用 ML Intern 构建六个自定义模型的流程与成本复盘
作者在 Hugging Chat 的 ML Intern 模式下,以约 103 美元总计算成本构建了六个自定义模型,覆盖柑橘病害识别、角色 LoRA、相机视角 LoRA、局部编辑 LoRA、0.8B 提示词重写器和 4 步扩散模型。
推荐理由:它给出从零预算、基线和冒烟测试到交付限价的提示词结构,并列出六个模型的成本,可作为小规模微调的成本参考。
作者在 Hugging Chat 的 ML Intern 模式下,以约 103 美元总计算成本构建了六个自定义模型,覆盖柑橘病害识别、角色 LoRA、相机视角 LoRA、局部编辑 LoRA、0.8B 提示词重写器和 4 步扩散模型。
推荐理由:它给出从零预算、基线和冒烟测试到交付限价的提示词结构,并列出六个模型的成本,可作为小规模微调的成本参考。
GitHub 推出基于 ModernBERT 的秘密检测分类器,用于推送保护,可在不到 2 毫秒内评估候选秘密批次,有望将可阻止的泄露数量翻倍以上。
推荐理由:把九个季度的公开推送数据与 ModernBERT 分类器结合,GitHub 给出秘密防护在 2 毫秒内扩展拦截能力的路径和预览接入条件。
GitHub 发布 AI 代码评审开放基准 ReviewBench,其语料来自 1.039 亿个 GitHub PR 的分布,包含 19 种语言、187 个开源许可证仓库的 219 个 PR。
推荐理由:它基于 1.039 亿 GitHub PR 分布构建,公开数据集与裁判配置,并给出与 Copilot 线上实验方向一致的线下信号,便于团队用同一基准迭代评审智能体。
GitHub Copilot app 的 canvases 允许用户通过 /create-canvas 用自然语言描述工作流,生成可共享、可细化的自定义界面,如看板、清单或仪表盘。
推荐理由:原文给出用 /create-canvas 把工作流描述成共享可复用 canvas 的起步方法,读者可据此快速搭建看板或清单。
Burke Holland 认为聊天作为 LLM 的主要交互界面大多数时候并不合适,并提出 GitHub Copilot app 中的 canvas 作为替代。
推荐理由:原文用 Connect 4、Winget 和 SQLite 等实例给出 canvas 替代聊天 UI 的构建思路,读者可据此把一次性 agent 交互变成自己控制的工具流程。