tag 人工智能

標籤
貢獻960
1573
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

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_16213563 頭像

網絡安全守護先鋒 - 知識筆記：華為戰略規劃與執行的核心管理工具BLM模型

華為DSTE戰略管理體系 = 一套以客户為中心、以目標為導向、從戰略到執行閉環落地的“戰略操作系統”，它讓戰略不再是口號，而是可解碼、可衡量、可執行、可覆盤的組織能力。 一、DSTE戰略管理體系總覽 1. 什麼是DSTE？ Develop Strategy To Execute：

華為 , 大數據 , 戰略規劃 , 後端開發 , 人工智能 , 灰度 , Python

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 為國防航天打造全域感知、智能協同的“智慧指揮大腦”

在國防航天領域，信息是決勝的關鍵。面對日益複雜的任務環境、海量異構的裝備數據以及瞬息萬變的戰場態勢，傳統的指揮與控制模式正面臨巨大挑戰。如何將分散在各處的衞星、雷達、指控系統、保障設施乃至單兵裝備的數據進行深度融合，形成一張全域、實時、透明的“態勢網”？如何將靜態的作戰預案轉化為動態、可推演、可執行的數字化流程？這不僅是技術難題，更是提升體系作戰能力的核心需求。 今天，我們

數據 , 運維 , 異構 , 數據可視化 , 人工智能 , 數字孿生

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 【TVM 教程】用 TEDD 進行可視化

Apache TVM 是一個端到端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 → https://tvm.hyper.ai/ 作者：Yongfeng Gu 本文介紹使用 TEDD（Tensor Expression Debug Display）對張量表達式進行可視化。 張量表達式使用原語進行調度，單個原語容易理解，但組合在一起時，就會變得複雜。

編程 , 機器學習 , 人工智能 , 編譯器 , 深度學習

收藏 評論

u_16175516 頭像

mob649e816880fe - AIGC FOR MAC

AIGC FOR MAC 是一個集成各種人工智能內容生成工具的框架，旨在提升macOS用户的內容創作效率。隨着AIGC（人工智能生成內容）在各個領域的廣泛應用，許多Mac用户希望在其設備上能夠快速、便捷地生成高質量的文本、圖像和多媒體內容。然而，在使用AIGC FOR MAC時，用户常常面臨性能、兼容性、特性實現和技術選擇等多重挑戰。 背景定位 在當今迅速演變的數字化時代，AIG

HTTP , aigc , 人工智能 , Python

收藏 評論

u_14457 頭像

clghxq - Google DeepMind 要逆天，能為 AI 賦予記憶不斷學習_weixin

Google最新發布的《AI與學習的未來》報告，為我們描繪了一幅AI技術如何支持教師、實現個性化學習，並最終釋放全球學習者潛力的藍圖。 AI讓個性化學習規模化成為可能 傳統教育面臨的最大挑戰之一，是在有限的資源下滿足每個學生獨特的學習需求。AI為此提供瞭解決方案： 個性化學習路徑：AI可以根據每個學生的知識水平、學習進

科技 , 學習 , 語言模型 , AI , 人工智能 , 數據結構與算法

收藏 評論

u_16213604 頭像

mob64ca13fd559d - Empty Views Activity 開發一個簡單程序

隨着智能手機的不斷普及，Adroid、IOS APP應用越來越多，不僅方便和豐富了我們的生活，同時也讓許多企業都想在移動端分得一杯羹或者為自己的企業開發一個手機應用，但通常這些企業可能沒有自己的技術團隊，所以必須外包，但外包的費用動輒5k，甚至幾萬的費用，又讓這些企業望而卻步。所以今天小編為大家整理了一些國內外優秀的可以幫助您快速開發手機APP應用的平台和框架。 第一類：工

機器學習 , mobile , 人工智能 , 開放平台 , Web

收藏 評論

daoshanghundereshuiping 頭像

道上混的熱水瓶 - Minion框架早已實現PTC：超越傳統Tool Calling的Agent架構

引言 2025年11月24日，Anthropic正式發佈了Programmatic Tool Calling (PTC)特性，允許Claude通過代碼而非單次API調用來編排工具執行。這一創新被認為是Agent開發的重要突破，能夠顯著降低token消耗、減少延遲並提升準確性。 然而，作為minion框架的創建者，我想分享一個有趣的事實：minion從一開始就採用了這種架構理念。在PTC

算法 , 人工智能

收藏 評論

u_16163453 頭像

嘴巴吃糖了 - AI時代需求編寫指南：如何編寫讓AI也能看懂的高質量需求（必學收藏）

前言 無論是需求、規範還是用户故事，用於指導代碼實現的任何信息，都必須具備一些關鍵特質（如敏捷方法中的 INVEST 原則）。隨着人工智能逐漸參與代碼生成，需求不僅要滿足人類開發者的理解，還需要更加明確、結構化，以便 AI 能正確、可靠地生成符合項目約束的代碼。因此，編寫需求時標準更高，既要清晰給人看，更要讓 AI 能"看懂"並正確實現。 本

大模型教程 , oracle , AI大模型 , 數據庫 , 人工智能 , 大模型入門 , 大模型學習

收藏 評論

u_16213586 頭像

mob64ca13f8eecb - go 異步的幾種方法 demo

同步適合多個連續執行的，每一步的執行依賴於上一步操作，異步執行則和任務執行順序無關(如從10個站點抓取數據) 同步執行類RunnerAsync 支持返回超時檢測，系統中斷檢測 錯誤常量定義,task/err.go package task import "errors" //超時錯誤 var ErrTimeout = errors.New(

機器學習 , Group , Time , 人工智能 , go 異步的幾種方法 demo , 系統中斷

收藏 評論

u_17586993 頭像

u_17586993 - 時代週刊致敬“AI建築師”，Anthropic 豪擲210億買算力，螞蟻開源 LLaDA 2.0，谷歌 NotebookLM 升級

2025 年的尾聲比想象中來得更熱鬧一些。 科技圈，既有象徵意義極強的“年度人物”定調，也有真金白銀的百億級算力豪賭。從國外的 Anthropic、Mistral 到國內的螞蟻技術研究院，大家似乎都在趕着交出一份年度答卷。 🏆 《時代》週刊：致敬“AI 建築師” 歷史總是驚人的相似。繼當年“個人電腦”登上封面後，《時代》週刊宣佈將 “人工智能的建築師”（The Architec

資訊 , 時代 , AI , 人工智能 , 代碼人生 , 建築師

收藏 評論

u_15675190 頭像

冰淇淋紅茶Q - 十月第一篇【AI落地應用實戰】基於 Amazon Bedrock、Agents、Rekognition 構建家庭智慧安防方案

一、引言 近年來，人工智能（AI）技術的飛速發展為智能家居和安全防護領域帶來了前所未有的機遇。隨着人們對居住環境安全性和智能化水平需求的不斷提升，如何利用AI的強大能力，豐富家居攝像頭、智能門鎖、智能安防監控等產品的核心功能，並顯著提升其智能化和自動化水平，已成為業界關注的焦點和創新的前沿。 基於這一背景，本方案主要由兩大場景構成：家庭環境智能監控和人臉檢測及校驗。

數據 , 智能家居 , amazon , 人工智能 , 深度學習

收藏 評論

u_16060192 頭像

HyperAI超神經 - 重塑無序蛋白集合預測能力，英偉達/MIT/牛津大學/哥本哈根大學/Peptone等發佈生成式模型及新評測基準

在結構生物學的發展歷史中，「結構決定功能」一度被視為近乎不可動搖的基本法則。無論是胰島素的經典螺旋構象，還是血紅蛋白的四聚體架構，都強化了一個共識：蛋白質要發揮生物學作用，必須擁有穩定的三維結構。 然而，內在無序蛋白（IDPs）及其內在無序區域（IDRs）的發現， 正不斷重塑這一傳統認知。它們在生理條件下並不形成固定結構，卻深度參與信號轉導、基因轉錄調控等核心過程，並與癌症、神經退行

生成模型 , 生物醫學 , AI , 人工智能 , 深度學習 , 蛋白質

收藏 評論

u_16391614 頭像

老艾的AI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

證件照製作軟件 , 證件照製作 , yyds乾貨盤點 , AI證件照製作 , AI , 人工智能 , 深度學習

收藏 評論

rtedevcomm 頭像

RTE開發者社區 - 如何用 Fun-ASR-Nano 微調一個「聽懂行話」的語音模型？丨Voice Agent 學習筆記

雖然通用語音識別模型在大多數場景下表現不錯，但有些時候，面對專業術語、特定口音或私有詞彙時，難免“聽錯”甚至“幻聽”，比如把內部產品代號識別為常見詞，或在方言會議中漏掉關鍵信息。 如果你希望模型更貼合自己的業務場景，微調是一個高效且實用的選擇。通過使用領域內標註數據微調模型（幾百到幾千小時不等），可以提升模型在特定場景、特定領域、特定用户羣體下的識別準確率，讓通用的模型更好地適應具體應用需求。微調

人工智能

收藏 評論

u_17607960 頭像

wx694bc8b9eaf99 - 從“幻覺”到“執行”：深度覆盤 Coze 插件生態如何重塑 Agent 的業務邊界

引言 在 AIGC 的上半場，業界沉浸在大語言模型（LLM）“吟詩作賦”的驚豔中;但步入下半場，企業級應用的核心考量已轉向Agent 的“辦事能力”。作為架構師，我們必須意識到：如果説 Prompt 是靈魂的指令，那麼插件（Plugin）就是 Agent 觸達物理世界的末梢神經。 一、 生產力範式轉移：從“信息諮詢”到“邏輯交付” 原生 LLM 無論參數多大，本質上仍

code , API , 人工智能 , 深度學習 , 架構師

收藏 評論

huizhudev 頭像

HuiZhu - 接手"祖傳代碼"的第一天，我差點報了工傷

想象這樣一個場景： 週五晚上 11 點，線上服務突然報警。你火急火燎地打開 IDE，定位到報錯的 UserUtils.java，映入眼簾的是一個長達 800 行的 processData 函數。 沒有文檔，沒有註釋。 唯一的線索是第 3 行的一句：// 這裏的邏輯有點亂，改動前先問問老王。 而不幸的是，老王已經在三個月前離職回老家養豬了。 此刻的你，是不是感覺血壓飆升，想順着網線過去找人？ 這不僅

程序員發展 , 人工智能 , 效率工具 , 代碼規範 , 團隊協作

收藏 評論

u_16213682 頭像

mob64ca140fd7c1 - 多光譜遙感目標檢測數據集

1.資源一號02C衞星 資源一號02C星(ZY1-02C)於2011年12月22日成功發射，牽頭主用户為自然資源部。ZY1-02C星搭載有全色多光譜相機和全色高分辨率相機，主要任務是獲取全色和多光譜圖像數據，可廣泛應用於自然資源調查與監測、防災減災、農林水利、生態環境、國家重大工程等領域。 ZY1-02C星具有兩個顯著特點：一是配置的10米分

圖像處理 , 數據 , 數據倉庫 , 人工智能 , 多光譜遙感目標檢測數據集 , 計算機視覺

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - 阿里雲 AI 搜索方案解讀：大模型驅動下的智能搜索，助力企業數字化轉型

在過去的一年裏面，隨着大模型的技術突飛猛進，大模型的能力日益增強。這些都驅動着我們的搜索技術快速的演進到了下一代，也就是 AI 搜索的技術。大模型的快速發展不僅重塑了搜索技術的基礎，也為各行各業的數字化轉型提供了強有力的支持。 一、AI 搜索技術的特點 AI 搜索技術具有以下幾個顯著的特點： 重構：一個是 AI 搜索技術方面的重構。AI 搜索技術目前正在基於大模型進行全面重構，通過大模型，搜索

elasticsearch , 搜索 , 阿里雲 , 人工智能

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - 面向 Interleaved Thinking 的大模型 Agent 蒸餾實踐

前言 大語言模型Agent在複雜任務中展現出卓越能力。相比傳統線性推理鏈(Chain-of-Thought)，"交錯思維"(InterleavedThinking)通過"思考→行動→觀察→再思考"的閉環機制，有效解決了狀態漂移和上下文遺忘問題，顯著提升多輪交互的連貫性與策略調整能力。 阿里雲PAI團隊結合交錯思維的推理機制，構建了涵蓋多輪交互的訓練數據集，訓練更符合交錯思維特性的輕量級Agent模

阿里雲 , 人工智能

收藏 評論

u_16099257 頭像

編程小匠人 - element plus 造成內存泄漏

一、寫在前面 js中的內存垃圾回收機制：垃圾回收器會定期掃描內存，當某個內存中的值被引用為零時就會將其回收。當前變量已經使用完畢但依然被引用，導致垃圾回收器無法回收這就造成了內存泄漏。傳統頁面每次跳轉都會釋放內存，所以並不是特別明顯。 Web App 與 傳統Web的區別，因為Web App是單頁面應用頁面通過路由跳轉不會刷新頁面，導致內存泄漏不斷堆積，導致頁面卡頓。

機器學習 , app , 事件監聽 , element plus 造成內存泄漏 , 人工智能 , Web

收藏 評論

u_16099179 頭像

互聯網小墨風 - linux emmc 關閉寫保護

[root@slave159 ~]# free -m total used free shared buffers cached Mem: 32076 11842 20233 0 8 3582 -/+ buffers/cache: 8251 23825 Swap

sed , 機器學習 , ip , 緩存 , linux emmc 關閉寫保護 , 人工智能

收藏 評論

u_17580222 頭像

mb691327edb400f - AI 招聘系統重塑招聘行業

AI 招聘系統重塑招聘行業 招聘領域的靜默革命：AI重構人才選拔的底層邏輯 招聘失誤帶來的成本損耗，遠比企業想象中更為沉重。一次不當的僱傭決策，可能讓企業承擔該職位年薪30%-50%的直接成本，還會引發團隊士氣低落、培訓資源閒置等連鎖問題。在傳統面試模式裏，HR僅憑主觀判斷和有限的簡歷信息做決策，極易讓優質人才與企業失之交臂。而AI技術的深度應用，正從評估精度、體驗優

交互設計 , 上傳 , ATS , 人工智能 , 深度學習

收藏 評論

u_17603633 頭像

mb69429895085de - GCC是什麼，GCC簡介（適合新手）

對於GCC的認知，很多讀者還僅停留在“GCC 是一個C語言編譯器”的層面，是很片面的。從本節開始，我將帶領大家系統學習 GCC，本節先帶領大家系統地瞭解一下 GCC。 談到 GCC，就不得不提 GNU 計劃。GNU 全稱 GNU's Not UNIX，又被稱為“革奴計劃”，由理查德·斯托曼於 1983 年發起。GNU 計劃的最終目標是打造出一套完全自由（即自由使用、自由更改

gcc , yyds乾貨盤點 , GCC簡介 , 人工智能 , 編譯器 , 數據結構與算法 , GCC是什麼

收藏 評論