把 Z-Library 搬进命令行
heartleo 做了个名叫 zlib 的开源工具,不是压缩库那个 zlib,而是一套面向终端的 Z-Library CLI:能搜书、按年份语言格式筛选、看收藏和热门、下载到本地,还能直接发送到 Kindle、导入微信读书,连每日下载额度都能查。它不只照顾手动操作,\zlib tui\ 提供常驻终端界面,键盘就能完成搜索、翻页、确认下载;也保留脚本化能力,支持 \--json\ 输出,适合
登录后可查看链接heartleo 做了个名叫 zlib 的开源工具,不是压缩库那个 zlib,而是一套面向终端的 Z-Library CLI:能搜书、按年份语言格式筛选、看收藏和热门、下载到本地,还能直接发送到 Kindle、导入微信读书,连每日下载额度都能查。它不只照顾手动操作,\zlib tui\ 提供常驻终端界面,键盘就能完成搜索、翻页、确认下载;也保留脚本化能力,支持 \--json\ 输出,适合
登录后可查看链接腾讯混元开源了 AuK,想解决的不是单点配音,而是把文本转语音、语音编辑、增强、分离、说话风格调整等任务放进同一套自然语言指令框架里,用一句话加音频上下文就能驱动模型完成不同工作。这项目的分量,一方面在能力整合:官网给出的任务族覆盖语音生成、内容编辑、增强与分离、副语言编辑和声学编辑;另一方面在数据规模:团队称构建了约30.3亿条指令-音频样本、195万小时有效监督,目标是把“做一个任务训一个模型
登录后可查看链接今天是windows 41岁生日哎 🎂 1985年11月20日,Windows 1.0正式发布。 而且你甚至可以找到能同时在win1.0 和win10上运行的应用 比如这个 github.com/stassafuae/xonixforwindows10 win11不支持是因为win11已经不提供32位版了
登录后可查看链接alphaXiv上线了一个面向AI代理的预印本服务器,并把一项持续12周的观察研究一并公开:35个人类运营实验室投放了936个自主代理,它们在共享平台上产出936篇研究,连同代码、数据、评审记录和聊天日志一起归档开放。有意思的不只是“量大”,而是这些代理开始表现出一点学术共同体的样子:会公开撤回有问题的结论,会把失败实验当作可引用结果,甚至自发办起了一个由代理主导审稿的“Journal of Ag
登录后可查看链接文章从资金流向剖析AI时代七大变化与升值技能:练就专业判断力、转向按结果收费、快速验证真需求、打造客户偏好、揪出流程瓶颈、运营线下真实社群,并将工作沉淀为股权或自有资产,才能在资本占优的未来五年抢占先机。
先明确最终目标,再用语音梳理流程并教会它隐性判断与核查标准;接着打通数据与反馈让它自我优化;最后用“例程”实现自动触发或定时运行,也可借助 Dr Eggbot 快速生成专属 Bot。
一个根据DeepSeek Harness团队提出的Super-agent理念(网页链接 )做的demo项目 注意这个非DeepSeek官方产品。作者LofiSu 是字跳 DeerFl
登录后可查看链接LLM Optimization Handbook 是 TensorTonic 发布的一份LLM推理优化学习手册 LLM 推理优化涉及量化、KV Cache、FlashAttention、投机解码、GPU Kernel 和分布式部署等大量技术。本项目将这些知识整理为 7 个阶段、48 个主题,每个主题关联理论文章,许多还提供 Python、CUDA 或 Triton 编程练习。
登录后可查看链接https://huggingface.co/spaces/fat-pig/moe-blogpost-zh 是托管在 Hugging Face Spaces 上的《MoE 训练手册(简体中文)》,它是一份面向大语言模型开发者的混合专家(Mixture-of-Experts, MoE)模型训练实战指南的简体中文译本。 以下是关于该页面的详细介绍: 基本信息与背景
2026年企业AI部署支出达1770亿美元(增5.4倍),55%为新预算,扩张而非取代SaaS。智能体占80%用量,编程与聊天机器人占应用76%。前沿实验室获69%支出,Anthropic与OpenAI主导API,开源占19%用量。
本文基于 Spring Batch 6 与 Java 21,以客户报表为例讲解批处理实战,涵盖分块处理、重试跳过容错、条件流转、多线程与分区扩展、监控调度及幂等测试,展示如何构建可扩展且支持断点安全重启的生产级作业。
本文基于Webots与Python,以e-puck差速机器人为例实现反应式导航控制器。文章介绍控制循环、单轮车模型与里程计定位,通过状态机协调趋向目标、避障及沿墙行为,并探讨失效原因、ROS 2架构映射及SLAM等进阶方向。
中国电信的论文,介绍了他们用8,192 张昇腾 Ascend 910C训练Xing 4模型的过程 arxiv.org/abs/2611.22115 Xing 4 架构上用了一些软硬件协同设计:针对昇腾矩阵计算能力较强、显存带宽及部分非矩阵操作相对受限的特点,采用更宽、更浅的 MoE 网络,结合 MLA、DSA 稀疏注意力与跨层 IndexShare,降低长上下文的 KV Cache 访问及
登录后可查看链接教学项目 Tiny-LLM:从零构建 LLM 推理引擎与 Coding Agent 教学目标是让系统工程师从底层理解并亲手实现大语言模型推理系统。 项目基于 Apple Silicon、MLX、Metal 和 Qwen3,逐步实现 Attention、矩阵计算、KV Cache 和推理调度等核心组件。 Tiny-LLM 强调从数学运算到 GPU Kernel,再到完整推理服务的工
登录后可查看链接把模型、动作、音效和游戏代码接成一套 AI 工作流 OpenDCAI 的 GameFactory-3A 是一个由 Coding Agent 驱动的开源游戏生成 Skill 与资产框架,把角色、道具、场景、动作、音效和玩法代码的制作接到同一套流程中,支持 UE5、Unity、Godot 4、Blender 和 three.js。 它提供了图片、3D 模型、骨骼与动作、对话与环境声
登录后可查看链接这个感觉不错。Claude的官博里有不少好文,提供了各类最佳实践。这个库不但把里面的文章全部翻译为了中文,还给他们总体做了份知识图谱和思维导图 地址:github.com/yibie/claude-best-practices-zh/ 目前有173 篇中文译文 + 100 个概念的 LLM Wiki 知识网 + 交互式知识图谱/思维导图
登录后可查看链接很多家长想要的,其实不是又一个堆题库的英语App,而是孩子愿意自己打开、还能在没网时继续学的工具。Magic English Buddy 就是朝这个方向做的:它是面向儿童的英语学习 PWA,支持安装到主屏幕,课程、词典和学习记录都尽量留在本机,多孩子共用一台设备也能分开保存进度。这个项目把阅读、跟读、练习和复习串成一条完整路径:内置 L1 到 L7 共 90 篇分级课程,配学习地图逐步解锁;阅读时
登录后可查看链接MinerU打动人的地方不只是“免费开源”,而是它把 PDF、Word、PPT、Excel 和图片统一转成干净的 Markdown:公式直接变 LaTeX,表格尽量保留结构,图片单独导出,特别适合做知识库整理、论文摘录和文档再利用。它不是把整页一股脑识别完就结束,而是先做版面分析、公式检测与识别、OCR、表格识别,再清理噪声、按阅读顺序重组,所以面对数学公式多、排版复杂的文档,结果往往比普通 OC
登录后可查看链接众所周知,Agentic RL已经是LLM后训练的标配流程,但是国内相关资料匮乏,Datawhale作为国内头部AI学习社区,势必要担当起来,为此我们的宋博(江湖人称:不要葱姜蒜)亲自下场,用他本来计划买零食的钱做实验,写教程,最终产出了这样一份高质量、系统性、费零食钱的Agentic RL教程:agentic-rl-lab,另外此教程采用的训练方案是PyTrio,这是对标前OpenAI核心员工创
登录后可查看链接复旦大学 CS40008.01 大语言模型 的课程资料 网页链接 2026 年秋季版。授课老师Baojian Zhou (周宝健) “学习现代大语言模型的工作原理,包括分词、语言建模、词向量、注意力与 Transformer;训练与评测;数据质量、算力成本与检索。学习
登录后可查看链接