华硕确认停更 NUC Extreme 系列产品

华硕近日向科技媒体 fudzilla.com 透露：将停止「NUC Extreme」系列产品的后续开发计划，其在接手 Intel NUC 产品线后推出的「NUC 13 Extreme 猛禽峡谷」将成为该系列的绝唱。Intel 在去年 7 月宣布放弃对 NUC 业务的直接投资，华硕随后取得了英特尔非独家授权，并接手了 NUC 相关产品线。

本次停更的「NUC Extreme」是 NUC 系列中的高性能产品线，根据华硕的介绍：「NUC Extreme」的停更不会影响到普通 NUC 产品的后续迭代，之所以不再继续发展「NUC Extreme」产品，是因为其与华硕的「冰刃 X」以及「ROG NUC」产品产生了较大重叠。

RPG-DiffusionMaster是一个全新的无需训练的文本到图像生成/编辑框架，利用多模态LLM的链式推理能力增强文本到图像扩散模型的组合性。

该框架采用MLLM作为全局规划器，将复杂图像生成过程分解为多个子区域内的简单生成任务。同时提出了互补的区域扩散以实现区域化的组合生成。此外，在提出的RPG框架中闭环地集成了文本引导的图像生成和编辑，从而增强了泛化能力。

大量实验证明，RPG-DiffusionMaster在多类别对象组合和文本-图像语义对齐方面优于DALL-E 3和SDXL等最先进的文本到图像扩散模型。特别地，RPG框架与各种MLLM架构（例如MiniGPT-4）和扩散骨干（例如ControlNet）兼容性广泛。
需求人群：

"RPG-DiffusionMaster可用于文本到图像生成和编辑，特别擅长处理复杂的文本提示和多对象多属性关系。"

使用场景示例：

使用RPG-DiffusionMaster生成包含多个对象的图像
利用RPG-DiffusionMaster编辑图像以实现文本语义对齐
采用RPG-DiffusionMaster进行文本到图像生成的实验

产品特色：

利用多模态LLM进行全局规划
将复杂图像生成过程分解为简单生成任务
实现区域化的组合生成
闭环集成文本引导的图像生成和编辑
提高泛化能力
优于其他文本到图像扩散模型

RPG-DiffusionMaster | #框架

Plock：可以从任何可以输入的地方使用LLM(大语言模型)，默认情况下使用Ollama，但也可以与其他可以写入stdout的工具一起使用

talebook 一个基于Calibre的简单的个人图书管理系统，支持在线阅读。主要特点是：

美观的界面：由于Calibre自带的网页太丑太难用，于是基于Vue，独立编写了新的界面，支持PC访问和手机浏览；
支持多用户：为了网友们更方便使用，开发了多用户功能，支持豆瓣（已废弃）、QQ、微博、Github等社交网站的登录；
支持在线阅读：借助Readium.js 库，支持了网页在线阅读电子书；
支持批量扫描导入书籍；
支持邮件推送：可方便推送到Kindle；
支持OPDS：可使用KyBooks等APP方便地读书；
支持一键安装，网页版初始化配置，轻松启动网站；
优化大书库时文件存放路径，可以按字母分类、或者文件名保持中文；
支持快捷更新书籍信息：支持从百度百科、豆瓣搜索并导入书籍基础信息；
支持私人模式：需要输入访问码，才能进入网站，便于小圈子分享网站；

Interconnects Tools for Multimodal Blogging!：将博客内容轻松转化为播客和YouTube内容，使用了两个先进的生成AI工具，分别是Elevenlabs.io的多语言模型用于音频生成以及OpenAI的DALLE3用于生成图像

14:45

Media is too big

VIEW IN TELEGRAM

MeetingSummarizer：轻松记录、转录和总结会议，由OpenAI的Whisper和GPT-3.5-turbo驱动，CLI和GUI两种界面提供了不同的使用方式，用户可以使用命令行或图形界面来录制、转录和总结会议内容

用500行SQL代码实现GPT：介绍了如何使用SQL实现一个大型语言模型，解释了SQL不适合实现大型语言模型的原因，介绍了生成式大型语言模型所需的逻辑和算法。文章还提到了生成预训练Transformer(GPT)的原理和实现细节

DataTrove 是一个用于大规模处理、过滤和删除重复文本数据的库。它提供了一组预构建的常用处理块以及一个框架，可以轻松添加自定义功能。

DataTrove 处理管道与平台无关，可以在本地或 slurm 集群上开箱即用。其（相对）较低的内存使用率和多步骤设计使其非常适合大型工作负载，例如处理法学硕士的训练数据。

通过fsspec支持本地、远程和其他文件系统。

简化大型语言模型训练的开源工具，提供了一种简洁的大型语言模型3D并行训练方法。

nanotron | #工具

科学领域预训练语言模型列表，包括数学、物理、化学、生物学、医学、材料科学和地球科学等领域的模型，涵盖不同的参数规模，从小于100M到700B参数，以及不同的模态(如语言、视觉、分子、蛋白质、图表等)

LLM App Stack：LLM应用栈工具、项目和供应商列表，旨在更全面地覆盖每个类别中的所有可用选项，涵盖了数据管道、嵌入模型、向量数据库、沙盒、编排器、API / 插件、LLM缓存、日志/监视/评估、验证器、LLM API(专有)、LLM API(开源)、应用程序托管平台、云提供商、有见解的云项目列表等类别。

Neural Speed：旨在通过Intel Neural Compressor和llama.cpp支持的低bit量化和稀疏性的创新库，为Intel平台上的大型语言模型(LLMs)提供高效的推断能力，提供了以下实验性特性：模块化设计以支持新模型，高度优化的低精度核心，利用AMX、VNNI、AVX512F和AVX2指令集，支持CPU(仅限x86平台)和Intel GPU(正在开发中)，支持4-bit和8-bit量化。

关于Rust工具、库和框架的精选列表，用于处理LLMs、GPT和人工智能 | Awesome Rust LLM | #Rust