收藏 / 列表

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 - AI Agent 與 Agentic AI 系統:真正的區別是什麼?

大多數人把這兩個詞混用——但一個負責執行任務,另一個旨在達成目標。教你如何區分(以及各自的適用場景)。 先來澄清當下 AI 討論中最常見的一處混淆。 你可能經常看到大家把“AI agent”和“agentic AI system”當成同一件事。但事實是: 🚨 它們有關聯,但並不相同 就像把微波爐稱作“廚師”。它確實能加熱食物,但它不會幫你策劃一場晚宴。🍳 Friend Link 同理,AI

人工智能

SelectDB技術團隊 - 終態部署、易擴展、無感升級,Doris Operator 支持高效 Kubernetes 容器化部署方案

容器化憑藉其靈活性、跨平台性、自動化管理和極致彈性,吸引了眾多企業的關注。一些企業希望將 Apache Doris 容器化部署,以實現高效的資源利用與部署迭代。Kubernetes 提供的編排和管理功能,能完成大規模容器部署,但 Kubernetes 自身的複雜性也導致眾多企業面臨部署複雜、運維困難、使用難度高等挑戰。 為滿足用户在 Kubernetes 平台上對 Doris 的高效部署和運維要求

部署 , kubernetes , 大數據 , operators , 數據庫

煩惱的沙發 - Rust性能調優:從勸退到真香

地球人都説Rust快,安全,併發牛。但有時候我們寫出來的代碼,跑起來卻像踩了腳剎車。這是為啥?其實,Rust給你的法拉利,你可能只當成了買菜車在開。性能這玩意兒,不是玄學,而是科學(和一點點小技巧)。 BUT,在開始之前,誰也不想在配置環境這種破事上浪費生命,對吧?裝Rust、裝PostgreSQL、裝Redis……一套下來,半天沒了。這裏就要用 ServBay,這是開發者的福音,一鍵就能把Ru

觀點 , rust , 知識 , 後端

傲視眾生的香蕉_bvX78Q - 亞馬遜Kiro強勢挑戰Cursor霸主地位,AI IDE大戰誰能笑到最後?

2025年,AI驅動的開發工具生態系統正在經歷前所未有的變革。在Cursor重新定義AI IDE概念之後,亞馬遜推出的Kiro以其獨特的"規劃優先"理念強勢入場,為開發者帶來了全新的編程體驗。這兩款工具雖然都致力於提升開發效率,但在架構設計、工作流程和生產力提升方式上卻展現出截然不同的哲學。 本文將從技術架構、功能特性、開發者體驗等維度深度對比這兩款AI IDE,探討它們如何重塑現代軟件開發流程。

開發工具 , 人工智能 , ide

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

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 - 你的JAR包放對了嗎?​​後端開發必知的Linux目錄規範

本文已收錄在Github,關注我,緊跟本系列專欄文章,咱們下篇再續! 🚀 魔都架構師 | 全網30W技術追隨者 🔧 大廠分佈式系統/數據中台實戰專家 🏆 主導交易系統百萬級流量調優 車聯網平台架構 🧠 AIGC應用開發先行者 | 區塊鏈落地實踐者 🌍 以技術驅動創新,我們的征途是改變世界! 👉 實戰乾貨:編程嚴

yyds乾貨盤點 , 文件系統 , jar , 應用程序 , 人工智能 , 深度學習

OpenBayes - OpenBayes 一週速覽丨李沐團隊開源語音大模型Higgs Audio V2,擴展多語言對話等功能

公共資源速遞This Weekly Snapshots ! 5 個公共數據集: B3DB 生物基準數據集 PolyMath 數學推理數據集 SongEval 音樂評估數據集 MegaScience 科學推理數據集 WebInstruct-verified 多領域推理數據集 4 個公共模型: gpt-oss-20b gpt-oss-120b Qwen3-30B-A3B-Inst

llm , 圖像識別 , 數學 , 自然語言處理 , chatgpt

fangpin - 從0到1:揭秘LLM預訓練前的海量數據清洗全流程

讀完這篇文章,你將用監督微調(SFT)把一個 1.5B 規模的數學模型在 GSM8K 上的零樣本推理正確率從 1.56% → 62.9%,同時把輸出格式遵循率從 18.9% → 100%。我們將完整走通數據集下載、Prompt 架構、訓練配置和評估方法,所有代碼均來自本倉庫 alignment 文件夾,保證可復現與透明。 本文將深入剖析 llm-from-scratch

lua , 人工智能 , 深度學習 , Json , Python

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

HyperAI超神經 - 從乾洗店到伊麗莎白女王工程獎,李飛飛逆行硅谷技術神話,聚焦AI去人性化風險

2025 年春,普林斯頓大學物理學學士、加州理工學院計算神經科學博士李飛飛教授榮獲「伊麗莎白女王工程獎(Queen Elizabeth Prize for Engineering)」,這一獎項被視為「工程領域的諾貝爾獎」。評審團表彰了李飛飛在計算機視覺與深度學習中的奠基性工作,認為她的研究「讓機器第一次以接近人類的方式看見世界」。 「工程不止是算力與算法,更是責任與共情。」李飛飛在領

人工智能 , 深度學習

colddawn - 大數據系列 -- 數據埋點_51CTO博客

8.1.2 埋點實現方式分類 8.1.2.1 代碼埋點 原理: 在代碼中手動插入埋點邏輯,精準捕獲特定事件(如按鈕點擊、頁面加載)並上報數據。可根據埋點位置分為前端埋點(客户端)和後端埋點(服務端)。 實現步驟: 確定需求:明確需監控的事件(如“加入購物車”按鈕點擊)及數據維度(如用户 ID、時間戳)。 插

大數據 , 數據 , app , 埋點 , 數據治理 , 後端開發 , harmonyos

IvorySQL - 災難恢復工具內核細節探究與分享

本文整理自 IvorySQL 2025 生態大會暨 PostgreSQL 高峯論壇的演講分享,演講嘉賓:張晨,公眾號《ZhangChen-PDU》主理人。 前言 在數據庫運維中,災難恢復始終是保障業務連續性和系統可靠性的核心環節。隨着數據庫規模和複雜性的增加,傳統工具在極端場景下的侷限性愈發明顯,因此需要更專業、高效的解決方案來應對數據損壞或不可啓動的情況。 PDU 的快速介紹 在數據庫運維場景中

數據庫 , postgresql , 開源

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

PoloAPI - 谷歌正式推出 Gemini 2.5 系列模型,使 AI 推理性能提升30%。

谷歌於2025年6月正式推出‌Gemini 2.5系列模型‌,核心聚焦推理效率與多模態能力升級,具體解讀如下: 🚀 ‌一、三大模型定位與技術亮點‌ ‌Gemini 2.5 Pro‌ ‌角色定位‌:主攻複雜推理與多模態分析(“思考型模型”),在數學、編碼任務中刷新LMArena榜單記錄。 ‌上下文能力‌:支持100萬token輸入(計劃擴展至200萬),可解析代碼庫、大型數據集及混合媒

llm , 算法 , google , 人工智能 , 深度學習

Aloudata大應科技 - 如何找到心儀的 ChatBI 智能體?Aloudata Agent 推薦給你

在數智化轉型浪潮中,ChatBI 智能體憑藉自然語言交互能力,成為企業打破數據分析壁壘、實現數據民主化的關鍵工具。面對市場上眾多選擇,Aloudata Agent 以“NoETL 明細語義層+多 Agent 協同架構”脱穎而出,通過 NL2MQL2SQL(MQL:MetricQueryLanguage)技術路徑精準對齊業務語義與數據語言,解決了 NL2SQL 和 NL2DSL2SQL 傳統方案中存

chat , agent , etl , 人工智能 , 數據分析

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

mb691327edb400f - AI面試智能體

培訓預算削減的背後,是時候重新審視招聘的真正成本。 年底覆盤,不少HR對着培訓報表愁眉不展:預算花了近百萬,員工滿意度剛過及格線,業務部門還抱怨“培訓沒用”。降本增效的要求之下,培訓預算首當其衝被壓縮。問題真的出在培訓本身嗎?或許,根源在於招聘環節——選錯人,才是企業最大的成本浪費。 01 培訓無效的背後:選錯人是最昂貴的成本 當業務部門抱怨“培訓沒用”時,他們

沉浸式 , 一對一 , 人工智能 , 深度學習

短短同學 - 正則表達式進階用法:從基礎到實戰的全場景指南

正則表達式(Regular Expression,簡稱 Regex)是文本處理的 “瑞士軍刀”,它通過簡潔的語法規則,實現對字符串的匹配、提取、替換與驗證。在前文哈希機制的學習中,我們瞭解到 “映射” 是核心邏輯;而正則表達式的核心,則是 “模式定義”—— 用特定語法描述目標文本的結構,再通過解釋器執行匹配操作。本文將從基礎語法拓展到進階技巧,結合 10 + 實戰場景,帶你掌握正

正則 , bc , 人工智能 , 深度學習 , 正則表達式

數據小玩子 - 【營銷數據洞察系列6】營銷活動全局ROI:除了當期銷量,如何衡量活動的長期價值?

成功的營銷活動不僅要關注短期銷售額,更要兼顧品牌資產積累(如品牌認知、用户留存)等長期價值,實現短期收益與長期增長的平衡。利用助睿BI搭建活動全景看板,關聯活動期間銷量、品牌搜索量、官網自然流量、新客留存率等指標,既能核算當期收益,也能追蹤長期品牌影響力,實現活動價值的全維度評估。 助睿BI鏈接:https://www.zhurui.com/

數據挖掘 , bi , 人工智能 , 數據分析

思否編輯部 - 2025 OSCAR!開源大模型系列標準解讀

開源的核心要義在於開放共享與可復現性。相較於傳統開源軟件,開源大模型的構建不僅需提供完整的模型訓練與推理源代碼,還要求充分公開模型參數、訓練數據及相關文檔。然而,開源大模型在實際應用中存在風險影響範圍廣、系統關聯複雜、生成內容風險漸進累積等特徵。當前,大模型在開放與應用過程中普遍缺乏統一的評估標準,透明度差異顯著,企業在治理體系建設方面亦存在明顯不足。為系統提升大模型的成熟度與透明度,加強企業對開

開源軟件 , 開源 , 開源項目介紹