收藏 / 列表

huamingshixunkeji 頭像

華明視訊科技 - 鐵路車號識別裝置：賦能鐵路貨運智能化的核心

在現代化鐵路貨運管理中，效率與準確性是衡量運營水平的關鍵尺度。傳統依賴人工抄錄車號的方式，不僅效率低下、成本高昂，更因人為因素導致數據不準，已成為制約礦區、編組站、貨運站等場景智能化升級的瓶頸。鐵路車號識別裝置，正是為解決這一核心痛點而生的智能化解決方案。 什麼是鐵路車號識別裝置？ 鐵路車號識別裝置是一套基於前沿人工智能深度學習技術的自動化識別系統。它通過高清圖像捕捉與智能分析，對貨運

機器學習 , 圖像識別 , 神經網絡 , 人工智能 , 深度學習

nizi_60e514d097c9a 頭像

MIAOYUN - MIAOYUN | 每週AI新鮮事兒（10.31-11.07）

本週AI領域動態密集，美團、360、銀河通用、字節、騰訊、Kimi與科大訊飛等分別發佈多模態、圖文、導航及視頻推理模型；工具層面，寒武紀、百度、崑崙萬維、騰訊均推出新平台或功能。技術方面，在長序列處理、多智能體協同及代碼執行效率上取得突破。市場方面，OpenAI與AWS達成鉅額合作，小鵬發佈人形機器人「IRON」。整體呈現高效化、多模態與實用化趨勢，一起來回顧本週發生的AI新鮮事兒吧！ AI 大模

資訊 , 機器人 , 自然語言處理 , 人工智能 , 深度學習

infodator 頭像

容智信息 - 智能體最佳實踐方法論（三）：集成

在“評估-實施-集成-監控”的智能體最佳實踐方法論中，“集成”階段屬於最佳實踐方法論的第三步，是承上啓下的關鍵一躍——它將實施階段的智能體從“單點工具”升級為“融入企業業務生態的有機組件”，是智能體從“能運行”到“能創造持續價值”的核心保障。對企業而言，集成的質量直接決定了智能體能否真正嵌入業務流程、與現有系統協同作戰，進而實現降本增效的規模化價值。 數據是智能體的“養分”

資訊 , 機器人 , 自然語言處理 , 人工智能

old_it 頭像

老IT人 - 在 DGX Spark 上使用 Ollama 打開 WebUI

Open WebUI 是一個可擴展的、自託管的 AI 界面，完全離線運行。本期我們將展示如何在 DGX Spark 設備上部署集成 Ollama 服務器的 Open WebUI，然後通過本地瀏覽器訪問 Web 界面，同時模型在 DGX Spark 上運行。 1. 配置 Docker 權限 從 NVIDIA Sync 打開終端應用程序，啓動交互式 SSH 會話並測試 Docker 訪問權限，在終端

教程 , 知識 , 人工智能

puxiaoke6 頭像

一點人工一點智能 - 書籍-《優化技術第二卷：離散與函數優化》

書籍：Optimization Techniques II：Discrete and Functional Optimization 作者：Max CERF 出版：EDP Sciences​​ 編輯：陳萍萍的公主@一點人工一點智能 鏈接：書籍下載-《優化技術第二卷：離散與函數優化》 01 書籍介紹 這套分為兩卷的書籍概述了連續、離散和函數優化技術。本卷專注於離散優化

函數 , 離散數學

u_16756731 頭像

KlipC小助手 - 英偉達Q3超預期財報，能否擊破“AI泡沫論”？

KlipC報道：當地時間11月19日，市場高度期待的英偉達三季度財報如期公佈，公司再度交出遠超預期的成績單。 財報顯示，英偉達三季度營收達到570億美元，同比增長62%；淨利潤319億美元，同比暴增65%；調整後每股收益（EPS）為 1.30美元，全面超出市場預估。同時，給出了超預期的四季度指引，預計營收將達到650億美元，上下浮動2%。 值得注意的是，英偉達最重要的業務板塊數據中心表現

英偉達 , 數據中心 , 人工智能 , 深度學習

chenzhuodeyagao 頭像

沉着的牙膏 - 領先的安全可靠的數據分類分級廠商推薦

概要：隨着《數據安全法》《個人信息保護法》以及《數據安全技術數據分類分級規則（2024版）》的實施，數據分類分級已從企業可選能力升級為合規運營的必備能力。在海量數據環境下，智能化的數據分類分級不僅能幫助企業梳理核心數據資產，更是數據安全治理體系的基礎支撐。IDC《2024年度中國數據安全市場報告》顯示，中國數據安全市場規模達402億元，同比增長19.7%，其中數據分類分級相關產品年增幅超過35%，

安全

fabarta 頭像

Fabarta - AI賦能生物醫藥，楓清科技連續中標頭部醫藥公司產業智能升級項目

在全球醫藥科技加速迭代、產業競爭日趨激烈的背景下，國家以政策為引領、以人工智能技術為核心驅動力、以全產業鏈協同為關鍵路徑，完善“AI +醫藥”系統性發展佈局。其中，《醫藥工業數智化轉型實施方案（2025—2030年）》進一步明確全鏈條轉型路徑，將AI技術定位為突破產業瓶頸、提升醫藥工業核心競爭力的核心抓手，為行業智能化升級提供清晰方向。 楓清科技緊扣“AI賦能醫藥產業全鏈條”核心目標，圍繞

人工智能

JavaEdge 頭像

JavaEdge - Gemini 3 開啓智慧新時代

近兩年前，我們開啓了 Gemini 時代，這是公司史上規模最大的科學與產品計劃之一。自那時起，看到大家如此喜愛它，實在令人振奮。“AI 總覽”如今每月有 20 億活躍用户。Gemini 應用程序每月活躍用户超過 6.5 億，超過 70% 的雲客户正在使用我們的 AI，更有 1300 萬名開發者利用我們的生成式模型進行開發——而這僅僅是我們的影響力之一隅。 得益於我們在 AI

yyds乾貨盤點 , google , 應用程序 , 人工智能 , 深度學習 , 開發者

u_17562481 頭像

思考的袋鼠 - 自適應分類的可落地規模化政府部門數據分類分級解決方案

概要： （提示：本章節概述解決方案的核心價值與落地成效，幫助讀者快速理解方案全貌。） 在數字政府建設快速推進的背景下，政務數據已成為政府提升治理能力、優化公共服務的重要資源。然而，政務數據存在“多源異構、跨域流轉”特點，分散於各委辦局業務系統和電子政務雲中，傳統人工管理難以應對海量數據資產的識別和分類需求。針對這一痛點，全知科技提出的“知源-AI數據分類分級系統”，以

數據 , 數據安全 , 人工智能 , 深度學習 , 複用

u_16060192 頭像

HyperAI超神經 - 跨學科創新遠超人類？AI科學家提假設/做實驗/發頂會開啓科學研究新範式

2024 年 8 月，由 Transformer 論文作者之一 Llion Jones 創立的 Sakana AI 公司宣佈推出全球首位「AI 科學家（AI Scientist）」， 通過自主生成研究想法、設計實驗、編寫代碼、執行實驗乃至撰寫論文，並藉助「AI 審稿人」對結果進行評審與改進，形成了完整閉環的科研生態系統。今年 3 月，該系統產出的一篇計算機科學論文通過了 ICLR 202

AI , 人工智能 , 深度學習

u_16018702 頭像

架構師李哲 - 大模型微調有必要做嗎？全參數微調、LoRA還是RAG？看完這篇你就懂了

在人工智能迅猛發展的今天，大型語言模型已成為解決各類問題的強大工具。但當您想要打造一個真正理解所在行業、掌握專業知識的大模型時，總會面臨一個關鍵問題：如何用最小的成本、最高的效率，讓通用模型變得"專業"？ 這就像把一位通才培養成領域專家——選對方法，事半功倍。這正是LLaMA-Factory Online要解決的核心問題——通過智能化的微調，讓每個團隊都能輕鬆駕馭大模型適配

實時更新 , 數據 , 人工智能 , 深度學習 , 迭代

u_16827017 頭像

全棧技術開發者 - 矩陣和線性變換怎麼理解？矩陣與線性變換的關係究竟是什麼？一個矩陣如何對應到具體的變換？特徵向量和特徵值的意義是什麼？

在現代數學的研究中，線性代數佔據着核心位置，它不僅是純數學的重要組成部分，也是物理學、工程學、計算機科學等學科的基礎工具。矩陣與線性變換作為線性代數的核心概念，具有深厚的理論內涵和廣泛的應用價值。矩陣的排列和運算規則表面上似乎只是數字的組合，但其內在體現的是對向量空間結構的精確描述；而線性變換則揭示了向量空間中元素之間的映射規律，是代數與幾何之間的直接聯繫。 理解矩陣與線性

機器學習 , 線性變換 , yyds乾貨盤點 , 特徵值 , 向量空間 , 人工智能 , 線性代數

u_17583190 頭像

fangpin - 深入解析：使用 Triton 實現 Flash Attention2 - 讓大模型訓練飛起來

引言 你是否曾經在訓練大型語言模型時，眼睜睜地看着 GPU 內存不斷飆升，最終因為 OOM（Out of Memory）錯誤而前功盡棄？或者在處理長序列時，發現注意力機制的計算時間呈平方級增長，讓人望而卻步？ 如果你有過這樣的經歷，那麼今天這篇文章將為你帶來一個革命性的解決方案：Flash Attention2。更令人興奮的是，我們將通過 Triton 這個強大的 GPU 編程框

歸一化 , 人工智能 , 深度學習 , ide , Python

u_16970152 頭像

求知上進 - Python 數據結構：集合推導式

Python 集合推導式是一種強大的特性，能夠簡化代碼，提高可讀性，同時為複雜的數據處理任務提供靈活和高效的解決方案。在這篇文章中，我們將深入探討集合推導式，從其基本語法、應用場景到高級技巧，以確保你能夠在實際編程中自如地運用它。 一、集合推導式的概念與語法 1.1 什麼是集合推導式？ 集合推導式是在一個可迭代對象（如列表、元組、字符串等）上進行迭代，並通過一個

數據 , 人工智能 , 深度學習 , 數據處理 , 迭代

u_17580222 頭像

mb691327edb400f - AI人工智能

在數字化轉型加速與人才競爭白熱化的當下，企業招聘正陷入前所未有的多重困局。一方面，經濟下行壓力下企業招聘預算普遍收緊，但業務擴張、人才迭代帶來的崗位需求卻愈發迫切，人才市場中核心崗位的薪酬成本持續攀升，HR團隊卻往往面臨人手不足、技術工具匱乏的資源困境；另一方面，海量簡歷如同“信息海洋”，HR僅依靠人工逐一審閲不僅耗時耗力，還易因主觀判斷出現疏漏，即便經過多輪面試，仍常出現候選人

數據 , 人工智能 , 深度學習 , 迭代

u_16349720 頭像

短短同學 - 大模型的秘密:從三元一次方程組到KV Cache

大模型的秘密：從三元一次方程組到 KV Cache 當我們驚歎於大模型生成流暢文本、解答覆雜問題的能力時，其底層核心並非不可捉摸的 “黑魔法”，而是從基礎數學逐步構建的精密系統。從初中數學的三元一次方程組，到 Transformer 架構中的 KV Cache 優化，這條技術脈絡清晰展現了 “簡單原理→複雜擴展→效率突破” 的進化路徑。本文將拆解這一過程，揭開大模型高效運行

方程組 , 線性變換 , 緩存 , 人工智能 , 深度學習