注册并分享邀请链接,可获得视频播放与邀请奖励。

与「MJ」相关的搜索结果

MJ 贴吧
一个关键词就是一个贴吧,路径全站唯一。
创建贴吧
用户
未找到
包含 MJ 的内容
3000粉丝啦,截图留念,感谢各位朋友,继续加油💪
分享5 个看着违规,实际100%合法的 GitHub 仓库⬇️: 1. Pi-hole:装在一台机器上,全屋设备一起把广告拦掉。6.18 万星。 2. Jellyfin:把你手里的片子、剧集丢到自家服务器里播,相当于私人版网飞。5.92 万星。 3. NewPipe:手机安卓端看 YouTube,既不用登录,也不夹广告。4.06 万星。 4. Upscayl:想把图变得更清晰,在自己电脑里用 AI 就能拉高分辨率。5.23 万星。 5. Win11Debloat:一条脚本,卸掉 Windows 出厂自带软件,顺便关掉遥测。6.24 万星。
显示更多
0
3
88
15
转发到社区
大厂的AI商战真是朴实无华,就是猛猛砸钱找专家,猛猛做数据标注。。。字节的Xpert,10月份有一个人领了18万。。。 AI时代,只要你有任何特长,只靠贡献自己的知识和努力,也能活得很滋润: ⓵专业问答与评测 -专业领域问答(医疗、法律、金融、STEM等) -模型回复打分与对比评测 -Benchmark出题与标准答案设计 ⓶聊天 / 对话相关 -多轮对话评估:对模型在聊天中的回复打分、排序、指出问题(准确性、自然度、逻辑、人设一致性等) -对话生成 / 改写:写或优化多轮对话数据,用于训练聊天机器人 -偏好排序(RLHF):同一问题给出多个回复,选出更好的那个并写理由 -角色扮演 / 人设对话:按指定角色(医生、律师、客服、特定性格等)进行对话评测或数据生产 -对话纠错:找出聊天回复中的事实错误、逻辑漏洞、不当内容 ⓷内容生产类 -高质量专业内容撰写(案例库、知识库、语料) -复杂指令设计(多约束、高难度Prompt) -参考答案撰写 -专业内容改写与优化 ⓸代码 / 技术类 -代码生成评估 -Agentic Coding / 长程任务评测 -Bug查找与代码审查 -编程题出题与判题标准制定 ⓹语音 / 多模态类 -方言语音采集与标注 -语音转写质检 -视频/3D/动捕数据相关 -多模态内容评估 ⓺审核与质检类 -模型输出合规性审核(医疗、法律、金融强合规场景) -知识准确性审核 -已有标注数据的二次质检 ⓻其他 -访谈类任务 -数据采集(按脚本录制真实场景) -创意内容评估(影视、文学、设计美学等) 上面这些任务,简单到只要愿意花时间聊天,时薪也在三位数。更专业一些的比如生物、法律、金融、制造,就更加赚钱了。 可以参与的平台: 1、腾讯旗下的ExpertHub: 2、字节旗下的Xpert: 3、阿里的晓天睿士:
显示更多
0
10
96
21
转发到社区
明後日‼️ 11月15日(日)池袋killer饅頭(cafe) @Killer_manjuで YOUさんのにゃんずイベント🩷  💀🍒YOU&深海彩🍒☠️     イベント時間   ⏰15:00〜17:00⏰ (入場が15:00〜お客様入り完了 したらトークスタート予定) トーク、ライブ、クイズ?もあって みんなでアットホームに楽しみながらご飯食べよう🍎 killer饅頭へのアクセス にゃんイベ用NEW物販もあり🍒 ラスト1枠あいてます🍒 ご予約は本日13日(金)深夜まで🍒
显示更多
The Association Standouts 🙌 @MJAcostaTV, @rolopez42, and @ChrisBHaynes each share their favorite performance from Thursday night on The Association!
CADE CUNNINGHAM WITH A HISTORIC OUTING 🙌 @MJAcostaTV, @rolopez42, and @ChrisBHaynes praise the @DetroitPistons guard for becoming the first player in NBA history to record 50+ points and 10+ assists with zero turnovers since 1977-78 in Detroit's win Thursday night!
显示更多
今日两公里打卡,Day 6
Cindy just hit 10,000 stars on GitHub. You starred it, broke it, fixed it, and told a friend. Thank you. Let's build together!
显示更多
事到如今,最对不起的就是家人了……
0
209
1.3K
28
转发到社区
宇树狂喜 SuperMimic:用单个可微世界模型(Differentiable World Model)来做人形机器人全身动作训练 SuperMimic基于mjlab物理仿真环境构建,借鉴了DreamerV3等技术思路,把物理规律放进一个可以计算预测的世界模型里进行统一训练,让G1人形机器人拥有了精确的全身动作追踪能力,支持广义坐标和最大坐标两种方式来精准控制身体姿态。 相比传统反复试错的训练方式,可微分世界模型能让机器人直接推演动作与环境的互动变化,大幅加快了学习复杂连贯动作的速度。但是也存在隐患:世界模型毕竟是神经网路拟合出来的,算是纸上谈兵,一旦遇到剧烈碰撞或脚底打滑等长尾场景,可能会导致连续动作失败。 Github:
显示更多