存内计算社区-大模型玩家招募

存内计算开发者 2024-04-28 14:23:11

任务:

 

  • 玩转coze 大模型,在coze 平台搭建自己的bot, 主题不限,运用到coze的多个功能;

  • 将生成专属bot的过程以博文/视频的形式,发布到存内计算社区或B站

  • B站带上话题#字节跳动coze 并@ 存内计算开发者 B站账号

要求:

对大模型以及存内计算有一定的了解,博文/视频除发布在平台外,可传播至个人粉丝群或其他社群;

激励:

  • 内容优质者将以存内社区大模型玩家名义被邀请与coze/知存科技共创大模型公开课内容;

  • 500现金激励;

  • 将被邀请参与kimichat✖coze 线下沙龙

  • 有机会成为存内workshop 飞行嘉宾做分享

支持:

【提示词工程猫】,适用于coze平台,可以帮大家0门槛制作bot,不仅给出制作bot的完整思路和在coze平台的对应操作、提示词编写方法,还可以提问“如何为我做的bot搭建工作流”这种问题~

案例:

...全文
537 2 打赏 收藏 转发到动态 举报
写回复
用AI写文章
2 条回复
切换为时间正序
请发表友善的回复…
发表回复
一键难忘 存内计算布道师 2024-04-30
  • 打赏
  • 举报
回复

Coze自定义赛博风格Bot-图片生成操作指南
https://bbs.csdn.net/topics/618535440

一键难忘 存内计算布道师 2024-04-30
  • 打赏
  • 举报
回复

使用Coze大模型自定义BOT模型—以重生爽文生成器为例
https://bbs.csdn.net/topics/618484927

内容概要:本文围绕基于Basisformer模型的时间序列锂离子电池SOC(State of Charge,荷电状态)预测展开研究,利用PyTorch框架实现深度学习模型的构建与训练。通过将历史充放电数据作为输入,Basisformer能够有效捕捉电池状态的动态变化特征,提升SOC预测精度。文中详细介绍了模型结构设计、数据预处理流程、训练策略及实验结果分析,并与传统方法进行对比,验证了该方法在复杂工况下的优越性与鲁棒性。该研究不仅展示了Basisformer在时序建模中的潜力,也为电池管理系统提供了高精度的状态估计解决方案。; 适合人群:具备一定Python编程基础和深度学习理论知识,熟悉PyTorch框架,从事电池管理系统、新能源汽车或智能预测方向研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于电动汽车、储能系统等领域的电池SOC高精度实时估算;②为电池健康管理(BMS)提供可靠的状态输入;③推动深度学习在时间序列预测中的实际落地,提升现有预测模型的泛化能力与稳定性; 阅读建议:建议读者结合标题为【锂电池SOC估计】【PyTorch】基于Basisformer时间序列锂离子电池SOC预测研究(python代码实现)的资源,重点研读所提供的Python代码,深入理解数据处理方式与模型网络结构的设计思路,尝试调整超参数以观察对预测性能的影响,从而全面掌握Basisformer在时序建模中的优势、适用边界及工程化实现路径。

4,683

社区成员

发帖
与我相关
我的任务
社区描述
聚焦开发者需求,构建AI全链路生态,推动存算一体技术普及。依托行业前沿算力架构,首发技术开源与实战训练营,提供高性能硬件底座与全栈工具链。联合高校、研究院及企业,打造新一代AI硬件开发者社区
其他 企业社区
社区管理员
  • 存算一体开发者社区
加入社区
  • 近7日
  • 近30日
  • 至今

试试用AI创作助手写篇文章吧