tag 人工智能

標籤
貢獻960
1523
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_17579295 頭像

mb6911caa73d1d1 - 從“數據孤島”到“一屏統管”：看數字孿生如何重塑現代城市治理新範式

在智慧城市建設的浪潮中，一個核心痛點始終困擾着眾多系統集成商與城市管理者：海量的數據分散在成百上千個獨立系統中——交通流量、環境監測、公共安全、能源消耗、設施狀態……它們如同一個個“數據孤島”，難以匯聚，更難以形成全局性的洞察與聯動指揮。傳統的指揮中心往往依賴多個並排的大屏和複雜的系統切換，決策者需要在碎片化的信息中拼湊全貌，響應滯後，協同困難。 今天，我們通過一個真實的城

數據 , 智慧城市 , 數據可視化 , 人工智能 , 數字孿生 , 解決方案

收藏 評論

JavaEdge 頭像

JavaEdge - AnyLanguageModel：在蘋果平台上統一本地與雲端大語言模型的 API

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

swift , yyds乾貨盤點 , API , 人工智能 , 深度學習 , 開發者

收藏 評論

duoqingdeqingwa 頭像

多情的青蛙 - 騰訊混元2.0正式發佈，AI生圖進入毫秒級實時交互時代

2025年12月5日，騰訊混元大模型迎來2.0版本重大升級，這意味着AI生圖從“等待式生成”邁入“實時交互”的全新階段。 騰訊混元2.0的核心突破在於實現了毫秒級響應的實時生圖能力。 新版本採用超高壓縮倍率圖像編解碼器與全新擴散架構，使用户能夠邊輸入文字或語音邊實時生成圖像，徹底改變了傳統“抽卡—等待—抽卡”的交互模式。 技術突破帶來體驗革新 騰訊混元圖像2.0模型的參數量較前代提升了一個數量級，

人工智能

收藏 評論

u_16508055 頭像

卡梅德生物 - TALEN vs CRISPR：在NF-κB基因編輯中，為何TALEN更勝一籌？

基因編輯技術的發展為現代生命科學研究提供了前所未有的工具支持。在眾多編輯技術中，TALEN和CRISPR/Cas9是目前應用最廣泛的兩種系統。儘管CRISPR/Cas9因其設計簡便、成本較低而備受青睞，但在某些特定應用場景中，TALEN仍展現出獨特優勢。本文基於近期發表於《高校化學工程學報》的一項研究，結合學術平台的資料，探討在NF-κB家族基因編輯中，TALEN為何能表現出更高

CRISPR , TALEN , 人工智能 , 深度學習 , 基因編輯

收藏 評論

deephub 頭像

deephub - ONNX Runtime Python 推理性能優化：8 個低延遲工程實踐

在深度學習落地過程中，有一個常見的誤區：一旦推理速度不達標，大家的第一反應往往是拿着模型開到，比如：做剪枝、搞蒸餾、甚至犧牲精度換小模型。 實際上生產環境中的 Python 推理鏈路隱藏着巨大的“工程紅利”。很多時候你的模型本身並不慢，慢的是低效的數據搬運、混亂的線程爭用以及不合理的 Runtime 默認配置。在不改變模型精度的情況下，僅靠ONNX Runtime (ORT) 的工程特性，往往就能

神經網絡 , 人工智能 , 深度學習 , Python

收藏 評論

u_12288066 頭像

wx5827c118a14bb - nest+LangGraph學習路線

🚀 學習路線總覽 目標是讓你能用 Nest（NestJS）作為後端服務框架 + LangGraph（基於 LangChain 的 AI 代理編排框架） 構建可用的智能應用（如智能客服、多步驟任務執行 Agent 等）。 🧱 第一階段：基礎打底 1) JavaScript / TypeScript 基礎 Nest.js 和 LangGraph 都建議用 TypeS

github , API , 持久化 , 人工智能 , 深度學習

收藏 評論

u_13717764 頭像

嗶哥嗶特 - 領益智造控股英偉達液冷供應商

12月22日，領益智造發佈公告，擬以8.75億元人民幣收購立敏達35%股權，並通過表決權委託方式額外取得17.78%表決權，合計控制立敏達52.78%表決權，實現對標的公司的絕對控股。交易完成後，立敏達將納入領益智造公司合併報表範圍。在AI算力基礎設施加速擴容、服務器液冷散熱技術從風冷向液冷快速迭代的行業背景下，此次併購絕非單純財務投資，而是領益智造精準切入AI服務器液冷核心環節

服務器 , 英偉達 , 人工智能 , 數據分析 , 液冷

收藏 評論

u_13354 頭像

小咪咪 - litemall什麼樣子

一、下載 下載的是最新版 x28二進制包 liteidex28.windows-qt4.zip 二、安裝 1、下載後，將壓縮包解壓後得到liteide目錄，將其拷貝到你的go的安裝目錄下 ，如下圖，我的go的安裝目錄是“D:\軟件安裝\Go”，解壓到該目錄下。 2、 打開D:\軟件安裝\Go\liteide\

機器學習 , litemall什麼樣子 , 軟件安裝 , 人工智能 , go , ide

收藏 評論

u_16099217 頭像

技術博客達人 - 安裝EDEMpy

技能變現 .content { top: 126px; } .modal-text { font-size: 18px; } 距離 社保代繳 佣金比例: 20%／月 地點: 蘭州 人數: 20人 預計佣金：￥5000 已被接單 招聘業務 佣金比例: 25%／筆 地點: 南京 人數: 10人 預計佣金：￥5000 已被接單 培訓業務 佣金比例

機器學習 , 變現 , 安裝EDEMpy , Android , 人工智能 , html hall.html安卓 , ios

收藏 評論

u_16099317 頭像

錦繡前程未央 - auto_increment的當前值

依賴屬性的當前值(Current Value)，基值(Base Value)和本地值(Local Value)是MSDN常出現的三個詞，這些屬性和依賴屬性的優先級設置有關。 如下表： 這裏是當前值 1. 1. 屬性系統強制轉換，這裏是通過依賴屬性的CoerceValue

機器學習 , wpf , 強制轉換 , auto_increment的當前值 , 人工智能 , .net , c

收藏 評論

u_16213641 頭像

mob64ca14061c9e - pycharm數據可視化只繪製出excel中某一行的數據圖形

本文簡單介紹下偶遇的一個不錯「python可視化工具lets-plot」，喜歡用R中的ggplot2繪製統計圖的小夥伴一定要看看～ a、lets-plot由JetBrains（沒錯，「和PyCharm同出一家」）開發，主要「參考R語言中的ggplot2」，「擅長統計圖」，但多了「交互能力」，所以也是基於圖層圖形語法（the Grammar

機器學習 , 數據可視化 , 人工智能 , 數據分析 , 可視化 , Python

收藏 評論

hefty 頭像

對角另一面 - 用 Gemini 3 復刻了 X 上爆火的復古拍立得， AI 也能寫小程序了？

最近看到 X 上有位小姐姐使用 Gemini 3 做了一個復古拍立得相機，被 Gemini 3 的前端能力震撼到了。然後又看到了很多復刻的版本，但做的都是 web 版，在和朋友聊得時候，他説做個小程序版就好了，小程序更容易瘋傳。 之前一直懷疑 AI 的小程序代碼能力，畢竟外國人搞出來的東西，能學習到我們國人的精髓嗎？肯定會水土不服。趁着這個機會，剛好來試一下。 説幹就幹，使用寶玉的 prompt

小程序 , ai開發 , gemini-pro , 人工智能 , Javascript

收藏 評論

u_17610575 頭像

mb695230a481982 - 規模最大、性能最好，百度百舸助力北京人形打造開源具身多模態大腦模型 Pelican-VL1.0

北京人形機器人創新中心有限公司（下文簡稱：北京人形）是國內首家省級人形機器人創新中心，聚焦於具身智能機器人核心技術、產品研發和應用落地，圍繞通用機器人平台「具身天工」和通用具身智能平台「慧思開物」兩大核心任務開展攻堅，致力於打造具有全球影響力的具身智能創新策源地和應用示範高地。 2024 年，北京人形發佈「天工1.0 LITE」，成為全球首個純電驅擬人奔跑的全尺寸人形機器人

機器學習 , 具身智能 , AI , 人工智能

收藏 評論

u_16099224 頭像

IT劍客之家 - 進入Ymodem使用什麼指令

vi 共分為三種模式，分別是【一般指令模式】、【編輯模式】、【指令列命令模式】 一般指令模式（command mode） 　　以 vi 打開一個文件就直接進入一般指令模式了。 　　在一般指令模式中，可以使用 上下左右 鍵來移動光標，可以使用 刪除字符 或 刪除整列 來處理文件內容，可以 複製、粘貼 來處理文件內容。 編輯模式（insert mode）

機器學習 , 進入Ymodem使用什麼指令 , 命令模式 , 打開文件 , 人工智能 , vim

收藏 評論

u_16213676 頭像

mob64ca140e76c8 - activemq卡在重連

消息持久化顧名思義就是把發佈的消息進行落地，這樣activeMQ宕機也不會導致那些未被消費的消息給弄消失，這樣保證消息都能被消費。 activeMQ消息持久化有JDBC，AMQ，KahaDB和LevelDB等這幾種，默認採用的是KahaDB，本篇講的是如何採用jdbc的新式把消息存入數據庫的例子； activeMQ默認採用的KahaDB，消息會落地到安裝目錄下的\da

機器學習 , 持久化 , activemq卡在重連 , 數據庫 , bc , 人工智能

收藏 評論

u_16213652 頭像

mob64ca1408d5ff - github copilot賬號多客户端

使用過GitHub的小夥伴應該知道需要創建一個自己的倉庫，其創建過程不再贅述。 1、打開Git Bash,輸入命令： git config –global "你的GitHub用户名" 回車 git config –global "你的GitHub郵箱" 回車 git conf

github , 客户端 , 人工智能 , 深度學習 , Git

收藏 評論

u_17586993 頭像

u_17586993 - 大模型榜單週報（2025/12/27）

1. 本週概覽 本週大模型領域持續涌現創新成果，數學、編程和多模態能力均出現顯著進展。字節推出數學模型Seed Prover 1.5，在國際數學奧林匹克競賽中取得金牌線成績，而智譜AI開源GLM-4.7在多項評測中超越GPT-5.1。MiniMax的M2.1編碼模型以10B激活參數創下多語言軟件工程能力新高，北航提出的代碼模型Scaling Laws為最優數據配比提供理論基礎。

機器學習 , 人工智能

收藏 評論

deephub 頭像

deephub - 融合AMD與NVIDIA GPU集羣的MLOps：異構計算環境中的分佈式訓練架構實踐

在深度學習的背景下，NVIDIA的CUDA與AMD的ROCm框架缺乏有效的互操作性，導致基礎設施資源利用率顯著降低。隨着模型規模不斷擴大而預算約束日益嚴格，2-3年更換一次GPU的傳統方式已不具可持續性。但是Pytorch的最近幾次的更新可以有效利用異構計算集羣，實現對所有可用GPU資源的充分調度，不受制於供應商限制。 本文將深入探討如何混合AMD/NVIDIA GPU集羣以支持PyTor

神經網絡 , pytorch , 人工智能 , 分佈式系統 , 深度學習

收藏 評論

deephub 頭像

deephub - PINN訓練新思路：把初始條件和邊界約束嵌入網絡架構，解決多目標優化難題

PINNs出了名的難訓練。主要原因之一就是這個多目標優化問題。優化器很容易找到投機取巧的路徑——比如拼命降低微分方程殘差，但完全不管初始條件和邊界約束。只要給初始條件和邊界損失配的權重夠低，它們增加的那點損失完全能被殘差損失的大幅下降抵消掉。調整權重也許能暫時緩解這個問題，但誰也不能保證最優權重在整個訓練過程中一直有效。 標準的PINN用複合損失函數，把三項加權求和： 初始條件損失 邊界損失

神經網絡 , pytorch , 人工智能 , 深度學習

收藏 評論

u_17593768 頭像

JUGG11 - 硬核解析：AI 原生知識庫系統如何擊穿企業知識管理技術瓶頸

在企業知識管理領域，傳統工具的技術短板早已成為數字化轉型的攔路虎：關鍵詞檢索的 “信息噪聲冗餘”、知識沉澱的 “被動低效困境”、跨系統集成的 “接口壁壘難題”，這些痛點本質上都是架構設計與技術選型的底層缺陷。而一款以 AI 大模型為核心驅動的開源知識庫系統，憑藉直擊核心的技術架構與工程化實現，將知識管理的效率與靈活性提升至新維度。本文將從底層技術架構、核心模塊實現、企業級適配能力

性能優化 , 數據 , 知識管理 , 人工智能 , 深度學習

收藏 評論

u_16163453 頭像

嘴巴吃糖了 - 【值得收藏】程序員必看：Anthropic雙代理架構如何讓AI Agent告別“失憶返工“，實現複雜項目自主完成

前言 當前 AI Agent的能力日益強大，開始需要承接需要數小時甚至數天才能完成的複雜任務 —— 比如：從零構建一個生產級別的 Web 應用。 但現實是，AI Agent在跨多個上下文窗口工作時，常常陷入 “失憶返工”" 半途而廢 " 的困境。 Anthropic 推出了一套針對長時運行 AI 代理的高效 harness 方案

大模型教程 , AI大模型 , 後端開發 , 人工智能 , 大模型入門 , 大模型學習 , Python

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 從算力到電力，谷歌/微軟/Meta佈局清潔能源，中國企業背靠國家電網優勢

在美國中西部腹地，愛荷華州連綿起伏的玉米田上，巨大的白色風車不知疲倦地轉動着，地面下新鋪設的輸電線路通向數公里外一座同樣晝夜不休的建築內，這裏不生產鋼鐵、不加工食物，也不製造汽車，卻持續吞噬着巨量電力——因為在服務器機櫃之間，大量高性能 GPU 正在並行運轉。 過去十年，科技公司談論的關鍵詞是「雲、大模型、算力規模」。很少有人真正關心這些詞背後最基礎的問題：電，從哪裏來。但近兩年來，這個問題愈發難

機器學習 , 算法 , 知識 , 人工智能 , 深度學習

收藏 評論

u_17567677 頭像

沃觀態勢感知 - 數據驅動決策：海外社交媒體分析工具幫你精準預測下一個爆款內容

在跨境營銷中，內容創意和傳播策略直接決定品牌在海外市場的表現。隨着海外社交媒體平台數量和用户行為日益多樣化，僅憑經驗判斷和直覺投放已難以保證效果。海外社交媒體分析工具通過數據驅動的方式，幫助企業精準預測下一個可能爆款的內容，提高內容投放效率和營銷ROI。 一、趨勢洞察：抓住內容熱度的先機 社交媒體用户的興趣和偏好瞬息萬變，新話題和熱點內容常在短時間內引發廣泛討論。海外

分析工具 , 人工智能 , 數據分析 , 社交媒體 , 數據驅動

收藏 評論

u_16213686 頭像

mob64ca1410eb61 - vite pxtorem 怎麼轉換行內樣式

1.如何讓VI顯示隱藏的換行符 今天修改tomcat的啓動文件start.sh,改完之後啓動不了,請教同事之後 原來配置文件某個值很長,含有換行符. 如何避免出現類似問題? 使用以下命令顯示換行 如果你使用以下命令進入list mode，那麼就可以清楚的看到以“$”表示的換行符和以“^I”表示的製表符。 :set list 如下圖 後面的$ 就是那該死的換

機器學習 , tomcat , 配置文件 , 換行符 , 人工智能

收藏 評論