784维向量到智能的跃迁：聚AI解析神经网络如何突破语义鸿沟
神经网络是模拟生物神经系统工作方式的数学模型，通过多层非线性变换实现复杂模式识别。它具备自动特征提取、端到端学习和通用近似能力，广泛应用于图像识别、自然语言处理等领域。本文介绍神经网络的基本结构、工作原理及在MNIST手写数字识别中的应用，并通过PyTorch实现完整分类流程。
Flow Matching生成模型：从理论基础到Pytorch代码实现
本文将系统阐述Flow Matching的完整实现过程，包括数学理论推导、模型架构设计、训练流程构建以及速度场学习等关键组件。通过本文的学习，读者将掌握Flow Matching的核心原理，获得一个完整的PyTorch实现，并对生成模型在噪声调度和分数函数之外的发展方向有更深入的理解。
鱼类AI数量检测代码分享
本代码基于深度学习实现鱼类数量检测，使用预训练的 Faster R-CNN 模型识别图像中的鱼类，并用边界框标注位置。支持单张图片检测、文件夹批量检测、结果可视化及统计分析。需安装 PyTorch、OpenCV 等依赖库。可微调模型提升鱼类检测精度。
Arctic长序列训练技术：百万级Token序列的可扩展高效训练方法
Arctic长序列训练(Arctic Long Sequence Training, ALST)技术能够在4个H100节点上对Meta的Llama-8B模型进行高达1500万token序列的训练，使得长序列训练在标准GPU集群甚至单个GPU上都能实现快速、高效且易于部署的执行。
