tag 人工智能

標籤
貢獻960
1602
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

selectdb 頭像

SelectDB技術團隊 - Apache Doris 4.0 版本正式發佈：全面升級 AI 與搜索能力，強化離線計算

點擊關注，瞭解更多實時數倉領域前沿資訊與技術實踐！ 親愛的社區小夥伴們，我們很高興地向大家宣佈，近期我們迎來了 Apache Doris 4.0 版本的正式發佈，歡迎大家下載使用體驗。 本次發佈圍繞 “AI 驅動、搜索增強、離線提效” 三大核心方向，新增向量索引、AI 函數等關鍵特性，完善搜索功能矩陣，優化離線計算穩定性與資源利用率，並通過多項底層改進提升查詢性能與數據質量，為用户構建更高效、更

人工智能 , apache

收藏 評論

deephub 頭像

deephub - Optuna AutoSampler 更新：讓多目標和約束優化不再需要手動選算法

AutoSampler是個智能採樣器，能根據具體問題自動挑選 Optuna 裏最合適的優化算法。這個工具在 OptunaHub 上熱度很高，每週下載量超過 3 萬次。最早的版本對單目標優化做了專門的自動選擇邏輯，為了配合下個月發佈的 Optuna v4.6，AutoSampler 終於把多目標和約束優化的完整支持做完了。這篇文章會講清楚新功能怎麼用，順帶看看基準測試的表現如何。最新版本其實現在就能

機器學習 , 人工智能 , Python

收藏 評論

tecdat 頭像

拓端tecdat - Matlab古代玻璃製品化學成分數據鑑別：K近鄰迴歸、聚類、決策樹、隨機森林、卡方檢驗、相關性分析

全文鏈接：https://tecdat.cn/?p=44165 原文出處：拓端數據部落公眾號 分析師：Yizhou Huang 一、專題引言 古代玻璃是解讀絲綢之路中外文化交流的關鍵實物證據，不同時期的玻璃在成分體系、製作工藝上存在顯著差異。但古代玻璃易受環境影響發生風化，導致內部化學成分比例改變，這給玻璃類型的準確鑑別帶來了極大挑戰——外觀相似的玻璃可能屬於不同類別，而風化後的成分

機器學習 , 數據挖掘 , 算法 , 人工智能 , 深度學習

收藏 評論

aipaobudexiangjiao_cktinz 頭像

愛跑步的香蕉_cKtiNz - AI 得賢招聘官：破解 HR 部門 AI 落地難題，引領招聘變革

AI 得賢招聘官：破解 HR 部門 AI 落地難題，引領招聘變革 AI 雖已席捲人力資源行業，招聘、培訓、績效等環節均在探索智能化，但多數企業面臨系統複雜、體驗生硬、結果難信、候選人牴觸等問題，“AI 招聘” 常停留在口號層面，落地成為難題。而近嶼智能第六代 AI 得賢招聘官 AI 面試智能體 6.3 版本，已幫助上千家企業跑通 AI 招聘全流程，為 HR 部門 AI 落地提供切實解決方案。

人工智能

收藏 評論

huizhudev 頭像

HuiZhu - 30分鐘搞定媒體級新聞稿！我開源了這個"公關寫手"AI指令

哈嘍，各位思否的開發大佬們！ 作為技術人，我們最擅長的是寫代碼、解決問題，但一提到"新聞稿"，很多人就懵了。 "我們產品功能很強，為什麼媒體不報道？" "技術這麼牛，為什麼投資人聽不懂？" "明明很用心，為什麼傳播效果這麼差？" 這些問題，本質上都是內容表達能力的問題。 最近我整理了一套"新聞稿撰寫AI指令"，把專業公關寫手的思維模式，用我們程序員最熟悉的"工程化思維"重新包裝了一下。

generative-ai , 教程 , chatgpt , 人工智能 , prompt

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

codesheep_pro 頭像

CodeSheep - 稚暉君官宣，全球首個0代碼機器人創作平台來了！

提到稚暉君，毫無疑問，在科技圈一直是頂流的存在。自從稚暉君從華為出來投身機器人創業以後，大佬的技術動向無時無刻不被業界所關注着。 這不，就在剛剛過去的 1024 程序員節，稚暉君動態迎來一波大更新，並且一出手又是一個王炸，相信不少同學也刷到了，那就是官宣： 全球首個 0 代碼機器人內容創作平台：「靈創」正式發佈了！ 智元這次發佈的靈創平台，是一個面向大眾的機器人創作平台。 即便用户沒有專業的編程

人工智能 , JAVA , 後端 , 前端 , Javascript

收藏 評論

zhuifengdekaomianbao 頭像

張老師講數字孿生 - 東部沿海智慧城市建設迎來AI視頻分析突破

2024年以來上海率先建成超千萬級感知終端的城市數字孿生平台，每日處理視頻數據量超過PB級別，標誌着AI視頻分析技術正式成為智慧城市建設的核心基礎設施。 一、政策引領與技術基礎 在國家"十四五"規劃推動下，新型智慧城市建設快速推進。2023年，住建部與工信部聯合發佈指導意見，明確要求到2025年建成一批特色鮮明的城市數字孿生平台。東部沿海地區憑藉其技術優勢，率先實現AI視頻分析技術的規模化應用。

數字化轉型 , 資訊 , 智慧城市 , 人工智能 , 前端

收藏 評論

youyudetusi 頭像

憂鬱的吐司 - 青否數字人的雙AI劇本互動，雙數字人直播間擔任主播、助播角色，復刻真實直播間互動！

青否數字人的雙AI劇本互動 青否數字人深度復刻真人直播協作方式，讓雙 AI實現“主播 + 助播”的精準分工。 通過“講品+捧場”或“講品+回覆彈幕”等多種直播配合模式，帶來更高頻的互動和更強的直播節奏！ 比如在直播過程中，數字人主播正在講解商品，助播則會實時捧哏或回覆觀眾彈幕，打造流暢自然的直播節奏與生動的互動氛圍，大幅提升觀眾的觀看體驗。 從“一人説”到“兩人搭“，青否用

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - IC 設計籤核揭秘 - 保障流片無憂的秘訣

在集成電路（IC）設計中，當設計費盡心思完成後，送往晶圓廠製造前的Signoff 籤核是最後一關，也是最決定成敗的一環。它確保設計從功能到製造都達標，是設計走向硅片的准入“通行證”。 1、Signoff 什麼看 在IC 設計中，“Signoff” 是指必須通過的一系列驗證與檢查，才能正式交付製造準備流程。它通常包含： 功能正確性檢查：確保設計行為符合規格説明，避免邏輯錯誤。

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

kubesphere 頭像

KubeSphere - Fluid 正式入駐青雲 KubeSphere Marketplace，共建雲原生數據加速新生態

隨着企業數字化轉型的深入推進，雲原生架構 已成為現代應用構建的主流選擇。 在大數據處理、AI 大模型訓推等業務場景中，如何實現高效彈性數據資源管理與調度，已成為雲原生落地的關鍵挑戰之一。 近日，雲原生數據編排與加速平台 Fluid 正式入駐青雲 KubeSphere Marketplace，為企業用户提供統一、高效的數據訪問與緩存管理能力，共同打造面向未來的數據驅動新範式。 Fluid + Ku

人工智能

收藏 評論

videocloud 頭像

字節跳動視頻雲 - 火山 HTTPDNS Cache2.0：網段級精準調度驅動核心業務收益

一、調度不准問題及修正方式侷限性 在字節跳動的業務生態中，HTTPDNS承擔着為抖音、今日頭條、西瓜視頻等核心應用提供域名解析服務的重任。但目前我們所採用的業界主流緩存機制（火山Cache1.0），卻存在着調度不準的問題： 業界主流緩存機制的問題 緩存粒度：城市-運營商 致命缺陷：當自身IP庫與權威DNS服務器不同，易發生調度不準，可能影響用户體驗 主流調度修正機制的侷限性 針對

觀點 , 人工智能

收藏 評論

ruyadekabuqinuo 頭像

月下水光 - 如何利用工業AI智能交互平台提升製造業決策效率？

在製造的演進浪潮中，人工智能不再是實驗室裏的Abstract概念或辦公軟件中的模糊工具，而是精準注入工業血脈的變革引擎。工業AI智能交互平台，作為一個融合了實時數據驅動、機理知識與封閉反饋機制的創新載體，正引領製造業從手動操作轉向智能協同的界碑。這種平台的核心在於，它不只處理數據，更是通過無縫交互將複雜的算法轉化為人類易於理解的語言，幫助企業在生產一線實現自主決策和優化。舉一個典型的例子，廣域銘島

工業互聯網 , 工業智能化 , 人工智能

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 效率至高提升20倍！加州大學開發OmniCast，解決自迴歸天氣預報模型誤差累計問題

次季節至季節（Subseasonal-to-seasonal, S2S）尺度天氣預報介於短期天氣預報與長期氣候預測之間，聚焦未來 2 周至 6 周的天氣演變，精準填補了中遠期氣象預測空白，為農業規劃、災害防禦等提供關鍵依據。但 S2S 天氣預測既難依託快速衰減的大氣初始信息（中短期預報條件），又難捕捉尚未充分顯現的慢變邊界信號（氣候預測條件），在混沌的大氣系統與複雜的海陸氣相互作用下，預報難度顯著

機器學習 , 資訊 , openai , 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

digitalocean 頭像

DigitalOcean - 裸金屬 vs. 虛擬化 GPU 服務器：AI 訓練與推理應該怎麼選

根據研究機構預測，全球人工智能市場規模在 2024 年的價值為 234.6 億美元。預計該市場將從 2025 年的 2,941.6 億美元增長到 2032 年的 1,7716.62 億美元，在預測期間的複合年增長率為 29.2％。到 2030 年全球 ​AI​​​ 推理市場規模將達到 2549.8 億美元​，而推理任務將佔據 ​數據中心整體計算需求的 70% 以上​。 AI 模型的複雜度正以指數級

llm , 人工智能 , 深度學習

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - 雲棲實錄 | 阿里雲發佈Elasticsearch Serverless 2.0，重塑AI搜索時代基礎設施

2025年9月26日，在杭州雲棲大會“AI搜索與向量引擎”分論壇上，阿里雲智能集團高級技術專家——賈新禹正式發佈ElasticsearchServerless2.0，並首次系統性闡述其技術架構與產品價值。這一全新升級的Serverless解決方案，以“極致彈性、智能核心、AI生態融合”三大技術基石，直面AI搜索時代的工程化挑戰，為企業提供一站式構建AI搜索能力的基礎設施。 時代鴻溝：AI搜

elasticsearch , 搜索 , 阿里雲 , 人工智能

收藏 評論

deephub 頭像

deephub - sklearn 特徵選擇實戰：用 RFE 找到最優特徵組合

特徵越多模型效果就越好？這個想法在實踐中往往站不住腳，因為過多的特徵反而會帶來過擬合、訓練時間過長、模型難以解釋等一堆麻煩。遞歸特徵消除(RFE)就是用來解決這類問題的，算是特徵選擇裏面比較靠譜的方法之一。 本文會詳細介紹RFE 的工作原理，然後用 scikit-learn 跑一個完整的例子。 RFE 是什麼 遞歸特徵消除本質上是個反向篩選過程。它會先用全部特徵訓練模型，然後根據模型給出的重要性評

機器學習 , 人工智能 , sklearn-pandas , 特徵提取 , Python

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - 雲棲實錄 | AI 搜索引擎如何驅動億級物流：貨拉拉 x 阿里雲 Elasticsearch

在數字化與智能化浪潮的推動下，海量數據的高效檢索與實時分析，正成為各行業核心競爭力的關鍵之一。作為覆蓋全球14+市場、服務數千萬用户的智慧物流與同城貨運平台，貨拉拉不僅在業務規模與運營效率上追求卓越，也在技術底座上不斷革新。 9月26日，雲棲大會AI搜索與向量引擎分論壇上，貨拉拉Elasticsearch技術負責人——陳敏華先生分享了Elasticsearch在全球化高併發業務場景下的深度實踐，以

elasticsearch , 阿里雲 , 人工智能

收藏 評論

kestrel_task 頭像

微芒不朽 - 用 n8n 實現工作自動化後，我每天多睡 2 小時！

n8n 是一個開源的工作流自動化平台，允許用户通過拖放節點來創建複雜的自動化流程。n8n 提供了豐富的內置節點和社區貢獻的節點，支持與各種 API、數據庫和其他服務集成。本文將詳細介紹 n8n 中節點的使用方法，包括如何添加節點、配置節點、連接節點以及調試和優化工作流。 1. n8n 基本概念 1.1 工作流（Workflow） 工作流是由多個節點組成的自動化流程，每個節點代表一個操作，如發送電

機器學習 , 人工智能 , 深度學習

收藏 評論

aws_aidevcommunity 頭像

亞馬遜雲開發者 - 使用智能代理在亞馬遜雲科技無服務器架構上進行源代碼分析

摘要 隨着軟件開發規模的不斷擴大和代碼複雜性的增加，傳統的代碼分析方法已經無法滿足現代開發團隊的需求。本文探討了如何利用生成式人工智能代理（GenAI Agent）結合亞馬遜雲科技無服務器架構來構建高效、可擴展的源代碼分析平台。我們通過多個基於生成式AI智能體的代碼分析項目實施案例總結了在亞馬遜雲環境中部署智能代碼分析解決方案的最佳實踐和通用設計模式。 📢限時插播：無需管理基礎設施，利用亞

人工智能

收藏 評論

baihai_idp 頭像

Baihai_IDP - 對 GPT 5 模型路由機制的深度解析

編者按： 我們今天為大家帶來的文章，作者的觀點是：GPT-5 通過引入“智能路由器”架構，實現了按需調用不同專家模型的動態協作機制，標誌着大模型正從“全能單體架構”邁向“專業化協同架構”的新範式。 文章深入剖析了 GPT-5 路由機制的四大決策支柱 —— 對話類型、任務複雜度、工具需求與用户顯性意圖，並對比了其相較於 GPT-4、Toolformer 及早期插件系統的突破性進步。作者還詳細拆

llm , 知識 , chatgpt , openai , 人工智能

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - IC 測試革新

無論你是IC 設計新手，還是資深RTL Synthesis 工程師，深入掌握設計可測試性（DFT）關鍵技術，是提升芯片可靠性的必經之路。 1、為什麼DFT 在現代IC 中變得不可或缺 提升可控性與可觀測性：通過在設計中嵌入測試結構，內部節點的狀態能被有效控制與觀察，從而支持故障定位與調試。 縮短測試時間、降低成本：採用scan chain、大規模並行測試、BIST 和MB

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

ospo 頭像

字節跳動開源 - AIO Sandbox：為 AI Agent 打造的一體化、可定製的沙箱環境

文章來源｜字節跳動 Web Infra x veFaas團隊 項目地址｜github.com/agent-infra/sandbox 引言： AI Agent 在執行復雜任務時，常需在瀏覽器、代碼執行、文件系統之間切換。傳統多沙箱方案面臨環境割裂、數據搬運、鑑權複雜等問題。AIO Sandbox 通過一個 Docker 鏡像整合所有能力，提供統一文件系統與鑑權，並支持鏡像定製，提升了

agent , 人工智能 , 開源

收藏 評論