人物
别名：cormacb
技术会议演讲者
已跟踪 2 条高相关材料
最近变化
2026-07-17 · 使用Gemma 270M模型可在21分钟内将手机端LLM准确率从46%提升至90%
为什么值得关注
Cormac 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
TLMs: Tiny LLMs and Agents on Edge Devices with @cormacb https://t.co/u0fHD7j5kZ Function Gemma s...
AI Engineer(@aiDotEngineer) · 8.5 分
本文介绍了Tiny LLMs和Agents在边缘设备上的应用，特别是Function Gemma模型在Pixel 7上的性能表现，以及开发者在设备上实现AI的两种路径：基于Gemma 4的技能框架和Eloquent生产转录应用。
i guess this is a great time to note that @cormacb's talks and workshops were some of the most popul...
AI Engineer(@aiDotEngineer) · 6.2 分
文章分享了手机端LLM微调的实战经验，但信息碎片化且缺乏技术深度，适合了解行业动态而非系统学习。
已收录 2 条与 Cormac 相关的内容，按评分排序。
本文介绍了Tiny LLMs和Agents在边缘设备上的应用，特别是Function Gemma模型在Pixel 7上的性能表现，以及开发者在设备上实现AI的两种路径：基于Gemma 4的技能框架和Eloquent生产转录应用。
入选理由：Function Gemma模型在Pixel 7上以270M参数运行，预填处理速度达到近2000 token/秒，出厂时在固定应用意图上准确率达到46%。
文章分享了手机端LLM微调的实战经验，但信息碎片化且缺乏技术深度，适合了解行业动态而非系统学习。
入选理由：使用Gemma 270M模型可在21分钟内将手机端LLM准确率从46%提升至90%
