跳到正文

#教程/实践

今日 0 条
10月10日周六
10月9日周五
  1. Hugging Face Blog66

    Ai2 用 GPU 时间预算改造集群调度器的实践

    Ai2 AI Infrastructure 团队用 GPU 时间预算、层级公平份额分配和时间片合约取代了原有的优先级调度器,把 GPU 时间分配从逐案谈判变成透明的预算流程。

    推荐理由:原文完整拆解了从优先级调度到预算制调度的迁移过程与量化结果,可迁移性强。

  2. Hugging Face Blog74

    用 HuggingFace ML-intern 以约 103 美元训练 6 个模型的实践与提示词方法

    作者在 HuggingChat 中开启 ML-intern 模式,几天内用约 USD 103 的总算力成本训练并发布了 6 个模型,包括 0.8B 的 Qwen-Image 2.1 提示词重写器(CPU 可跑。

    推荐理由:作者公开了七条完整提示词和预算、基线、冒烟测试三条可复用的提示词写法,读者可直接照搬到自己的微调项目。

10月8日周四
10月7日周三
10月6日周二
10月5日周一
10月3日周六
10月2日周五
  1. GitHub Blog · AI & ML22

    AI 正在改变开发者工作,GitHub 给出三项需要强化的技能

    GitHub 提出 AI 时代开发者应强化的三项技能:学会指挥 AI 智能体而非仅使用它、不轻信 AI 的首次回答、用 AI 节省的时间去解决更大的问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例,说明它用第二个模型对计划、代码和测试进行批判性审查,以发现首个模型遗漏的问题。

9月30日周三
  1. AWS Machine Learning Blog26

    Amazon Quick 提示词工程基础指南

    Amazon Quick 的提示词工程基础指南(系列第一部分)给出跨组件通用的提示词原则与框架,包括以具体性实现清晰、用业务上下文提升相关性、以示例代替描述,以及 CRISPE 结构化提示词模板。

9月29日周二
  1. AWS Machine Learning Blog29

    Condé Nast 如何用 Amazon Bedrock 构建多模态视频检索

    Condé Nast 联合 AWS 生成式 AI 创新中心,基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建多模态视频检索方案,将单次内容检索耗时从 250 分钟降至 2 分钟以内。该方案采用 TwelveLabs Marengo 嵌入模型,对视频转录文本、画面和音频联合编码,支持自然语言意图搜索、以图搜视频和时间戳定位,覆盖超 14 万条视频库。

9月26日周六
9月24日周四
  1. GitHub Blog · AI & ML22

    GitHub Copilot 应用如何渲染超大 pull request

    GitHub Copilot 应用重建了 pull request 视图,以应对包含 2,200 个文件、超百万行改动和 400 多条行内评论的超大 diff。其做法是把文档高度拆成确定性的代码几何与动态评论块两套几何:代码行高提前精确计算,评论高度则延迟测量、按文件与行锚定,避免滚动跳变。

9月17日周四
  1. GitHub Blog · AI & ML62

    GitHub 用 Copilot 将 Copilot 运行时迁移到 Rust

    GitHub 用 GitHub Copilot app 和 Copilot CLI 把 Copilot agent runtime 从 TypeScript 完全重写为超过 80 万行生产级 Rust,AI 智能体编写了大部分代码,跨 128 个 PR 增量落地,性能提升数个数量级。

    推荐理由:GitHub 工程师复盘用 Copilot 把运行时从 TypeScript 迁到 Rust 的全过程,含提示缓存、子智能体分工等可迁移的工程经验。

9月12日周六
9月11日周五
9月10日周四