Skip to main content

acshame

acshame
acshame

  2. IT之家整理了北京亦庄机器人马拉松各队伍主要信息。众擎和宇树组了一支队伍啊。
    ----------------------------------------
    天工队（天工 Ultra，身高 180cm，体重 52kg）：实测平均时速可达 10km/h，最高奔跑速度已提升至全球领先的 12km/h，且能在斜坡、楼梯、草地、碎石、沙地等多种地形平稳移动， ​​​http://m.weibo.cn/status/5156765214706943?
    m.weibo.cn
    微博
    随时随地发现新鲜事！微博带你欣赏世界上每一个精彩瞬间，了解每一个幕后故事。分享你想表达的，让全世界都能听到你的心声！

  3. 草，微软给自家的开源项目 MarkItDown 搞了个"史诗级"更新(相信大家都能猜得到)——支持MCP了

    MarkItDown 是个 python 库，有接近5万star. 这个库可以将微软 office 全家桶文档转换为 markdown 格式。包括 PDF，PowerPoint，Word，Excel，图片，音频，HTML，ZIP（遍历里面的内容），油管网址（直接总 ​​​http://m.weibo.cn/status/5157430859664606?
    m.weibo.cn
    微博
    随时随地发现新鲜事！微博带你欣赏世界上每一个精彩瞬间，了解每一个幕后故事。分享你想表达的，让全世界都能听到你的心声！

  4. 来看这个牛逼的视频生成框架——FramePack

    最牛逼的地方在于：使用 13B 模型生成 1 分钟视频（60 秒），30fps（1800 帧），最低所需的 GPU 内存为 6GB。（是的，6GB，不是打字错误。笔记本电脑 GPU 也可以。）

    官方只提供了windows构建版本，下载后使用 update.bat 进行更新，使用 run.bat 运行。 ​​​http://m.weibo.cn/status/5157445967020215?
    m.weibo.cn
    微博
    随时随地发现新鲜事！微博带你欣赏世界上每一个精彩瞬间，了解每一个幕后故事。分享你想表达的，让全世界都能听到你的心声！

  5. OpenAI的姚顺雨发的长篇博文：人工智能的“下半场”
    ysymyth.github.io/The-Second-Half/
    本文探讨了AI发展的两个阶段，前半段聚焦于模型训练方法，后半段将转向问题定义和评估。
    “我们正处于 AI 的中场休息时间。

    几十年来，人工智能主要致力于开发新的训练方法和模型。而且，它确实取得了成功：从 ​​​http://m.weibo.cn/status/5157446347655192?
    ysymyth.github.io
    The Second Half
    tldr: We’re at AI’s halftime.

  7. 微软推出 BitNet.cpp 开源大模型推理框架，实现 1-bit 大模型本地部署

    大模型（LLM）的应用越来越广泛，但随着模型规模的不断扩张也带来了算力、能耗与部署门槛的持续攀升。如何在保证模型能力的前提下，实现更高效的推理和更低的计算资源消耗？微软开源的 BitNet 推理框架为大模型的量化与本地部署提 ​​​http://m.weibo.cn/status/5157448807354077?
    m.weibo.cn
    微博
    随时随地发现新鲜事！微博带你欣赏世界上每一个精彩瞬间，了解每一个幕后故事。分享你想表达的，让全世界都能听到你的心声！

  8. https://x.com/geekbb/status/1913612776129569011?t=5M0-gz8jGXeXYmSYdXA7Nw&s=35
    X (formerly Twitter)
    Geek (@geekbb) on X
    有点像 Dokploy 的平替，看起来不错的多服务器集群化构建与部署的自动化工具，最最最重要的是作者说：
    ✦ 你可以连接的服务器数量没有限制，以后永远不会有。
    ✦ 你可以用于自动化的 API 没有限制，以后永远不会有。
    ✦ 这里没有所谓的“商业版”。
    Komodo https://t.co/eiNVAB7Ld1

  9. Python 3.14 会是一个我心中更进一步的史诗级版本，建议正式版出了就升级。除了 official 支持了类似 JVM agent 类似的 attach 机制外。进程内存布局也对 debug 做了极大的优化。举个例子，之前我们如果用 eBPF+uprobe 或者 read memory 的方式获取栈状态，我们需要手动 cast + 暴力搜索寻找一个 memory address 的起始点。而 Python 3.14 后，官方扩展了 runtime state 的 debug info 同时将地址信息注入了 ELF。那么我们能直接根据 ELF 来计算出相对应的 runtime state 的 entrypoint 。极大的减少了调试的复杂性

  16. https://x.com/GitHub_Daily/status/1913495280214823088?t=_84__w6-FOrfeK2sh-oj5Q&s=35
    X (formerly Twitter)
    GitHubDaily (@GitHub_Daily) on X
    分享一份从简单到研究级的全面深度学习教程：Beyond NanoGPT。

    教程包含了数千行带有详细注释的 PyTorch 实现代码，实现了从推理技术到架构变体的数十种前沿深度学习技术。

    GitHub：https://t.co/5s5YQZigQu

    主要内容：

    - 从零实现关键深度学习架构，如 Transformer、Diffusion Transformer 等；
    -