收藏 / 列表

u_16116809 頭像

wx6464351503832 - GPT-5.1 發佈：更智能也更“人性化“的 AI 助手

2025年11月12日，OpenAI 發佈了 GPT-5 系列的重要更新版本 GPT-5.1，包括 GPT-5.1 Instant（即時版）和 GPT-5.1 Thinking（思維版）兩個變體。這次更新不僅在技術能力上有所提升，更值得關注的是其在對話風格上的顯著變化，而這一變化正在社區中引發激烈討論。 技術升級：智能與效率的平衡 GPT-5

redis , 智能體 , 數據 , gpt , 數據庫 , 人工智能 , 大模型

u_16018702 頭像

架構師李哲 - LMArena中文榜大洗牌：國產大模型包攬前列，GPT-4 Turbo跌出百名開外

就在百度世界大會前夕，全球最具影響力的大模型評測平台LMArena發佈的最新排名，讓海外開發者社區發出了"Baidu is back?"的驚歎。這份發佈於2025年11月初的榜單顯示，國產大模型在中文競技場上實現了對國際頂尖模型的全面反超，這一突破性進展恰如其時地展現了中國AI技術的迅猛發展。 在LMArena最新發布的排名當中，文心全新模型ERNIE-5.0-Pr

人工智能 , 深度學習 , 技術支持 , 解決方案 , 開發者

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 - 從 Clickhouse 到 Apache Doris：有贊業務場景下性能測試與遷移驗證

本文導讀： 當前，電商運營的主要痛點不僅來自多變的市場和客户需求，也受困於碎片化用户觸達等帶來的競爭與挑戰。為了深度挖掘用户價值、培養用户忠誠度、實現業績增長，有贊為商家搭建了全方位 OLAP 分析系統，提供實時與離線分析報表、智能營銷與人羣圈選等 SaaS 服務。本文將詳細介紹有贊從 Clickhouse 至 Apache Doris 的遷移規劃和性能對比測試實踐，分享如何基於 Apache D

大數據處理 , 數據庫 , 性能 , 數據分析 , apache

fannaodeshafa 頭像

煩惱的沙發 - 都2025年了，還有人用Python 2嗎

Python 的程序員應該都遇到一個問題，Python 2 和 3 的兼容問題該怎麼辦？Python 2 發佈於 2000 年，Python 3 發佈於 2008 年，但 Python 開發者都知道，兩者並不兼容。都2025年了，Python 2 和 Python 3 該怎麼選，還用説嗎？當然是選Python 3，且聽我細細道來。 Python 2 早就斷氣了 Python 2 已於 2020

觀點 , 開發工具 , 後端 , 前端 , Python

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 - Qwen2-Math碾壓GPT-4:AI數學大師誕生!

Qwen2-Math 阿里巴巴開源的Qwen2-Math模型以驚人的84%準確率橫空出世，不僅超越了GPT-4o，更是將Claude-3.5-Sonnet和Gemini-1.5-Pro等一眾AI巨頭甩在身後。這個AI數學大師的誕生，是否預示着人工智能在精確科學領域的新紀元即將到來？ Qwen2-Math 官方數據圖展示 Qwen2-Math的基礎模型使用Qwen2-1.5B/7B/

llm , 阿里巴巴 , 雲計算 , 人工智能

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

openbayescom 頭像

OpenBayes - OpenBayes 教程上新丨字節開源 InfiniteYou 圖像生成框架，實現高保真面部特徵遷移

InfiniteYou（簡稱 InfU）是由字節跳動智能創作團隊近期推出的一款基於 Diffusion Transformers 的身份保持 (identity-preserved) 圖像生成框架。它通過先進的技術，能夠在生成圖像的同時保持人物身份的一致性，即在生成不同場景的圖片時能夠精準保留面部特徵。 作為該領域最早利用擴散 Transformer (DiTs) 的框架之一，InfU 系統性地解

機器學習 , 圖像識別 , tensorflow , 人工智能 , 深度學習

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 - 在線教程丨目標檢測邁入「全局感知」時代：清華大學等發佈 YOLOv13，實現速度、精度雙突破

在自動駕駛、工業質檢、安防監控等需要「毫秒級反應」的應用場景中，實時目標檢測始終是一條極具挑戰的技術賽道。過去十年裏，YOLO 系列憑藉輕量高效的架構成為該領域的主流方案，從最初的 YOLO 到近年的 YOLOv11、YOLOv12，模型不斷在速度與精度之間尋找新的平衡點。 不過，即便進化多次，YOLO 系列的底層機制依舊面臨共同瓶頸： 要麼像卷積那樣只能在固定感受野內做局部聚合，要

卷積神經網絡 , 人工智能 , 計算機視覺 , 實時目標檢測

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_13303 頭像

colddawn - STM32F407 cubemx adc注入法加規則

文章目錄 前言 一、ADC 什麼是ADC？ ADC主要特性有那些？ ADC的功能説明 二、實驗步驟 代碼部分講解 代碼示例 總結 前言 本文參考了網上的博文，並加以歸納總結，幫助新手

機器學習 , 初始化 , 採樣週期 , 人工智能 , 寄存器

ivorysql_xiaozhuli 頭像

IvorySQL - 使用 PostgreSQL 時間點恢復（Point-In-Time Recovery）的多種數據恢復技術

引言 本文面向那些已經具備一定數據庫經驗、但希望進一步學習 PostgreSQL 基礎知識的初學者。假設已在 Ubuntu 環境中正確安裝 PostgreSQL，本文的全部操作基於 PostgreSQL 16（開發版本）與 Ubuntu 22.10 系統完成。文章將介紹三種常用的數據恢復方法： 恢復至最新狀態。 基於日誌序列號（LSN, Log Sequence Number）的恢復。 基

數據庫 , postgresql

huizhudev 頭像

HuiZhu - 每週8小時耗在會議上，但73%的會議紀要根本沒人看

數據顯示，職場人平均每週花費8小時在各類會議上，但調研發現：73%的會議紀要在發出後根本沒人仔細讀，92%的行動項沒有被有效追蹤。 更尷尬的是，38%的職場人承認自己"從不寫會議紀要"，原因不是懶，而是不知道該怎麼記錄才有用。 這就是會議紀要的真實現狀：會開了，時間花了，但價值沒沉澱下來。 會議紀要為什麼淪為"形式主義"？ 真正的問題不是寫不寫，而是寫了沒人用。我見過太多這樣的紀要： 會議紀要 -

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

chunzhendexiaogou 頭像

PoloAPI - Kimi K2 日調用量超100億 token，API 價格低於 Claude 系列模型

一、Kimi K2模型基本信息 Kimi K2是由北京月之暗面科技有限公司(Moonshot AI)於2025年7月11日發佈的開源大語言模型，具有以下核心特點： ‌架構創新‌：採用MoE(混合專家)架構，總參數規模達1萬億(1T)，激活參數為320億(32B)，包含384個專家模塊，每個token選擇8個專家進行計算 ‌性能表現‌：在SWE Bench Verified、Tau2、AceB

編程 , llm , 算法 , 人工智能 , 後端

aloudata 頭像

Aloudata大應科技 - 如何構建可信智能 Data Agent？推薦 Aloudata Agent 分析決策智能體

摘要： 在 AI 與大數據深度融合的當下，數據分析民主化日漸火熱。Aloudata Agent 分析決策智能體依託於統一的指標語義層、NoETL 數據工程體系，以及從智能問數、智能歸因分析到報告生成的端到端數據分析決策閉環能力，突破傳統數據分析 BI 工具的侷限性，能夠幫助企業構建可信智能的 Data Agent，實現以自然語言交互的方式進行自主式數據探查、歸因分析等，並支持構建個性化場景數據分析

agent , 人工智能 , 數據分析

matrixorigin 頭像

MatrixOrigin - 視頻+教程 | 三位一體：MOI 數據源 + MO 向量存儲 + Dify 應用層，構建企業級 RAG

概述 本教程將詳細引導您完成一個完整的數據處理與應用流程：首先，我們將 Dify 平台與 MatrixOne (MO) 數據庫進行集成，使用 MatrixOne 作為 Dify 的向量存儲後端；然後，演示瞭如何從 MatrixOne Intelligence (MOI) 平台將處理好的分段數據（Chunks）導出到 Dify 中新建的知識庫；最終，利用這些導入的數據快速構建一個智能聊天應用。 通過

數據挖掘 , 人工智能

u_16349720 頭像

短短同學 - “哈希”機制是什麼?

一文讀懂哈希機制：從原理到實戰的全面解析 在編程與數據處理中，“哈希（Hash）” 是一個高頻出現卻易被混淆的概念 —— 它既是快速查找數據的 “加速器”，也是分佈式系統中數據分片的 “導航儀”，甚至在密碼存儲、數據校驗等場景中扮演關鍵角色。那麼，哈希機制究竟是什麼？它如何通過簡單邏輯實現高效功能？本文將從基礎原理到實際應用，徹底拆解哈希機制的核心邏輯。 一、哈希機制

code , 數組 , 人工智能 , 鏈表 , 深度學習

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

shujuxiaowanzi 頭像

數據小玩子 - 【零售電商數據驅動系列3】客户復購激活：如何打通線上線下會員，讓老客持續復購？

復購的核心是“全域會員分層+精準觸達”，只有整合線上消費、線下到店數據，才能摸清不同客户的需求偏好。藉助助睿BI按消費頻次、客單價、消費場景（線上/線下）自動分層高/中/低價值會員，拆解老客復購週期、偏好商品，幫零售電商針對性設計優惠券、上新提醒、門店專屬活動，不用盲目發券，復購率提升更高效。 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 - 最新！2025 OSCAR 開源產業大會完整版議程揭曉

開源作為一種開放共享的新型生產模式，已成為數字經濟創新、開放、共享和可持續發展的核心驅動力。由中國通信標準化協會牽頭主辦，中國信息通信研究院具體承辦的2025 OSCAR 開源產業大會將於 10 月 28 日在北京中關村國家自主創新示範區會議中心舉行。大會以“可信開源泳萬業，無邊智域啓未來”為主題，現公佈會議完整議程： 會議概況： 會議時間：2025 年 10 月 28 日 主辦單位：中國通

開源協議 , 開源 , 開源項目介紹

xiaoyanjingdepidan 頭像

CXG的博客 - 為什麼循環次數總是會多一次或少一次？

程序循環次數之所以常常會多一次或少一次，這一經典的“差一錯誤”現象，其根源，並非源於計算機的隨機性，而是來自於人類的直覺計數習慣與計算機嚴格的、基於零的索引邏輯之間的根本性衝突。一個看似簡單的循環，其精確執行，依賴於對多個關鍵點的無誤設定。導致循環次數偏差的五大核心原因包括：“從零開始”的計算機計數習慣與人類“從一開始”的直覺衝突、循環“邊界條件”的判斷錯誤、大於與大於等於等“比較運算符”的混淆、

編程