tag 自然語言處理

標籤
貢獻52
140
07:11 PM · Oct 26 ,2025
infodator 頭像 openbayescom 頭像 congweibiaobaidemalingshu 頭像 u_13357275 頭像 nizi_60e514d097c9a 頭像 aloudata 頭像 chaoshenjinghyperai 頭像 lab4ai 頭像 u_15903730 頭像 huamingshixunkeji 頭像 weidejianpan 頭像 mankeji 頭像

@自然語言處理 / 博客 RSS 訂閱

comehope 頭像

comehope - AI實戰：用 HuBERT 識別樂曲風格

摘要 本項目的目標是使用深度學習來識別樂曲風格，如一首歌曲是流行樂還是搖滾樂。 我們將把樂曲特徵轉換為圖像數據，再利用 HuBERT 進行訓練，生成的模型可以存儲到你自己的 Hugging Face 帳號中。 本教程的 Jupyter 文件地址： https://openbayes.com/console/public/tutorials/ODwKxev36xS 本教程的視頻地址： h

機器學習 , tensorflow , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI輔助審核系統：用技術給內容把關，效率精度雙提升

傳統人工審核就像“大海撈針”，面對海量文字、圖片、視頻內容，不僅要熬夜加班，還容易因疲勞漏判、標準不一出錯。而AI輔助審核系統的出現，用硬核技術重構審核邏輯，讓“人工+智能”的協同模式成為主流，既解放人力，又把審核精度拉滿。 這個系統的核心技術邏輯是“學習-識別-輔助”的閉環，每一步都藏着實打實的技術硬活。首先是“學習階段”，工程師會把海量合規與違規樣本“喂”給AI模型——比如文字裏

NLP , 自然語言處理 , 人工智能 , 深度學習 , 核心技術

收藏 評論

c9eulmav 頭像

coding進階 - 一文彙總開源大語言模型，人人都可以擁有自己的ChatGPT

前言 OpenAI發佈的ChatGPT火爆全球以來，全球互聯網大廠陸續跟進，紛紛宣佈了自家的Chat產品，如Google的Bard，百度的文心一言，阿里的通義千問等等。 這些Chat產品背後都是依賴的大語言模型(Large Language Model)。 如果是做一個垂直領域的Chat產品，有2種方案： 直接使用商業化產品，前提是商業化產品支持對模型做fine-tune(微調)。比如Open

自然語言處理 , chatgpt , openai , 人工智能 , meta

收藏 評論

infodator 頭像

容智信息 - 錨定GCAO核心原則，讓企業智能體建設精準落地、高效產出

不少B端企業在智能體建設中陷入困局：投入了技術資源，落地的智能體卻要麼偏離業務核心目標，要麼決策脱離實際場景，最終淪為“演示工具”而非“生產力引擎”。問題的核心，在於缺乏一套系統、可落地的構建原則——而容智信息提出的GCAO框架，為破解這一困局提供了一套專業方法論，讓智能體建設從“盲目試錯”轉向“價值導向”。 智能體建設的首要誤區，是將“自動化”等同於“價值化”，導致工具落

資訊 , 機器人 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

u_15903730 頭像

WangLanguager - Word2Vec介紹和代碼示例

Word2Vec 介紹 Word2Vec 是一種用於生成詞嵌入（word embeddings）的模型，由 Google 的研究團隊於 2013 年提出。它能夠將詞彙映射到一個低維度的向量空間，使得相似的詞在向量空間中距離較近。 Word2Vec 的兩種主要模型 Skip-Gram：給定一個詞，預測其上下文中的詞。適用於處理稀

yyds乾貨盤點 , 加載 , 自然語言處理 , 詞向量 , 前端開發 , Javascript

收藏 評論

aijianshendexuegao 頭像

Protonbase - AI 正在批量 “創建” 數據庫：一場由 Agent 引發的千億級數據架構革命

一場由 AI Agent 掀起的數據庫革命，正在瓦解沿用了三十年的數據架構體系。 從2024 年 10 月到 2025 年 5 月，短短七個月內，AI Agent 創建的數據庫數量從 30% 爆漲至 80%，遠超人類工程師的工作產出。與此同時，Databricks 以 10 億美元收購Neon的消息震動業界——這家人工智能巨頭正在用真金白銀搶佔下一代數據基礎設施入口。 “傳統架構正在集體失靈。”

nosql , 自然語言處理 , 數據庫 , postgresql , 人工智能

收藏 評論

congweibiaobaidemalingshu 頭像

小白獅ww - 秒拍成片！EX-4D 實現單目視頻的快速 4D 動態場景生成

單目視頻到 4D 動態場景的重建長期以來被視為一個病態逆問題，缺乏基線使深度與運動難以解耦，傳統 SfM 只能恢復靜態外殼，而 NeRF-4D 又依賴數小時的逐場景優化，受制於幾何歧義、數據不足與算力開銷三重瓶頸。 字節跳動旗下的 Pico 團隊推出了新型 4D 視頻生成框架 EX-4D，能從單目視頻輸入生成極端視角下的高質量 4D 視頻。它核心創新在於提出了一種名為深度防水網格（DW-Mesh）

框架學習 , 視頻製作 , 視頻 , 自然語言處理 , 視頻處理

收藏 評論

infodator 頭像

容智信息 - 智能體最佳實踐的方法論（二）：實施

當企業智能體建設進入「第二階段實施環節」，如何將“規劃藍圖”轉化為“業務實效”成為核心命題。這一階段的成敗，直接決定智能體是“淪為技術試驗品”還是“成為業務增長極”。對於技術決策者和企業領導層而言，把握實施階段的四個關鍵步驟，並選對“業務能深度參與”的工具，是破局的關鍵。 智能體實施，是從“概念設計”到“價值交付”的實戰環節，可拆解為四個環環相扣的步驟，每一步都直指“落地效率

自動駕駛 , 機器人 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

openbayescom 頭像

OpenBayes - 教程上新丨MIT等推出BindCraft，直接調用AF2，實現蛋白質結合體的智能化設計

在生命體系中，蛋白質很少單獨發揮其生物學功能，而是依賴於蛋白質-蛋白質相互作用（PPI）來執行復雜的生物學過程。因此，設計能夠特異性靶向和調控 PPI 的蛋白質結合物具有巨大的治療和生物技術潛力。 然而，傳統的蛋白質結合物生成方法，例如免疫接種、抗體庫篩選或定向進化，通常費力費時，並且對靶位的控制有限。 計算蛋白質設計提供了一種強大的替代方案，能夠根據特定靶標和結合位點定製結合物。而早期計算方法（

機器學習 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

nizi_60e514d097c9a 頭像

MIAOYUN - MIAOYUN | 每週AI新鮮事兒（10.17-10.24）

本週AI領域動態頻出，百度、阿里、DeepSeek推出高效OCR與視覺語言模型，提升文檔解析與多模態能力；騰訊、字節跳動分別開源世界模型與3D生成模型，推動3D內容生成；Anthropic、OpenAI、Google升級AI工具，聚焦生命科學、瀏覽器集成與開發體驗；華為鴻蒙6、宇樹機器人H2及多項評測基準發佈，推動AI向終端與實體場景加速落地，一起來回顧本週發生的AI新鮮事兒吧！ AI 大模型 百

機器學習 , 機器人 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

infodator 頭像

容智信息 - 智能體最佳實踐方法論（三）：集成

在“評估-實施-集成-監控”的智能體最佳實踐方法論中，“集成”階段屬於最佳實踐方法論的第三步，是承上啓下的關鍵一躍——它將實施階段的智能體從“單點工具”升級為“融入企業業務生態的有機組件”，是智能體從“能運行”到“能創造持續價值”的核心保障。對企業而言，集成的質量直接決定了智能體能否真正嵌入業務流程、與現有系統協同作戰，進而實現降本增效的規模化價值。 數據是智能體的“養分”

資訊 , 機器人 , 自然語言處理 , 人工智能

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 【TVM 教程】自定義優化

TVM 先已更新到 0.21.0 版本，TVM 中文文檔已經和新版本對齊。 Apache TVM 是一個深度的深度學習編譯框架，適用於 CPU、GPU 和各種機器學習加速芯片。更多 TVM 中文文檔可訪問 →Apache TVM Apache TVM 的一個主要設計目標是便於自定義優化流程，無論是用於科研探索還是工程開發，都可以靈活迭代優化過程。本教程將涵蓋以下內容： 目錄 審查整體流程 可

機器學習 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

infodator 頭像

容智信息 - 智能體最佳實踐的方法論（五）：擴展規劃

當您的企業在某個業務場景中，藉由智能體實現了效率的跨越式提升——比如財務自動化讓人力成本直降30%，智能客服讓客户滿意度飆升25%……您是否會思考：如何讓這“單點的光芒”照亮全業務版圖？如何讓智能體從“部門級工具”進化為“企業級智能基建”？這正是智能體擴展規劃的核心價值——它是企業智能轉型從“試水”到“深耕”的關鍵橋樑，是讓智能體價值從“短期紅利”升級為“長期生態優勢”的操盤密碼。接下來，

資訊 , 機器人 , 自然語言處理 , 人工智能

收藏 評論

nizi_60e514d097c9a 頭像

MIAOYUN - MIAOYUN | 每週AI新鮮事兒（10.24-10.31）

本週AI領域迎來密集更新，視頻生成為創新焦點，字節、MiniMax等發佈的模型實現了長視頻、多鏡頭與效率突破；多模態、3D場景與智能體平台（如華為WorldGrow、智源Emu3.5、360 SEAF）取得顯著進展；同時，ChatGPT在心理安全、OpenAI在開源安全模型以及PayPal與OpenAI的生態合作上也有關鍵動作，一起來回顧本週發生的AI新鮮事兒吧！ AI 大模型 中國科大與字節跳動

機器學習 , 算法 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

dayong_59b0e68b1ed0d 頭像

六邊形架構 - 大模型應用開發技術路線（中）：大模型微調與定製從概念到落地

文 / 勇哥 原創文章，轉載請聯繫授權 關注公眾號「六邊形架構」，及時瞭解更多的技術分享和項目經驗 我是勇哥，一名在技術領域摸爬滾打10多年的技術老兵。繼上一篇《大模型應用開發技術路線（上）：從概念到RAG實戰，這套方法論讓我從0到1落地企業級AI應用》之後，我想跟大家分享一下我在學習和應用大模型應用開發過程中對於大模型微調與定製的一些經驗和發現。 今天，讓我們深入剖析大模型微調

觀點 , llm , 算法 , 自然語言處理 , 人工智能

收藏 評論

infodator 頭像

容智信息 - 量化智能體價值：一套指標體系，讓企業高管精準掌控AI運營的效率與質量躍遷

在企業數字化轉型的浪潮中，智能體（AI/RPA智能應用）的上線絕非終點，而是價值兑現的新起點。對於企業CEO、技術總監而言，如何量化智能體給運營效率、質量乃至業務增長帶來的真實變化？如何判斷智能體是否“物有所值”，甚至在不達預期時推動優化迭代？容智信息的“智能體指標追蹤表”，構建了一套穿透運營全維度的指標體系，為企業高層提供決策級的價值洞察。 許多企業在智能體上線後，僅以“

資訊 , 機器人 , 自然語言處理 , 教程 , 人工智能

收藏 評論

infodator 頭像

容智信息 - 企業AI智能體落地破局：5大行動建議，助管理層實現智能體從“用起來”到“價值永續”

在企業數字化轉型的賽道上，智能體（AI/RPA等智能應用）是公認的效率引擎與增長利器。但對於企業管理層而言，“如何讓智能體真正落地生效？如何避免淪為短期工具、實現長期價值放大？”這些問題始終縈繞心頭。容智信息基於數百個企業智能化項目的實戰沉澱，提煉出五大行動建議，為管理層繪製出從“智能體落地”到“價值持續深耕”的清晰路線圖。 許多企業管理層對智能體落地的最大顧慮，是“投入大

資訊 , 機器人 , 自然語言處理 , 知識 , 人工智能

收藏 評論

nizi_60e514d097c9a 頭像

MIAOYUN - MIAOYUN | 每週AI新鮮事兒（10.31-11.07）

本週AI領域動態密集，美團、360、銀河通用、字節、騰訊、Kimi與科大訊飛等分別發佈多模態、圖文、導航及視頻推理模型；工具層面，寒武紀、百度、崑崙萬維、騰訊均推出新平台或功能。技術方面，在長序列處理、多智能體協同及代碼執行效率上取得突破。市場方面，OpenAI與AWS達成鉅額合作，小鵬發佈人形機器人「IRON」。整體呈現高效化、多模態與實用化趨勢，一起來回顧本週發生的AI新鮮事兒吧！ AI 大模

資訊 , 機器人 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

infodator 頭像

容智信息 - 企業智能體落地指南——拆解7大關鍵問題，附實戰避坑策略

在企業智能化轉型的進程中，智能體（AI/RPA等智能應用）本應是撬動效率與價值的槓桿，但不少企業管理層卻因踩入隱性“深坑”，導致項目延期、投入打水漂甚至引發業務風險。容智信息基於數百個企業智能化項目的實戰覆盤，提煉出智能體落地最容易踩的7大深坑及避坑核心思路，助力企業管理層在智能體佈局中“避坑增效”，讓數字化投入真正轉化為業務增長動能。 部分企業為追求“全自動化”，將核心業

機器人 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

infodator 頭像

容智信息 - AI賦能職場：個體即團隊，效能倍增新範式

近期多項行業實踐顯示，AI工具已深度滲透職場場景：銀行合同審查AI系統可自動識別合規風險點並標註，智能協作平台3分鐘即可完成原需3小時的信貸初審文書，行政領域的AI應用亦實現日程聯動、會議室預訂及考勤統計的自動化。這一趨勢引發部分職場人士對“崗位替代”的擔憂，但本質上，AI並非職場競爭者，而是推動效率升級與價值重構的核心助力。如同20年前Excel工具作為辦公神器，當前AI工具的核心價值在

資訊 , 機器人 , 自然語言處理 , 知識 , 人工智能

收藏 評論

infodator 頭像

容智信息 - 企業AI落地破局：五步行動指南，從價值試點到組織效能躍遷

在AI技術熱潮下，不少企業陷入“概念喧囂卻落地無門”的困境——空有技術憧憬，卻不知從何入手，或盲目鋪開後效果寥寥。容智信息基於千餘家企業智能化實踐沉澱，提煉五步行動指南，為企業提供從“AI可用”到“價值可感”的清晰路徑。 AI落地切忌“大而全”的盲目投入，需優先選擇對業務有直接價值、流程相對清晰、出錯影響可控的高價值任務切入。例如：市場營銷領域：可先試點產品智能推薦、市場策略

觀點 , 資訊 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

u_15718612 頭像

小怪獸會微笑 - Every Token Counts: Generalizing 16M Ultra-Long Context in Large Language Models（超長文本模型論文HSA）

Every Token Counts: Generalizing 16M Ultra-Long Context in Large Language Models（超長文本模型論文HSA） 這篇論文介紹了 HSA-UltraLong，這是一個基於 分層稀疏注意力（Hierarchical Sparse Attention, HSA） 機制的模

分塊 , redis , 語言模型 , 自然語言處理 , 點積 , 數據庫 , 人工智能

收藏 評論

dtstack 頭像

袋鼠雲數棧 - AIWorks 煥新升級：把企業級 Agent 從“搭出來”到“跑起來”，一套平台搞定

大模型應用的下半場，是深入企業業務一線的 Agent 應用戰場。從初期的閒聊對話，到如今深入業務核心，企業對 AI 的訴求已經非常清晰：我們需要的不止是通用的效率工具，更是能夠理解業務邏輯、執行復雜指令、保障數據安全的生產力級智能體。 AIWorks 作為一款面向企業級場景的 AI 智能體應用開發平台，聚焦私有化部署與業務場景落地，提供安全可控、靈活擴展的 AI 應用構建能力。平台集成可視化開發、

資訊 , 自然語言處理 , 數據庫 , 人工智能

收藏 評論

u_16175470 頭像

mob649e815d334b - llama 7b原理

LLaMA 7B原理：探討與解析 LLaMA（Large Language Model Meta AI）是Meta發佈的系列大型語言模型，其中7B代表其參數量為70億個。該模型致力於提高生成預訓練模型的性能，致力於在自然語言處理（NLP）任務上取得突破。本文將探討LLaMA 7B的技術原理、架構解析、源碼分析以及擴展討論，旨在為讀者提供一個全面的理解框架。 背景描述 在過去的

初始化 , 自然語言處理 , aigc , ci

收藏 評論