筛选结果
20 篇排序
9:15EN → 简体中文六个开源项目:本地 AI、智能体与 3D 设计Matthew Berman · Forward FutureMatthew Berman 介绍运行和训练模型、扩展智能体能力、协同工作、自动浏览以及生成 3D 网格的工具。
2:22EN → 简体中文Pioneer Agent 与小模型的自动微调Matthew Berman · Forward Future在一段由 Fastino 赞助的视频中,Matthew Berman 介绍了一个自动化部分模型适配流程的系统,并讨论其报告的基准测试结果。
9:47EN → 简体中文Gemma 4:面向本地 AI 的小型开放权重模型Matthew Berman · Forward FutureMatthew Berman 着眼于本地智能体,回顾 Google 的模型规模、多模态功能和报告中的基准成绩。
7:41EN → 简体中文CES 2025 见闻:在 RTX 5090 上运行 DeepSeek R1 蒸馏模型Matthew Berman · Forward FutureMatthew Berman 参观 CES 的人工智能演示,并在 NVIDIA GPU 上本地运行两个量化的 DeepSeek R1 蒸馏模型。
5:27EN → 简体中文体验 DeepSeek R1 的方式:托管与本地蒸馏模型Matthew Berman · Forward FutureMatthew Berman 演示 DeepSeek 聊天、Groq 托管的蒸馏版,以及 LM Studio 本地模型。
0:55EN → 简体中文RTX 5090 本地 AI 简测Matthew Berman · Forward FutureMatthew Berman 在本地运行一个 8B DeepSeek R1 蒸馏模型,并报告一次生成的速度。
8:52EN → 简体中文业界对 DeepSeek R1 于 2025 年发布的反应Matthew Berman · Forward FutureMatthew Berman 回顾 DeepSeek R1 发布初期的反应,涉及开放权重推理模型、本地硬件、基准结果和 API 价格。
0:28EN → 简体中文比较三个本地编程模型Matthew Berman · Forward FutureMatthew Berman 介绍一项赞助比较:在工作站上运行 DeepSeek Coder V2、Yi-Coder 和 Qwen Coder。
9:15EN → 简体中文Llama 3.2 增加视觉能力与更小的端侧模型Matthew Berman · Forward Future在一段与 Meta 合作的 2024 年视频中,Matthew Berman 解读该模型系列、工具及一次托管的 1B 模型简短演示。
1:00EN → 简体中文面向 STEM 学生的 NVIDIA AI 资源Matthew Berman · Forward Future在一段合作短视频中,Matthew Berman 向学生介绍学习、模型开发、机器人和本地文档工具。
8:53EN → 简体中文RouteLLM:在强模型和低成本模型之间路由查询Matthew Berman · Forward FutureMatthew Berman 介绍一个 2024 年研究框架,它利用偏好数据为每个查询选择模型。
13:18EN → 简体中文在双 RTX 6000 工作站上测试本地 AIMatthew Berman · Forward FutureMatthew Berman 在 Dell 和 NVIDIA 提供的 Dell Precision 塔式工作站上测试语言模型、并发推理和图像生成。
9:53EN → 简体中文本地测试 Microsoft Phi-3 Medium:编码与推理结果不一Matthew Berman · Forward FutureMatthew Berman 在 MacBook 上运行量化版 Phi-3 Medium,测试编码、算术和推理提示。
9:19EN → 简体中文体验搭配 Groq 和 Ollama 的开源答案引擎Matthew Berman · Forward FutureMatthew Berman 安装了一款受 Perplexity 启发的搜索应用,演示托管模型配置,并尝试接入本地模型,但未能完成。
9:25EN → 简体中文Matthew Berman 用贪吃蛇游戏测试 Meta 的 Code Llama 70BMatthew Berman · Forward Future回顾 Meta 在 2024 年发布的编程模型、针对 SQL 微调的版本,以及一次未能成功运行的上手测试。
0:42EN → 简体中文LLaVA 1.6 支持理解更高分辨率的图像Matthew Berman · Forward FutureMatthew Berman 回顾 2024 年 1 月发布的 LLaVA 1.6,以及通过 Ollama 在本地运行它的方式。
13:19EN → 简体中文运行本地语言模型,作为离线备用工具Matthew Berman · Forward FutureMatthew Berman 演示一套 2024 年的本地模型方案:选择量化模型、将其存入外置硬盘,并规划备用电源。
5:53EN → 简体中文Petals:将大语言模型推理分布到多台设备Matthew Berman · Forward Future2023 年,Matthew Berman 介绍 Petals 如何通过参与计算机组成的网络使用大模型,而无需在一台设备上加载所有模型层。
4:36EN → 简体中文测试 WizardCoder 15B:本地运行的编程助手Matthew Berman · Forward FutureMatthew Berman 在本地运行 2023 年发布的 WizardCoder 模型,测试小型 Python 练习和较长的 Snake 游戏程序。
10:40EN → 简体中文本地测试 Nous Hermes 13B:推理表现不一与不安全回答Matthew Berman · Forward FutureMatthew Berman 在托管和本地硬件上比较一款 2023 年的量化模型,发现其编码、逻辑和安全表现不一致。









