lab4ai

摘要： H100 真的被封印了吗？我用 vLLM+FP8 把吞吐拉爆了 为什么要做这次极限压测？ 在原生BF16 精度下，大模型对显存带宽（Memory Bandwidth）和容量的需求呈指数级增长。 高并发场景下，KV Cache 的显存爆炸往往导致Batch Size 无法提升，显卡算力尚未跑满，显存却 阅读全文

摘要： 实测腾讯混元HY-World 1.5：虚拟世界的推理实战 ​ 2025 年 12 月 17 日，腾讯混元发布并开源了 HY-World 1.5（WorldPlay），这款模型不仅是首个开源、实时交互并具备长期几何一致性的世界模型，更标志着 3D 世界生成技术的全新突破。 HY-World 1.5 采 阅读全文

摘要： 集结MIT、英伟达等名校名企！FoundationMotion革新视频运动理解，开源模型竟超闭源大模型 论文标题：FoundationMotion: Auto-Labeling and Reasoning about Spatial Movement in Videos 作者团队：麻省理工学院（MI 阅读全文

摘要： LLaMA-Factory 答疑系列三：高频问题 + 官方解决方案，建议收藏备用 作为当下热门的大模型微调工具，LLaMA-Factory 凭借灵活的适配性和高效的训练能力，成为不少开发者的首选。因此，我们联合LLaMA-Factory作者郑耀威博士，亲自开设了《从零开始玩转LLaMA-Factor 阅读全文

摘要： Qwen-Video-8B与LLaMA-Factory联动实现垂类视频理解 多模态学习是一种 利用来自不同感官或交互模态的数据（如文本、图像、音频、视频等） 进行机器学习的方法。 它通过融合多种信息来源来训练模型，从而增强模型的感知与综合理解能力，实现跨模态的信息交互与深度融合。 常见的多模态任务包 阅读全文

摘要： 刚刚，谷歌正式发布Gemini 3 Flash 北京时间12月17日凌晨，谷歌正式发布了新一代AI模型Gemini 3 Flash，这款被称为“为速度而生的前沿智能”模型，在性能、成本和速度三个方面实现了突破性进展，有望重塑大模型性价比的天花板。 多项基准测试表现亮眼 Gemini 3 Flash在 阅读全文

摘要： 腾讯混元世界模型 HY-World 1.5发布并开源：首个开源、实时交互、长期几何一致性的世界模型来了 今日，腾讯混元发布并开源 HY-World 1.5（WorldPlay），其支持实时交互生成、保持3D-致的世界模型。适用于风格多样的场景生成，支持3D重建、文本触发事件等多种应用。 HY-Wor 阅读全文

摘要： 多模态赋能情绪理解：Qwen3-VL+LLaMA-Factory 的人脸情绪识别实战 近年来，人脸情绪识别在智慧监控、教育辅助、人机交互、行为理解等应用场景中迅速发展。 传统的人脸表情识别方法通常依赖CNN或轻量化视觉网络，只基于单一视觉特征进行分类判断。 这类方法虽然在标准数据集上表现优秀，但在真 阅读全文

摘要： LLaMA-Factory 答疑系列二：高频问题 + 官方解决方案，建议收藏备用 作为当下热门的大模型微调工具，LLaMA-Factory 凭借灵活的适配性和高效的训练能力，成为不少开发者的首选。 因此，我们联合LLaMA-Factory作者郑耀威博士，亲自开设了 《从零开始玩转LLaMA-Fact 阅读全文

摘要： Qwen3-VL + LLaMA-Factory 怎么玩？手把手教你做一个会打分会挑错的作文批改助手 在K12 和高等教育阶段，作文批改一直是教学反馈中最费时、最主观、最难标准化的一环。 核心痛点集中在教师批改压力巨大、评分主观性强难以统一以及反馈滞后难以形成写作闭环。 随着大语言模型的发展，我们终 阅读全文