tag 大模型

標籤
貢獻58
156
01:37 PM · Oct 26 ,2025
meituanjishutuandui 頭像 u_16773655 頭像 u_17589471 頭像 u_16116809 頭像 bizidadejianbing 頭像 baidujiagoushi 頭像 u_17586993 頭像 elhix0bg 頭像 weixiaodexiaodao 頭像 kuaishoutech 頭像 u_15591470 頭像 u_16651779 頭像

@大模型 / 博客 RSS 訂閱

iex365 頭像

觀復 - 在 Linux 系統上安裝 Miniconda、安裝 Xinference，並設置 Xinference 開機自啓動

一、安裝 Miniconda 1. 下載 Miniconda 安裝腳本 x86_64 架構： cd ~ wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh ARM 架構（如樹莓派或 Apple Silicon 的 Linux 虛擬機）： wget https://repo.anaconda.com

llm , ai開發 , Linux , 人工智能 , 大模型

收藏 評論

nianqingyouweidenangua 頭像

迅易科技 - 從“模糊經驗”到“精準決策”，國內項目型服務企業的AI預測實踐

“預測做不準，還不如不做。”這是我們在服務客户的時候聽過最多，也最令人無奈的現實。 在當今競爭激烈的商業環境中，精準的銷售收入預測對於企業制定戰略規劃、合理配置資源以及有效控制風險起着關鍵作用。然而，對於項目制服務企業而言，實現這一目標卻面臨着諸多挑戰。 以一家提供專業諮詢方案的項目制服務企業為例，銷售人員每天都會接觸到大量的銷售線索，但這些線索的質量參差不齊，如何從這些繁雜的線索中篩選出有價值的

bi , 算法 , 人工智能 , 大模型 , Python

收藏 評論

dewujishu 頭像

得物技術 - RAG—Chunking策略實戰｜得物技術

一、背 景 在 RAG 系統中，即便採用性能卓越的 LLM 並反覆打磨 Prompt，問答仍可能出現上下文缺失、事實性錯誤或拼接不連貫等問題。多數團隊會頻繁更換檢索算法與 Embedding模型，但收益常常有限。真正的瓶頸，往往潛伏在數據入庫之前的一個細節——文檔分塊（chunking）。不當的分塊會破壞語義邊界，拆散關鍵線索並與噪聲糾纏，使被檢索的片段呈現“順序錯亂、信息殘缺”的面貌。在這樣的

算法 , 數據庫 , 大模型 , 後端

收藏 評論

meituanjishutuandui 頭像

美團技術團隊 - LongCat-Flash-Omni正式發佈並開源：開啓全模態實時交互時代

自9月1日，美團正式發佈 LongCat-Flash 系列模型，現已開源 LongCat-Flash-Chat 和 LongCat-Flash-Thinking 兩大版本，獲得了開發者的關注。今天 LongCat-Flash 系列再升級，正式發佈全新家族成員——LongCat-Flash-Omni。 LongCat-Flash-Omni 以 LongCat-Flash 系列的高效架構設計為基礎（

開源 , 大模型 , 美團

收藏 評論

dewujishu 頭像

得物技術 - 大模型如何革新搜索相關性？智能升級讓搜索更“懂你”｜得物技術

一、背 景 你是否曾在社區搜索時遇到這樣的困擾：想找一雙“平價學生黨球鞋”，結果出現的多是限量聯名款？或者輸入“初冬輕薄通勤羽絨服”，卻看到厚重登山款？這類“搜不準”的情況，正是搜索相關性技術要解決的核心問題——讓搜索引擎更準確地理解用户意圖，返回真正匹配的結果。今天，我們就來揭秘得物如何用大模型技術讓搜索變得更“聰明”。 搜索相關性，即衡量搜索結果與用户查詢的匹配程度，通俗來説就是“搜得準不準”

社區 , 搜索引擎 , 算法 , 大模型

收藏 評論

secretflow 頭像

隱語SecretFlow - 如何在不可信的雲環境中，構建兼具極致性能與卓越安全的大語言模型（LLM）推理服務?

打開鏈接點亮社區Star，照亮技術的前進之路。每一個點贊，都是社區技術大佬前進的動力 Github 地址： https://github.com/secretflow/secretflow 關於作者：大家好！我是 2025隱語杯數據挑戰賽"密態大模型推理的隱私保護”賽道的參賽選手祁宏，來自香港科技大學（廣州），我在研究生階段的研究方向是大模型，指導老師是唐靖教授。 非常榮幸能夠在本次賽

開源 , 大模型

收藏 評論

bizidadejianbing 頭像

DashVector - 如何通過Python SDK向Collection中插入或更新Doc

本文介紹如何通過Python SDK向Collection中插入或更新Doc。 説明 若調用本接口時Doc Id已存在，則等同於更新Doc； Doc Id不存在，則等同於插入Doc。 若調用本接口時不指定Doc Id，則等同於插入Doc，DashVector會自動生成Doc Id，並在返回結果中攜帶id信息。 前提條件 已創建Cluster 已獲得API-KEY 已安裝最

向量 , 數據庫 , 人工智能 , 大模型

收藏 評論

kuaishoutech 頭像

快手技術 - 快手&南大聯合發佈自適應推理框架HiPO，突破LLM“過度思考”困局

當用户向大語言模型提出一個簡單問題，比如“單詞HiPPO裏有幾個字母P？”，它卻正襟危坐，開始生成一段冗長的推理鏈：“首先，讓我們分析HiPPO這個詞，河馬的英文單詞為hippo，河馬是一種半水生哺乳動物，這裏用户用了大寫字母，可能有特殊的含義，對於單詞HiPPO，我們可以將其拆分為H-i-P-P-O，字母P出現在第3與第4個位置，因此有2個字母P...讓我們簡化問題，HiPO可以拆分為...”

算法 , 知識 , 程序員 , 大模型 , 後端

收藏 評論

nianqingyouweidenangua 頭像

迅易科技 - 深度剖析：企業如何將生成式AI能力融入傳統軟件開發，實現價值倍增？

在數字化轉型的浪潮中，人工智能正以前所未有的力量，驅動着業務模式與運營效率的深刻變革。企業應如何理解並駕馭這一顛覆性技術？傳統軟件開發模式將面臨怎樣的升級？我們又該如何選擇正確的技術路徑，讓AI真正為業務賦能？ 我們特別邀請到迅易科技COO Jacky，近期正聚焦生成式AI的企業級落地研究，AI智能體在多行業場景的應用，力求讓AI技術真正紮根業務、創造實效。 帶着這些問題，我們一起深入解析生成式

軟件開發 , ai開發 , 企業服務 , 人工智能 , 大模型

收藏 評論

kuaishoutech 頭像

快手技術 - 從“攔路虎”到“修路工”：基於AhaEdit的廣告素材修復

零、引言 一條保健品廣告在系統裏亮起了紅燈。 視頻裏，一位精神矍鑠的老人正在分享體驗。畫面看似陽光健康，但我們的風險定位模型精準捕捉到了違規點——那句"喝了能夠清宿便，相當於給腸道做SPA"的文案，涉及到醫療保健功效問題。 按照傳統流程，這條廣告將被駁回，客户需要根據政策修改創意，然後重新提交。這個過程往往伴隨着不確定性：哪裏違規？怎麼改才能通過？多次往返溝通也會影響投放效率。 但這一

廣告 , 算法 , 人工智能 , 大模型

收藏 評論

bizidadejianbing 頭像

DashVector - 如何通過Python SDK更新Collection中已存在的Doc

本文介紹如何通過Python SDK更新Collection中已存在的Doc。 説明 若更新Doc時指定id不存在，則本次更新Doc操作無效 如只更新部分屬性fields，其他未更新屬性fields默認被置為None Python SDK 1.0.11版本後，更新Doc時vector變為非必填項 前提條件 已創建Cluster 已獲得API-KEY 已安裝最新版SDK 接口定義

向量 , 數據庫 , 人工智能 , 大模型

收藏 評論

u_16827017 頭像

全棧技術開發者 - LLM 對時間序列推理的增強究竟指的是什麼？LLM 對齊（alignment regimes）與時序推理的可靠性之間是什麼關係？

時間序列數據廣泛出現於自然科學、社會科學以及工程技術等各類領域中，其核心特徵在於數據隨時間的演變規律。長期以來，如何從這些動態變化的數據中提取有價值的信息、實現精準預測、並基於歷史數據進行推理，一直是數據分析、統計學和機器學習研究的核心問題。傳統的時間序列分析方法，如自迴歸模型（AR）、移動平均模型（MA）、以及更復雜的狀態空間模型和卡爾曼濾波器，在一定程度上能夠描述和預測數據的

llm , 建模 , yyds乾貨盤點 , 人工智能 , 時間序列 , 深度學習 , 大模型

收藏 評論

u_16116809 頭像

wx6464351503832 - 智能體AI的六大核心設計模式

隨着大模型技術的成熟，智能體正在從概念走向實際應用。與傳統的單次問答系統不同，智能體能夠自主規劃、使用工具、反思決策，並通過多輪交互完成複雜任務。本文探討當前業界最主流的六種智能體設計模式，這些模式已經在各大AI產品中得到驗證和應用，為開發者提供了構建可靠智能體系統的技術參考。 ReAct Agent：推理與行動的循環框架

agent , 智能體 , 設計模式 , 人工智能 , Css , 大模型 , 前端開發 , HTML

收藏 評論