tag 人工智能

標籤
貢獻960
1435
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_17061379 頭像

AI編程社區 - Qoder Credits 用量表上線，速覽 Credits 消耗明細

針對用户關心的 Credits 消耗透明化問題，Qoder 正式上線 Credits 用量表，並全面展示 Credits 消耗明細。 公測期間，不少用户反饋積分消耗過快。Qoder 團隊一直在關注大家的反饋，並持續通過技術手段和功能升級優化 Credits 消耗。 通過技術升級提高了智能體工具的並行化能力和工程檢索準確率，單任務的token消耗顯著降

機器學習 , AI編程 , Qoder , 人工智能 , 開發者

收藏 評論

u_16827017 頭像

全棧技術開發者 - 支持向量機(SVM)是否適合大規模數據？這個大量數據是如何衡量的？分佈式SVM如何保持模型一致性？SVM在大規模數據下優化策略？

在過去二十餘年中，支持向量機（Support Vector Machine, SVM）一直是統計學習與模式識別領域的重要工具。其理論基礎源自結構風險最小化原則，結合幾何間隔最大化的優化目標，使得SVM在有限樣本條件下表現出優異的泛化能力。在文本分類、圖像識別、生物信息學等多種任務中，SVM憑藉穩健的訓練性質和嚴格的數學可解釋性，曾成為學術研究和工業應用的首選方法。 然而，隨

機器學習 , 核函數 , yyds乾貨盤點 , 數據 , 泛化 , 人工智能

收藏 評論

bizidadejianbing 頭像

DashVector - 如何通過Python SDK為Collection創建一個新的Partition

本文介紹如何通過Python SDK為Collection創建一個新的Partition。 前提條件 已創建Cluster 已獲得API-KEY 已安裝最新版SDK 接口定義 Python示例： Collection.create_partition(name: str) - DashVectorResponse 使用示例 説明 需要使用您的api-key替換示例中的YOUR_API

算法 , 數據庫 , 人工智能 , 後端

收藏 評論

u_17567677 頭像

沃觀態勢感知 - 出海企業如何選擇最好用的社交媒體分析工具？

隨着全球市場競爭的加劇，出海企業對海外輿情監控和數據分析的需求日益增長。選擇一款合適的媒體分析工具，能夠幫助企業實時掌握海外市場動態、競品表現以及用户反饋，從而優化營銷策略和決策。然而，面對眾多工具和複雜功能，企業常常難以判斷哪款工具最適合自身需求。本文將從功能覆蓋、數據質量和可操作性三個維度，為出海企業提供選型參考。 一、功能覆蓋：全面監測不可或

分析工具 , 數據 , 數據質量 , 人工智能 , 數據分析

收藏 評論

shujuxiaowanzi 頭像

數據小玩子 - 【零售電商數據驅動系列3】客户復購激活：如何打通線上線下會員，讓老客持續復購？

復購的核心是“全域會員分層+精準觸達”，只有整合線上消費、線下到店數據，才能摸清不同客户的需求偏好。藉助助睿BI按消費頻次、客單價、消費場景（線上/線下）自動分層高/中/低價值會員，拆解老客復購週期、偏好商品，幫零售電商針對性設計優惠券、上新提醒、門店專屬活動，不用盲目發券，復購率提升更高效。 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_15430715 頭像

中電金信人才 - 中電金信：這個AI“專家系統”，讓智能體真正懂金融、落地可控

目前，AI正以指數級速度進化，從模型走向智能體時代。智能體如雨後春筍般涌現，上千款應用正在重塑各行各業，然而，在規則嚴謹、流程複雜的金融領域，AI想真正落地，並不只是“部署一個模型”那麼簡單。 一家金融機構的會議室 圍繞“是否引入智能體”的討論正在展開 場景一：通用智能體的困境

業務流程 , 風控 , 人工智能 , 數據分析 , 觸點

收藏 評論

u_17583190 頭像

fangpin - 從 0 搭建 LLM 不再難！這個 PyTorch 項目幫你吃透大模型底層邏輯

如果你曾想深入理解大語言模型（LLM）的 “五臟六腑”，卻被框架封裝的黑盒接口、複雜的源碼結構勸退；如果你希望親手實現 Transformer 的每一個組件，而非單純調用transformers庫 —— 那麼今天推薦的這個開源項目，絕對能成為你的 LLM 學習 “腳手架”。 它就是 GitHub 上的 llm-from-scratch（項目地址），一個基於 PyTorch、專為教育設

AIGC二三事 , llm , BPE , 人工智能 , transformer , 深度學習 , 大模型

收藏 評論

u_16099192 頭像

架構魔法之光 - js katex的renderMathInElement無效

剛才翻了一下博客，才發現，距離自己寫的第一篇Vue的博客vue.js之綁定class和style(2016-10-30)已經過去一年零兩天。這一年裏，自己從船廠的普通技術員，成為了一個微型不靠譜創業公司的普通碼農。發過一次燒，搬了兩次家，沒攢下什麼錢。好，牢騷發到這裏，接下來談談傳説中接近Vue底層的api==render函數。 一枚硬幣的兩面 很久很久以前，前端的數

機器學習 , 字符串 , Vue , 人工智能 , 官網

收藏 評論

rife 頭像

凌虛 - 以圖搜圖架構優化：使用客户端模型提取圖像特徵

序言 以圖搜圖系統指的是從圖像內容提取特徵向量，然後使用向量數據庫進行向量數據的插入、刪除、相似性檢索等操作，進而提供根據圖像內容搜索出具有相似內容的其它圖像的功能。 系統架構 典型的搜圖系統整體架構時序圖如下： 圖像上傳過程： 客户端上傳圖像到服務端。 服務端存儲圖像至對象存儲、插入結構化數據至關係型數據庫、發送消息至 MQ 消息隊列。 服務端對客户端請求返回響應。 圖像搜索服務接受

tensorflow , 架構 , 人工智能 , 後端 , 前端

收藏 評論

yayu 頭像

冴羽 - 6 個白嫖 Nano Banana Pro 的網站

前言 Nano Banana Pro 最近很火。 作為排名第一的 AI 圖片生成模型，其生成的圖片效果十分驚豔，但驚豔的效果往往都比較費錢…… 於是我註冊了十幾個網站，找了一些不費錢的 Nano Banana Pro 使用網站，對於日常使用完全足夠了。 10 年技術博主，最新資訊、前端知識、AI 乾貨，歡迎關注公眾號：“冴羽” 或者搜索“yayujs” 1. Gemini 每天 2 張 地址：h

ai開發 , gemini-pro , 人工智能 , nano-banana-pro , 前端

收藏 評論

u_14731 頭像

killads - SentenceTransformer自定義embedding

Servlet編寫步驟： A:自定義類繼承HttpServlet並根據需要重寫相關方法 B:在web.xml文件中註冊Servlet servlet servlet-nameHelloServletDemo01/servlet-name servlet-class

機器學習 , 實例化 , 類名 , servlet , 自定義 , 人工智能

收藏 評論

u_16213669 頭像

mob64ca140ce312 - QSharedMemory 共享數據

　　Qt提供了一種安全的共享內存的實現QSharedMemory，以便在多線程和多進程編程中安全的使用。 　　先説下實現共享內存的步驟，然後用一具體的實例説明。 　　（一）向共享內存中提供數據的一方： 　　1，定義QSharedMemory shareMemory,並設置標誌名shareMemory.setKey()，例如shareMemory.setK

機器學習 , 共享內存 , QSharedMemory 共享數據 , 數據 , 人工智能 , memory

收藏 評論

u_13717764 頭像

嗶哥嗶特 - 2026'中國電機智造與創新應用暨電機產業鏈交流會（華東）

2026'中國電機智造與創新應用暨電機產業鏈交流會（華東） 革芯驅動，靈巧智控 2026年5月29日 地點：杭州 主辦單位：Big-Bit商務網 承辦單位：《半導體器件應用》雜誌 支持媒體：半導體器件應用網、微電機世界網 會議介紹 INTRODUCTION 在智能製造與新能源技術的強勁推動下，電機行業正步入創新與變革的

控制技術 , Big , 發展趨勢 , 人工智能 , 數據分析

收藏 評論

deephub 頭像

deephub - 機器學習時間特徵處理：循環編碼（Cyclical Encoding）與其在預測模型中的應用

做過電力負荷預測或者交通預測朋友，大概率都處理過時間特徵。這裏最直接的做法通常是把時間（比如分鐘或小時）直接扔進模型裏。這看起來邏輯自洽，但存在這一個大坑，就是“午夜悖論”。 比如説你的模型面對兩個時間點：23:59（一天的第1439分鐘） 和 00:01（一天的第1分鐘）。在我們的認知裏，這倆只差兩分鐘，但在模型的邏輯裏1439 和 1 可是不一樣的。大多數機器學習算法（線性迴歸、KNN、SVM

機器學習 , 人工智能 , 特徵提取 , Python

收藏 評論

pannideniupai 頭像

雨大王 - 汽車零部件製造中質量缺陷識別的智能化解決方案

一、智能檢測的演進路徑 隨着工業4.0時代的到來，汽車零部件製造業正經歷一場深刻的變革。傳統的人工目檢方式因其效率低下、主觀性強以及易受疲勞影響等問題，已難以滿足現代汽車製造對質量控制的高要求。近年來，人工智能技術的快速發展為質量缺陷識別提供了全新的解決方案。尤其是深度學習與計算機視覺的結合，使得工業AI平台能夠通過圖像識別、數據挖掘和模式分析等手段，實現對零部件表面及內部缺陷的高精度檢測。

人工智能

收藏 評論

suki_6936aa00b8c61 頭像

AI代碼猴 - GEO服務商技術全景評估與選型指南（2026）：解碼AI原生時代的企業認知基建之戰

當一次針對“B2B工業閥門選型”的提問，生成式AI（如DeepSeek、豆包）給出的答案中不再羅列傳統官網鏈接，而是直接推薦一個能系統性解決“強腐蝕工況”的解決方案時，一個新時代的競爭帷幕已然拉開。這背後是生成式引擎優化（GEO） 對傳統搜索引擎優化（SEO）範式的根本性顛覆：競爭焦點從“網頁排名”轉向“AI信源卡位”，核心目標是讓品牌信息成為AI生成答案時優先引用的、結構化的“認知源”。 然而，

人工智能

收藏 評論

u_16380863 頭像

未聞花名AI - 構建AI智能體：二十六、語言模型的“解碼策略”：一文讀懂AI文本生成的採樣方法

一、開篇導語 不知道大家有沒有刷到過一個趣味玩法，在輸入法的文本框以一個什麼字開頭，一直按下一個下一個，可以生成一句看似完整且有趣的話，這是最早期的通過鍵盤記憶形成的詞組文本。再看看近期豆包和deepseek大火，大家有沒有嘗試過給他們輸入一個簡短的文本或情節，讓他們進行續寫，生成一段內容，經歷過這些，不知道你是否曾好奇，這些功能強大的AI工具，是如何從“今天天氣真好”這樣

yyds乾貨盤點 , API , 搜索 , NLP , 人工智能 , 概率分佈

收藏 評論

u_16099225 頭像

數據探索者11 - 用Python實現函數微分、積分與極限【學習筆記】_python利用定積分的定義求極限_IT_Henry

文章目錄 一、函數的單調性 1. 概念講解 2. 手動求解步驟 3. Python 案例 二、函數的極值 1. 概念講解 2. 手動求解步驟 3. Python 案例 三、函數的最值 1.

數學 , 開發語言 , 人工智能 , Css , 前端開發 , 微積分 , HTML , Python

收藏 評論

aiagent 頭像

AIAgent研究 - Dify 全面學習指南：從核心認知到企業級落地

一、Dify 是什麼？—— 不止是低代碼 AI 開發平台 Dify 是一款全生命週期 LLM 應用開發操作系統，核心定位是“讓 AI 應用開發無需深陷底層技術”，通過無代碼/低代碼可視化操作，將複雜的大模型應用開發流程（知識庫構建、模型調用、工作流編排、權限管控）轉化為“搭積木式”操作。 它的核心價值在於解耦化與抽象化：屏蔽模型調用、向量檢索、流程控制等底層細節，讓非技術人員能快速搭建 AI 工具

人工智能 , ai-agent

收藏 評論

u_16213650 頭像

mob64ca14085c24 - whisper桌面版翻譯的是繁體字

Windows電腦翻譯軟件敬業籤雲便籤翻譯器支持在線中英文翻譯功能。使用該Windows電腦桌面雲便籤V2.5.4或者其以上版本的用户，可以在其工具面板中找到“翻譯”，使用翻譯功能。那麼該電腦桌面翻譯軟件下載安裝好之後應該如何使用，怎麼在線實時進行翻譯呢？ 一、打開Windows電腦桌面上的敬業便籤，登錄賬號進入便籤主界面後點擊右下角的“工具面板”

windows , whisper桌面版翻譯的是繁體字 , 翻譯器 , 人工智能 , 深度學習 , 計算機英文桌面使用圖標翻譯 , 翻譯軟件

收藏 評論

user_sg59bsuq 頭像

user_sg59bsuq - 本地私有知識庫：你的專屬數字大腦

本地私有知識庫：你的專屬數字大腦 在信息爆炸的時代，我們每天都會接觸到海量的知識和信息。如何有效地整理、存儲並快速調用這些知識，已成為現代人亟需解決的問題。雲端筆記軟件雖然方便，但數據安全和隱私問題始終令人擔憂。此時，本地私有知識庫的概念應運而生，它正逐漸成為知識管理領域的新趨勢。 什麼是本地私有知識庫？ 與依賴網絡、將數據存儲在服務商服務器的雲端知識庫不同，本地私有知識庫將所有的數據都存儲在你個

教程 , 人工智能 , 知識庫

收藏 評論

youyudetusi 頭像

憂鬱的吐司 - 什麼是真正的AI員工？青否AI員工系統的核心功能有哪些？

隨着人工智能技術不斷髮展，AI大模型從研發走向應用，“AI數字員工”應運而生。它並非科幻意義上的“類人夥伴”，而是作為虛擬勞動力，實質參與生產、運營、服務等流程，為跨行業領域的數字化與智能化轉型提供有力支撐。 “‘AI數字員工’作為一個在企業數字環境中工作的智能體，已超越傳統自動化工具範疇，不再是模仿人類操作的機械工具，而是具備‘感知—規劃—行動—學習’閉環能力的‘數字同事’。（青否ai員工源頭v

算法 , 人工智能 , 深度學習

收藏 評論

u_16099225 頭像

數據探索者11 - 分庫分表以後設置 rewriteBatchedStatements沒有效果

隨着業務規模的不斷擴大，需要選擇合適的方案去應對數據規模的增長，以應對逐漸增長的訪問壓力和數據量。 數據庫的擴展方式主要包括：業務分庫、主從複製，數據庫分表。 1、業務分庫 業務分庫指的是按照業務模塊將數據分散到不同的數據庫服務器。例如，一個簡單的電商網站，包括用户、商品、訂單三個業務模塊，我們可以將用户數據、商品數據、訂單數據分開放到三台不同的數據庫服務器上，

機器學習 , 分表 , 數據庫服務器 , 數據庫 , 人工智能

收藏 評論

ftkj_2018 頭像

非凸科技 - 非凸科技與九方智投達成戰略合作，攜手賦能廣大投資者

11月18日，以“量化共贏 智領新程”為主題的九方智投“星級服務”新品發佈暨非凸戰略合作簽約儀式在上海隆重舉行。非凸科技與九方智投控股旗下九方智投正式簽署戰略合作協議，標誌着雙方在量化投資與科技賦能領域的合作進入新階段，共同探索量化服務投資者的創新路徑。 發佈會上，九方智投控股創始人、董事長主席兼CEO陳文彬在《個人投資者量化新紀元》主題演講中指出，“現階段，正是實現量化從服務機構向

算法 , 人工智能

收藏 評論