跳到正文

#開源專案

RSS
今日 0 則
11月21日週六
11月20日週五
  1. Dev.to Top Tech70

    Dettato 用 20M 引數把音樂轉成 MIDI,表現勝過大型開源模型

    把一段音樂錄音轉成 MIDI,要找出每個音符何時開始、何時結束,還要分辨同時響起的不同樂器。獨立開發者做出開源模型 Dettato,用 20M 引數在多項測試中勝過引數量大 65 倍的 MuScriptor;不過在 RWC Classical 測試中,Mirelo A2M v1.1 Pro 的分數較高。作者說,訓練資料沒有使用受著作權保護的錄音。Dettato 輸出的是跟著演奏時間排列的 MIDI 音符,不是可閱讀的樂譜;若要分開樂器或處理少見的打擊樂音色,也要留意它的限制。

11月19日週四
  1. Dev.to Top Tech51

    RadixArk 發布 DaisyRose-27B,讓 Qwen3.8-27B 的程式測試分數翻倍

    訓練大型語言模型常要花很多資源,RadixArk 改用免費的 Qwen3.8-27B 做進一步訓練,推出 DaisyRose-27B。團隊花 18 天,用 1,200 個挑選過的任務訓練模型;在 Terminal-Bench 4.1 的測試中,通過率從 5.6% 升到 12.0%。RadixArk 表示,模型在它測試的其他基準也都勝過原版 Qwen。DaisyRose-27B 可免費使用和修改,不過 12.0% 代表它仍會失敗大多數測試任務,而且這些結果來自 RadixArk 自行測試。

  2. Dev.to Top Tech73

    Japan Open Data Lab 推出可在本機偵測日文個資的 ja-pii-ner-v1

    把日文客服訊息或檔案送到雲端去除個資,原始文字也會先離開自己的裝置。Japan Open Data Lab 推出 ja-pii-ner-v1,可透過 ONNX 和 Transformers.js 在瀏覽器或本機 CPU 偵測 18 種個資,再由使用者決定如何遮蔽;模型每份檔案約需 224 毫秒。測試使用的都是合成資料,10,001 份檔案的 F1 為 0.9770,另有 2,068 份不含個資的檔案未出現誤報。組織名稱和特殊格式的密碼較容易漏掉,駕照與護照也沒有公開測試結果,因此這些數字不能代表真實檔案上的完整表現。

  3. MarkTechPost51

    Hugging Face 推出 Qwen3.8-27B 的 pi 程式開發 LoRA

    用大型語言模型寫程式時,模型可能得花很多回合才能完成任務。Hugging Face 的 harness-hub 團隊推出一款為 pi 程式開發工具調整的 LoRA,讓 Qwen3.8-27B 在不開啟思考模式時,也能更有效率地處理程式任務。在 SWE-bench Pro 的測試中,通過率從 39.2% 提高到 64.7%;兩個模型都答對的任務裡,中位數回合數則從 59 回合降到 23 回合。團隊表示,它的準確率接近基礎模型開啟思考模式時的表現,使用的 token 約少 4.5 倍。不過,這些是團隊自行回報的結果,測試使用 pi,題目數也不多。

11月15日週日
  1. Dev.to Top Tech58

    ZAQERIS Ai 開源 ZQN-12B,主打 8 GB 顯示卡也能執行

    大型模型常需要較多記憶體才能執行,ZAQERIS Ai 發布第二個開源模型 ZQN-12B,並公開壓縮方法的技術論文。這個從零訓練的模型有 15.55B 引數,壓縮後佔用 6.48 GiB,約為每個權重 3.25 bits;團隊表示,它可在消費級 8 GB 顯示卡上以每秒約 25 個 token 執行。模型原生上下文視窗為 128K,搭配 YaRN 可達 256K。團隊也說明這是早期版本,並非前沿模型。

  2. Dev.to Top Tech73

    Octen 推出開源搜尋模型 Pulse,聲稱 10 毫秒就能找到結果

    AI 助理每次搜尋都要等一段時間,也可能因為每次呼叫都要付費而減少搜尋。Octen 推出開源模型 Pulse,表示它能在 10 毫秒內回傳搜尋結果,讓模型思考時也能查資料;Octen 說,多數 AI 搜尋 API 每次要超過 300 毫秒。Pulse 是 Octen 的第三種搜尋方式,另外還有 Fast 和 Premier。個人開發者每月付 $20,可不限次數呼叫 API,訂閱也包含圖片搜尋。這些速度和價格比較來自 Octen 提供的資料。

11月14日週六
  1. Rohan Paul71

    大型模型通常需要很多 GPU 記憶體,也要花不少時間訓練。Thinking Machines Lab 開源了 594B 引數的 Inkling 2 Small,採用 4-bit 前向運算訓練;這讓預訓練時間縮短 8%、RL 時間縮短 20%,效率約損失 2%。執行模型時,NVFP4 至少需要 500GB GPU 記憶體,MXFP8 至少需要 800GB;後者在評測上只高出約 1–2 個百分點。團隊也說,訓練從預訓練到最後一次 RL rollout 都維持相同數值設定,因此釋出的 4-bit 模型不需要另外校準。

    推薦理由:這次發布交代了 4-bit 訓練節省的時間與效率代價,也比較 NVFP4 和 MXFP8 的記憶體需求及評測差距。

11月13日週五
  1. Dev.to Top Tech52

    Kronos 如何以 K 線資料預測價格與成交量

    Kronos 是以金融 K 線資料訓練的開源基礎模型,可預測價格與成交量,並提供 BTC/USDT 未來 24 小時的即時示範。 運作方式:專用 tokenizer 先將 OHLCV K 線資料轉為階層式離散 token,再由自回歸 Transformer 預測未來數值;訓練資料來自 45+ 個交易所。 模型與限制:Kronos-mini 有 4.1 million 個引數與 2,048 的上下文長度;Kronos-small 有 24.7 million 個引數,Kronos-base 有 102.3 million 個引數,兩者上下文長度皆為 512。Kronos-large 有 499.2 million 個引數,但未開源。 使用與風險:專案提供預訓練模型、批次預測與微調範例;文章提醒 Kronos 是研究模型,預測不是買賣建議,回測範例也不是可直接用於實際交易的系統。

  2. Hacker News (official RSS)81

    Edge0 開源 Edge0-145B 與 Edge0-120B,主打在個人電腦本機執行大型模型

    Edge0 開源 Edge0-145B 與 Edge0-120B,並同步發布推論框架和部署工具,讓大型模型可在相容的個人電腦上本機執行。

    推薦理由:文章以記憶體、速度與多項基準比較 Edge0-145B 和雲端模型,並說明其在相容筆電上的部署條件,呈現本機執行大型模型的具體取捨。

11月11日週三
11月10日週二
11月9日週一
11月8日週日
11月7日週六
  1. O'Reilly Radar64

    本週 AI:進步的代價

    本週 AI 進展揭示投資者對成本與多語言公平的擔憂,提示開發者需同時考量技術與經濟可持續性。 - 模型發布:Google 推出 Gemini 4 Carbon、DeepMind 先行展示 Genie 4 世界模型,Mistral 公佈 1.0 兆引數 Large 4(Le Chonk)權重。

11月6日週五
11月5日週四
  1. Dev.to Top Tech41

    **title_zh:**

    Kimi K3.1 Pro:模型頁面標示 8‑bit,實際檢查為 4.49 bits/引數 summary_zh: Kimi K3.1 Pro 下載檔案大小與引數位深度不一致,實際計算顯示每引數 4.49 bits,雖被平臺標示 8‑bit。

11月4日週三