tag AI

標籤
貢獻136
291
03:55 AM · Nov 07 ,2025
wintersun 頭像 Goblinscholar 頭像 lying7 頭像 codingtea 頭像 OBCE666 頭像 poloai 頭像 XY-Heruo 頭像 joas-pambou 頭像 huggingface 頭像 u_16773655 頭像 yupi 頭像 u_16060192 頭像

@AI / 博客 RSS 訂閱

OBCE666 頭像

OBCE666 - 當智能機器人説”黑哥們語言是不通的“，作為開發者的你該如何應對？

作者：王運來，OceanBase 系統研發 有一個東南亞快遞公司有大量的用户諮詢與服務需求，為了降低人工成本，計劃引入#智能機器人 以代替#人工客服。 隨着近幾年#AI大模型 技術突飛猛進的發展以及在各行各業的廣泛應用，智能機器人產品也越來越成熟。只是目前市面上大部分智能機器人對中文和英文支持良好，能夠較好地理解用户輸入的信息，而對於#小語種 如泰語，支持效果並不理想。比如對於”歡迎參加北京城市交

AI

收藏 評論

wintersun 頭像

PetterLiu - 零售業的AI變革十字路口

零售業的AI變革十字路口 全球零售業正佇立於一個由人工智能（AI）、宏觀經濟不確定性與消費者行為結構性轉變共同驅動的轉型期。這並非簡單的週期性波動，而是一場根本性的範式轉移，其核心體現為兩種截然不同的進化路徑：成熟的全球市場正致力於優化現有商業模式以應對外部宏觀經濟的逆風，而高速迭代的中國市場則在內部激烈的競爭壓力下，催生出一個全新的、以數字技術為原生基礎的零售生態。 根據德勤的最新全球零

AI

收藏 評論

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程五：自然語言處理 第一週：循環神經網絡 （五）門控循環單元 GRU

此分類用於記錄吳恩達深度學習課程的學習筆記。 課程相關信息鏈接如下： 原課程視頻鏈接：[雙語字幕]吳恩達深度學習deeplearning.ai github課程資料，含課件與筆記:吳恩達深度學習教學資料 課程配套練習（中英）與答案：吳恩達深度學習課後習題與答案 本篇為第五課的第一週內容，1.9的內容以及一些相關基礎的補充。 本週為第五課的第一週內容，與 CV 相對應的，這一課所有

AI

收藏 評論

lyndon-cerejo 頭像

Lyndon Cerejo - Prompting Is A Design Act: How To Brief, Guide And Iterate With AI

In “A Week In The Life Of An AI-Augmented Designer”, we followed Kate’s weeklong journey of her first AI-augmented design sprint. She had three realizations through the process: AI isn’t a co-pi

workflow , ux , AI

收藏 評論

xiaoqian01 頭像

筱倩 - 輕量化網絡中的知識蒸餾技術

1、輕量化網絡 　　輕量化網絡是一類計算複雜度低、參數量小、內存佔用少的神經網絡模型，其核心目標是在保證模型性能（如精度、速度）的前提下，降低模型的計算和存儲開銷，使其能高效部署在移動端、嵌入式設備、邊緣計算節點等資源受限的硬件平台上。與傳統大型模型相比，輕量化網絡通過結構優化、參數壓縮等手段，實現了”小而精“的特徵，是AI從雲端走向終端的關鍵技術之一。 　　輕量化網絡的實現路徑可分為四大類：壓縮

AI

收藏 評論

acce2934 頭像

Acce2934 - MasaCtrl 論文匯報

MasaCtrl發佈於ICCV2023, 是一個比較老的論文，這裏研究這個主要是因為和研究內容相近。我想着是就算方法可能已經沒那麼新，其中的思想或多或少是可以借鑑的。 MasaCtrl主要致力於解決兩個問題： T2I生成圖像，如生成連續圖像以做動畫需求等時（其實套到我們的課題裏就是對應大圖裏的各個小圖）很難保持一致或很難完成複雜的non-rigid editing任務，其中一致性保持失敗的樣例

AI

收藏 評論

lying7 頭像

躺柒 - 讀共生：4_0時代的人機關係03人機合作的狀態

1.問題 1.1.科技公司面臨的真正挑戰是預測其創新技術一旦進入我們的日常生活之後可能會像連鎖反應一樣引起哪些計劃外後果，並通過直觀的設計解決這些問題 1.1.1.計劃外的後果也是成本 1.1.1.1.有必要對它們加以全盤考慮 1.2.通過機器接受教育的兒童會逐漸喪失一些至關重要的社交技能 1.3.在自動化程度越來越高、越來越以數據為中心的醫療保健系統中，數據和

AI

收藏 評論

yegor-gilyov 頭像

Yegor Gilyov - Intent Prototyping: The Allure And Danger Of Pure Vibe Coding In Enterprise UX (Part 1)

There is a spectrum of opinions on how dramatically all creative professions will be changed by the coming wave of agentic AI, from the very skeptical to the wildly optimistic and even apocalyptic.

ux , AI , Process , Design

收藏 評論

wintersun 頭像

PetterLiu - Nano Banana生成論文標註圖片

Nano Banana生成論文標註圖片 測試論文https://arxiv.org/pdf/2511.04355v1 步驟一 提取重點 請輔助我閲讀論文，把重要內容原始文字與段落抽取出來，進行標註與註釋(標註採用中文) 步驟二 生成圖片 提示詞 用圈內容、畫箭頭引用註解、馬克筆高亮的形式，把重要內容和圖片做精準、深入的閲讀中文語言標註（手繪風格）: {{上一輪對話結果重點文字}} 完整圖片

AI

收藏 評論

wintersun 頭像

PetterLiu - 以AI驗證AI安全工程突破

以AI驗證AI：務實的進化還是危險的豪賭？ 前言 《Fighting AI with AI: Leveraging Foundation Models for Assuring AI-Enabled Safety-Critical Systems》探討了在航空航天和自動駕駛等安全關鍵系統中，使用深度神經網絡（DNNs）進行軟件保證所面臨的挑戰，並提出了一個名為“以AI治AI”的解決方案框架。該

AI

收藏 評論

OBCE666 頭像

OBCE666 - 基於seekdb，教你從零開始構建智能搜書應用

seekdb 是什麼樣的數據庫？ 最近體驗了一下 seekdb，先説幾點感受。 第一，是單節點輕量化設計，在我的 macbook 上通過 docker 桌面端部署可以輕鬆跑起來，在 Linux 環境下直接用 pip 安裝，據説不久就會支持 macOS/windows 系統，連 docker 都省了，直接通過命令安裝。 第二，它是一體化設計，原生融合關係型、向量、全文、JSON、GIS 五種類型的數

AI

收藏 評論

baihai 頭像

baihai - “推理能力”的提升本質上是模型智能的提升嗎？

編者按： 推理模型的“推理能力”飛躍，究竟是模型本身的進步，還是工程編排的巧妙包裝？ 我們今天為大家帶來的這篇文章提出了一個尖鋭的觀點：所謂“推理模型”的突破，本質上並非模型智能的根本性提升，而是通過工具調用與流程編排對模型能力停滯所做的工程性補償。 文章深入剖析了 GPT-5 等最新模型在執行任務時嚴重依賴 Python 沙箱、API 調用等外部工具的

llm , AI , 人工智能 , 深度學習

收藏 評論

u_12960863 頭像

wx59290cd7bb11a - 拒絕“膠水代碼”！大數據轉型 AI 架構師的 Python 進階心法：流式響應與切面編程

本文價值提示： 💡 面向人羣：擁有 Java/Scala/Spark 背景，正在向 AI Agent/RAG 架構轉型的後端或大數據工程師。 🎯 核心收穫： 思維重構：如何用 Spark 的“惰性求值”思維理解 Python 生成器。 架構解耦：如何用 Spring AOP 的“切面”思維掌握 Python 裝飾器。 實戰落地：手把手構建一

大數據 , 數據 , 數據倉庫 , AI , 生成器 , 架構師 , Python

收藏 評論

lyndon-cerejo 頭像

Lyndon Cerejo - A Week In The Life Of An AI-Augmented Designer

Artificial Intelligence isn’t new, but in November 2022, something changed. The launch of ChatGPT brought AI out of the background and into everyday life. Suddenly, interacting with a machine didn’t

workflow , ux , AI

收藏 評論

ChenAI-TGF 頭像

TTGF - 不懂 Attention 不算懂 AI？十大奠基論文（一）：一文讀懂《Attention Is All You Need》

系列文章前言 在人工智能技術從理論突破走向工程落地的進程中，一篇篇里程碑式的論文如同燈塔，照亮了技術演進的關鍵路徑。為幫助大家吃透 AI 核心技術的底層邏輯、理清行業發展脈絡，博主推出「AI 十大核心論文解讀系列」，每篇聚焦一篇關鍵論文的問題背景、核心創新與行業影響。本篇博客解讀《Attention Is All You Need》論文。 @ 目錄 系列文章前言 前言：為何它能入選

AI

收藏 評論

wintersun 頭像

PetterLiu - 人工智能-人類的解放者還是終結者

一個無法迴避的十字路口 我們正處在一場技術變革的中心，而這場變革“可能和我們經歷過的任何一次技術變革都完全不同”。它不只是提升效率，而是從根本上挑戰我們對人類價值和生存意義的定義，將我們直接推到了一個時代性的十字路口。 本次辯論的核心問題因此變得無比清晰：人工智能究竟是把我們從繁瑣、危險、重複的勞動中解放出來，帶領我們走向更高層次、更有意義生活的“解放者”；還是説，這種樂觀的看法危險地低估了

AI

收藏 評論

u_15644617 頭像

u_15644617 - 多場景適配！一個強大易用的開源企業級智能體平台！

大家好，我是 Java陳序員。 在 AI 技術飛速發展的今天，企業對智能應用的需求愈發迫切，但技術門檻高、部署複雜、適配場景有限等問題卻成為阻礙。 今天，給大家介紹一個強大易用的開源企業級智能體平台，適配多場景！ 關注微信公眾號：【Java陳序員】，獲取開源項目分享、AI副業分享、超200本經典計算機電子書籍等。 項目介紹 MaxK

機器學習 , llm , github , yyds乾貨盤點 , AI , 人工智能

收藏 評論

u_15013316 頭像

u_15013316 - AI變革，企業如何應用AI大模型重塑思考維度？

“中國雖是多條AI賽道的領跑者，企業部署AI的速度卻慢了一步。”這是一個不爭的事實。 日常的AI應用場景千千萬，不止於簡單的檢索信息、編寫代碼、生成表格，小到一個工作術語的查詢，大到產品戰略決策的輔助。越來越多的人在用AI重塑思考維度與工作方式，管理者們也在積極探索AI與業務的融合路徑，以求提升效率。 但AI在實際工作場景中的落地，卻始終面臨着繞不開的難題。 要

AI , AI編程 , 人工智能 , 代碼人生

收藏 評論

TheMagicalRainbowSea 頭像

Rainbow-Sea - 13. Spring AI 的觀測性

13. Spring AI 的觀測性 @ 目錄 13. Spring AI 的觀測性 觀測性 為什麼Spring AI應用急需可觀測性？ AI服務成本失控的痛點 Spring AI可觀測性的價值 實戰演練：構建可觀測的Spring AI翻譯應用

AI

收藏 評論

gogoSandy 頭像

風雨中的小七 - 解密Prompt系列66. 視覺Token爆炸→DeepSeek-OCR光學壓縮

藉着 DeepSeek-OCR這篇論文，本章我們來回顧下多模態大模型（VLM）的核心技術演進。 很多人認為：圖像Token的信息密度和效率遠不如文本。但 DeepSeek-OCR的核心價值，就是用實踐證明了這是一個偽命題。它通過一套巧妙的串行視覺壓縮架構，實現1個視覺Token近乎無損地承載10個文本Token的驚人效率。 下面我們沿着 \(O(N^2)\) 危機 \(\rightarrow\)

AI

收藏 評論

lying7 頭像

躺柒 - 讀智能新物種06陪伴的真正問題

1.PARO 1.1.在世界各地得到廣泛使用，特別是用於失智症患者、退伍軍人和其他患有創傷後應激障礙的羣體，深受那些照顧老人的家庭和工作人員的歡迎 1.2.似乎可以減輕失智症患者的躁動和抑鬱 1.3.預示着一個反烏托邦式的未來：我們通過機器人，給老年人營造一種偽裝的護理假象來分散他們的注意力並安撫他們，這樣我們就不需要付錢給看護人來完成他們的護理工作了 1.4.工作並不完全是為了取代人類的護理

AI

收藏 評論

znai 頭像

老艾的智能世界 - AI證件照製作神器！任意尺寸和類型，兩秒出圖（附下載鏈接）

在日常生活與工作中，證件照的需求無處不在，無論是製作求職簡歷、畢業證還是參加考試，常常需要不同尺寸、不同底色的證件照。但是，拍攝一張符合規範的證件照往往需要前往照相館，專業攝影費用高，不僅耗時耗力，還可能需要長時間排隊等候，如果下次要用到其他類型證件照，還得再跑一趟 IDLyst是一款基於AI技術的專業證件照製作工具，支持批量生成不同尺寸的各類標準證件照，包括排版照。它依託於一套優化的AI工作模

AI

收藏 評論

wintersun 頭像

PetterLiu - 如何編寫優秀的 CLAUDE.md

注意：這篇文章同樣適用於 AGENTS.md，這是 CLAUDE.md 的開源等價物，適用於 OpenCode、Zed、Cursor 和 Codex 等代理和工具。 原則：大語言模型（絕大部分）是無狀態的 大語言模型（LLM）是無狀態的函數。它們的權重在進行推理時是固定的，因此它們不會隨時間學習。模型對你代碼庫的唯一瞭解，來源於你輸入給它的 token。 同樣，像 Claude Cod

AI

收藏 評論

u_12960863 頭像

wx59290cd7bb11a - 拆解大模型“心臟”：BERT與GPT的相愛相殺（架構師進階指南）

本文價值提示： 很多轉型AI的大數據工程師，會調用 API，會寫 Prompt，但一旦遇到“為什麼這個任務跑得這麼慢？”或者“為什麼提取實體總是出錯？”時就懵了。 本文不講複雜的數學公式，而是用架構師的視角，帶你鑽進大模型的“黑盒”內部，看懂 Transformer 的三種形態，並附贈一份**2025年主流模型選型清單（含國產之光）**。 👋 大家好，我是你們的

大數據 , google , 數據倉庫 , AI , 架構師

收藏 評論