全开源！多机型！跨虚实！人形机器人全身遥操作系统 OpenWBT 正式发布

10分钟教你在STM32上部署AI模型！

相关代码上传到了github，包括keil工程和python模型训练的代码 https://github.com/SloftyLiu/stm32f407_MNIST_AI

小而美的comfyui插件，带来PS专业级的调色方案

项目地址：https://github.com/aiaiaikkk/ComfyUI-Curve

尚硅谷：AI大模型学习路线图

AI大模型学习路线图（尚硅谷首发1.0版），更全、更新、更实用！经多位大厂高P架构师、算法大咖反复校对研磨！

微信小程序保姆入门教程，我用Cursor零代码开发一个AI虚拟伴侣

盘点一周AI大事(6月8日)｜最强大模型再次易主

盘点一周AI大事 Google再次加强Gemini 2.5 Pro，强势超越o3，重夺地表最强 Elevenlabs发布最强语音模型Eleven V3 PlayAI重磅开源音频PS模型PlayDiffusion Luma上线视频魔改功能 微软Bing开放Sora 研究人员提出视频转3D的新方法FreeTimeGS，能让视频里的大象转身 Figma上线官方MCP服务器

【爆肝100小时】2025年最适合普通人的6个AI+一人公司搞钱赛道，每天工作4小时，月入1w美金，不上班，不打卡，未来5 年最有幸福感的商业模式

ParScale：一种全新的大模型Scaling Law

近年来大型语言模型（LLMs）扩展的主流方法集中在参数扩展和推理时间扩展上，这些方法分别带来了显著的显卡开销和时间成本。通义实验室千问团队提出了一种新路线——并行扩展（PARSCALE），旨在通过增加模型的并行计算能力来提高推理效率，同时避免参数扩展和推理时间扩展带来的训练成本。 🔥 PARSCALE通过在输入数据上应用P个不同的可学习变换，并在训练和推理阶段以并行方式执行前向传播，最终动态聚合P个输出。这种方法可以通过重复利用现有参数实现高效的并行计算扩展，适用于任何模型结构、优化过程、数据或任务。 🔥 理论分析表明，PARSCALE的损失可能遵循类似于Chinchilla扩展定律的幂律关系。通过大规模预训练实验团队拟合出一个新的并行扩展定律，表明将模型并行化为P个流相当于将模型参数扩展O(log P)倍。  🔥 实验结果表明，PARSCALE相比参数扩展具有更高的推理效率，特别是在低资源边缘部署场景中表现优异。例如，对于1.6B参数的模型，使用PARSCALE扩展到P=8时，其内存增长仅为参数扩展的1/22，延迟增长仅为1/6。此外，通过两阶段训练策略，PARSCALE的训练成本也显著降低。在下游任务上的实验进一步证明了PARSCALE的有效性，尤其是在推理密集型任务（如数学和编程）中表现出色。  🔥 总体而言，PARSCALE提供了一种高效且灵活的语言模型扩展方法，不仅减少了训练和推理成本，还为理解计算与参数在模型容量中的作用提供了新的视角。 📚论文：arxiv.org/abs/2505.10475 模型：modelscope.cn/papers/2505.10475 体验：huggingface.co/spaces/ParScale/Parallel_Scaling_Law

3个贼恶心的网站，打死也不能删除～#ai工具 #自媒体工具 #干货分享

-

机翻翻译20次《端午节百度百科》：历史事件完全错乱！

谷歌翻译20次《端午节百度百科》：历史事件完全错乱！

这么好用的软件，千万别被其它人发现......

你只管岁月静好，让小白替你负重前行吧