tag 人工智能

標籤
貢獻960
1537
06:37 AM · Oct 27 ,2025
deephub 頭像 u_13357275 頭像 pannideniupai 頭像 elhix0bg 頭像 rtedevcomm 頭像 xingxingshangdeliushu 頭像 tecdat 頭像 chaoshenjinghyperai 頭像 u_15591470 頭像 u_17579295 頭像 u_17512334 頭像 lab4ai 頭像

@人工智能 / 博客 RSS 訂閱

digitalocean 頭像

DigitalOcean - LLM微調後回答不準還花天價？三步調教出你的“高智商”行業AI模型

大型語言模型已經變得非常強大，但現成的模型往往在特定領域/應用上有所不足。LLM 微調是在自定義數據集上進一步訓練預訓練 LLM，使其專門針對特定任務/領域的過程。微調使你能夠注入領域知識，使模型的語調/風格與你的品牌保持一致，並在特定任務上超越通用模型的性能。微調利用了模型的現有知識，節省了從頭開始訓練模型的巨大成本。 基礎模型比以往任何時候都更強大，但要獲得真正的價值，定製化至關重要。微調有助

機器學習 , llm , 教程 , 知識 , 人工智能

收藏 評論

u_17602582 頭像

mb69410ac31213c - AI普惠時代：中小企業如何用智能體重構競爭力？

根據工業和信息化部2024年數據，我國專精特新“小巨人”企業中，超80%集中在人工智能等戰略性領域，但僅有不足30%實現AI技術規模化應用。這一數字背後，折射出中小企業在AI轉型中的三大結構性矛盾： 1. 技術-成本悖論 AI研發需要持續投入算力與數據資源，而中小微企業年均AI預算不足5000元/月（CSDN調研）。例如，某製造業企業嘗試部署自研質檢模型，初期算力採購

大數據 , 數據 , 數據倉庫 , 人工智能 , 開發週期

收藏 評論

chunzhendegaoshan 頭像

RestCloud - 谷雲科技發佈 API × AI 戰略：讓 AI 從“理解數據”走向“驅動業務能力”

從“能看懂”到“能執行”：谷雲科技發佈 API × AI 戰略 過去兩年，企業AI在數據分析、智能問答和輔助決策層面不斷取得進展，但在真實業務場景中，AI如何安全、可控地參與業務執行，依然是橫在企業面前的關鍵難題。 2025年12月25日，谷雲科技正式發佈API × AI戰略，系統性迴應這一問題。這不是一次產品層面的升級，而是谷雲基於八年企業集成與API管理實踐，對企業AI落地路徑與技術底座所作出

API , ipaas , 人工智能 , 數據處理

收藏 評論

u_16213618 頭像

mob64ca1400bfa8 - windows10 emqx啓動報錯

Win10系統提示0x80004005錯誤代碼快速解決方法 方法一 在Win10系統中如果提示錯誤代碼0x80004005，可能是電腦中沒有正確註冊某些動態鏈接庫文件，或者是計算機與internet之間存在不允許的https連接的防火牆。那麼遇到電腦提示錯誤代碼0x80004005該怎麼辦？下面裝機之家分享一下Win10系統提示0

機器學習 , windows , microsoft , windows10 emqx啓動報錯 , 人工智能 , .net

收藏 評論

huobaodeshanghen_ya4gw 頭像

火爆的傷痕_Ya4Gw - 訪答手機智能體：如何節省70%人工成本

訪答手機智能體：如何節省70%人工成本 什麼是訪答手機智能體 訪答手機智能體（AutoGLM）是一款專為移動端設計的輕量化多模態智能助理。它通過視覺-語言大模型和ADB技術，實現“看懂屏幕→規劃步驟→模擬操作”的自動化流程，將複雜任務轉化為簡單指令。 核心能力與應用場景 AutoGLM具備多模態屏幕理解、智能任務規劃和高精度動作執行能力。典型應用包括：社交運營（自動發佈圖文）、電商比價（跨平台搜索

教程 , 人工智能 , 知識庫

收藏 評論

u_17589471 頭像

AI數字人研究社 - 中國數字人企業推薦：2025數字人產業核心廠商與權威排名與市場趨勢深度報告

虛實融合，數字人開啓智能交互新紀元 隨着人工智能、圖形渲染與大數據技術的深度融合，AI數字人已從概念演示快速演進為驅動產業數字化與社會服務智能化變革的關鍵力量。它不再是簡單的動畫形象，而是集成了自然語言理解、語音交互、情感計算與高保真可視化等多模態能力的智能交互體，旨在以擬人化的方式，無時空限制地提供信息、服務與陪伴。據權威市場分析機構預測，2025年中國數字人市場將進入規

智能硬件 , 交互設計 , 數字人 , 人工智能 , 計算機視覺 , 大模型

收藏 評論

pannideniupai 頭像

雨大王 - 汽車廠內物流如何通過自動化實現降本增效？

在當今製造業快速發展的背景下，汽車廠內物流自動化已成為提升企業競爭力的重要手段。傳統的倉儲和物流管理模式依賴大量人工操作，不僅效率低下，還容易導致庫存積壓、物料錯配等問題，嚴重製約了生產節奏和市場響應速度。隨着工業互聯網、人工智能等技術的不斷進步，物流自動化正在經歷一場深刻的變革。如何將這些技術與汽車廠內物流深度融合，成為許多製造企業亟待解決的難題。 以廣域銘島為例，其在汽車製造領域的實踐為

人工智能

收藏 評論

lab4ai 頭像

Lab4AI - 【每日Arxiv熱文】ICLR2026 ！SAM3重磅來襲：能“聽懂人話”的分割模型，性能狂飆2倍！

1.論文概述 論文標題：SAM3: Segment Anything with Concepts 作者團隊：Anonymous authors 發佈時間：ICLR2026 論文鏈接：https://openreview.net/pdf?id=r35clVtGzw 👉Lab4AI 大模型實驗室鏈接： https://www.lab4ai.cn/paper/detail/reprodu

機器學習 , 圖像識別 , 知識 , 人工智能 , 深度學習

收藏 評論

u_16213612 頭像

mob64ca13ff5b03 - FlexboxLayoutManager怎麼讓不同高度的item對齊上一個的底部

template div class="about" h3flex相關的屬性/h3 div class="parent" div class="son1"/div div class="son2"/div div class="son3"/div div class="son4"/div /di

機器學習 , 基線 , 取值 , 默認值 , 人工智能

收藏 評論

kingshuaishuai 頭像

king帥帥 - 週末項目 Incremark：為 AI 流式輸出場景設計的增量 Markdown 解析器

故事的開始 故事的開始是我想要為我的 tiptap 編輯器增加 AI 流式內容輸出的功能，但 AI 輸出的是 markdown，我需要將其解析為 prosemirror JSONContent，但我又想盡可能節省性能，每次已經穩定的內容避免重複解析，正在生成的塊不斷進行更新，因此有了 incremark 這個小工具。 問題分析 傳統的 Markdown 解析器（marked、remark 等）設計

人工智能 , 前端 , Markdown

收藏 評論

u_16099253 頭像

數據解碼者 - 【深度學習實戰02】——VGG網絡提取輸入圖像的特徵並顯示特徵圖_輸入圖像,從圖像中學習特徵,輸出圖像

深度學習的效果越來越好,在一些方面甚至超過了人類水平,為了更好地理解神經網絡如何識別特定模式的圖像,以及為什麼識別結果可以如此準確,需要從更深層次,即識別過程去了解神經網絡.一旦瞭解了識別過程,我們就可以對神經網絡做進一步的改進,另一方面也有助於人類理解機器作出決策的過程及原因,這一點在智能醫療中顯得尤為重要. 特徵圖的顯著激活 一旦神經網絡中的某個特徵圖

數據集 , 神經網絡 , 深度神經網絡 , 人工智能

收藏 評論

junyidedalianmao 頭像

啓英AI平台 - 受夠了複雜的OSD菜單？手把手教你為顯示器嵌入“聽懂人話”的離線語音識別能力

面對顯示器上密密麻麻的OSD按鍵和複雜的多級菜單，我作為一家顯示器廠商選擇用一塊不足掌心大小的語音識別模塊，讓傳統顯示器聽懂人話，開啓了人機交互的新篇章。 想象一下，你不需要在顯示器側面摸索那些難以區分的物理按鍵，也不用在複雜的屏幕菜單中逐級尋找亮度調節選項，只需説出“調亮一點”或“切換到HDMI輸入”，顯示器便能瞬間響應——這不再是科幻電影的場景。 基於啓英泰倫CI-D03GS01J離線語音識別

交互 , ai開發 , 顯示器 , 語音 , 人工智能

收藏 評論

pannideniupai 頭像

雨大王 - 智能倉儲管理系統怎麼助力整車製造？

整車倉儲管理系統：如何提升汽車倉儲效能與供應鏈協同 隨着製造業數字化轉型浪潮席捲而來，倉儲管理系統作為供應鏈管理中的核心環節，其智能化升級已成為汽車企業降本增效的必經之路。傳統倉儲管理方式下，人工操作佔據主導地位，這不僅導致庫存信息滯後、車輛查找效率低下，還容易引發庫存積壓、賬實不符等問題。例如，在某汽車零部件企業的實際案例中，由於人工操作的侷限性，訂單高峯期的履約延遲率高達15%，滯銷品積

人工智能

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - PAI Physical AI Notebook詳解3：基於仿真的導航模型訓練

在前兩期，我們已經分別基於仿真環境和世界模型進行了針對Manipulation（動作控制）模型的訓練數據合成與模仿學習。我們來回顧下整個過程： 針對具身智能場景，除了Manipution，Navigation（導航）也是一類非常重要的控制模型，本期我們就來詳細解讀基於仿真環境的導航模型訓練的全過程。 和動作控制模型類似，對導航模型的訓練也可以通過人工演示、數據擴增、數據增強、模仿學習和模型

阿里雲 , 人工智能 , 模型

收藏 評論

bizidadejianbing 頭像

DashVector - 如何使用DashVector的多向量檢索

本文介紹如何使用DashVector的多向量檢索功能。 在某些AI檢索的場景，會涉及一個實體對應多個向量，在檢索時希望通過多個向量檢索來找到最可能的實體，例如： 在自然語言處理中，標題和文檔分別抽取為不同的向量特徵，需要根據標題向量和文檔向量同時做檢索。 在商品檢索時，商品的圖片和文字分別抽取為不同的向量特徵，需要根據圖片向量和文字向量同時做檢索。 為了滿足這些需求，DashVector支

阿里巴巴 , 數據庫 , 人工智能 , 大模型

收藏 評論

deephub 頭像

deephub - PyTorch中的多進程並行處理

PyTorch是一個流行的深度學習框架，一般情況下使用單個GPU進行計算時是十分方便的。但是當涉及到處理大規模數據和並行處理時，需要利用多個GPU。這時PyTorch就顯得不那麼方便，所以這篇文章我們將介紹如何利用torch.multiprocessing模塊，在PyTorch中實現高效的多進程處理。 多進程是一種允許多個進程併發運行的方法，利用多個CPU內核和GPU進行並行計算。這可以大大提高

pytorch , 人工智能 , 深度學習 , 多進程

收藏 評論

turing_interview 頭像

圖靈訪談 - 米格爾·尼科萊利斯：僅通過思考就能實現的人機交互

本文僅用於學習和交流目的，不得用於商業目的。非商業轉載請註明作譯者、出處，並保留本文的原始鏈接：http://www.ituring.com.cn/art... 6月15日~6月18日，圖靈作為技術圖書出版先鋒品牌，受邀參加了第十五屆中國國際軟件和信息服務交易會（中國軟交會）。本屆中國軟交會以“新IT、新生態、新動能”為主題，匯聚了來自全球的業界精英和代表，全面展示了IT產業的新技術、新思維和

腦功能紊亂 , 圖靈訪談 , 腦機接口 , 人工智能

收藏 評論

u_14191 頭像

索姆拉 - 解讀Lawyer LLaMA，延申專業領域大模型微調：數據集構建，模型訓練_dream

下面列出 LLaMA‑Factory（開源的 LLM 交互式微調與數據標註平台）內置支持的全部數據集及其主要特性、來源和使用方式，方便你快速挑選合適的數據來進行指令微調、RLHF、對話生成等任務。 1️⃣ LLaMA‑Factory 官方提供的“指令/對話”數據集（已在 datasets 中註冊）

數據集 , 多語言 , factory , 人工智能 , llama , Css , 前端開發 , HTML

收藏 評論

u_15214399 頭像

u_15214399 - 華為網絡開放賽技術論壇成功舉辦 探討智能時代下的技術基礎與實踐

12月27日-12月28日，2025年華為網絡開放賽技術論壇在上海華為練秋湖研發中心舉辦。本次活動以“智能時代下的技術基礎與實踐探索”為主題，匯聚了華為網絡開放賽冠軍選手、產業賽題專家及行業大咖，通過華為網絡開放賽現場挑戰賽、大咖分享、優秀選手解題分享、頒獎典禮、技術演講等多元化議題，搭建網絡開放賽互動交流平台，共同探討算法驅動創新，碰撞出技術火花，助力實現青年人才與智能產業無縫

機器學習 , 基線 , 信息處理系統 , 人工智能 , 華為網絡

收藏 評論

beishangdejianjidan_cqxuxf 頭像

悲傷的煎雞蛋_cQXuXF - 我靠？！程序員這樣使用AI才對！！！

放假前最後一個工作日下午5點，你鼠標都摸好了，就等着準點開溜。產品經理走過來了：“有個小需求，用户列表加個篩選和排序，很簡單！老闆説客户明天就要看。”你嘴上説着好的，心裏已經演完了八百集血壓拉滿的內心劇。算了，反正看起來也不復雜。 你熟練地打開 Cursor，輸入：“幫我實現用户列表的篩選和排序功能。”三分鐘，真的只用了三分鐘，AI嘩啦啦吐出兩百行代碼。你隨手點了幾個案例，居然都能跑通。那一瞬間，

人工智能 , 程序員 , 前端

收藏 評論

pannideniupai 頭像

雨大王 - 智能研發管理：製造業如何實現從“單打獨鬥”到“全鏈協同”

最近和製造業的朋友聊天，大家幾乎都在談數字化轉型，聊到研發管理，話題就更熱烈了。市場節奏越來越快，技術也在不斷迭代，傳統研發管理方式顯然跟不上了。尤其是汽車、裝備製造這些離散製造行業，跨部門協作複雜，信息孤島嚴重，研發過程中的痛點太多了。設計數據分散，版本混亂，文檔管理滯後，流程審批依賴人工……這些看似獨立的問題，其實都是一根繩子上綁着的螞蚱。 舉個例子，很多企業的設計文檔和圖紙數據分散在不

人工智能

收藏 評論

u_16099243 頭像

代碼探險家 - attention中位置編碼與embeding

Transformer的時間序列預測 1、它利用輸入嵌入中添加的位置編碼來模擬序列信息。（位置編碼） 絕對位置編碼： t表示位置索引，w為每個維度的頻率信息 相對位置編碼：根據輸入元素之間的成對位置關係比元素的位置更有利的直覺，相對位置編碼方法已經被提出。例如，其中一種方法是將可學習的相對位置嵌入到注意力機制的關鍵中 混合位置

機器學習 , 複雜度 , 人工智能 , 時間序列 , 頻域

收藏 評論

u_16213606 頭像

mob64ca13fdd43c - openGauss數據庫源碼解析系列文章

文章目錄 1.概述 2.構建測試表 3.插入數據 4.測試常規分類場景 4.1業務價值 4.2業務場景 4.3測試實例 4.3.1代碼示例 4.3.2運行結果 5.測試教育數據的多維度交叉分類

數據挖掘 , 數據 , 分類 , 後端開發 , 人工智能 , 代碼示例 , Python

收藏 評論

user_sg59bsuq 頭像

user_sg59bsuq - 打造個人知識大腦：訪答知識庫深度體驗

打造個人知識大腦：訪答知識庫深度體驗 為什麼需要私有知識庫？ 在信息爆炸的時代，我們每天接觸大量碎片化信息。這些散落在各處的知識就像未經整理的書籍，急需一個專屬空間進行歸檔。私有知識庫的出現，正是為了解決這一痛點——它讓你成為自己知識宇宙的主宰。 訪答知識庫：你的第二大腦 在眾多知識庫工具中，知識庫以其獨特的本地化設計脱穎而出。它將複雜的知識管理變得像整理書房一樣直觀：創建筆記、建立關聯、快速檢索

教程 , 人工智能 , 知識庫

收藏 評論