tag 人工智能

標籤
貢獻960
1384
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

duoqingdeqingwa 頭像

多情的青蛙 - 月更GPT-5.1：AI巨頭為何開始“內卷”？

距離GPT-5發佈僅三個月，OpenAI再度推出升級版本GPT-5.1，創下其大模型迭代速度新紀錄。這背後，是日趨白熱化的行業競速賽。 2025年11月，OpenAI正式發佈GPT-5.1。這距離其8月推出革命性GPT-5尚不足百天，距離其去年11月發佈GPT-4 Turbo剛好一年。如此高頻的版本更新，在OpenAI歷史上實屬罕見。 競爭格局的劇變是首要驅動力。 就在OpenAI快

chatgpt , 人工智能 , 深度學習

收藏 評論

u_16970152 頭像

求知上進 - 深入學習Python函數：屬性訪問

第一章：屬性訪問的基礎原理 1.1 屬性訪問的起源與Python演進 屬性訪問的概念源於1990年代的Smalltalk動態屬性系統，它強調對象的統一接口。Python的@property由Guido van Rossum在Python 2.2中通過描述符協議正式引入，當時旨在簡化getter/setter的 boilerplate代碼。到Python 3起，prop

生成器 , 人工智能 , 深度學習 , 描述符 , Python

收藏 評論

u_16213635 頭像

mob64ca1404baa2 - Python量化交易入門_黑馬程序員的技術博客

一、量化 1.1、目的 大模型量化的主要目的是壓縮模型參數，降低計算複雜度，提高推理效率。 存儲優化：將高精度的浮點型參數轉換為低精度的整數參數，減少模型存儲空間。 計算加速：使用低精度整數進行計算，降低計算複雜度，提高推理速度。 硬件適配：某些硬件（如嵌入式設備、移動端芯片）對低精度計算支持更好，量化可以提高 適配性。

數據 , 數位 , 權重 , 人工智能 , 前端開發 , Javascript , Python

收藏 評論

u_17567677 頭像

沃觀態勢感知 - 洞察競爭格局：專業海外社交媒體分析服務如何解碼對手的社交策略

在海外市場競爭日益激烈的背景下，瞭解競爭對手已經不再是可選動作，而是企業制定產品、營銷、渠道和區域策略的前提條件。社交媒體作為競品動作最公開、最實時、最具情緒色彩的平台，是分析對手策略的最佳窗口。專業海外社交媒體分析服務的意義，在於讓企業能夠更系統、更全面、更智能地“讀懂競爭對手在做什麼、準備做什麼、效果如何以及用户如何迴應”。 海外社交媒體分析服務競爭洞察的第一層，是對競

用户興趣 , 用户反饋 , 人工智能 , 數據分析 , 社交媒體

收藏 評論

u_16060192 頭像

HyperAI超神經 - 【TVM教程】設計與架構

TVM 現已更新到 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 本文檔適用於想要了解 TVM 架構或積極開發項目的開發者。本文檔組織結構如下： 整體編譯流程示例：概述 TVM 如何將一個高級模型描述轉換為可部

數據結構 , 神經網絡 , API , TVM , 人工智能 , 深度學習 , Python

收藏 評論

u_16213698 頭像

mob64ca1413c518 - CefViewQuery和invokeMethod的區別

前面我們説過了 控制器(controller) 和方法(action) 本次要説的就是 View以及和控制器(controller)、方法(action)之間的關係； 大家都知道 MVC中的 V 就是View 的意思，就是 呈現給用户的界面，以往的asp.net項目中叫 webform，以前做asp.net的時候就是在工具箱裏面拖控件出來， 然後簡單的排

控件 , 服務端 , 機器學習 , 構造函數 , 人工智能

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - 智能裝卸新紀元：MODBUS轉PROFIBUS網關如何喚醒煙草廠“機械巨龍”

智能裝卸新紀元：MODBUS轉PROFIBUS網關如何喚醒煙草廠“機械巨龍” 在傳統煙草廠的裝卸區，工人推着叉車穿梭於貨堆間，汗水與煙塵交織。而今天，一條鋼鐵巨龍正悄然改變這幅畫面——機械臂精準抓取煙箱，AGV小車無聲穿梭，這一切都由PROFIBUS轉MODBUS協議轉換網關在幕後指揮。 案例直擊：當德國精密遇見工業通用語 某中型

profibus , 機械臂 , 協議轉換 , 人工智能 , 深度學習 , 工業自動化 , Modbus

收藏 評論

u_16213569 頭像

技術領航舵手 - linux 網絡 emac

　　team是個啥玩意？ 　　team實現的功能跟bond相似，team本質上也是一個虛擬的網卡驅動（networkdevicedriver），只不過並沒有真實的物理網卡與之對應，而是由這個虛擬網卡去“管轄”一系列的真實的物理網卡，它的代碼結構和一般網卡驅動的代碼結構非常類似。 　　team的四種模式 　　主備模式:activebackup 只有一個網卡處於活躍

機器學習 , 字段 , 初始化 , linux 網絡 emac , 人工智能 , 用户態

收藏 評論

u_17567677 頭像

沃觀態勢感知 - 知己知彼：如何用出海媒體監測工具洞察競爭對手的海外宣傳策略

在海外競爭加速、社媒生態碎片化的今天，出海企業要想脱穎而出，不僅需要理解自身用户，更必須讀懂競爭對手。競爭對手在海外做了什麼、發了哪些內容、使用了哪些KOL、投放在哪些渠道、獲得了怎樣的用户反饋，這些信息都關乎企業決策。但競爭對手的策略在海外往往碎片化、跨平台、多語言且變化快，人工監測幾乎不可能覆蓋。因此，出海媒體監測工具成為企業洞察競爭格局、理解對手動

碎片化 , 多語言 , 用户反饋 , 人工智能 , 數據分析

收藏 評論

u_16213674 頭像

mob64ca140e0490 - 分區remount

故障： 還原系統後分區故障。 1.原來多個分區變成當前一個分區； 2.原有分區與當前分區的數量或大小不一致，原有數據分區丟失。 恢復流程： 1.檢測流程： 通過磁盤管理查看故障盤分區大小及數量； 查看當前分區結構完整度。 2.實施流程： 北亞數據恢復工程師通過用户瞭解原分區大小、分區數量； 北亞數據恢復工程師根據用户所反

機器學習 , 分區remount , 文件系統 , 數據 , 數據恢復 , 人工智能

收藏 評論

u_16099337 頭像

IT獨行俠客 - baremetal hypervisor場景下host vm與client vm的角色

在Win7為HOST的環境下，安裝VirtualBox，在其中安裝CentOS7，以Bridge的方式搭建網絡環境。 在Win7為HOST的環境下，安裝VirtualBox，在其中安裝CentOS7，以Bridge的方式搭建網絡環境。 主要配置包括VirtualBox中的網絡設置，以及CentOS中的網絡配置。另外還有個重要的注意點就是如果HOST使用的是無線網，那麼

機器學習 , ipv6 , server , bc , 人工智能

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - 真實案例覆盤：從“三套煙囱”到 All in ES，這家企業如何砍掉 40% 運維成本？

文/阿里雲AI搜索產研團隊 在做搜索技術架構諮詢時，我們經常聽到一句話：“我也知道業務系統複雜，但不知道怎麼簡化架構部署?” 今天，我們想聊聊“某知名互聯網泛娛樂視覺平台A”（以下簡稱A公司）的搜索架構演進故事。他們的雲上遷移經歷，是無數正在為“技術棧碎片化”與"AI搜索架構改造"頭疼的企業的真實寫照。 第一階段：為了業務的“快”，他們建了三根煙囱 一年前，A公司的技術架構負責人老李面臨着極大的壓

elasticsearch , 搜索 , 阿里雲 , 人工智能

收藏 評論

huikaichedemianbao 頭像

合合技術團隊 - 論文解讀-對話中的多模態情感識別綜述

一、簡要介紹 儘管基於文本的情感識別方法已經取得了顯著的成就，但現實世界中的對話系統往往需要比單一模態所能提供的更加細膩的情感理解。因此，多模態情感識別（MERC）成為了提升人機交互自然性和情感理解的關鍵方向。其目標是通過整合文本、語音和視覺信號等不同模態的信息，準確地識別情感。本綜述系統地概述了MERC，包括其動機、核心任務、代表性方法和評估策略。論文進一步探討了最近的趨勢，指出了關鍵挑戰，並

大數據 , 算法 , 人工智能

收藏 評論

u_13527 頭像

bigrobin - 機器學習模型 輸入層 隱藏層 輸出層 權重 偏置 公式

深度學習三步驟 普遍性定理 對於任何一個連續的函數，都可以用足夠多的隱藏層來表示 神經網絡 完全連接前饋神經網絡 輸入層（Input Layer）：1層 隱藏層（Hidden Layer）：N層 輸出層（Output Layer）：1層 全鏈接

機器學習 , 數據 , 神經網絡 , 人工智能 , 特徵提取

收藏 評論

u_12897 頭像

jordana - 烏班圖系統vfat是什麼意思

Ubuntu 19.10 生命週期將在今年 7 月結束，之後一段時間內最大的版本則是 Ubuntu 20.04 LTS，其重大更新和改進將在 2030 年前終止。20.04 是 Ubuntu 的第 8 個 LTS 版本，於2020 年 4 月 23 日發佈。 一、 回顧Ubuntu 20.04 LTS Ubuntu 19.10 生命週期將在今年 7

字符串 , 烏班圖系統vfat是什麼意思 , 用户界面 , 人工智能 , 計算機視覺 , Ubuntu

收藏 評論

u_16099303 頭像

碼海航行俠 - deepseek到人工智能5級的哪個階段

人工智能的智商等級 Description 2017年11月我校邀請了百度的李經理給我們介紹了人工智能在百度的發展。隨着AI的不斷髮展，人工智能的智商也在不斷提高。 人工智能系統的智商我們目前將分為6個級別： （1）第0級，沒有現實對應的東西（NULL)，我們假設智商為0~50

aigc , 人工智能 , 智能系統 , 百度 , AI作畫

收藏 評論

u_17562481 頭像

思考的袋鼠 - 構建數據庫安全新範式：以規範為基石，實現精確與實時動態防護

概要： （提示：當防護邊界逐漸模糊，數據自身的“行為軌跡”成為新的安全焦點。） 在數字經濟的核心結構中，數據庫不再僅是支撐業務的技術組件，而是企業數字資產的“原礦”。金融機構的交易流水、互聯網平台的用户畫像、醫療系統的病歷檔案——所有這些關乎隱私、業務與監管的數據，都以數據庫為載體在組織內流轉與沉澱。但隨着數據量與訪問頻率呈指數級增長，傳統以“靜態防護”為核心的數據庫

數據 , 數據庫 , 數據庫安全 , 人工智能 , 深度學習

收藏 評論

u_14125 頭像

jacksky - 用詞雲對文本進行數據可視化的方法

Python使用wordcloud生成詞雲圖片 主要步驟： 準備素材，可以是爬取的內容，也可以是手動輸入的內容，是字符串即可，這裏是使用前面爬取並保存在本地excel的豆瓣top250榜單； 使用jieba將字符串分詞，jieba.cut()會將我們的句子分詞一個個詞語； 準備掩飾圖片，掩飾圖片就是詞雲顯示各個詞語的背景範圍，默認是矩形背景；

數據 , 用詞雲對文本進行數據可視化的方法 , 數據可視化 , 人工智能 , 詞雲 , Image

收藏 評論

u_16099221 頭像

技術領航者之聲 - 基於模型的強化學習 目標檢測

作者：Mostafa Ibrahim 編譯：ronghuaiyang 導讀 使用EfficientNet和YoloV5的融合可以提升20%的performance。 在本文中，我將解釋上一篇文章中稱之為“2 class filter”的概念。這是一種用於目標檢測和分類模

機器學習 , 大數據 , 基於模型的強化學習 目標檢測 , 人工智能 , 計算機視覺 , 網絡

收藏 評論

u_15591470 頭像

ceshiren2022 - 裁員潮下的測試人：真正聰明的人正在做這三件事

上週和老同事聚會，原本輕鬆的飯局突然安靜了下來。 “我們組裏三個測試，上個月走了一個半。”老王悶了口酒，“半個人”是他帶的實習生，沒轉正就被優化了。 小陳接口：“我們更徹底，整個QA團隊架構調整，外包全撤，只留了幾個核心崗。” 這樣的對話，最近半年幾乎成了測試圈的固定背景音。但有意思的是，同樣在這半年，我認識的兩位測試朋友卻逆勢升職加薪了。一位去了某車聯網公司做測試架構師，另

技術棧 , playwright , 人工智能 , 深度學習 , selenium

收藏 評論

u_16655836 頭像

wx6603b05eb93d0 - vivo員工捅了大婁子？直播間置頂不需女用户評論被罵上熱搜

都説一個打工人能捅多大婁子！前段時間，泡泡瑪特就通過一個大婁子，即小柴報道過的——員工內涵用户是韭菜後泡泡瑪特半天上15個熱搜！這怕是打工人捅的最大婁子了…… 大概是泡泡瑪特工作人員手持原價79元的DIMOO掛鏈盲盒，脱口而出「哎嘛，這東西賣79確實有點（貴）」，另一人迴應「沒事，會有人買單的」。 此言論一出，不少人表示，員工這是內涵消費者是韭菜，於是一個下午，幾十個

置頂 , 人工智能 , 用户需求 , 數據分析 , ui

收藏 評論

u_17589471 頭像

AI數字人研究社 - 數字人公司哪家好？頭部數字人企業廠商核心競爭力解析

在數字化轉型浪潮中，AI數字人正從概念演示走向規模化產業應用，成為連接虛擬與現實、提升服務效能的關鍵入口。作為這一領域的深耕者，世優科技自主研發的“世優波塔AI數字人智能體”，憑藉其全棧技術能力與豐富的場景落地經驗，已在政務、文旅、教育、醫療、金融等多個行業建立起標杆案例，為智能交互時代提供了可複製的解決方案。 技術底座：從“形似”到“智合”的全棧能力 數字人的價值，

智慧展廳 , 智能交互 , 數字人 , 數字展廳 , 人工智能 , 計算機視覺 , 大模型

收藏 評論

u_1150085 頭像

I_am_Alex - IPIDEA代理IP深度測評：構建智能體知識庫的得力助手

1. 智能體知識庫的重要性 我最近在做“歷史大事記”智能體時，踩了個實打實的坑：初期全靠大模型原生知識庫支撐，回答總是“缺斤短兩”：要麼漏了關鍵歷史事件，要麼對人物生卒、傳統習俗的描述模糊不清，甚至連一些廣為人知的紀念日都沒法精準對應。 為了補齊這個短板，我找遍了各種數據源，最終發現維基百科這一“寶藏庫”：它把全年365/366天的內容拆解得明明白白，大到影響

機器學習 , 智能體 , 人工智能 , 爬蟲 , ipidea , 知識庫

收藏 評論

u_15476544 頭像

天鯤科技 - 同盾科技：構建高安全移動金融架構

摘要：本白皮書以金融科技企業同盾為例，系統闡述其在移動端安全架構升級過程中的核心挑戰、技術選型與實施路徑。通過引入AWS原生安全服務與定製化增強機制，同盾成功構建了一套具備動態憑證管理、細粒度訪問控制與自動化安全修復能力的高可用架構，實現了零憑證泄露、用户級S3數據隔離與合規審計缺口大幅縮減，為金融行業移動應用安全提供了可複製的成功範式。】 關於客

移動端 , Pod , AWS , 人工智能 , 深度學習

收藏 評論