tag 人工智能

標籤
貢獻960
1364
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

aipaobudexiangjiao_cktinz 頭像

愛跑步的香蕉_cKtiNz - AI 招聘：提升效率與精準度

AI 招聘：提升效率與精準度 AI招聘：重構企業招聘的效率與精準度 過去一年，AI 持續釋放組織產能，幫助員工節省超 120 小時重複勞動，推動生產率平均提升 30%，勞動力成本下降 19%。86% 的首席人力資源官已將“數字勞動力整合”納入核心職責，AI 正成為企業招聘領域的重要變革力量。 AI面試智能體：從輔助工具到決策支撐 AI 面試智能體的核心優勢在於“精準度”，其評分結

人工智能

收藏 評論

u_16099346 頭像

雲端築夢者 - retreenlock 加鎖 demo

目錄 1. ReentrantLock簡介 2.ReentrantLock和synchronized的比較 2.1 相同點 2.2不同點 3.ReentrantLock相比synchronized的額外功能 3.1 ReentrantLock可以實現公平鎖。 3.2 .

機器學習 , 公平鎖 , System , retreenlock 加鎖 demo , 人工智能 , ide

收藏 評論

selectdb 頭像

SelectDB技術團隊 - MiniMax GenAI 可觀測性分析 ：基於阿里雲 SelectDB 構建 PB 級別日誌系統

"阿里雲SelectDB作為MiniMax日誌存儲服務的核心支撐，為在線和離線業務提供了高效、穩定的查詢與聚合分析能力。其支持實時物化視圖、租户資源隔離、冷熱分離等企業級特性，不僅有效解決了日誌場景下PB級別數據查詢的性能瓶頸，還通過智能化的資源調度與存儲優化，實現了成本與效率的最佳平衡，為業務的高效運轉提供了堅實保障。" —— MiniMax可觀測架構師 香克斯 可觀測日誌系統的探索與挑戰 近年

日誌分析 , 數據庫 , 人工智能 , 數據分析 , 大模型

收藏 評論

gpustack 頭像

GPUStack - GPUStack v2：推理加速釋放算力潛能，開源重塑大模型推理下半場

2025 年是大模型推理技術發展的關鍵之年。自年初 DeepSeek R1 發佈引發全民關注以來，推理框架加速需求暴漲，推理優化的戰場驟然升温。以 vLLM、SGLang、MindIE 為代表的高性能推理引擎，以及 FlashInfer、FlashAttention、ATB 等底層加速庫不斷突破性能瓶頸，相比年初，部分前沿框架的推理性能提升已達 3 到 4 倍以上。 隨着 Agent 應用的爆發和

generative-ai , llm , 容器 , 人工智能 , 深度學習

收藏 評論

u_16340920 頭像

程序員小徐 - 零研發實現AI對話，有沒有好用的服務商？

在競爭激烈的數字時代，智能對話能力已成為企業提升用户體驗、優化運營效率的關鍵。然而，技術門檻高、研發成本大、週期長等因素讓許多企業望而卻步。 幸運的是，如今市場上涌現出一批提供“零研發” 解決方案的服務商，讓企業無需從零構建技術團隊，也能快速擁有先進的AI對話能力。 一、AI對話的核心技術能力 實現真正智能的人機對話，需要兩大核心能力支撐： AI模型能力

機器學習 , 音視頻 , API , 人工智能 , 模態

收藏 評論

yekai_620f63e12c172 頭像

葉開 - 隱語可信數據空間MOOC第47講筆記：多方聯合建模助力普惠信貸

筆記內容來自隱語Mooc，歡迎一起來學習。Mooc課程地址：https://www.secretflow.org.cn/community/bootcamp/2narwgw4ub8r... 📘 8.9 多方聯合建模助力普惠信貸 主講人：張鴻 | 螞蟻星河小微金融高級技術專家 一、普惠金融的痛點與挑戰 1. 核心矛盾 風險高 ↔ 融資可得性低 運營成本高 ↔ 普惠性要求 風控要求

機器學習 , 觀點 , 教程 , 知識 , 人工智能

收藏 評論

u_15316473 頭像

阿里雲大數據AI技術 - PAI Physical AI Notebook詳解4：基於仿真的GR00T-N1.5模型微調

在前3期PhysicalAI詳解系列中，我們詳細解讀了數據採集、擴增、增強的全過程，以及導航模型（X-Mobility）微調訓練的全過程。 在本期，我們將針對更復雜的VLA模型（以GR00T-N1.5為例）進行微調，同樣需要經過人工演示、數據擴增、模仿學習、在環驗證這幾個步驟。 但是，相比前例中的BC-RNN和X-Mobility模型，GR00T-N1.5是一

機器學習 , 阿里雲 , 人工智能 , 模型訓練 , PAI

收藏 評論

haoqingwanqiandehongcha 頭像

百度智能雲一見 - 百度一見全新升級！多人協作SOP分析Agent守護乾飯人不Emo

11月13日，2025百度世界大會在北京舉辦。百度集團執行副總裁、百度智能雲事業羣總裁沈抖在會上重磅發佈“一見多人協作SOP分析Agent”！基於一見多模態大模型的時空定位能力，不僅能夠理解視頻中複雜的時間與空間關係，精準識別每一道菜品的完整工序，還能識別多人協同操作過程中的錯誤環節並及時提醒，有效應對門店多員工並行操作時易出錯的問題，真正實現從“看懂畫面”到“理解過程”的跨越。 你是否也經歷過這

generative-ai , 人工智能 , 百度

收藏 評論

infodator 頭像

容智信息 - 容智Report Agent智能體驅動財務自動化，從核算邁向價值創造

在金融行業數字化轉型深化的背景下，財務數據的實時性與洞察力直接關乎企業決策質量與風險應對能力。然而，對於許多機構而言，由於歷史系統架構原因，核心財務數據往往分散在風險、交易、結算等多個獨立業務系統中，形成難以跨越的“數據孤島”。這使得財務部門大量精力耗費在基礎的數據收集與核對上，難以高效生成深度洞察，從而影響了其為管理層提供戰略支撐的效能。某中型期貨公司通過引入容智Report Agent

觀點 , 機器人 , 自然語言處理 , 知識 , 人工智能

收藏 評論

u_16213614 頭像

mob64ca13ffd0f1 - Core Temp 打不開

程序運行的過程中,可能會因為一些隱藏的bug導致崩潰,為了在出問題時，及時記錄所在環境的情況，所以要設置core文件的產生。其實其本質就是把進程的內存保存到文件中去。 1.core文件的生成開關和大小限制 1）使用ulimit -c命令可查看core文件的生成開關。若結果為0，則表示關閉了此功能，不會生成core文件。 2）使用ulimi

擴展名 , sed , 機器學習 , 文件名 , Core Temp 打不開 , 人工智能

收藏 評論

shujuxiaowanzi 頭像

數據小玩子 - 【營銷數據洞察系列5】多渠道歸因分析：單一歸因模式下，如何避免低估部分渠道的真實貢獻？

用户決策是多渠道協同作用的結果，單一歸因（如最終點擊）會忽略中間渠道的價值，導致預算分配失衡。通過助睿BI的多模型歸因功能，可呈現首次互動、最終點擊、線性歸因等不同模型下的渠道貢獻額，避免單一歸因模式的侷限性，讓預算分配更貼合實際貢獻情況。 助睿BI鏈接：https://www.zhurui.com/

數據挖掘 , bi , 人工智能 , 數據分析

收藏 評論

u_16099356 頭像

IT智行領袖 - 實體類還需要implements Serializable嗎

主要有兩個原因： 　　1、將對象的狀態保存在存儲媒體中以便可以在以後重新創建出完全相同的副本； 　　　 這個可以這麼理解： 　　　　　　　　　　比如，你要將某個特定的對象保存到文件中，然後隔幾天在把它拿出來用 　　2、按值將對象從一個應用程序域發送至另一個應用程序域。 這個可以這麼理解： 　　　　　　　　

機器學習 , 序列化 , 應用程序域 , 數據類型 , 人工智能

收藏 評論

u_15214399 頭像

u_15214399 - 【案例共創】基於spaCy的NER模型構建與深度EDA解析：Twitter情感短語提取

最新案例動態，請查閲【案例共創】基於spaCy的NER模型構建與深度EDA解析：Twitter情感短語提取。小夥伴們快來領取華為開發者空間進行實操吧！ 本案例由開發者：天津師範大學協同育人項目–翟羽佳提供 1 概述 1.1 案例介紹 社交媒體已成為全球用户表達情感與觀點的重要平台，Twitter 作為典型代表，每日產生海量文本數據。情感分析作為自然

機器學習 , 數據 , 路徑和 , 人工智能 , 開發者

收藏 評論

kaizx 頭像

KAI智習 - OpenAI探索廣告變現與人才佈局，千問引領AI生態變革，Trae月活破160萬

今天AI行業動態涵蓋OpenAI商業化探索與人才佈局、中國AI大模型市場突破、字節AI編程工具數據亮眼、AI安全問題引發關注等多項重要內容，一起來看今天的AI行業動態。 1. OpenAI探索商業化與人才佈局：ChatGPT廣告模式與AI防災負責人招聘 核心事件：OpenAI在商業化和人才佈局方面採取多項關鍵舉措，包括探索ChatGPT廣告模式和緊急招聘AI防災負責人。 技術細節：OpenAI確認

llm , 資訊 , 人工智能

收藏 評論

rtedevcomm 頭像

RTE開發者社區 - AV1 獲艾美獎，Mozilla 披露 AV2 方向：面向實時交互；智譜開源語音合成模型 GLM‑TTS 丨日報

開發者朋友們大家好： 這裏是 「RTE 開發者日報」，每天和大家一起看新聞、聊八卦。我們的社區編輯團隊會整理分享 RTE（Real-Time Engagement） 領域內「有話題的技術」、「有亮點的產品」、「有思考的文章」、「有態度的觀點」、「有看點的活動」，但內容僅代表編輯的個人觀點，歡迎大家留言、跟帖、討論。 *本期編輯：@瓚an、@鮑勃 01 有話題的技術 1、Google AI Stu

人工智能

收藏 評論

u_16213655 頭像

mob64ca1409970a - 安裝XTU出現attempted

ubuntu16.04 Xllinx SDx 2018.2 安裝教程 一、安裝Ubuntu16.04 下載地址： 鏈接：https://pan.baidu.com/s/1oyKo5XS7QDqSqHUnx-vN6w 提取碼：fleg 具體安裝步驟網上有很多教程，大家

機器學習 , 經驗分享 , 安裝XTU出現attempted , bash , 人工智能 , 官網 , 下載地址

收藏 評論

u_16099311 頭像

Python數據分析 - yolo目標檢測實際流程圖

Yolo v2 論文名稱 Yolo9000：Better，Faster，Stronger 該論文實際上包含了2個模型，Yolov2 和 Yolo9000，Yolo v2 是在 Yolo v1 基礎上進行了改進， 此外作者提出了一種 檢測和分類 的聯合訓練方法，並用該方法在 COCO 檢測數據集 和 ImageNet 分類數據集上訓練 Yolo v2，把得到的模型稱為 Yol

數據集 , 卷積 , 寬高 , yolo目標檢測實際流程圖 , 人工智能 , 計算機視覺

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI 智慧檢查綜合管理平台：讓質檢管理從 “碎片化” 變 “全鏈路可控”

在多廠區企業、跨區域項目裏，傳統質檢管理常陷入 “信息孤島” 困境 ——A 車間的檢查數據存在本地表格，B 項目的問題整改進度靠微信同步，總部想彙總分析得花幾天整理數據。而 AI 智慧檢查綜合管理平台，就像一位 “全局指揮家”，靠技術把分散的質檢環節串成線、織成網，讓從檢查發起、問題識別到整改閉環的全流程都清晰可控，徹底告別 “東找數據、西催進度” 的麻煩。 這個平台能實現 “全局管

鏈路 , 數據 , NLP , 人工智能 , 決策模型

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 【Triton 教程】Libdevice (tl_extra.libdevice) 函數

Triton 是一種用於並行編程的語言和編譯器。它旨在提供一個基於 Python 的編程環境，以高效編寫自定義 DNN 計算內核，並能夠在現代 GPU 硬件上以最大吞吐量運行。 更多 Triton 中文文檔可訪問 →https://triton.hyper.ai/ Triton 可以調用外部庫中的自定義函數。在這個例子中，我們將使用 libdevice 庫在張量上應用 asin 函數。請參考以下鏈

機器學習 , 人工智能 , 編譯器 , 深度學習 , 後端

收藏 評論

u_13943015 頭像

亢少軍 - 01-從0到1：構建企業級AI Agent框架的完整思路

從0到1：構建企業級AI Agent框架的完整思路 前言 在AI大模型時代，企業面臨着如何將AI能力與自身業務深度結合的挑戰。本文將分享我們從0到1構建企業級AI Agent框架的完整思路，涵蓋技術選型、架構設計、核心功能實現等方面。 適合讀者： 後端開發、AI應用開發者、技術架構師 一、項目背景與痛點 1.1 企業AI應用的核心痛點

數據 , API , server , 人工智能 , 數據分析

收藏 評論

u_16213614 頭像

mob64ca13ffd0f1 - 人工智能正當行 金融壹賬通推動銀行智能化轉型 - IFTNews的個人空間 -

在過去十年間，財務自動化技術經歷了從“工具化”到“智能化”的演進。如今，企業正迎來一個全新的階段——財務自動化3.0時代。這一階段的核心，不再僅僅是“替代人工操作”，而是要實現從ERP系統到銀行系統的端到端閉環，真正打通企業財務管理的最後一公里。 從自動化到智能化：財務變革的必然趨勢 在財務自動化1.0階段，企業主要依靠基礎RPA（機器人流程

風控 , 運維 , 自動化 , 人工智能 , Css , 銀行系統 , 前端開發 , HTML

收藏 評論

dtstack 頭像

袋鼠雲數棧 - AIWorks四大核心能力煥新！打造高性能 AI 應用開發底座

近期，智能應用開發平台 AIWorks 進行了四大板塊的內容升級，以提升開發效率、增強靈活性、優化檢索體驗和強化安全保障為核心目標，通過工作流畫布的革新、自定義工具能力的突破、知識庫檢索的升級以及平台權限的精細化管控，為開發者打造了一個高效、智能、安全的開發環境，更好助力開發者應對複雜業務挑戰，加速AI智能應用的落地進程。以下是AIWorks四大升級亮點詳細內容： 一、工作流畫布更新 本次迭代的核

大數據 , 算法 , 開發 , 數據庫 , 人工智能

收藏 評論

u_16213635 頭像

mob64ca1404baa2 - 多路譜聚類算法 源碼

引入 　　聚類算法一般可以分為兩類： Compactness。代表的算法有 K-means，GMM 等。但這類算法只能處理凸集，為了處理非凸的樣本集，必須引⼊核技巧。 Connectivity。這類以 spectral clustering 為代表。 　　舉個例子，將下述數據採用聚類算法進行聚類，可以採用GMM 或 K-Means 的方

機器學習 , 子圖 , 切圖 , 權重 , 人工智能 , 多路譜聚類算法 源碼

收藏 評論