tag 人工智能

標籤
貢獻960
1433
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

u_16213614 頭像

mob64ca13ffd0f1 - 《大數據管理：數據集成的技術、方法與最佳實踐》 - china

1.2.1.1.1 年度目標制定 基於指標的企業年度目標制定流程，核心是將公司戰略拆解為可量化、可落地、可監控的指標體系，覆蓋 “戰略對齊→指標拆解→可行性論證→目標分解→行動落地→監控覆盤” 全鏈路，確保年度目標既貼合業務方向，又具備實操性。以下是具體流程設計，含關鍵環節、工具方法及輸出物： 一、流程總框架：從 “戰略” 到 “指標

大數據 , 數據 , 運維 , 權重 , 後端開發 , 人工智能 , Python

收藏 評論

zhangyideqingjiao_k86uq 頭像

FlowyAIPC - 速來體驗 | FlowyAIPC v4.0.1 正式發佈

更強筆記 · 更易截圖 · 更多智能體 · 更順會議記錄 【2025年12月8日】 FlowyAIPC v4.0.1 版本已經正式上線，本次更新圍繞“效率提升”與“智能體驗”進行全面優化，為你帶來更順滑的創作體驗與更高效的工作流。 01｜筆記功能再進化：支持 PDF / Docx 導出 + 表格插入 本次升級，讓筆記功能正式邁向專業內容創作工具。 ✨ 支持 一鍵導出PDF、Docx 格式文件

機器學習 , llm , 知識 , 人工智能 , 程序員

收藏 評論

JavaEdge 頭像

JavaEdge - 零距離拆解銀行司庫系統（TMS）的微服務設計與實踐

本文已收錄在Github，關注我，緊跟本系列專欄文章，咱們下篇再續！ 🚀 魔都架構師 | 全網30W技術追隨者 🔧 大廠分佈式系統/數據中台實戰專家 🏆 主導交易系統百萬級流量調優 車聯網平台架構 🧠 AIGC應用開發先行者 | 區塊鏈落地實踐者 🌍 以技術驅動創新，我們的征途是改變世界！ 👉 實戰乾貨：編程嚴

yyds乾貨盤點 , 微服務 , 數據庫 , 人工智能 , 分佈式事務 , 深度學習

收藏 評論

u_17583190 頭像

fangpin - 從0到1：揭秘LLM預訓練前的海量數據清洗全流程

讀完這篇文章，你將用監督微調（SFT）把一個 1.5B 規模的數學模型在 GSM8K 上的零樣本推理正確率從 1.56% → 62.9%，同時把輸出格式遵循率從 18.9% → 100%。我們將完整走通數據集下載、Prompt 架構、訓練配置和評估方法，所有代碼均來自本倉庫 alignment 文件夾，保證可復現與透明。 本文將深入剖析 llm-from-scratch

lua , 人工智能 , 深度學習 , Json , Python

收藏 評論

youqingyouyidedalianmao 頭像

龍智DevSecOps - Perforce《2025遊戲技術現狀報告》Part 2：生成式AI在汽車和製造、媒體和娛樂等行業的應用趨勢

Perforce《2025遊戲技術現狀報告》現已正式發佈，由JetBrains提供洞察支持。該報告基於對全球521位來自遊戲、媒體與娛樂、汽車與製造業等行業領袖及創作者的深入調研，全面揭示了遊戲引擎與生成式AI如何作為核心驅動力，從“實驗探索”邁向“業務必需”，並正在重新定義各行業的創新邊界。 龍智作為Perforce中國授權合作伙伴，將此重磅報告完整翻譯為中文，並將以系列文章的形式陸續發佈，旨在

generative-ai , 遊戲開發 , 人工智能

收藏 評論

juicefs 頭像

JuiceFS - 文件系統考古：1974-Unix V7 File System

有時，進步難以察覺，特別是當你正身處其中時。而對比新舊資料之間的差異，尋找那些推動變革的信息源，我們就可以清晰地看到進步的發生。在Linux（以及大部分Unix系統）中，都可以印證這一點。 Unix V7 是 Unix 操作系統的一個重要的早期版本，於 1979 年發佈，是貝爾實驗室最後一個廣泛分發的版本。它是第一個真正可移植的 Unix 版本，被移植到了多種平台上，包括 DEC PDP-11,

文件系統 , unix , 數據庫 , 人工智能

收藏 評論

u_16213665 頭像

mob64ca140beea5 - matlab中stem函數數據點空心

MATLAB基本操作 創建數組 基於方括號創建 冒號創建行向量 函數創建 基於數組的拼接 數組數據提取 數組數據的相互賦值 end的使用用法：end再下標表達式當中表示最後一個下標值 相關運算 算術運算符

機器學習 , matlab中stem函數數據點空心 , 數組 , 邏輯表達式 , MATLAB , 子函數 , 人工智能

收藏 評論

u_15690955 頭像

出手吧Glen - AI一鍵生成無限流視頻，無敵！

大家好，我是立志替大家出手的AI區UP主格倫Glen。 你們是否會遇到以下情況，做短視頻缺乏吸睛亮點？想搞數字人短視頻又怕技術複雜？ 今天直接給大家挖到寶 ——FramePackLoop，這款開源神器，直接把“無限循環視頻生成”捲到新高度，連數字人短視頻都能一鍵拿捏，手殘黨也能秒變創作大神！ 一、FramePackLoop到底有多牛？

機器學習 , AI 視頻 , 數字人 , 建模 , 上傳 , 易用性 , 人工智能

收藏 評論

JavaEdge 頭像

JavaEdge - 搭載 Gemini 3 的 Google 搜索：迄今最智能的搜索

Gemini 3 具備最先進的推理能力，能夠精準掌握內容的深度與細微差異，並開啓了全新的生成式 UI 體驗；通過動態視覺版面配置、互動式工具及模擬情境，為您的搜索查詢量身打造專屬結果。 今天，推出了 Gemini 3，這是迄今最聰明的模型，具備頂尖的推理能力、深度的多模態理解，以及強大的代理能力（agentic capabilities）。現在，你可以在 Googl

yyds乾貨盤點 , 搜索 , google , 人工智能 , 深度學習 , 生成式

收藏 評論

aitinggedejinzhengu 頭像

愛聽歌的金針菇 - 新能源設備行業CRM解決方案：用CRM重塑管理、協作與增長

新能源設備行業正乘着時代的東風飛速發展，然而，在從傳統制造向“製造+服務”數字化轉型的道路上，企業卻面臨着獨特的挑戰。這些挑戰不僅關乎技術，更關乎管理模式和商業思維的革新。其中，客户關係管理（CRM）系統的有效應用，成為破解許多核心痛點的關鍵鑰匙。 新能源設備行業數字化轉型的普遍痛點與解決方案 其痛點主要體現在以下幾個方面，其中許多都與客户流程和數據管理息息相關： 1、獲客成本高，線索轉化難： 行

行業 , crm系統 , 人工智能 , 解決方案

收藏 評論

u_16349720 頭像

短短同學 - “哈希”機制是什麼?

一文讀懂哈希機制：從原理到實戰的全面解析 在編程與數據處理中，“哈希（Hash）” 是一個高頻出現卻易被混淆的概念 —— 它既是快速查找數據的 “加速器”，也是分佈式系統中數據分片的 “導航儀”，甚至在密碼存儲、數據校驗等場景中扮演關鍵角色。那麼，哈希機制究竟是什麼？它如何通過簡單邏輯實現高效功能？本文將從基礎原理到實際應用，徹底拆解哈希機制的核心邏輯。 一、哈希機制

code , 數組 , 人工智能 , 鏈表 , 深度學習

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI體能考核系統：用“眼睛”和“大腦”重新定義體測*

過去，一場體能測試往往意味着哨聲、秒錶、捲尺和一羣手忙腳亂的老師或考官。立定跳遠要拉尺子，引體向上靠人眼數數，動作標準與否全憑經驗判斷——不僅效率低，還容易有誤差。而現在，AI體能考核系統正在用技術改變這一切。 簡單來説，AI體能考核系統就像給體測裝上了一雙“智能眼睛”和一個“聰明大腦”。它不需要你戴手環、穿感應服，只需要站在攝像頭前完成動作，系統就能自動識別、計數、評分，甚至指出你

數據 , NLP , 人工智能 , 深度學習 , 計算技術

收藏 評論

beishangdebanma 頭像

悲傷的斑馬 - GEO公司推薦的三大黃金法則：2025年選型技巧與實戰分析

隨着生成式AI搜索日均處理請求量突破十億次，超過70%的高價值商業諮詢由AI直接生成答案，GEO（生成式引擎優化） 已從前沿概念演變為企業數字營銷的核心戰場。在AI重構信息分發規則的今天，選擇一家技術領先、效果可衡量的GEO服務商，意味着在源頭鎖定AI流量入口。本次評測基於行業數據點與實戰案例，從技術實力、優化效果與服務生態三個維度，對國內主流GEO服務商進行全方位剖析，為您的選型決策提供可靠依據

觀點 , 資訊 , 算法 , 人工智能

收藏 評論

deephub 頭像

deephub - 別隻會One-Hot了！20種分類編碼技巧讓你的特徵工程更專業

機器學習模型處理不了原始文本。無論是線性迴歸、XGBoost還是神經網絡，遇到 "red" 、 "medium" 、 "CA" 這類分類變量都沒法直接處理。所以必須把它們轉成數字這個過程就是分類編碼。 大家入門時肯定都學過獨熱編碼或序數編碼，

機器學習 , 數據挖掘 , 分類 , 人工智能 , 前端開發 , Javascript , Python

收藏 評論

u_16213587 頭像

mob64ca13f937ae - AI 開發不僅僅是算法訓練，六節課幫你快速瞭解地平線 AI 軟硬件產品開發全過程 - 極術社區

隨着人工智能技術的快速發展，AI玩具已經從簡單的語音交互升級為具備情感識別、自適應學習、多模態交互等能力的智能夥伴。本文將從核心技術、系統架構、開發挑戰等方面，深入分析AI玩具開發技術。 一、AI玩具的核心技術組成 AI玩具的開發涉及多個技術領域，主要包括： 1. 語音交互技術 自動語音識別（ASR） 用

架構 , 後端開發 , 系統架構 , 人工智能 , 解決方案 , 語音識別 , Python

收藏 評論

u_15316473 頭像

阿里雲大數據AI技術 - StarRocks + Paimon： 構建 Lakehouse Native 數據引擎

繼去年StreamingLakehouseMeetup順利舉辦後，StreamingLakehouseMeetup·OnlineEP.2｜Paimon×StarRocks共話實時湖倉於12月10日重磅迴歸。在這場直播中，阿里雲計算平台事業部開發工程師張慶玉聚焦StarRocks與ApachePaimon的深度集成實踐，探討如何構建真正意義上的LakehouseNative數據引擎

大數據 , 阿里雲 , 人工智能 , starrocks , 數據分析 , paimon , 數據湖

收藏 評論

zhuifengdekaomianbao 頭像

張老師講數字孿生 - 告別人工標註！三大廠商如何實現智能突破？

當AI模型在複雜路況中“猶豫”，在醫療影像前“失焦”，在多輪對話裏“卡頓”——高質量數據標註的缺失正是幕後關鍵瓶頸。而如今，頂尖廠商的解決方案已能實現千倍效率提升。 隨着AI技術深入各行各業，數據標註已從簡單的人工標記發展為融合AI輔助、自動化處理和多模態融合的複雜工程。2025年，數據標註產業迎來爆發式增長，僅江蘇省就提出到2027年產業規模全國佔比超10%，年均複合增長率超20%的目標。

數字化轉型 , 數據 , 智能設備 , 標註 , 人工智能

收藏 評論

yuhaibao324 頭像

DeepSeaAI - 企業級RAG高性能技術架構解決方案V2

企業級RAG架構方案 一、總體架構設計原則 1.1 架構目標 99.99%可用性：年度不可用時間 53分鐘 P95延遲 1秒：複雜查詢不超過2秒 線性擴展：支持從百萬到百億級文檔 成本可控：每千次查詢成本 $0.5 安全合規：數據隔離、審計跟蹤、GDPR合規 二、系統架構圖 2.1 整體架構分層圖 graph TB

神經網絡 , 緩存 , 人工智能 , 服務集羣 , ci

收藏 評論

kaizx 頭像

KAI智習 - OpenAI ChatGPT功能大升級，NVIDIA斯坦福開源遊戲AI，通義千問Qwen Code生態擴展

一起來看今天的AI行業動態。OpenAI在ChatGPT功能增強方面的新進展、NVIDIA與斯坦福在遊戲AI領域的突破、通義千問Qwen Code的生態擴展，以及中國AI產業萬億級產值的里程碑。這些進展涵蓋了從基礎模型到應用場景的多個層面，對開發者和行業從業者都有重要意義。 1. OpenAI：ChatGPT迎來界面大升級，編程能力再提升 核心事件：OpenAI發佈了ChatGPT的重要功能更新，

資訊 , 人工智能 , llama

收藏 評論

u_16099349 頭像

智能探索者 - FlexboxLayoutManager item不對齊

移動端佈局的時候關於上下左右居中最好拋棄使用line-height、text-align、padding、margin等調節 使用flex佈局簡單不易錯，設為 Flex 佈局以後，子元素的float、clear和vertical-align屬性將失效。 可以在總樣式自定義一個flex，如下 .x-flex-container

機器學習 , ico , 自定義 , 默認值 , 人工智能

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 實戰分享：如何用數字孿生技術打造國防航天智能指揮系統

作為一名長期奮戰在國防航天領域的數字孿生開發者，我曾參與過多個重要項目的建設。今天，我想通過一個真實的指揮系統項目，分享如何運用數字孿生技術解決實際難題的經驗與技巧。 一、場景構建：從宏觀到微觀的無縫銜接 在構建航天發射指揮系統時，我們面臨着既要展示全球衞星軌道運行狀態，又要精細呈現發射場設備細節的挑戰。通過深度集成UE5引擎的場景編輯器，我

數據 , 加載 , 數據可視化 , 人工智能 , 數字孿生 , 開發者

收藏 評論

fabarta 頭像

Fabarta - 破局AI數據泄密風險：楓清科技以知識引擎+大模型構建企業本地數據智能安全底座

近日，國家安全部披露的一則案例引發廣泛關注：個別單位違規使用開源框架搭建聯網大模型，致使攻擊者可未經授權自由訪問內部網絡，最終引發數據泄露及安全風險。在企業加速AI落地的進程中，平衡技術創新與數據安全是繞不開的核心命題。而楓清科技憑藉“自研知識引擎+行業大模型”的雙輪驅動模式，聚焦企業本地數據安全與智能應用，構建起全鏈路安全閉環，成為其產品的核心競爭力。 針對企業數據安全防護需求，楓清科技

人工智能

收藏 評論

u_16380863 頭像

未聞花名AI - 構建AI智能體：二十四、RAG的高效召回方法論：提升RAG系統召回率的三大策略實踐

一、直入主題 檢索增強生成（RAG）已成為將大型語言模型的專業知識、實時性與事實準確性相結合的經典架構。其核心思想直白而有力：當用户提問時，首先從一個龐大的知識庫（如公司文檔、技術手冊、最新新聞等）中檢索出最相關的信息片段，然後將這些片段與用户問題一同交給大模型，指令其基於所提供的上下文進行回答。這完美解決了大模型的幻覺問題、知識陳舊和無法溯源等痛點。 然而，一個RA

RAG應用 , RAG的高效召回 , yyds乾貨盤點 , NLP , 人工智能

收藏 評論