026-04-28 15:23:24

 475

 19

#语言模型 #学习 #人工智能 +4
DeepSeek-R1 技术解析（五）：蒸馏让 1.5B 小模型也能推理——以及那些失败的尝试

论文还提了一个更早期的实验：Qwen2.5-Math-7B 做 RL 训练 10,000 步，得到的 Qwen2-Math-7B-Zero 在 AIME 2024 上是 22.3%，AIME 2025 上 18.1%。DeepSeek-R1 的工作证明了，纯强化学习可以激励大模型发展出复杂的推理行为——反思、验证、回溯——这些行为不是人类设计出来的，是模型在追求正确率的过程中自己发现的。技术的发展

 ai玄学
2026-06-24 19:20:03

 275

 4

#transformer #人工智能 #神经网络 +2
Product Hunt 每日热榜 | 2026-06-20

Product Hunt 每日热榜 | 2026-06-20 在Claude Code中预览你正在进行的工作，这将是一个实时互动的成果展示——它基于你完整的会话上下文，并且可以与团队共享。

LaughingZhu
2026-06-23 20:48:43

 486

 4

#搜索引擎 #深度学习 #产品运营 +3
Product Hunt 每日热榜 | 2026-04-17

Product Hunt 每日热榜 | 2026-04-17 Claude Code 的桌面应用经过重新设计，可以实现并行代理编码。用户可以在多个代码库中同时运行会话，查看文件差异，编辑文件，并在不离开应用的情况下完成发布。这个版本专为使用 Claude Code Pro、Max、Team 或 Enterprise 的开发者量身打造。

LaughingZhu
2026-04-18 15:49:20

 785

 6

#人工智能 #神经网络 #数据库 +2
Product Hunt 每日热榜 | 2026-04-19

Product Hunt 每日热榜 | 2026-04-19 Claude Design是Anthropic推出的一款人工智能设计工具，它能够通过简单的提示将你的想法转化为精美的视觉作品。你可以用它创建原型、演示文稿和营销素材，还可以通过对话不断优化这些作品，并随时导出。它能加快设计流程，确保品牌的一致性，帮助设计师、创始人和市场营销人员快速将概念变为现实。

LaughingZhu
2026-04-19 17:38:08

 583

 4

#人工智能 #经验分享 #神经网络 +2
Product Hunt 每日热榜 | 2026-04-20

Product Hunt 每日热榜 | 2026-04-20 官方的 Gemini 应用现在可以在 macOS 上本地使用了。你只需使用简单的快捷键（Option + Space）即可快速打开 Gemini。可以共享当前活动窗口以获取上下文帮助、分析本地文件，并且可以生成内容而无需切换标签页。

LaughingZhu
2026-04-20 18:54:17

 561

 10

#人工智能 #神经网络 #数据库 +2
昇腾平台部署GLM-5-w4a8模型

GLM-5模型部署与推理指南摘要：本文档详细介绍了GLM-5模型的部署与推理流程。该模型采用混合专家（MoE）架构，适用于复杂系统工程和长周期智能体任务。部署方案支持单节点和多节点配置，单节点推荐使用Atlas 800 A3（64G×16）运行量化模型glm-5-w4a8，多节点至少需要2台同配置设备运行glm-5-bf16模型。文档提供了完整的Docker环境配置指南，包括镜像使用、权重准备

 昇思MindSpore
2026-04-21 16:04:33

 569

 5

#人工智能 #神经网络 #算法
AI入门高频术语拆解（大白话版），新手再也不用查词典

【AI入门必懂的10个术语】本文为零基础学习者梳理AI核心概念：1）区分弱AI（专才）与强AI（全才）；2）解析大语言模型（如ChatGPT）的本质；3）详解过拟合、特征工程等技术概念；4）介绍神经网络结构和提示词技巧；5）强调训练集/测试集划分与准确率评估。全文采用生活化比喻，帮助新手快速建立认知框架，建议收藏作为工具手册随时查阅。重点提示：入门阶段重在理解术语功能而非死记定义，后续可逐步深化细

 六月星辰梓
2026-04-22 11:03:21

 280

 5

#人工智能 #开发语言 #机器学习 +4
MindSpore Transformers LLM 推理介绍

摘要：MindFormers是昇思推出的大语言模型端到端套件，支持Llama、Qwen等主流模型在昇腾NPU上的高效推理。其核心特性包括KV缓存优化、静态图编译、权重量化和多卡并行，可显著提升推理速度并降低显存占用。该工具支持HuggingFace权重直接迁移，提供流式生成、算子融合等优化手段，实现低延迟、高吞吐的推理服务。典型应用场景包括单卡流式推理、INT8量化及多卡模型并行，并可通过Mind

昇思MindSpore
2026-04-22 15:15:47

 260

 4

#神经网络 #算法 #深度学习 +1
MindSpore Transformers Safetensors权重详解

摘要： Safetensors是Hugging Face推出的安全高效模型权重存储格式，解决了传统CKPT/PT格式的安全性和效率问题。其优势包括：1) 安全性：避免pickle序列化风险，支持文件完整性校验；2) 高效性：零拷贝加载与内存映射技术提升大模型加载速度；3) 跨框架兼容：支持MindSpore、PyTorch等框架，无缝适配Qwen、Llama等主流大模型。MindSpore Tra

昇思MindSpore
2026-04-22 15:03:58

 372

 5

#算法 #神经网络 #深度学习 +1
昇思（MindSpore）模型量化压缩

昇思MindSpore通过Golden Stick量化工具链为大模型提供高效压缩方案，支持FP16/FP32到INT8/INT4/2bit的全栈量化，显著降低显存占用60%-85%、提升推理吞吐量2-4倍，精度损失控制在1%以内。工具链提供PTQ、QAT和混合精度量化等多种技术，支持Llama、Qwen等主流大模型的一键量化，并与昇腾NPU深度优化实现硬件直达。通过3行代码即可启动量化流程，实测L

昇思MindSpore
2026-04-22 15:19:04

 270

 3

#神经网络 #分布式 #算法 +1
AI入门必懂的5个核心概念｜不懂这些，聊AI都没底气

这篇文章用通俗语言解释了AI入门必懂的5个核心概念：1）生成式AI能创造全新内容，如ChatGPT写作、Midjourney绘图；2）大语言模型是处理文本的生成式AI，通过海量数据训练；3）Prompt是与AI沟通的关键，指令越具体效果越好；4）AI分为训练（学习知识）和推理（实际应用）两个阶段；5）AI幻觉指AI编造虚假答案的现象，需注意验证。这些概念帮助新手快速理解AI基础知识，提升使用效率。

六月星辰梓
2026-04-23 16:05:27

 403

 2

#人工智能 #开发语言 #学习 +4
学习 Claude Code 子智能体的隔离之道，用完即丢，才是干净的上下文

本文介绍了通过父子智能体架构解决长任务中上下文污染问题的方法。父智能体负责委派任务，子智能体在独立上下文中执行复杂操作后仅返回摘要，从而避免中间结果污染父智能体上下文。关键技术包括：1）工具分离（子智能体无task工具防止递归）；2）文件系统共享；3）30轮安全限制；4）消息完全隔离。实验显示该方法可减少88%的上下文占用，有效解决了智能体"记性太好"导致的性能下降问题。

人工智能研究所
2026-04-24 07:45:00

 439

 7

#开发语言 #人工智能 #神经网络 +1
DGVD：融合序列与图结构的双图神经网络漏洞检测方法

摘要：本文提出一种基于双图神经网络(DGVD)的漏洞检测方法，通过将序列嵌入作为图节点，有效融合代码语义与结构信息。该方法采用CodeBERT预训练和BiLSTM生成节点嵌入，结合GCN与GAT双网络架构，并引入多尺度特征增强模块。在CodeXGLUE数据集上的实验表明，DGVD在准确率和精确度上优于12种基线方法，验证了语义-结构联合建模的有效性。该研究为自动化漏洞检测提供了新思路，论文发表于《

txg666
2026-04-24 09:51:06

 561

 18

#神经网络 #人工智能 #深度学习
第4讲：GPT系列——“预测下一个词“的生成天才

想象一个下三角形的遮罩要预测的位置: 今天气很好今(预测天): ✅ ❌ ❌ ❌ ❌ ← 只能看自己天(预测气): ✅ ✅ ❌ ❌ ❌ ← 能看到"今天"气(预测很): ✅ ✅ ✅ ❌ ❌ ← 能看到"今天天"很(预测好): ✅ ✅ ✅ ✅ ❌ ← 能看到"今天天气"好(结束): ✅ ✅ ✅ ✅ ✅ ← 能看到全部（生成结束）矩阵表示今天气很好今 │ 1.0 │ 0.0 │ 0.0

*Major*
2026-05-02 16:27:39

 435

 7

#神经网络 #人工智能 #深度学习
关于我做了一个玩偶姐姐桌宠

Codex Desktop最新版推出了宠物功能，用户可通过以下步骤设置：首先更新至最新版本，在外观设置底部找到宠物选项。系统提供默认宠物，也支持自定义创建：通过GPT对话安装官方技能"hatch-pet"，输入参考图片和描述来设计理想宠物形象，GPT会生成对应的动作帧（类似二维像素游戏）。完成设计后，即可在外观设置中启用个性化桌面宠物。该功能让用户能够创造独特的数字伙伴，为工作

 &Xiao
2026-05-04 20:06:24

 347

#人工智能 #神经网络 #深度学习 +3
昇腾多模态生成模型原理

摘要：昇腾多模态生成模型基于昇腾NPU和MindSpore/MindSpeed MM框架，采用模态解耦编码、跨模态融合和混合生成架构（自回归+扩散模型），实现文本、图像、视频、音频的统一生成。核心技术包括GLM-Image架构、交叉注意力机制和昇腾硬件优化（算子加速、内存优化等），支持文生图、文生视频、多模态对话等应用场景。该模型通过国产AI全栈技术实现高画质、强语义的多模态内容生成，展现了国产A

昇思MindSpore
2026-05-08 14:38:22

 214

 6

#语言模型 #神经网络 #深度学习
AI 比你想象的更会撒谎：关于“AI 幻觉”，你所知的一切可能都是错的

AI幻觉：一本正经胡说八道的艺术与科学摘要： AI幻觉指大语言模型自信输出错误信息却看似合理的现象。其本质源于模型设计原理——作为"文字接龙机"而非数据库，它追求通顺而非真实。典型表现为：编造猫龄换算公式（3岁猫=21岁人类，实际≈28岁），像实习生般不懂装懂。测试显示，主流模型在知识盲区的幻觉率高达70%-91%。解决方法包括：要求标注信息来源、启用联网搜索、交叉验证等。值

 DoDoDo DORIMI
2026-05-13 08:57:10

 697

 14

#人工智能 #机器学习 #神经网络 +1