tag AI

標籤
貢獻167
954
03:55 AM · Nov 07 ,2025
wintersun 頭像 lying7 頭像 Goblinscholar 頭像 codingtea 頭像 dmx778 頭像 OBCE666 頭像 yupi 頭像 poloai 頭像 XY-Heruo 頭像 yjmyzz 頭像 longronglang 頭像 huggingface 頭像

@AI / 博客 RSS 訂閱

codingtea 頭像

Coding茶水間 - 基於深度學習的汽車自動駕駛目標檢測系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

視頻演示 基於深度學習的汽車自動駕駛目標檢測系統 1. 前言​ 目前鐵路鐵軌巡檢主要依賴人工目測，存在效率低、漏檢率高及受主觀因素影響大等弊端，難以滿足現代鐵路的高安全性需求。為此，本文提出基於YOLO深度學習算法的解決方案，通過構建專用數據集訓練模型，並開發圖形化界面（GUI）將算法工程化，旨在用機器視覺替代人工，實現鐵軌缺陷的自動化、智能化識別，解決傳統檢測方式的痛點。 本系統集成了多元化的檢

AI

收藏 評論

gogoSandy 頭像

風雨中的小七 - 解密Prompt系列65. 三巨頭關於大模型內景的硬核論文

這一章我們不談應用，而是通過三巨頭 Google、OpenAI、Anthropic 三篇充滿腦洞的論文，深入探討模型內部狀態的可訪問性與可操控性。我們將從三個維度展開： 模型是否有自我認知？ 如何引導這種認知？ 如何從數學和電路層面解釋這種認知？ Google：In-Context Learning 本質上是隱式梯度更新 📄 Google:# Learning without

AI

收藏 評論

dmx778 頭像

大模型玩家七七 - 大模型從“瞎聊”到“幹活”：指令微調核心邏輯全拆解

大模型從“瞎聊”到“幹活”：指令微調核心邏輯全拆解 指令微調破局，讓大模型從 “瞎聊” 變 “能幹” 大家好，我是七七！剛入門大模型時，我總被一個問題困擾：明明Llama 2、Qwen這些模型能聊天説地，可一讓它幹具體活就掉鏈子——讓它寫電商文案，通篇空話套話；讓它整理會議紀要，邏輯混亂漏重點；讓它做客服話術，答非所問不專業。 後來才明白，預訓練大模型就像“剛識字的小孩”，只會基礎的語言表達，卻

AI

收藏 評論

lying7 頭像

躺柒 - 讀智能新物種07權利理論

1.權利理論 1.1.權利理論是關於誰應該獲得什麼類型的權利，以及為什麼他們應該獲得這項權利的理論 1.2.某人或某物一旦足夠像我們，就應該享有權利，這樣的想法很普遍 1.3.將虛構的未來機器人與人類相提並論的故事，並不能完全捕捉到如果機器人權利成為話題，我們將面臨的真正混亂 1.4.西方動物權利的歷史和現狀提供了更為準確的、截然不同的圖景，這些故事可供我們借 1.4.1.歷史清楚地揭

AI

收藏 評論

dmx778 頭像

大模型玩家七七 - 你以為 PPO 很高級，其實它更像個“微調旋鈕”

為什麼 PPO 在真實業務裏越來越重要 如果你是從論文或者課程裏接觸 PPO 的，那大概率會有一種“這東西看起來很厲害”的感覺。策略梯度、clip、KL 約束、reward model，一整套體系下來，很容易讓人產生錯覺：只要把 PPO 跑起來，大模型就能被“精細打磨”。 但真正進到業務裏，你會發現情況完全不是這麼回事。 大多數業務方找你，並不是因為模型“不會回答”，而是因為模型“回答得讓人不放心

AI

收藏 評論

xjwhaha 頭像

哈哈丶丶 - 從 Tool Calling 到 A2A，再到 MCP. 大模型 Agent訪問外部世界的橋樑

隨着大語言模型（LLM）能力不斷增強，我們逐漸發現一個事實： 真正有價值的，不是模型“會説話”，而是模型“能做事”。 因為再強大的LLM，其核心優勢仍然在於語言理解與推理能力，而非實時計算或外部狀態獲取。, 在某些簡單事情上, 例如 查詢當前時間, 當前地區的天氣, 進行一個簡單的數學運算, 其實都不是大模型擅長的事情, 我們也不需要大模型全知全能, 這不是一個正確的路線. 大模型應該像人類

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的風力渦輪機檢測系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

視頻演示 基於深度學習的風力渦輪機檢測系統 1. 前言​ 着新能源行業的快速發展，風力發電已成為清潔能源的重要組成部分。傳統風力渦輪機巡檢多依賴人工，存在效率低、成本高、受環境限制大、難以大規模實時監測等問題。為實現風力渦輪機的自動化、智能化、高精度檢測，我們基於 YOLO 算法設計並開發了一套完整的風力渦輪機檢測系統，可對圖片、視頻、文件夾及攝像頭實時流進行快速識別與可視化分析。下面為大家詳

AI

收藏 評論

muziji 頭像

木子吉 - 一文讀懂MOE：大模型背後的"專家分工"智慧

一文讀懂MOE：大模型背後的"專家分工"智慧 本文基於綜述論文：A Comprehensive Survey of Mixture-of-Experts Algorithms, Theory, and Applications(Siyuan Mu and Sen Lin)。如需深入瞭解，建議閲讀原文。 重點內容 MoE（混合專家模型） 是當前大模型擴展的核心技術之一，DeepSeek、M

AI

收藏 評論

u_12960863 頭像

wx59290cd7bb11a - 實戰硬核！手把手教你用 Python 打造企業級 LLM 網關 (FastAPI + Asyncio 架構篇)

💎 本文價值提示 你將獲得什麼？ 從零構建：不再是寫腳本，而是構建一個可擴展的微服務架構。 企業級思維：掌握限流、熔斷、流式傳輸等生產環境必備技能。 代碼即資產：一套可直接複用的 LLM Gateway 核心代碼骨架。 轉型視角：看懂大數據高吞吐思維如何映射到 AI 高併發架構。 👋 大家好，我是你們的老朋友

llm , 大數據 , 數據 , 數據倉庫 , AI , Json

收藏 評論

yupi 頭像

程序員魚皮 - Agent Skills 傻瓜式教程，26 年最火 AI 技術就這？

你是小阿巴，正在用 AI 開發網站。 為了讓 AI 生成的效果更好，你告訴 AI： 界面不要使用藍紫漸變色 不要生成一大堆沒用的文檔 你要遵循公司的代碼規範 阿巴阿巴，洋洋灑灑幾百字。 之後每次開發網站時，你都要寫這麼一段又臭又長的提示詞，太麻煩了！ 於是聰明的你開始想辦法。 先把常用的提示詞保存到單獨的文件（比如 prompts.md），每次手動投餵給

AI

收藏 評論

lying7 頭像

躺柒 - 讀共生：4.0時代的人機關係16案例

1.社會向大規模自動化轉變的案例 1.1.自動化得到了正確運用，被用於協助人類工作者並增強他們的能力，讓他們能夠提高生產力和工作效率，從而為他們所在的組織和整個經濟體創造更多價值 1.2.決策者 1.2.1.識別威脅和機會 1.2.2.量化它們 1.2.3.模擬假設場景 1.2.4.減輕風險 1.2.5.最終改進和促進決策 1.3.

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的花朵識別系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

視頻演示 基於深度學習的花朵識別系統 1. 前言​ 大家好，歡迎來到 Coding 茶水間！ 今天我們帶來的分享主題是 《基於 YOLO 算法的花朵識別系統》。在進入具體演示前，先簡單介紹一下現狀與我們團隊的定位——這是我們已經完成並可交付使用的成品項目，涵蓋從算法研發到可視化系統的全流程落地。如果有定製化開發需求的夥伴，也可以通過私信與我們溝通合作。我們的核心技術覆蓋 計算機視覺​ 全鏈條，

AI

收藏 評論

u_12677281 頭像

李小轟_Rex - 把手機變成聽診器！攝像頭 30 秒隔空測心率 - 開箱即用

把手機變成聽診器！Android 攝像頭 30 秒隔空測心率 —— 基於 MediaPipe + POS 算法的 rPPG 實戰 關鍵詞：rPPG、非接觸心率、Android、CameraX、MediaPipe、POS 算法、開源 Demo 源碼地址：https://github.com/liyufengrex/RPPG APK體驗：https:

移動開發 , AI , Android , 視覺理解

收藏 評論

paul-boag 頭像

Paul Boag - Giving Users A Voice Through Virtual Personas

In my previous article, I explored how AI can help us create functional personas more efficiently. We looked at building personas that focus on what users are trying to accomplish rather than demogr

User Research , ux , AI , Design

收藏 評論

u_15591470 頭像

ceshiren2022 - 無代碼開啓AI測試：字節Coze助力測試效率倍增實戰指南

關注 霍格沃茲測試學院公眾號，回覆「資料」, 領取人工智能測試開發技術合集 最近團隊裏的測試任務越來越繁重，特別是那些重複性的功能驗證和測試數據準備，幾乎佔用了我們大部分時間。直到上個月，我偶然接觸到了字節跳動的Coze平台，這個零代碼的AI工具徹底改變了我們的測試工作流程。 從手動到自動的轉變 還記得那天下午，我面對着一個需要測試的登錄功能，不僅要驗證正常登錄場景，還要測試數十

coze , AI , 人工智能 , 深度學習 , 自動化測試

收藏 評論

wintersun 頭像

PetterLiu - 優化需求評審流程論LLM與人工審查協同模式

重新定義需求評審的未來 高質量的需求是軟件項目成功的基石，然而，傳統的需求評審流程往往耗時、繁瑣且容易出錯。需求文檔中的模糊性、不一致性和遺漏是導致項目失敗最常見的因素之一。大型語言模型（LLM）作為一種顛覆性技術，為解決這些長期存在的挑戰提供了新的可能性。它強大的自然語言處理能力，能夠以前所未有的規模和速度分析文本，發現潛在缺陷。 本文的核心是，LLM在需求評審中的最佳定位並非取代人類專

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的非機動車頭盔檢測系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

視頻演示 基於深度學習的非機動車頭盔檢測系統 1. 前言​ 大家好，歡迎走進 Coding 茶水間。 在城市騎行安全日益受關注的當下，我們想和大家分享一個用技術守護出行的小成果——基於 YOLO 算法的非機動車頭盔檢測系統。它的核心很簡單：幫我們快速判斷騎車人有沒有戴頭盔，用直觀的界面和靈活的功能，把“安全檢測”變成可操作、可觀察的過程。 這套系統不只是“能檢測”這麼簡單：從主界面的分區設計，到參

AI

收藏 評論

lying7 頭像

躺柒 - 讀人工智能全球格局：未來趨勢與中國位勢14進化(下)

1.類腦智能 1.1.源起 1.1.1.人腦在協調多種認知功能方面有着無與倫比的能力 1.1.2.人腦是一個通用智能系統，能舉一反三、融會貫通，可處理視覺、聽覺、語言、學習、推理、決策、規劃等各類問題，可謂“一腦萬用”​ 1.1.3.人類的智能感知和思維能力是在成長和學習中自然形成和不斷進化的，其自主學習和適應能力是當前計算機難以企及的 1.1.4.

AI

收藏 評論

longronglang 頭像

久曲健 - AI滲透測試工具：從"腳本跑腿"到"Agent大腦"的範式革命

滲透測試的戰場正在發生根本性變化。 傳統模式裏，你是獵人，工具是獵狗。 你指揮它"掃這個IP"、"測這個端口"、"注入那個表單"，它按你的指令執行，遇到問題停下來等你決策。 2026年的AI滲透測試，完全不是這回事。 Agent成了獵人，你成了顧問。 它們自主規劃攻擊路徑、動態調整策略、相互協作攻破防線，你只在關鍵節點做判斷和授權。 這不是工具升級，這是方法論革命。 一、核心差異：AI Agen

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的35種鳥類檢測系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

視頻演示 基於深度學習的35種鳥類測系統演示與介紹 1. 前言 在自然與科技深度交織的時代，我們對周遭生命的觀察與認知，正被算法悄然拓展邊界。鳥類作為生態系統中靈動的註腳，其多樣性與分佈狀態不僅是自然研究的課題，更牽動着無數觀鳥愛好者、生態保護者的目光。然而，傳統的人工觀測與識別方式，常受限於經驗門檻、效率瓶頸，難以應對複雜場景下的精準捕捉——當鏡頭掠過林梢、水面或城市綠地，那些轉瞬即逝的身影，如

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 第二週：詞嵌入 課後習題與代碼實踐

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 本篇為第五課第二週的課後習題和代碼實踐部分。 1. 理論習題 【中英】【吳恩達課後測驗】Course 5 -序列模型 -

AI

收藏 評論

qianfeng0819 頭像

qianfeng0819 - sample article

清晨七點半，鬧鐘響過，你第一反應不是伸懶腰，而是摸手機；地鐵裏，視線黏在跳動的短視頻上；辦公室，雙眸被兩塊 27 寸屏幕“前後夾擊”；傍晚回家，本想放鬆，卻又打開投影儀追新劇……一天下來，眼睛像跑完馬拉松，酸、脹、幹、霧輪番上陣。數據顯示，我國近視人口已超 6 億，青少年近視率居世界前列。視力“滑坡”不再是個人小事，而是全民健康的“大考”。 一、眼睛為何“過勞”？

yyds乾貨盤點 , NLP , automation , AI , 人工智能

收藏 評論

daniel-schwarz 頭像

Daniel Schwarz - Penpot Is Experimenting With MCP Servers For AI-Powered Design Workflows

This article has been kindly supported by our dear friends at Penpot, whose mission is to provide an open-source and open-standards platform to bring collaboration between designers and developer

workflow , Tools , AI

收藏 評論

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程四：計算機視覺 第三週：檢測算法 （一）目標定位與特徵點檢測

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 本篇為第四課的第三週內容，3.1到3.2的內容。 本週為第四課的第三週內容，這一課所有內容的中心只有一個：計算機視覺。應

AI

收藏 評論