lab4ai

摘要： 【Github热门项目】DeepSeek-OCR项目上线即突破7k+星！突破10倍无损压缩，重新定义文本-视觉信息处理 当“8000行代码手搓ChatGPT”的热度还未褪去，大模型领域又迎来新惊喜——DeepSeek团队于10月20日开源的 DeepSeek-OCR，以“上下文光学压缩”为核心突破， 阅读全文

摘要： 仅需五步！ SwanLab助力Qwen3-"VL "超小中文多模态模型的”拼接微调“之路 随着人工智能技术的飞速发展，视觉-语言（Vision-Language, VL）多模态模型已成为AI领域的新热点。然而，传统的多模态模型训练往往面临算力需求大、技术门槛高、环境配置复杂等挑战。 针对这一痛点，我 阅读全文

摘要： 01 | 引入 在人工智能快速发展的今天，通用大语言模型虽然具备强大的语言理解和生成能力，但在专业领域服务时往往显得力不从心。以心理健康支持为例，普通预训练模型无法理解"共情"深层含义，难以给出符合认知行为疗法(CBT)原则的专业建议，导致回答要么过于机械，要么缺乏针对性。 仅靠通用模型无法实现"懂 阅读全文

摘要： 当前大语言模型（LLM）虽能力突飞猛进，却难逃“知识静态滞后”与“专业内容幻觉”两大痛点。在法律、医疗等强合规场景中，这几乎是“致命缺陷。而 RAG（检索增强生成）框架虽能通过融合外部知识库破解此困，却在落地时遭遇新瓶颈：有限硬件资源下，如何实现高效、低延迟推理？ 在此背景下，以LightLLM 为 阅读全文

摘要： 当前基于指令的图像编辑虽借助扩散模型取得进展，但仍面临挑战，本研究突破SFT范式的泛化性与可控性限制，解决扩散模型结合 RL 时的策略优化偏差问题。 阅读全文

摘要： 【01 论文概述】 论文标题：ScalingInstruction-BasedVideoEditingwithaHigh-QualitySyntheticDataset 作者团队：香港科大、蚂蚁集团、浙江大学、东北大学 发布时间：2025 年 10 月 17 日 论文链接：https://arxiv 阅读全文

摘要： 10月13日，AI领域大神AndrejKarpathy发布了自己的最新开源项目。截至当前，GitHub项目上已经达到29.1KStar。 阅读全文

摘要： DeepSeek团队于10月20日开源的DeepSeek-OCR，以“上下文光学压缩”为核心突破，重新定义了OCR（光学字符识别）的效率边界。 阅读全文

摘要： 通过给大模型喂我们的聊天记录，就可打造出我们的数字分身，当前爆火的Weclone项目采取的就是这种做法。 阅读全文

摘要： 开发鲁棒且通用的操作策略是机器人领域的关键目标。为实现有效的泛化能力，构建包含大量演示轨迹和在复杂真实环境中完成多样化任务的综合数据集至关重要。 阅读全文