黑洞资源笔记
- 基于GPT AI模型的开源项目,可以根据给定的研究问题自动生成学术文献综述,可以从Semantic Scholar API中获取论文,提取相关信息,并将研究结果汇总成简明的文献综述 | AutoResearcher
-
-
- 彭博社发布了一个专门针对金融领域的大语言模型:BloombergGPT,这是一个 500 亿参数的语言模型,它在广泛的金融数据上进行了训练。
- 腾讯云的轻量最近放宽了策略。之前实名认证过的,新注册个账号用同一身份认证还算首单 | Link
-
-
-
- Cheerp 是一种开放源代码的C/C++ 编译器,它允许将几乎任何 C/C++ 代码编译为 WebAssembly 和 JavaScript。
与 Emscripten、Cheerp 等 Web 应用程序的替代 C/C++ 编译器相比,有以下优势:
1.生成更优化(更小)的 WebAssembly 代码,但也可以编译为具有动态内存(垃圾收集输出)、零开销 DOM 操作和对 Web API 的访问以及卓越的 C++-JavaScript 互操作性的 JavaScript 输出。
2.[[cheerp::genericjs]]允许通过(可选地)用和标记部分代码,将单个代码库编译成 WebAssembly 和 JavaScript 的组合[[cheerp::wasm]]。
Cheerp 的主要组件,即Cheerp编译器,可以在Github上找到:cheerp-compiler,而其他存储库在cheerp-musl,cheerp-utils和cheerp-libs
最近该项目发布了3.0这个大版本。同时把许可证从gpl换成了Apache 2.0 / LLVM 许可,对商业使用更加友好。 - 使用 Ruby 和 Rails 构建 GitHub | bolg
这是GitHub昨天发的一篇技术公告。文中提到,GitHub 目前已超过 200 万行代码,每天有超过 1000 名工程师在协作开发,一天部署 20 次,基本上每周就有一次部署是 Rails 升级。 -
-
- Mochi Diffusion,在 Mac 上原生运行 Stable Diffusion
本应用内置 Apple 的 Core ML Stable Diffusion 框架 以实现在搭载 Apple 芯片的 Mac 上用极低的内存占用发挥出最优性能,并同时兼容搭载 Intel 芯片的 Mac。
功能
极致性能和极低内存占用 (使用神经网络引擎时 ~150MB)
在所有搭载 Apple 芯片的 Mac 上充分发挥神经网络引擎的优势
生成图像时无需联网
图像转图像(也被称为 Image2Image)
在图像的 EXIF 信息中存储所有的关键词(在访达的“显示简介”窗口中查看)
使用 RealESRGAN 放大生成的图像
自动保存 & 恢复图像
自定义 Stable Diffusion Core ML 模型
无需担心损坏的模型
使用 macOS 原生框架 SwiftUI 开发 - 各类web框架的性能基准测试结果 | 传送门
基准和源代码的描述可以在 github存储库中找到。
基准测试在 MacBook Pro 14(32 GB 内存,8/14 核,OSX 13.2.1),Chrome 111.0.5563.64(arm64)上运行,使用了减少跟踪的 puppeteer 基准驱动程序。 - 使用纯 Java 设计搜索自动完成 | 详文