收藏 / 列表

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

candy_68fb0dfb0afd0 頭像

Candy - 讓機器學習更簡單的 8 個 Python 庫

Machine Learning 再也不神秘了。 你已經熟悉 scikit-learn、PyTorch 和 XGBoost。很好——現在別再重複造輪子，來看看我在需要更快的實驗、更安全的 models，或在招聘經理眼裏像魔法一樣的 features 時真正會用的 8 個庫。它們不是人人都在列的“trendy”清單——而是優雅地解決了我在 production 和 research 中遇到的

機器人 , 人工智能

selectdb 頭像

SelectDB技術團隊 - 數據無界、湖倉無界， Apache Doris 湖倉一體解決方案全面解讀（上篇）

導讀：湖倉一體架構融合了數據湖的低成本、高擴展性，以及數據倉庫的高性能、強數據治理能力，高效應對大數據時代的挑戰。為助力企業實現湖倉一體的建設，Apache Doris 提出了數據無界和湖倉無界核心理念，並結合自身特性，助力企業加速從 0 到 1 構建湖倉體系，降低轉型過程中的風險和成本。本文將對湖倉一體演進及 Apache Doris 湖倉一體方案進行介紹。 在過去的數年間，數據分析技術棧

github , 數據倉庫 , 架構設計 , 數據分析 , 數據湖

fannaodeshafa 頭像

煩惱的沙發 - 7個沒聽過但很好用的Mac工具

説起好用的MacOS工具，總離不開 Notion、Raycast，但好工具遠不止於此。今天分享幾個冷門的好用工具。 Swish ：把觸控板的潛力壓榨到極致 MacBook的觸控板非常方便，習慣之後，就可以完全擺脱鼠標。但macOS原生的窗口管理，説實話，有點對不起這塊優秀的硬件。Swish就是那個補全最後一塊拼圖的應用。 它沒有複雜的界面，安裝即用，通過各種直觀的手勢來管理窗口。雙指在窗口標題欄

編輯器 , 資訊 , 知識 , 程序員 , 後端

aoshizhongshengdexiangjiao_bvx78q 頭像

傲視眾生的香蕉_bvX78Q - MCP 與傳統集成方案深度對決：REST API、GraphQL、gRPC 全方位技術解析

在系統集成領域，技術方案的選擇直接影響應用性能、開發效率和維護成本。隨着 AI 技術的快速發展，傳統集成方案在應對動態上下文管理、工具鏈調用等場景時逐漸顯露出侷限性，而 MCP（Model Context Protocol）作為 AI 時代的新選擇，正引發行業關注。本文將從技術特性、性能表現、安全機制等維度，對 MCP 與 REST API、GraphQL、gRPC 三種傳統方案進行深度對比。

rest-api , grpc , graphql , 人工智能

huandanshendeshoushudao 頭像

慧星雲 - 你對AI的所有疑慮，厚德雲替你解答！

遇到難題不要怕！厚德提問大佬答！ 厚德提問大佬答 你是否對AI繪畫感興趣卻無從下手？是否有很多疑問卻苦於沒有大佬解答帶你飛？從此刻開始這些問題都將迎刃而解！你感興趣的話題，厚德雲替你問，你解決不了的困難，大佬替你來解決！ 從今天開始，厚德雲開啓《厚德提問大佬答》欄目，只要你有問題，在文章下方留言，我們會盡可能的邀請相關行業大佬替你解答！ AI繪圖大佬Mango 這次我們邀請到的是AI繪畫大佬“

圖像識別 , 雲計算 , 圖片 , 人工智能

lab4ai 頭像

Lab4AI - 【每日Arxiv熱文】北大新框架 Edit-R1 炸場！破解圖像編輯 3 大難題，雙榜刷 SOTA

【01 論文概述】 論文標題： Uniworld-V2:ReinforceImageEditingwithDiffusionNegative-awareFinetuningandMLLMImplicitFeedback 作者團隊：北京大學 發佈時間：2025 年 10 月 21 日 論文鏈接：uhttps://arxiv.org/pdf/2510.16888/u Lab4AI 大模型實

機器學習 , 圖像識別 , 人工智能 , 深度學習

fabarta 頭像

Fabarta - 強強聯合！楓清科技攜手麒麟OS發佈「雲邊端協同AI智能體聯合解決方案」

AI正加速成為企業業務創新與效率提升的核心動力，在國家政策推動下，AI與實體經濟的深度融合已成為趨勢，企業向“知識化、智能化”升級已成共識。但企業轉型中痛點顯著：一是知識資產分散孤島，難以整合為可共享且安全可控的企業級知識庫；二是AI應用落地難，企業知識呈多模態且結構複雜，難以解析並支撐AI應用。同時，個人辦公面臨 “知識過載”，與企業系統存在數據斷層。 11月20日，楓清科技

服務器端 , 企業級 , 人工智能 , 深度學習 , 解決方案

JavaEdge 頭像

JavaEdge - 搭載 Gemini 3 的 Google 搜索：迄今最智能的搜索

Gemini 3 具備最先進的推理能力，能夠精準掌握內容的深度與細微差異，並開啓了全新的生成式 UI 體驗；通過動態視覺版面配置、互動式工具及模擬情境，為您的搜索查詢量身打造專屬結果。 今天，推出了 Gemini 3，這是迄今最聰明的模型，具備頂尖的推理能力、深度的多模態理解，以及強大的代理能力（agentic capabilities）。現在，你可以在 Googl

yyds乾貨盤點 , 搜索 , google , 人工智能 , 深度學習 , 生成式

openbayescom 頭像

OpenBayes - OpenBayes 一週速覽｜快來生成你的專屬聲音鈴聲、Wikipedia 維基百科數據集上線

公共資源速遞 3 個數據集： Wikipedia 維基百科數據集 FMA 音樂分析數據集 RJUA-QA 首箇中文醫療專科問答推理數據集 2 個模型： Yi-34B-Chat-GGUF Falcon-7B 2 個教程： *用GPT-SoVITS 音頻合成在線 Demo *[Stable Diffusion]()在線教程 小貝快訊： *全網最簡單的 AI 聲音克隆+So

資訊 , ai開發 , 人工智能 , 開源 , 資源

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

github , 自定義 , 人工智能 , 深度學習 , 開發者

u_16060192 頭像

HyperAI超神經 - 從9,874篇文獻到1.5萬晶體結構，MOF-ChemUnity重構MOF全景知識，推動材料發現進入「可解釋AI」時代

在材料科學領域，金屬有機框架（Metal–Organic Frameworks，MOFs）堪稱科學家們的「瑞士軍刀」：它們具有高比表面積、化學可調性和結構多樣性，在氣體分離與儲存、催化以及傳感等領域具有廣泛應用。然而，對於科研人員而言，MOF 的世界極其龐大且複雜——目前已有超過 12.5 萬種 MOF 框架被合成，並計算預測了數百萬種可能的結構。 雖然人工智能（AI）已經深刻改變了

人工智能 , 深度學習 , 材料科學

weixiaodehai_cywv9b 頭像

HelpLook - HelpLook聯合MarketUP發佈《2024企業內容營銷實戰》白皮書！(內附下載鏈接)

B2B內容營銷為什麼值得反覆講？ 這是一個技術創新、客户聚焦、迴歸內容的B2B時代，B2B市場源源不斷地誕生新故事，從短視頻到AIGC，從新產品到新技術，內容始終是所有B2B活動的核心，需要更新更深的內容營銷塑造B2B品牌。市場增速放緩、市場內卷之下，內容營銷更是必選項！ MarketUP為什麼持續更新內容營銷白皮書？ 隨着上一版白皮書獲得市場的廣泛好評和積極反饋，MarketUP決定再

白皮書 , 營銷 , 電商 , cms , 知識庫

u_13303 頭像

colddawn - DB where 字段 is null 會走索引嘛

1.對查詢進行優化，要儘量避免全表掃描，首先應考慮在 where 及 order by 涉及的列上建立索引。 2.應儘量避免在 where 子句中對字段進行 null 值判斷，否則將導致引擎放棄使用索引而進行全表掃描，如： select id from t where num is null 最好不要給數據庫留NULL，儘可能的使用NO

字段 , 大數據 , 存儲過程 , 數據倉庫 , bc

ivorysql_xiaozhuli 頭像

IvorySQL - PostgreSQL 18 中國貢獻者經驗分享：開源參與的四點建議

2025 年 9 月 25 日，PostgreSQL 18 正式發佈。該版本不僅修復了上百個問題，更帶來了多項顛覆性的功能升級，例如全新的異步 I/O（AIO）框架、新增的跳躍式掃描（SKIP SCAN）技術，以及原生 UUIDv7 支持等，每一項升級都為用户帶來更優質的使用體驗。 這些豐富的功能變化與大量的問題修復，離不開 PostgreSQL 社區貢獻者們的積極參與。在 PostgreSQL

數據庫 , postgresql , 開源 , SQL

huizhudev 頭像

HuiZhu - 寫週報還在手動湊字數?試試這個結構化提示詞模板

週報:開發者的代碼之外的另一場戰鬥 週五下午 5 點,代碼提交完了,測試也跑通了,本想着可以準點下班。突然想起來:週報還沒寫。 打開文檔,腦子裏的想法是這樣的: const weeklyReport = { tasks: ['修bug', '寫代碼', '開會', '對接需求'], hours: 40, result: '???' } 問題就在這個 result 上。工作做了一堆,但該

generative-ai , 教程 , chatgpt , 人工智能 , prompt

chunzhendexiaogou 頭像

PoloAPI - Windows 系統安裝與使用 Claude Code 全攻略

Claude Code 作為一款高效的 AI 編程輔助工具，深受開發者青睞，但由於其本身不支持 Windows 文件系統，在 Windows 系統上使用需要藉助 WSL（適用於 Linux 的 Windows 子系統）。下面為你詳細介紹在 Windows 系統上安裝和使用 Claude Code 的完整流程。 什麼是 WSL WSL（Windows Subsystem for Linux，適用於

編程 , 人工智能 , 深度學習 , 後端 , 前端

aloudata 頭像

Aloudata大應科技 - Aloudata Agent 重磅功能發佈：“用户編排思路、AI 精準執行、可沉澱複用”的模塊化分析報告

自今年年初產品雛形推出以來， Aloudata Agent 保持着快速迭代，功能演進路徑清晰而堅定： 三階能力躍遷：8 月，Aloudata Agent 公開體驗版正式上線，形成了「AI 問數+智能歸因+深度報告」端到端智能分析閉環，結合“場景助手”構建了一個真正面向業務、服務於決策的分析智能體。 洞察深化：9 月，Aloudata Agent 實現了基於指標語義層的智能歸因分析能力升級，歸

chat , agent , 數據可視化 , 數據分析

matrixorigin 頭像

MatrixOrigin - 企業落地 NL2SQL，需要的是 AI-ready data 和小模型

作者 | 矩陣起源 轉載自 | InfoQ 當 NL2SQL 從 Demo 走向生產，關鍵不在"更大的模型"，而是"更乾淨的數據底座 + 更小的專用模型 + 更可控的工程化流程"。 摘要 先數據、後模型：把元數據、業務語義、權限、樣例 SQL 做成"AI-ready data"，是 NL2SQL 能否可靠落地的第一性問題。 小模型足夠用：以 3B-7B 級別的代碼/SQL 友好模型，配合 LoR

數據庫 , 人工智能 , SQL

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

u_16970152 頭像

求知上進 - Python 數據結構：淺拷貝與深拷貝

在 Python 編程中，理解數據結構的拷貝機制是非常重要的，尤其是在處理複雜數據類型時。淺拷貝和深拷貝是 Python 中兩個關鍵概念，它們在內存管理和數據操作中扮演着至關重要的角色。本文將對淺拷貝與深拷貝進行深入探討，內容包括基本概念、實現方式、區別、使用場景以及最佳實踐，力求為讀者提供全面的理解。 一、拷貝的基本概念 在 Python 中，拷貝是指創建一個對象的

深拷貝 , 淺拷貝 , 人工智能 , 深度學習 , 嵌套

shujuxiaowanzi 頭像

數據小玩子 - 【營銷數據洞察系列3】用户畫像與細分：流量持續涌入，如何精準識別其中的高價值客羣?

不同客羣的價值差異顯著，高價值客羣往往具備“高轉化、高復購、高生命週期價值（LTV）”特徵，精準識別是提升營銷效率的關鍵。利用助睿BI對訪客進行自動分羣，可全維度拆解地域、來源渠道、興趣標籤、消費偏好等數據，快速識別高轉化羣體特徵，為營銷信息精準觸達提供支持。 助睿BI鏈接：https://www.zhurui.com/

數據挖掘 , bi , 人工智能 , 數據分析

writers 頭像

思否編輯部 - 做好這件事，vivo 應用生態得以欣欣向榮

10 月 10 日，vivo 開發者大會（VDC）在深圳開幕。和其他廠商的類似會議一樣，vivo 這場活動主要是面對廣大開發者，希望通過更好地服務開發者來構建一個更加繁榮、體驗更好的應用生態。 作為全球頭部智能設備廠商，vivo 在硬件側的實力有目共睹。但在軟件側，vivo 應用生態則像是一個幕後英雄，往往容易被低估。對於很多開發者來説，上架到 vivo 只是一項例行公事，vivo 的應用

開發者

moonbit 頭像

Moonbit - MoonBit月兔新增多行字符串支持

MoonBit 更新 1. 新增多行字符串支持 每行需要以#|開頭。多行字符串每行之間允許斷開、插入註釋，字符串內不支持轉義和字符串插值。 2. 新增函數式的loop循環 其中continue 只允許出現在尾遞歸調用的位置，loop內允許使用break提前返回一個值。 3. 提供Trait::method調用支持 支持以Debug::debug_write(self, buf)的形式調用t

loop , trait , 開發 , 程序員 , unicode