Anthropic courses | #教程
黑洞资源笔记
- 交互式教程，专注于提升提示工程技能，教授如何构建有效的提示来引导人工智能的响应，包含多个Jupyter Notebook文件，涵盖从基础结构到复杂提示构建的各个方面
Anthropic courses | #教程 - Transformers.js Examples：Hugging Face提供的一系列🤗 Transformers.js演示和示例应用程序，支持多种语言模型的交互和应用开发
- dbt-checkpoint：为 dbt 项目提供一系列 pre-commit 钩子的工具库，旨在确保项目代码质量，提升代码审查和发布流程的自动化水平
- FastHTML on Spaces：一键部署FastHTML应用至HuggingFace Spaces，支持免费部署，自动备份数据库至HuggingFace Dataset，提供公有与私有空间选项
- ReDel：为研究人员和开发者构建、迭代和分析递归多智能体系统的套件，提供模块化设计、事件驱动架构和内置可视化工具，支持现代大型语言模型和工具使用
-
- Uber新发了一篇技术博客，介绍了他们如何重构微服务的持续部署，以提高部署自动化和微服务管理的用户体验。| blog
Uber的业务依赖于众多微服务，这些服务的持续部署对于确保新功能、库更新和安全补丁能够及时、安全地交付至生产环境至关重要。文章分享了Uber如何重构微服务的持续部署，以提高部署自动化和微服务管理的用户体验，同时解决了大型单一仓库（monorepo）中不断增长的提交量所带来的挑战。 -
- 一款全自动视频翻译的 AI 工具：VideoLingo | #工具
能够一键全自动对视频进行字幕切割、翻译、精准对齐和个性化配音，最终生成 Netifx 级别的字幕和配音。
具有如下特点：
- 使用 NLP 和 LLM 进行字幕分割；
- 智能术语知识库，实现上下文感知翻译；
- 三步翻译过程：直接翻译 - 反思 - 改进；
- 精确的单词级字幕对齐；
- 使用 GPT-SoVits 克隆音色并生成高质量的配音。Media is too bigVIEW IN TELEGRAM - Anthropic提示工程交互式教程：深入理解如何在Claude中构建最优提示的全面步骤指南，帮助用户掌握构建有效提示的基本结构，识别常见失败模式，并利用'80/20'技巧进行应对，理解Claude的优势和局限，从头开始构建针对常见用例的强大提示
Prompt Engineering Interactive Tutorial | #指南 -
-
- Liger-Kernel：为大型语言模型训练设计的高效 Triton 内核，通过一行代码提升模型性能，降低内存使用，支持更长上下文长度、更大批量大小和庞大词汇量
主要特点
易于使用：只需用一行代码修补您的 Hugging Face 模型，或者使用我们的 Liger Kernel 模块组成您自己的模型。
时间和内存效率高：与 Flash-Attn 秉承同样的精神，但适用于RMNSNorm、RoPE、SwiGLU和CrossEntropy等层！通过内核融合、就地替换和分块技术，可将多 GPU 训练吞吐量提高 20%，并将内存使用量降低 60% 。
精确：计算精确——无近似值！前向和后向传递均通过严格的单元测试实现，并在没有 Liger Kernel 的情况下针对训练运行进行收敛测试，以确保准确性。
轻量级： Liger Kernel 的依赖性极小，只需要 Torch 和 Triton — 无需额外的库！告别依赖性烦恼！
支持多 GPU：兼容多 GPU 设置（PyTorch FSDP、DeepSpeed、DDP 等）。
目标受众
研究人员：寻求使用高效可靠的内核为前沿实验构建模型。
ML 从业者：专注于通过最佳、高性能内核最大化 GPU 训练效率。
新手：渴望学习如何编写可靠的 Triton 内核以提高训练效率。
