- 综合排序
- 最热优先
- 最新优先
- 来自专栏DeepHub IMBA
Quiet-STaR:让语言模型在“说话”前思考
大型语言模型(llm)已经变得越来越复杂，能够根据各种提示和问题生成人类质量的文本。 这种内隐的推理的能力是Quiet-STaR为LLM提供的能力。 自学推理器(STaR) 先前的研究已经发明了STaR：一种LLM通过从问答示例中推断基本原理来学习推理的技术。 但是STaR仅限于特定的任务，并且需要访问预先存在的答案-基本原理对。而Quiet-STaR建立在STaR的基础上，使LLM能够为他们生成的任何文本生成基本原理，使推理过程更加通用和适用。 Quiet-STaR的流程如下： Quiet-STaR的好处 1、Quiet-STaR有助于LLM在句子中预测具有挑战性的单词。这些理由提供了额外的上下文，使LLM能够做出更加明智的预测。 总结 Quiet-STaR代表了LLM发展的重大进步。通过使它们能够生成理由并经过与文本生成相关的步骤进行推理，Quiet-STaR为更可靠、准确并且能够处理复杂任务的LLM铺平了道路。
1.1K10编辑于 2024-04-01 - 来自专栏转载gongluck的CSDN博客
:A*——A Star算法简介
000000000000000 0000000x0000000 00s0000x0000e00 0000000x0000000 000000000000000 其中x为墙壁，s为起点，e为终点，建立合适的模型 ，调用A star算法，找到一条s到e的最短路径。
2.2K60发布于 2018-03-13 - 来自专栏生信课程note＋实验知识
STAR--比对
conda info --envs查看conda中的环境用star进行比对要把.fq.gz文件解压为.fq文件#! cpus-per-task=20#SBATCH -p cv2#SBATCH -o job.out#SBATCH -e job.errcd $SLURM_SUBMIT_DIR# Define the path to the STAR Define the output directoryoutputDir="/public/home/jiezhang_gibh/hqn1/rnaseq1014/fastqnew.data/trim/star .fq" R2="/public/home/jiezhang_gibh/hqn1/rnaseq1014/fastqnew.data/trim/${i}_2_val_2.fq"# Run STAR alignment STAR --runThreadN 20 --genomeDir $genomeDir --readFilesIn $R1 $R2 --outFileNamePrefix
83300编辑于 2023-10-18 - 来自专栏writeup_miaotony
【T-Star赛事笔记】T-Star WriteUp by MiaoTony
https://tttang.com/archive/1577/ [1c02b8db-2c28-471f-af38-87f0123ae3ea.jpg] 引言 Into the Unknown｜腾讯网络安全T-Star 提示：web题，flag为T-Star{字符串}中的字符串，严禁使用扫描器进行路径/验证码暴力破解，此操作对解题没有帮助并将对恶意扫描IP进行封禁。 %z; '> %y; ]> <message>233</message> [cc33aa54-5da9-42f4-9854-95b995dda2f9.png] 拿到 flag T-STAR http://175.178.148.197/031ocvpfrc1b79a0f61/pkt 提示：包含多个小关卡，请提交最后一关答案，答案不带T-Star{}. 须知，T-Star特工诡计多端，为防他们从中作梗，我已将KEY进行HASH处理，分别交由不同的人保管。以他们的算力，应该很难破解。米特尼克曾经写道，人的因素是安全过程中最薄弱的环节。
1.3K40编辑于 2022-04-29 - 来自专栏生物信息学、python、R、linux
STAR安装与使用
首先，先回顾一下STAR的使用流程： ? 安装最新版本的STAR可以使用conda conda install -c bioconda star conda install -c bioconda/label/cf201901 star 但是当我使用最新版本的 STAR跑之前版本STAR建立的index时，遇到这样的报错： ? 因此，我需要重新安装旧版本的STAR.下载网址：https://github.com/alexdobin/STAR/releases/tag/STAR_2.4.2a wget https://github.com /alexdobin/STAR/releases/tag/STAR_2.4.2a tar -xzf STAR_2.4.2a.tar.gz cd STAR_2.4.2a # Build STAR cd source
5.8K20发布于 2020-10-29 - 来自专栏开源小分队
月增 7k star！小白也可以在本地运行大模型啦！
ChatGPT 已经火了快一年了，国内各大厂商跟进的大模型也日渐成熟。除了这些商业化的大模型以外，很多开源的大模型也发展的如火如荼。技术达人们可以基于开源的大模型去做训练、开发新的 AI 工具等。 Jan 内置了多种大模型 Hub，可以让轻松便捷的下载各种推荐的大模型，无需额外的配置，快速投入使用。这也是 Jan 可以让你无门槛的体验开源大模型的重要原因之一。 大模型下载 刚开始使用时，如果本地还没有可用的大模型，Jan 也支持配置 key 的方式调用 OpenAI 的接口。当然，我们是为了本地跑大模型的，当然是要去下载一些可用的大模型啦。 点击左侧的 Hub 图标，可以到仓库中浏览目前推荐热门的开源大模型，如图： 我们可以看到仓库中有很多可供选择的模型，展开可以看到模型的简介以及占用空间，你可以根据需求下载对应的模型。 前两个 7B 的模型了不起的电脑还是可以跑起来的，但是第三个 34B 的模型实在是带不动了。接下来看看使用效果吧。 回到对话页面，我们在右侧选择 Mistral Instruct 7B Q4 模型。
74410编辑于 2024-02-21 - 来自专栏【腾讯云开发者】
GitHub 12w Star神器！一文详解大模型集成框架LangChain
Model I/O（模型交互标准化接口）：提供统一的模型交互接口，封装提示模板调用、模型推理与输出解析，实现不同大语言模型输入的标准化与输出的结构化处理 Chains（链）：用于链式工作流编排，将多个模块串联起来组成一个完整的流程 3.2 大模型分类（按功能） 1、LLMs（大语言模型） 也叫非对话模型，是许多语言模型应用程序的支柱，通用的文本生成，能够完成一次性的文本生成任务，如写作、翻译等。 3、AIMessage（大模型消息，一般是模型返回的结果）：大模型的输出，这是大模型对HumanMessage和SystemMessage的响应。 2、工具的描述不清楚，大模型无法推断出使用这个工具。 3、有些模型对于工具调用支持度不高，如DeepSeek-R1。 具体可通过修改工具描述、提示词或换一个模型等引导模型决定调用自定义工具。 突破模型上下文窗口限制：所有大模型都有一个固定的上下文窗口，即模型能一次性“看到”并处理的文本总量是有限的。
3.4K11编辑于 2025-11-19 - 来自专栏用户6280374的专栏
【T-Star赛事笔记】T-Star Writeup By Yoshino-s
须知，T-Star特工诡计多端，为防他们从中作梗，我已将KEY进行HASH处理，分别交由不同的人保管。以他们的算力，应该很难破解。米特尼克曾经写道，人的因素是安全过程中最薄弱的环节。
1.3K71编辑于 2022-04-25 - 来自专栏CTF
【T-Star赛事笔记】+T-star四日游
T-star赛结束啦，只能说这次题目出的巧也很妙，我非常喜欢！ image.png 一共六道题 而我能力有限只能解出4道，还有一道是蒙的哈哈哈！那么现在看开始写解题思路辣。
89543编辑于 2022-04-26 - 来自专栏AI进修生
6k Star！ChatTTS：开源领域最强的文本到语音转换（TTS）模型！
该模型能预测和控制细粒度的韵律特征，如笑声、停顿和插入词，韵律表现超越大部分开源TTS模型。同时提供预训练模型，支持进一步研究。 最大的模型使用了10万小时以上的中英文数据进行训练。在HuggingFace中开源的版本为4万小时训练且未SFT的版本. 细粒度控制: 该模型能够预测和控制细粒度的韵律特征，包括笑声、停顿和插入词等。 3. 更好的韵律: ChatTTS在韵律方面超越了大部分开源TTS模型。同时提供预训练模型，支持进一步的研究。 这个韵律超越了许多开源模型[uv_break]。 请注意，chat T T S 的使用应遵守法律和伦理准则，避免滥用的安全风险。 模型稳定性似乎不够好, 会出现其他说话人或音质很差的现象. 这是自回归模型通常都会出现的问题. 说话人可能会在中间变化, 可能会采样到音质非常差的结果, 这通常难以避免.
2.1K10编辑于 2024-12-02 - 来自专栏cxuanAI
一个用 YAML 训练和微调 AI 模型的框架，12k star
你不用先写一堆 PyTorch 训练代码，而是先写清楚：输入字段是什么，输出字段是什么，模型类型是什么，训练器怎么跑，后端用本地还是分布式。 它解决什么麻烦 做机器学习项目，很多时间不在“模型名字”上。 麻烦常常在这些地方：数据怎么预处理，文本字段怎么编码，类别字段怎么处理，训练参数怎么放，评估怎么跑，模型怎么导出，服务怎么起。 你可以把文本、图片、数值字段混在一个任务里，让配置描述它们怎么进入模型。 第三个看点是它没有只停在训练。 文档里有 ludwig predict，也有 ludwig serve。 为什么值得看 我觉得 Ludwig 值得看，是因为它把“模型工程”这件事收得比较完整。 一个配置文件里，不只是模型结构。 LLM 微调还会碰到显存、模型授权、量化和 adapter 选择这些现实问题。
5810编辑于 2026-05-29 腾讯发布《全域用户运营白皮书：STAR模型—从用户运营到生意增长》
第一章：报告基础信息 • 报告标题：全域用户运营白皮书 STAR模型—从用户运营到生意增长 • 发布机构：腾讯智慧零售、四力商家增长平台、腾讯营销洞察 (TMI) • 发布时间：2023年 • 行业标签 本报告旨在为面临增长瓶颈的企业提供科学的顶层战略设计与落地指导，通过构建以 STAR模型 为核心的全域用户运营分析体系，帮助企业从粗放的流量获取转向用户群体全生命周期的价值挖掘，实现生意的长效增长。 为核心的运营执行方法 3.1 战略落地的核心难题 3.2 STAR 模型的定义与解读 3.3 STAR 模型的应用步骤 3.4 STAR 模型的应用场景 04 基建支撑：组织与数字化基建构建 4.1 全域用户运营组织架构及模式演变 STAR 全域用户增值模型：从四大维度全面评估用户运营的精细化层度： S (Scaling)：品牌人群资产总量与增速。 T (Triangulating)：结构健康度（分层占比与增速）。 结合 STAR 模型，在商品力、产品力、组织力、运营力四大维度，为企业提供从顶层规划、客群洞察、栅格选址、品类优化到自动化运营落地的全栈解决方案，具有极强的行业普适性与定制化深度。
9010编辑于 2026-05-296.4K star！轻松搞定专业领域大模型推理，这个知识增强框架绝了！
嗨，大家好，我是小华同学，关注我们获得“最新、最全、最优质”开源项目和高效工作学习方法 「垂直领域大模型落地难？逻辑推理总出错？ 生成→自然语言结论企业级知识安全私有化部署方案知识访问权限控制审计日志追踪数据加密存储技术架构解析组件核心技术优势特点kg-builderLLMFriSPG框架、DIKW模型、多模态抽取兼容结构化/非结构化知识
39400编辑于 2025-04-1731.3K star！开源免费本地AI神器，一键部署多模态大模型！
/自动剪辑语义检索BERT系列模型知识库问答/文档检索2. 零门槛模型管理# 从HuggingFace直接部署模型local-ai run huggingface://TheBloke/phi-2-GGUF/phi-2.Q8_0.gguf# 使用Ollama模型库 local-ai run ollama://gemma:2b# 查看已安装模型local-ai models list3. API服务高并发/低内存占用ggml架构量化模型运行环境消费级硬件支持Transformers深度学习模型框架支持最新模型架构libp2p分布式网络协议构建去中心化AI集群Vulkan后端GPU加速支持提升图像生成效率五分钟快速上手 全功能覆盖：文本/语音/图像/视频处理一应俱全 高度可扩展：支持自定义模型和分布式集群适用人群：需要私有化部署AI能力的企业开发者对数据安全有严格要求的金融/医疗行业想要学习大模型技术的AI爱好者项目地址
3.1K10编辑于 2025-03-31- 来自专栏翩翩白衣少年
不用训练的时间序列预测模型，17.9K Star 疯狂追捧！
这两天刷GitHub，被一个项目狠狠震撼到了——Google Research团队开源的 TimesFM，已经斩获 17.9K Star，在全球趋势榜冲到前三。 更夸张的是，这个模型是在 1000 亿个真实世界时间点上预训练而成的，涵盖了各种场景的数据。 项目简介 TimesFM 是 Google Research 团队开发的一款预训练时间序列基础模型，专门用于时间序列预测任务。 这个项目最厉害的地方，就是把 NLP 领域的大模型思路移植到了时间序列预测上。 传统的时间序列预测模型，每换一个场景都得重新微调，甚至重新训练，流程繁琐不说，还得有一定的专业知识才能搞定。 而TimesFM实现了真正的零样本预测。
28510编辑于 2026-04-22 - 来自专栏机器之心
离开OpenAI待业的Karpathy做了个大模型新项目，Star量一日破千
过去几天，OpenAI 非常热闹，先有 AI 大牛 Andrej Karpathy 官宣离职，后有视频生成模型 Sora 撼动 AI 圈。 该算法通过 GPT-2 论文和 GPT-2 相关的代码在大语言模型（LLM）中得到推广。
42510编辑于 2024-02-26 - 来自专栏开源小分队
9.8k star! 基于大模型的音频转文字工具，零门槛上手
之后在弹出的对话框中选择要使用的模型、任务以及语言。这里我们就使用默认的 Whisper 的 base 模型，任务选择“Transcribe”即可将语音转换为文字。 点击“Run”按钮后，软件会自动下载模型文件，并进行转换。转换完毕的任务会在首页列表显示，如图： 双击任务，即可查看转换成功的文字，如图： 你可以在这个页面查看每句话的所在的音频时间，并且播放音频。 依旧是配置好使用的模型和任务类型，点击“Record”按钮，即可实时的转换文字了。 总结 随着开源的大型模型日益增多，以及 GitHub 上涌现的众多整合了这些大型模型的工具，我们得以以更低的门槛在个人电脑上运行这些模型，从而帮助我们完成更多的工作。
4K10编辑于 2024-05-13 - 来自专栏生物信息学_troubleshooting
STAR alignment遇到的问题
####最近一段时间碰见的问题 (07252023 update)When use STAR to do alignment work, it sometimes show the error:“EXITING
91530编辑于 2023-07-26 - 来自专栏翩翩白衣少年
3.6K Star！OpenCode 团队开源宝贝，模型价格、能力、规格一网打尽！
再加上无数开源模型和垂直领域的专业模型，市场上的 AI 模型数量已经多得让人眼花缭乱。 它由 OpenCode 团队开发，是一个完全开源的 AI 模型数据库，把各家主流模型的所有关键信息都标准化地整合在了一起。 1、一站式模型信息查询 Models.dev 收录了从基础对话模型到专业领域模型的全场景需求，涵盖了 OpenAI、Anthropic、Google、Meta 等数十家主流 AI 服务提供商。 获取所有模型数据只需要一行命令： curl https://models.dev/api.json 返回的 JSON 数据包含了所有模型的完整信息，你可以用它来： • 做模型选型工具 • 开发成本计算器 • 构建自己的模型管理面板 • 在代码中动态选择最优模型 API 的数据结构非常清晰，每个模型都有唯一的 Model ID，这也是 AI SDK 中使用的标识符。
17010编辑于 2026-05-13 - 来自专栏猿湿Xoong
github 的 star，请你不要刷！
）盗取别人的 github 账号给自己 star。 我平时是看谁的 star 多，就点进去看看。star数量目前是我评价一个项目的重要依据之一，况且 github 还提供 most stars 的排序选项。 在这种前提下，就会导致好的项目没有足够的曝光率，而刷 star 项目大行其道。浪费的是所有人的时间。 刷 star 的不去提升自身项目质量，反而浪费时间在刷 star 上。 找优质开源项目的人，浪费了时间在这些劣质刷 star 项目上。 3、劣币驱逐良币 当你去面试的时候，HR 问你 github 多少 star ？ 推广这种情况下，谁用的到、用的舒心、觉得你项目还不错，给个star，这是好事，是一种良性循环，每个人都受益。 而刷 star 则是和开外挂打游戏一个性质，开挂一时爽（?）
2.9K40编辑于 2023-03-22
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号