tag 人工智能

標籤
貢獻960
1423
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

aiagent 頭像

AIAgent研究 - 2026年第二週學習——規劃與工具調用原理

核心目標 掌握任務拆解邏輯（CoT思維鏈）、工具調用的核心流程 學習資料 1. 論文：《ReAct: Synergizing Reasoning and Acting》 https://arxiv.org/pdf/2210.03629； 翻譯版直接使用豆包翻譯即可 2. 文檔：LangChain官方文檔“Agent核心概念”章節 LangChain 官方文檔“Agent 核心概念”章節核心資

人工智能 , ai-agent

收藏 評論

u_17225437 頭像

二川bro - 2025深度學習框架對決：TensorFlow與PyPyTorch深度測評

概述 在2025年的深度學習領域，TensorFlow和PyTorch作為兩大主流框架，各自形成了完整而強大的生態系統。本文將從技術架構、性能表現、開發體驗、產業應用等多個維度，對這兩個框架進行全面的對比分析，為開發者和企業在框架選型時提供詳實的參考依據。 技術架構深度解析 TensorFlow 2.x 架構演進

tensorflow , MySQL , API , 工具鏈 , 數據庫 , 人工智能 , 深度學習

收藏 評論

u_14120 頭像

温柔一刀 - metal tile memory 用於 compute

如果單從初衷和預想的價值來看，還是很誘人的。在馮諾依曼體系中，cpu計算和memory存儲是分離的，而兩者之間的data movement會造成高延遲和高耗能。 關於PIM類似的思想在50年前曾有人提出過，比如1969年WILLIAM H. KAUTZ發表的論文Cellular Logic-in-Memory Arrays和1970年在斯坦

機器學習 , google , 人工智能 , memory , 浮點數

收藏 評論

pannideniupai 頭像

雨大王 - 工業PaaS如何推動製造業數字化轉型？

在當今全球製造業競爭日益激烈的背景下，數字化轉型已成為企業提升競爭力的必由之路。工業PaaS（Platform as a Service）平台作為工業互聯網的核心組成部分，正逐步展現出其在製造業轉型升級中的關鍵作用。通過提供統一的開發環境、數據管理工具和工業微服務組件，工業PaaS幫助企業打破信息孤島，實現生產全流程的數字化、智能化管理。 工業PaaS平台的核心優勢在於其能夠將工業技術、知識

人工智能

收藏 評論

u_16213346 頭像

mob64ca12dba5b0 - AIGC測試數據集

AIGC測試數據集是指用於評估和優化人工智能生成內容（AIGC）模型性能的專用數據集。隨着人工智能技術的迅速發展，如何建立高質量的測試數據集已成為衡量AI模型效果的關鍵。有了這些數據集，開發者可以更有效地調試和優化模型，確保其在真實環境中的表現。以下將詳細講述如何解決“AIGC測試數據集”相關的問題。 背景定位 自2021年底，AIGC逐漸成為行業熱點。2022年，多個企業投入大

數據集 , 測試數據 , aigc , 人工智能

收藏 評論

pannideniupai 頭像

雨大王 - 工業互聯網賦能裝備製造智能化：企業如何抓住機遇規避風險

在製造業快速向智能化演進的今天，工業互聯網已成為推動裝備製造行業變革的核心力量，卻也像一把雙刃劍，既帶來無限可能，又考驗企業的應對能力。裝備製造企業，無論大中小規模，都置身於這場技術風暴中，不得不面對從傳統生產線到數字化轉型的陣痛與收穫。回想工業互聯網的本質，它並不是簡單的網絡連接，而是將物理設備、數據流和智能決策系統融合成一個動態網絡，這在裝備製造領域尤其關鍵，因為從設計到生產的每一個環節都依賴

人工智能

收藏 評論

u_14844 頭像

definitely - TVFEMD算法 具體步驟

TVM介紹 為解決深度學習框架和硬件後端適配問題，華盛頓大學的陳天奇等人提出了TVM. TVM是一個端到端的全棧編譯器，包括統一的IR堆棧和自動代碼生成方法，其主要功能是優化在CPU、GPU和其他定製AI芯片上執行的AI模型，通過自動轉換計算圖，實現計算模式的融合和內存利用率最大化，並優化數據佈局，完成從計算圖到算子級別的優化，提供從前端框架到AI芯片、端

機器學習 , 手機端 , TVFEMD算法 具體步驟 , 深度神經網絡 , 人工智能 , 深度學習

收藏 評論

u_16970152 頭像

求知上進 - Python 數據結構：序列通用操作

在 Python 編程中，序列是一種重要的數據結構，它用於存儲一系列的元素。Python 中的序列類型包括列表（list）、元組（tuple）、字符串（str）以及範圍（range）等。理解序列的通用操作能夠幫助開發者更高效地處理數據，提高編程的靈活性和可讀性。本文將深入探討 Python 中的序列通用操作，內容涵蓋基本概念、常見方法、應用場景以及最佳實踐，力求為讀者提供全面且深

字符串 , 人工智能 , 深度學習 , 元組 , Python

收藏 評論

u_15641375 頭像

芯動大師 - 對深度學習概念的基礎理解與認識

一、神經網絡的組成 人工神經網絡（Artificial Neural Networks，簡寫為ANNs）是一種模仿動物神經網絡行為特徵，進行分佈式並行信息處理的算法數學模型。 這種網絡依靠系統的複雜程度，通過調整內部大量節點之間相互連接的關係，從而達到處理信息的目的，並具有自學習和自適應的能力。神經網絡類型眾多，其中最為重要的是多層感知機。為了詳細地描述神經網絡，我們

機器學習 , yyds乾貨盤點 , 神經網絡 , 人工智能 , 深度學習 , 數據結構與算法

收藏 評論

u_15444 頭像

gulaotou - 【Pytorch學習筆記2】Pytorch的主要組成模塊_pytorch模塊介紹

PyTorch 2.x 引入的 torch.compile 是核心優化工具，旨在解決 PyTorch 中圖形捕獲準確性問題，通過底層技術棧將 PyTorch 程序加速，同時標誌着 PyTorch 從依賴 C++ 向 Python 主導的編譯架構過渡。 一、核心定位 torch.compile 並非獨立工具，而是隸屬於 torch.compil

pytorch , 後端開發 , 人工智能 , 機器碼 , Python

收藏 評論

u_14540126 頭像

最多選5個技能 - 電子商務設計師軟考備戰：第五篇 - 電子商務前沿技術與實踐應用

1. 新興技術賦能電子商務 1.1 人工智能與機器學習應用 智能客服系統 自然語言處理（NLP）實現自動問答 情感分析識別用户情緒並優化服務 多輪對話管理處理複雜諮詢場景 知識圖譜構建提升問答準確性 個性化推薦升級 深度學習模型提升推薦精度 實時推薦系統響應速度優化

web安全 , 鏈路 , MySQL , 新技術 , 數據庫 , 人工智能

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - 【新模型速遞】PAI-Model Gallery雲上一鍵部署MiniMax-M1模型

MiniMax-M1 模型是由 MiniMax 公司6月17日全新推出的大語言模型，使用hybrid Mixture-of-Experts (MoE) 架構，並使用了 lightning attention 機制。 MiniMax 公司稱其為世界上第一個開源的大規模混合架構的推理模型。 MiniMax-M1 模型原生支持 1 百萬個 token 的上下文長度， 並且 lightning atten

llm , 大數據處理 , 雲計算 , 人工智能 , 模型

收藏 評論

shiluodepaomian 頭像

失落的泡麪 - 標書智能體（一）——AI解析招標文件代碼+提示詞

用Python+React打造一個開源的AI寫標書智能體~ 今天是第一期，招標文件解析： 招標文件動輒幾萬字，雖然現在各主流大模型的上下文窗口都越來越大，但也只能代表AI“可以處理幾十萬字的上下文”，並不代表你隨便扔給AI幾十萬字，它就能“處理得好幾十萬字的上下文”。 我們在寫投標文件之前，一定要先把招標文件通讀一遍，標註出需要注意的點，然後再有針對性的撰寫招標文件。 AI寫標書也是一樣，第一步

react , 人工智能 , prompt , Python

收藏 評論

u_16909639 頭像

小馬過河R - 編寫第一個MCP Server之Hello world

(目錄) 引言 上一篇《在Cline上調用MCP服務之MCP實踐篇》我們講到如何調用MCP服務，這次我們就來自己寫一個MCP服務。 在動手自己編寫MCP Server之前建議還是先認真看一遍MCP官網的介紹。 參考官方教程，我們計劃編寫一個名為“Echo”的MCP Server作為我們的MCP Server Hello world。 一、檢查環境並初始化項目 首

機器學習 , agent , NLP , mcp , 人工智能 , 在51CTO的第一篇博文

收藏 評論

u_16213712 頭像

mob64ca14173efa - blazemeter官網在哪下載

不少介紹Blazor網站包括微軟自己的文檔網站，對Blazor採用的認證/授權機制有詳細的介紹，但是往往給出的是Identity Server的例子。搜索引擎可以找到的如： https://chrissainty.com/securing-your-blazor-apps-introduction-to-authentication-with-blazor/ http

服務端 , 機器學習 , 客户端 , 人工智能 , blazemeter官網在哪下載 , ide

收藏 評論

kuaishoutech 頭像

快手技術 - 快手&南大發布代碼智能“指南針”，重新定義AI編程能力評估體系

“這款模型在 Python 錯誤修復上表現驚豔，但在 Java 功能實現上卻慘不忍睹”，“同一個模型在 Web 開發場景遊刃有餘，面對基礎設 施代碼卻束手無策”——這些開發者社區的常見吐槽，折射出現有代碼大模型評估體系的嚴重侷限。關於“誰是最強的代碼大模型？”這一問題，答案眾説紛紜，對於同一款大模型，對於不同的編程場景、不同編程任務、不同編程語言甚至不同智能體框架其風評都可能大相徑庭。 然而，現有

教程 , 知識 , 人工智能

收藏 評論

u_14172 頭像

archangle - 自然語言處理涉及的技術棧 自然語言處理最新技術

伴隨着近幾年的機器學習的熱潮，自然語言處理成為了目前炙手可熱的研究方向，同時也是 Google、Microsoft、Facebook、Baidu、Alibaba 等各大公司投入鉅額資金和高端人力努力爭奪的下一個互聯網流量入口（智能助手、智能音箱等）。 近日，雷鋒網研習社公開課邀請了孔曉泉來介紹自然語言處理技術的一些基本知識、行業的發展現狀和基於深度

中心詞 , 自然語言處理涉及的技術棧 , NLP , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

u_15690955 頭像

出手吧Glen - 地表最強馬賽克去除神器，來了！

大家好，我是立志替大家出手的AI區UP主格倫Glen。 友友們，咱平時刷視頻，是不是常碰到那種人臉模糊、滿是馬賽克的片段，急得人抓耳撓腮；或是回顧珍貴的老視頻影像，但模糊人臉簡直就是 “攔路虎”。 現在，救星來了！一款號稱 “地表最強馬賽克去除神器” 的AI工具橫空出世，專門攻克視頻人臉超分辨率難題，接下來就帶大家好好認識認識它。

視頻播放 , 機器學習 , 文件名 , 馬賽克去除 , 中文字符 , 人工智能

收藏 評論

u_17586993 頭像

u_17586993 - 大模型榜單週報（2026-01-04）

1. 本週概覽 DeepSeek在市佔率方面表現突出，份額增加顯著。同時，通義實驗室開源了GUI智能體MAI-UI，涵蓋從端側小模型到雲端大模型的多個尺寸版本。此外，DeepSeek提出了名為「mHC（流形約束超連接）」的新架構，能夠在增加極少訓練時間開銷的情況下實現顯著性能提升。 2. 重點關注事件 通義實驗室於12月26日開源GUI智能體MAI-UI，提供從2B端

code , 機器學習 , google , 人工智能 , 大模型

收藏 評論

u_16099344 頭像

風華正茂的AI - 高中迴歸直線方程去掉離羣點

已知橢圓 \(C:\dfrac{x^2}{a^2}+\dfrac{y^2}{b^2}=1(ab0)\) 的左、右焦點分別為 \(F_1,F_2\) ，以 \(F_1F_2\) 為直徑的圓過橢圓的上、下頂點，長軸長為 \(4\) (1) 求橢圓 \(C\) (2) 設橢圓 \(C\) 的左右頂點分別為 \(A,B\) ，點 \(P(4,t)(t\neq0)\) ，過點

機器學習 , 高中迴歸直線方程去掉離羣點 , Big , 人工智能 , 斜率

收藏 評論

u_16099268 頭像

碼海探險先鋒 - 中國雲產業聯盟辦大獎賽挖大數據人才 - 靈玖lingjoin的個人空間 -

在自動駕駛、機器人導航等領域，3D場景的感知與生成一直是研究熱點。然而，傳統方法通常將這兩個過程分離：生成模型僅僅作為數據增強工具，為下游感知任務提供合成數據。這種方法不僅靈活性有限，生成的場景也往往缺乏對感知任務有價值的細節。 近日，上海交通大學與寧波數字孿生研究院聯合團隊提出了一種名為OccScene的創新範式，將細粒度3D感知與高質量場景生成

機器學習 , 3d , 目標跟蹤 , 人工智能 , 深度學習 , jquery , 前端開發

收藏 評論

u_17513518 頭像

愛看C語言的BK - MySQL 21天學習計劃 - 第四天

條件查詢基礎：用WHERE子句篩選數據 在第三天學習的基礎查詢中，我們獲取的是表中的所有記錄。但實際工作中，我們往往只需要符合特定條件的數據。比如從員工表中篩選"工資大於5000的員工"，從商品表中查找"庫存小於10件的商品"。這就需要使用WHERE子句來實現條件篩選。 WHERE子句的基本語法結構如下： 複製 SELECT 列名

條件查詢 , AI寫作 , aigc , 人工智能 , 計算機科學

收藏 評論