多模态模型的实现与发展 - 飞书文档
https://docs.feishu.cn/v/wiki/MoJxwYTLxitweakOM98cCNZqnzb/a7数据结构采用四级缓存设计，优化读写与训练分离，提升性能。 训练流程分离数据读写和计算过程，实现多级流水线并发。
飞搜侠
热门搜索
如何基于Ray构建复杂数据处理链路？ - 飞书文档
https://docs.feishu.cn/v/wiki/JTciw6K6ai2hFukZO1rcI6VdnNA/apMamba在语言、音频、基因组学等多种模态中达到SOTA水平，并在语言建模中表现优于同规模Transformer模型。该模型的硬件感知算法将SSM与Transformer的MLP块融合，形成同质架构， ...
Kimi功能全解析，助你高效解决问题 - 飞书文档
https://docs.feishu.cn/v/wiki/YojIwenr1iRqq0kHRISc9NY1nkr/a1... 模型展示了一个或多个清晰的示例，说明希望模型模仿的内容。这种方法利用了模型上下文学习的能力，效果非常棒。我们可以融合上述的技巧：. 请你作为一个专业的社交媒体 ...
4.5 历史更新 - 飞书文档
https://docs.feishu.cn/article/wiki/FjiOwWp2giA7hRk6jjfcPioCnAc内附Claude Code邪修教程》歸藏深夜分享Kimi K2模型及“CC + K2邪修教程”，绝对不容错过！Kimi新推出的K2模型，参数量高达1T且开源，在基准测试中表现亮眼。歸藏实测其前端能力， ...
9月AGI技术月报上篇 - 飞书文档
https://docs.feishu.cn/article/wiki/Y7uKwcJngil85Zkuhuhcyp96nDd在multi-step执行阶段，每一步都进行模型推理。多步执行还会在每个step中更新seq_lens，通过CUDA并行操作来实现DECODE阶段的+1操作，从而保证数据流 ...
从《We Are The One》开始说起——它的诞生背后的融合工作流
https://docs.feishu.cn/article/wiki/X2nFwr4SsibWF8k46IKcC5PanT9本文核心是介绍使用AI音乐平台UDIO.com进行音乐创作的技术分享。UDIO通过其先进的功能，如上传音轨、REMIX、INPAINT等，为我们提供了前所未有的创作自由和控制能力。这些 ...
Kimi智能助手：功能强大的多面手 - 飞书文档
https://docs.feishu.cn/v/wiki/SwjBwhYCAieLgzk1v0qcHbBnnb8/a1注：为方便大家使用，本文档开放了编辑权限，大家能直接下载。但请不要编辑，以防其他朋友拿到不准确的信息，感谢你的支持。
探索OpenAI o1模型复现的难点与可能的解决方案 - 飞书文档
https://docs.feishu.cn/v/wiki/Cn2CwOhfDiNkHyk7YaWcl0HJnDd/a4此外，文章还提到了多智能体强化学习、预训练、无监督强化学习等领域的具体论文标题。 MCTS + RL 系列技术博客（10）：使用多方面的先验知识强化MCTS Agent. https://zhuanlan.
课程/教材/博客推荐 - 飞书文档
https://docs.feishu.cn/article/wiki/HYlcwbLnLiC6cjklWQocxT1Vns62024年12月1日 ... 它包括分类、回归、聚类、降维、模型选择和预处理等模块，支持多种算法实现，如SVM、决策树、随机森林、K-Means、PCA 等。库的设计简洁且易于使用，通过一致 ...
10月AGI技术月报下篇 - 飞书文档
https://docs.feishu.cn/article/wiki/QqHQwn3yJiVj27kacgYc50pgnId活动亮点包括Triton与vLLM技术的强强联合、专家分享大模型推理和性能优化的最新研究，以及行业实践中的案例展示。特别是在Triton kernel优化、vLLM推理框架、多模态模型的 ...