收藏 / 列表

u_16655836 頭像

wx6603b05eb93d0 - 影視颶風怒懟紅星新聞：之前沒起訴手軟了！後者忙刪痛批Tim文章……

最近，影視颶風創始人Tim相親經歷，引發關注，多個話題衝上熱搜，比如Tim相親被嫌棄學歷低。 富二代，頂流創作者的身份，撞上相親失敗，可以説反差感拉滿，引發全網討論。 事情大概是，在粉絲QA視頻中的互動環節，Tim隨機抽中一條“去相親”的評論，他竟真的扛着相機現身杭州相親角。然而，這位在專業領域備受推崇的創作者，卻在相親角遭遇了“滑鐵盧”。 他在相親簡歷

視頻製作 , 人工智能 , 數據分析 , 自媒體

haixiudezhusun 頭像

高德開放平台 - 高德開放平台攜手阿里雲，面向開發者推出地圖服務產品MCP Server

高德開放平台攜手阿里雲，面向開發者推出地圖服務產品MCP Server，通過技術能力與生態資源的深度協同，助力開發者高效構建標準化地圖服務，加速智能化場景落地。 https://www.bilibili.com/video/BV1vSugzwEQY/?aid=114833852731... 技術融合：大模型賦能地圖交互升級 基於阿里雲通義千問系列大模型領先的自然語言處理與多模態交互能力

地圖開發 , ai開發 , 阿里雲

u_17342767 頭像

野豹商業評論 - 從"小微之王"到"罰單大户"：民生銀行的雙面2025

當51.42億元信用卡不良資產在銀登中心掛牌轉讓，當2025年度罰沒金額逼近9500萬元，中國民生銀行——這家曾被譽為“民營銀行標杆”的金融機構，正站在矛盾交織的十字路口。 一邊是時隔四年重拾增長的營收曲線，一邊是連續七個季度下滑的淨利潤；一邊是不良資產轉讓中“嚴禁暴力催收”的合規表態，一邊是罰單扎堆暴露的內控漏洞。 民生銀行究竟怎麼了？這場橫

差異化 , 風控 , 數據 , 人工智能 , 數據分析

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

u_16213630 頭像

mob64ca14038b36 - chatGPT與一加手機不兼容

從未來二十年的情況來看，印度是一個非常有潛力的市場。 文| I/O 在中國智能手機品牌中，一加在國際化方面的着力一直比較大，尤其是近來對印度市場變得越來越重視；體現在最新一代產品中，OnePlus 7T 系列的發佈率先在美國紐約和印度班加羅爾舉行，同時一加還面向印度市場發佈了一加電視。 當然，按照慣例，一加又為 OnePlus 7T 系列舉行了一場國內發

智能手機市場 , 智能手機 , 一加七語音喚醒 , chatGPT與一加手機不兼容 , Android , 人工智能 , 深度學習

baidujiagoushi 頭像

百度Geek説 - 大規模微服務系統中的雪崩故障防治

導讀 在大規模微服務架構中，雪崩故障是極具破壞力卻又難以預防的系統性威脅。本文基於百度搜索架構與運維團隊的實戰經驗，深入解析雪崩從“非穩態”到“自強化崩潰”的微觀演化機制，揭示重試風暴、容量退化等正反饋迴路的形成過程。文章提出系統化的治理思路，並詳細介紹百度落地的多項核心實踐，包括重試預算、隊列限流、全局TTL控制等自愈機制，以及秒級流量調度與降級預案。通過真實案例與生產數據，為行業提供了一套可借

微服務

u_15677700 頭像

EasyV數字孿生可視化 - 數字孿生物流：以某物流企業數字孿生智慧鋼鐵倉儲定位系統建設為例

1.建設背景 國家“十四五”規劃明確提出加快現代物流數字化、智能化轉型，基於國家數字經濟 戰略及企業數字化轉型要求，鋼鐵物流作為重點領域，其倉儲環節的智能化升級被列為政策重點支持方向。某物流企業作為鋼鐵物流龍頭企業，隨着物流行業安全標準要求的不斷 提升，其企業業務增長與戰略佈局都有所調整，庫存管理盲區、作業監管低效、風險響應 滯後、跨域信息割裂和作業協同低效等問題嚴重阻礙

數據 , 物聯網 , 自定義 , 數據可視化 , 人工智能

u_16213682 頭像

mob64ca140fd7c1 - Java 工齡 工齡 帶小數

7-13統計工齡（20分） 給定公司N名員工的工齡，要求按工齡增序輸出每個工齡段有多少員工。 輸入格式: 輸入首先給出正整數N（≤105），即員工總人數；隨後給出N個整數，即每個員工的工齡，範圍在[0, 50]。 輸出格式: 按工齡的遞增順序輸出每個工齡的員工個數，格式為：“工齡:人數”。每項佔一行。如果人數為0則不輸出該項。 輸入樣例:

快速排序 , Java 工齡 工齡 帶小數 , i++ , 後端開發 , JAVA , ci

u_12192 頭像

angel - Rust入門系列（一）

目錄 引言 1. Rust Web開發生態概覽 1.1 為什麼選擇Rust進行Web開發？ 內存安全 零運行時開銷 併發安全 1.2 Rust Web開發生態系統 編輯 2. Tokio異步運行時：高併發的基石 2.1 Tokio核心概念 任務系統 執行器 反應器 通道

開發語言 , rust , 高性能Web服務 , 後端開發 , 異步編程 , 前端 , Python

dbkangaroo 頭像

袋鼠 - 袋鼠數據庫工具 7.99.1 版已上線

袋鼠數據庫工具 是一款 AI 驅動的熱門數據庫系統客户端(MariaDB / MySQL / Oracle / PostgreSQL / Redis / SQLite / SQL Server / ...) ，支持建表、查詢、模型、同步、導入導出等功能，支持 Windows / Mac / Linux 等操作系統，致力於打造一款好用、好玩、開發友好的開發者工具。 重點特性介紹 這個版本繼續完善 R

redis , 數據庫 , postgresql , 人工智能 , sqlite

u_15316473 頭像

阿里雲大數據AI技術 - PAI-DLC 支持一鍵提交 DataJuicer 任務，高效進行大規模多模態數據處理

隨着人工智能模型規模擴大和數據複雜度提升，整合多源異構數據實現多模態協同建模，已成為提升模型性能的核心路徑。高效的數據預處理體系需在保證數據質量與多樣性的前提下，突破大規模數據清洗、增強與合成的系統性技術瓶頸，以平衡訓練效能與成本控制。阿里雲人工智能平台PAI分佈式訓練PAI-DLC推出的一項全新任務類型DataJuiceronDLC，旨在為用户帶來開箱即用、高性能、穩定高效的數

機器學習 , 人工智能平台PAI , 阿里雲 , 人工智能 , 模型訓練 , 多模態數據處理

baihai_idp 頭像

Baihai_IDP - 面向 LLM 的 GPU 系統工程方法論

編者按： 我們今天為大家帶來的文章，作者的觀點是：GPU 工程的核心不在於手寫內核的能力，而在於構建系統設計思維 —— 理解從模型定義到硬件層的完整技術棧如何協同工作。 作者提出了一個五層漸進式調試框架：從模型定義（Model Definition）入手，識別計算與內存瓶頸；進入並行化（Parallelization）階段，解決多卡同步問題；深入運行時編排（Runtime Orchestra

觀點 , llm , 知識 , 人工智能 , 深度學習

metaxk 頭像

萬界星空科技 - 鈑金加工行業數字化轉型MES方案

一、 行業痛點：鈑金加工行業普遍面臨以下挑戰： 訂單多樣化、小批量、定製化需求增多：傳統生產模式難以適應快速變化的市場需求。 生產流程複雜、工序繁多：涉及切割、折彎、焊接、表面處理等多個環節，協同效率低。 生產過程不透明、信息傳遞不暢：難以實時掌握生產進度、質量狀況和設備狀態。 依賴人工經驗、生產效率低：生產計劃安排不合理，物料配送不及時，設備利用率低。 質量追溯困難、成本

數字化轉型 , 工業互聯網 , 工業智能化 , 製造業 , 互聯網

openanolis 頭像

龍蜥社區 - 深度探討基礎軟件驅動下的智駕進化之道 |《AI 進化論》第四期

在 AI 與本土化雙重浪潮之下，服務器操作系統正迎來歷史性變革。由龍蜥社區理事長單位阿里雲聯合 InfoQ 打造的直播 IP 欄目《AI 進化論：智算時代操作系統的破局之路》，以雲、AI、安全等技術與服務器操作系統如何融合演進為主線，聚焦服務器操作系統在智算時代的進化之路，特邀學術權威、行業專家、客户代表圍繞原生智能、原生安全、軟硬協同等熱點議題展開深度對話。截至目前，已直播三期，線上觀看人次達

操作系統 , 人工智能 , 開源

nocobase 頭像

NocoBase - NocoBase 本週更新彙總：優化移動端

彙總一週產品更新日誌，最新發布可以前往我們的博客查看。 NocoBase 目前更新包括的版本更新包括三個分支：main ，next和 develop。 main ：截止目前最穩定的版本，推薦安裝此版本。 next：包含即將發佈的新功能，經過初步測試的版本，可能存在部分已知或未知問題。主要面向測試用户,用於收集反饋和進一步優化功能。適合願意提前體驗新功能並提供反饋的測試用户。 develop：開發

移動端 , 無代碼開發平台 , 低代碼 , 版本更新 , 開源

liudamao 頭像

劉大貓 - TortoiseSVN使用-TortoiseSVN更換或重置登錄用户

@[toc] 3.4.9 TortoiseSVN更換或重置登錄用户 1，打開SVN的settings 2，找到Saved Data欄，右側Authentication data項點擊清除按鈕clear 3，再次打開SVN，會要求輸入username和password 本人其他相關文章鏈接 1.Windows下版本控制器(SVN) - 1、開發中的實際問題+2、版本控制簡介 2.

算法 , tortoisegit , svn , 人工智能 , tortoisesvn

jdcdevloper 頭像

京東雲開發者 - log4j2同步日誌引發的性能問題 | 京東物流技術團隊

1 問題回顧 1.1 問題描述 在項目的性能測試中，相關的接口的隨着併發數增加，接口的響應時間變長，接口吞吐不再增長，應用的CPU使用率較高。 1.2 分析思路 誰導致的CPU較高，阻塞接口TPS的增長？接口的響應時間的調用鏈分佈是什麼樣的，有沒有慢的點？ 1）使用火焰圖分析應用的CPU如下，其中log4j2日誌佔了40%左右CPU，初步懷疑是log4j2的問題。 2）調用鏈的分析 通過pfin

性能優化 , log4j2 , 性能 , cpu

codists 頭像

codists - 翻譯：《實用的Python編程》02_02_Containers

目錄 | 上一節 (2.1 數據類型) | 下一節 (2.3 格式化) 2.2 容器 本節討論列表（list），字典（dict）和集合（set）。 概述 通常，程序必須處理許多對象。 股票的投資組合 股票價格表 這裏有三種主要的選擇（譯註：數據結構）可以使用： 列表。有序的數據。 字典。無序的數據。 集合。互異且無序的數據。 把列表當作容器 當數據順序很重要時，請使用列表。記住，

容器 , 網頁爬蟲 , 人工智能 , 數據結構與算法 , Python

weidejianpan 頭像

商湯萬象開發者 - LazyLLM教程 | 第14講：實戰：構建一個支持複雜學術論文問答的RAG系統

在前面的課程中，我們學習了 RAG 相關的知識，以及如何自定義 Reader 組件和在 RAG 任務中處理圖片和表格數據。本節內容將在此基礎上，利用前面學到的知識，搭建一個基於論文的問答系統。 在信息爆炸的時代，科研論文的數量激增，研究人員在查閲文獻時面臨諸多挑戰。論文內容專業性強、邏輯複雜，傳統的關鍵詞檢索方式難以精準提取核心信息，導致獲取有效內容的成本較高。 為了解決這一問題，RAG技術被廣泛

論文 , 教程 , 知識 , 系統架構 , 人工智能

u_17420180 頭像

合合信息解決方案 - 申請試用智能財務單據處理平台

方案介紹 面對財務單據處理中“效率低、易出錯、合規難”的痛點，這款AI驅動的一站式財務單據自動化處理平台應運而生，為中小企業提供全方位的財務文檔處理解決方案。平台深度融合AI技術與財務管理場景，支持海內外不同版式、不同類型財務文檔的全流程自動化處理，涵蓋智能採集、解析、分類、信息抽取及智能審核等核心功能。 在單據覆蓋方面，無論是發票、銀行回單、承兑匯票、完税證明等標準

機器學習 , 表單 , 上傳 , 自定義 , 人工智能

weixiaodehai_cywv9b 頭像

HelpLook - AI訓練惹爭議，如何控制單篇文章不傳給AI訓練

隨着生成式AI技術的普及，越來越多的企業開始使用AI工具來提升效率，但與此同時，關於數據隱私和AI訓練的爭議也越來越多。比如，2個月前字節跳動和WPS因為內容因為AI訓練，引發了創作者的廣泛討論。這種對未經許可內容被“餵養”AI模型的擔憂，正成為企業和個人用户在選擇數字工具時的重要考量。 企業憂慮：內部信息是否安全？ 許多企業擔憂，其內部使用的AI知識管理工具，可能未經許可就將敏感信息如新

權限控制 , 數據安全 , 人工智能 , cms , 博客搭建

u_17562481 頭像

思考的袋鼠 - 精確的動態聯動閉環醫療數據庫審計和監測方案

概要： （提示：本章節概述方案整體價值，強調數據化落地與可視化管理成果。） 在醫療行業數字化和智能化進程加速的背景下，醫療數據庫安全面臨前所未有的挑戰。患者身份信息、病歷記錄、影像數據、檢驗結果、處方信息及支付交易數據等構成了醫療機構最核心的數據資產，其敏感性和價值均極高。一旦泄露或被篡改，不僅可能引發嚴重的隱私和法律風險，也會影響醫院的運營和公眾信任。針對這一行業痛

字段 , 數據庫 , 數據庫安全 , 人工智能 , 深度學習

u_16116809 頭像

wx6464351503832 - Agent實戰教程：深度解析async異步編程在Langgraph中的性能優化

在現代Python開發中，異步編程已經成為提高程序性能的重要手段，特別是在處理網絡請求、數據庫操作或AI模型調用等耗時操作時。本文將通過實際的LangGraph 示例，深入解析async的真正作用，並揭示一個常見誤區：為什麼異步順序執行與同步執行時間相近？ async的核心作用 async的主要價值在於創建異步編程環境，讓程序在等待耗

性能優化 , redis , 執行時間 , 智能體 , 數據庫 , 人工智能 , 大模型

u_16018702 頭像

架構師李哲 - 最佳實踐丨讓蘇東坡"復活"！我用Qwen3-8B實現了與千古文豪的跨時空對話

"你是誰？" "我是一個多才多藝的文學家、書法家和畫家，生活在北宋時期。我是蘇東坡，我……" 這不是穿越劇的台詞，而是藉助大模型技術實現的真實對話。在人工智能的賦能下，千年前的文豪蘇東坡以“數字分身”的形式“復活”，與今人吟詩作對、暢談人生，展開一場跨越時空的交流。 這是微調前大模型的回答。此時的模型如同一個精準的“知識庫”，回答客觀

AIGC二三事 , 數據集 , 數據 , 大模型微調 , 人工智能 , 深度學習