tag 人工智能

標籤
貢獻960
1331
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

zhangxueliang 頭像

a772304419 - 計算機視覺YOLO + 大模型deepseek 工廠操作規範檢測案例分析：規則引擎的價值分析

規則引擎這個環節是整個系統從“感知”上升到“認知”的關鍵，也是最智能的部分。我來詳細拆解這個 [動作識別與規則引擎] -- [DeepSeek邏輯推理/SOP理解] 的協作過程。 這個環節的核心是：將原始的視覺數據轉化為有業務意義的決策。它不是一個簡單的“是/否”判斷，而是一個基於上下文的理解和推理過程。 首先，我們明確兩個組件的分工

規則引擎 , MySQL , yolo , 數據庫 , 人工智能 , 計算機視覺 , ide

收藏 評論

u_16213616 頭像

mob64ca14005461 - ai機器人highlightrjs

説明 （2024 年 4 月 注） 準備 　　全新的圖形引擎與 AI 算法，高效流暢地繪出任何一副美麗的圖像。 　　IDE：VisualStudio 　　Language：VB.NET / C# 　　Graphics：AutoPaint.NET 第一節 背景 　　背景是圖畫裏襯托主體

Public , ai機器人highlightrjs , List , System , 人工智能 , 深度學習

收藏 評論

danxiaodezixingche 頭像

老紀的技術嘮嗑局 - 從開發者視角觀察 OceanBase 開源的 AI 產品御三家

大家好，我是 OceanBase 開源團隊的一名研發同學，最近一年緊跟公司的 DATA X AI 戰略在做相關的研發工作，所以今天我就從我自己的視角和大家聊一聊我眼中的 OceanBase 在近期開源的 seekdb、PowerRAG 和 PowerMem 三款產品： seekdb：AI 原生混合搜索數據庫，基於 Apache 2.0 協議開源 PowerRAG：企業級 RAG 解決方案，構

oceanbase , 數據庫 , 人工智能

收藏 評論

u_16099194 頭像

數據大俠客 - eemd獲得的imfs個數少

第二部分 選擇輸出管的工作點，並進行仿真 由於耳放在最大60mw，120歐負載情況下的輸出電壓峯-峯值有7.59V，交流電流的峯-峯值有63.25mA，假設上下每個管子輸出一半，那麼每個管子的有效負載就是120*2=240歐，輸出電流的峯-峯值大於63.25/2=31.625mA。選擇Ia20mA，應該可以滿足要求。輸出管工作點在選擇的時候注意考慮以下幾點：

機器學習 , 輸出阻抗 , 彈出菜單 , 人工智能 , wcf , eemd獲得的imfs個數少

收藏 評論

deephub 頭像

deephub - Agentic RAG：用LangGraph打造會自動修正檢索錯誤的 RAG 系統

標準 RAG 流水線有個根本性的毛病：檢索到的文檔一旦與用户意圖對不上號，模型照樣能面不改色地輸出一堆看似合理的胡話，既沒有反饋機制也談不上什麼糾錯能力。 而Agentic RAG 的思路截然不同，它不急着從檢索結果裏硬擠答案，而是先判斷一下拿回來的東西到底有沒有用，如果沒用則會重寫查詢再來一輪。這套機制實際上構建了一條具備自我修復能力的檢索鏈路，面對邊界情況也不至於直接崩掉。 本文要做的就是用

llm , 人工智能 , 深度學習 , 檢索系統

收藏 評論

u_17566409 頭像

wx69030d3acd3f5 - 洞悉AI Agent技術趨勢 共享資源 合作共贏

【一線數智資訊】近日，由亞馬遜雲科技、光環雲主辦的主題為“聚勢共生 雲擎未來——亞馬遜科技渠道合作伙伴峯會”（以下簡稱峯會）在深圳召開。峯會吸引來自產業界的渠道夥伴、生態夥伴等共計60多家的積極參與。峯會就當下AI 以及AI Agent 技術趨勢、行業解決方案、企業出海關鍵技術支撐與實戰經驗，亞馬遜雲科技合作伙伴政策資源與成長路徑以及鏈接光環雲本地化服務生態與商機網絡等多個內容，

人工智能 , 深度學習 , 解決方案 , 生成式 , 實戰經驗

收藏 評論

u_16213697 頭像

mob64ca14137e4f - odoo template 和templates的區別

面試筆試精華（一） 1. #import 跟#include、@class有什麼區別？＃import 跟 #import”"又什麼區別？ 1 #import和#include都能完整地包含某個文件的內容，#import能防止同一個文件被包含多次 2 @class僅僅是聲明一個類名，並不會包含類的完整聲明;@class還能解決循環包含的問題 3 #impor

機器學習 , 基本數據類型 , 人工智能 , set方法 , import

收藏 評論

captainbed 頭像

人工智能AI技術 - 【SD教程】提示詞

提示詞用於描述想要的畫面，也就是想生成什麼就寫什麼。 舉個例子，如果想要繪製一個荷花場景，可以用以下文字進行描述：“在廣闊的湖面，波光粼粼，有無數的荷葉，有的是淺綠色，有的是深綠色，真是太美了。” SD內核只支持英文輸入，不過，漢化界面上提供了將中文翻譯為英文的功能。 在編輯框“請輸入新關鍵詞”裏輸入中文後，按Enter回車鍵即可翻譯為英文，注意系統會在最後一個單詞後面自動添

插入圖片 , 3c , 人工智能 , 深度學習 , fish

收藏 評論

u_15912723 頭像

讓世界更美好 - 書生大模型訓練營6期L1 探索大模型能力邊界

你説的“司南”指的是 OpenCompass 司南大模型評測平台，由 上海人工智能實驗室（Shanghai AI Lab） 推出，是一個面向大語言模型（LLM）和多模態模型的 權威評測與對比平台，核心功能包括： ✅ 核心定位 “大模型的競技場” —— 讓模型匿名對戰，用户投票選出更優回答，最終形成 動態更新的 leaderboa

語言模型 , 動態更新 , 人工智能 , Css , 開發者 , 模態 , 前端開發 , HTML

收藏 評論

u_16018702 頭像

架構師李哲 - LMArena中文榜大洗牌：國產大模型包攬前列，GPT-4 Turbo跌出百名開外

就在百度世界大會前夕，全球最具影響力的大模型評測平台LMArena發佈的最新排名，讓海外開發者社區發出了"Baidu is back?"的驚歎。這份發佈於2025年11月初的榜單顯示，國產大模型在中文競技場上實現了對國際頂尖模型的全面反超，這一突破性進展恰如其時地展現了中國AI技術的迅猛發展。 在LMArena最新發布的排名當中，文心全新模型ERNIE-5.0-Pr

人工智能 , 深度學習 , 技術支持 , 解決方案 , 開發者

收藏 評論

u_16099219 頭像

風之谷啓航 - embding模型 接口格式

1.mock接口開發 mock是模擬一個接口的意思 為了不阻止測試，開發一個接口，返回你想要的數據，模擬各種場景 需要安裝第三方模塊flask，flask是web輕量級開發框架 1.1 flask pip install flask 1 #mock 模擬一個接口的意思 2 #http://test.pay.alibab.com/p

機器學習 , flask , 人工智能 , SQL , embding模型 接口格式 , Json

收藏 評論

huggingface 頭像

HuggingFace - 如何生成文本: 通過 Transformers 用不同的解碼方法生成文本

簡介 近年來，隨着以 OpenAI GPT2 模型 為代表的基於數百萬網頁數據訓練的大型 Transformer 語言模型的興起，開放域語言生成領域吸引了越來越多的關注。開放域中的條件語言生成效果令人印象深刻，典型的例子有: GPT2 在獨角獸話題上的精彩續寫，XLNet 以及 使用 CTRL 模型生成受控文本 等。促成這些進展的除了 transformer 架構的改進和大規模無監督訓練數據外，更

人工智能 , transform , huggingface

收藏 評論

aipaobudexiangjiao_cktinz 頭像

愛跑步的香蕉_cKtiNz - 招聘領域的靜默革命：AI重構人才選拔的底層邏輯

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、體驗優化、流程自動化等維度，重塑招聘行業的發展軌跡。 精準

人工智能

收藏 評論

pannideniupai 頭像

雨大王 - 工業智能體怎麼選？五大技術維度深度解析

近年來，“智能體”逐漸從科幻概念走入工業實踐，成為製造業數字化轉型中一個不可忽視的技術關鍵詞。但很多人問：工業智能體到底是什麼？它真的能解決工廠裏那些複雜的問題嗎？ 實際上，工業智能體並非單一工具，而是一種更接近人類思維方式的“數字決策系統”。它能基於數據自主感知、分析、決策和行動，像是工廠裏的一羣“智能員工”，分工明確又協同高效。舉個例子，在廣西來賓的一家電池製造廠，工業智能體平台通過實時

算法 , 人工智能

收藏 評論

elhix0bg 頭像

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

在前3期Physical AI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是一個更復雜的模型，需要更大規模

阿里雲 , 人工智能

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - PROFINET融合DEVICENET，焊接車間數據全貫通

PROFINET融合DEVICENET，焊接車間數據全貫通 一、案例背景與項目痛點 在汽車零部件焊接車間，我們遇到了一個典型的多協議共存難題：產線主控採用西門子S7-1500系列PLC（支持PROFINET），而六台關鍵焊接機器人僅支持DEVICENET協議。每次工藝調整都需要技術人員分別通過不同軟件平台配置，導致設備聯動延遲達3.2秒，且機器人實時焊接參數無法上傳至

協議轉換 , 人工智能 , DEVICENET , 深度學習 , 網關 , 工業自動化 , PROFINET

收藏 評論

u_13527 頭像

bigrobin - Emgu CV 實現眼在手上標定

文章目錄 基本介紹： 座標系變換運算規則： 關係運算説明： 座標系運算規則一： 座標系運算規則二： 齊次座標系： 齊次座標系下的座標變換： 眼在手外： 眼在手內： 解方程： - Tais方法

機器學習 , 機械臂 , Emgu CV 實現眼在手上標定 , 人工智能 , 計算機視覺 , 旋轉矩陣 , opencv

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

vLLM , 高性能推理 , 大模型推理 , yyds乾貨盤點 , 人工智能 , 深度學習 , 大模型 , SGLang

收藏 評論

u_15700879 頭像

科技報道 - 2025人工智能產業創新發展大會在京召開，共謀AI+賦能新質生產力藍圖

【數科網訊】2025人工智能產業創新發展大會於2025年12月17日，在北京中關村展示交易中心頤和廳成功舉辦，大會由中國工業合作協會、中國電子信息行業聯合會主辦，中國工業合作協會工業信息化分會、北京亞太經濟合作促進會、數科網、天下經合承辦。以“AI賦能 · 共創未來”為主題， 匯聚了政府部門領導、交通、醫療、教育、金融、能源、製造業等細分行業用户、AI領域專家學者和中國移

數字化轉型 , 智能科學 , 數據 , 人工智能

收藏 評論

pannideniupai 頭像

雨大王 - 汽車產業鏈如何通過數字化平台實現研發協同升級

汽車產業鏈的數字化轉型已成為行業發展的必然趨勢。在研發管理領域，諸多企業仍面臨設計數據分散、流程審批低效、跨部門協作困難等挑戰。廣域銘島推出的Geega捷做設計研發協同平台，致力於為離散型製造業提供系統化解決方案，通過整合需求管理、項目計劃、設計研發、採購評估等環節，幫助企業提升產品可靠性、縮短上市週期並增強個性化能力。 在汽車製造業中，研發過程的複雜性尤為突出。以某整車企業為例，其零部件數

人工智能 , 深度學習

收藏 評論

zhuifengdekaomianbao 頭像

張老師講數字孿生 - 能級躍遷！數字孿生從可視化邁向智能決策

2025年第三季度，浙江省數字孿生水利平台在防汛防颱中發揮關鍵作用，通過精準推演洪峯演進軌跡，提前72小時預測淹沒範圍，指導人員轉移，使應急響應效率提升50%以上。這一成功實踐，體現了數字孿生技術從 “精準映射”到“智能干預” 的能級躍遷。 數字孿生技術已從簡單的三維可視化和狀態監測，演進為具備預測預警和自主決策能力的智能系統。其能級躍遷的核心在於突破了靜態映射的侷限，實現了感知、分析、決策、控制

數字化轉型 , 人工智能 , 深度學習 , 後端 , 前端

收藏 評論

u_12227 頭像

軒轅 - 數據可視化實訓心得體會500字

許多DataFocus的用户都提到一件事，就是開發可視化作品變得更簡單了，但是效果難以評估。本文翻譯自toptal的博文，讓我們來看看優秀的可視化實踐是如何實現的吧。 “雜亂無章和令人困惑不是數據的屬性 - 它們是設計的缺點。” - Edward Tufte 什麼是數據可視化 Michael Friendly將數據可視化定義為“以某種示

商業智能 , DataFocus , 數據可視化 , 人工智能 , 數據分析 , 數據可視化實訓心得體會500字

收藏 評論

pannideniupai 頭像

雨大王 - 供應鏈協同：從“鏈”上舞到“鏈”上贏——製造業的數字化生存指南

製造業的供應鏈協同管理，正成為企業競爭力的核心所在。傳統供應鏈模式下，信息壁壘嚴重、部門協作低效、數據共享滯後等問題，如同一道無形的枷鎖，制約着企業的快速響應與靈活調整。尤其是在全球產業鏈重構與數字化浪潮席捲的當下，供應鏈協同不再僅僅是“可選項”，而是“必選項”。廣域銘島的供應鏈協同平台，正是在這一背景下應運而生，通過整合採購、生產、交付等全環節數據，幫助企業實現從“經驗驅動”到“數據驅動”的管理

人工智能 , 深度學習

收藏 評論

u_16213669 頭像

mob64ca140ce312 - 自然語言處理每日論文速遞[01.01]

一句話講：作者提出了一種名為“感知歧義性對齊”（APA）的新型對齊流程，旨在通過利用模型自身的內在知識，增強 LLM 處理 query 中歧義性問題的能力。該方法採用隱式信息增益指標來量化模型自身感知到的模糊性，使模型能夠基於該指標通過對齊操作有效管理歧義/非歧義查詢。 論文精讀 不管是人跟人之間還是人跟 LLM 之間，溝通的時候其實經常會使

數據集 , 顯式 , 語言模型 , 自然語言處理 , 人工智能 , Css , 前端開發 , HTML

收藏 評論