收藏 / 列表

u_17580222 頭像

mb691327edb400f - HR的下半場：不靠加班，而靠升級為AI指揮官

HR的下半場：不靠加班，而靠升級為AI指揮官 “再努力也招不到優秀的人”正在成為HR的共同焦慮。許多HR加班篩簡歷到深夜，卻仍錯過關鍵人才；安排面試滿滿一週，卻被候選人臨時放鴿子；做了大量流程工作，卻常常被質疑“招聘為什麼這麼慢、這麼不準”。 我們正在進入一個現實：人才不是稀缺，識別能力才是稀缺。 與此同時，市場變化、業務迭代、候選人體驗與僱主品牌競爭，

快速啓動 , 數據 , 人工智能 , 深度學習 , 迭代

u_16827017 頭像

全棧技術開發者 - 如何理解「128倍更少數據，卻能獲得更強智能體行為」？如何直觀地理解「少即是多（Less is More）」在智能體訓練中意義？

在人工智能尤其是智能體訓練領域，數據量的需求長期被認為是提升模型行為表現的核心驅動力。傳統強化學習方法和深度學習策略普遍依賴大量訓練數據，以期覆蓋智能體在複雜環境中可能遇到的各種狀態和動作組合。這種大規模數據驅動的訓練模式在某種程度上保證了智能體策略的穩健性和泛化能力，但同時也帶來了顯著的資源消耗、計算壓力以及訓練效率低下的問題。尤其在高維環境和複雜任務下，數據量呈指數級增長，訓

yyds乾貨盤點 , 數據 , 模塊化 , 人工智能 , 深度學習 , 子任務 , 大模型

u_17420180 頭像

合合信息解決方案 - 上市城商行：攻克複雜文本處理瓶頸，國際結算業務全場景智能化

隨着全球貿易的日益頻繁與金融數字化轉型的深入，國際結算業務作為銀行服務實體經濟跨境運作的關鍵環節，其處理效率與風控水平直接關係到銀行的競爭力與運營安全。 然而，信用證、提單、報關單等業務單據格式繁雜、版式多變、專業性強，傳統依賴於人工核對與半自動化處理的方式，已成為制約業務效能提升、潛藏操作風險的明顯短板。在此背景下，運用前沿AI技術實現複雜文檔的自動化處理，已成為商業銀行

機器學習 , 字段 , 數據 , 泛化 , 人工智能

u_15505879 頭像

資深程序設計 - 基於python的高校後勤報修系統

1、研究背景 隨着高校規模的不斷擴大，後勤管理工作變得日益繁雜。傳統的後勤報修方式主要依賴人工操作，例如學生髮現設施設備故障後，需通過口頭報告或填寫紙質報修單的形式提交申請，維修人員則根據人工分配的任務進行維修。這種模式存在諸多弊端，如信息傳遞效率低下，容易出現信息丟失、延誤等情況，且難以對維修流程進行有效跟蹤和管理。在當今數字化時代，高校急需藉助信息技術提升後勤管理效率，

yyds乾貨盤點 , MySQL , Vue , 後端開發 , JAVA , Web

u_13539 頭像

jowvid - 【圖論——第一講】圖論基礎以及圖的儲存

文章目錄 圖論理論基礎（1） 1. 圖的基本概念 1.1 基本術語 2. 圖的分類 2.1 有向圖 vs 無向圖 2.2 加權圖 vs 無權圖 2.3 度（Degree） 3. 圖的連通性

數據結構 , 算法 , 寬度優先 , Css , 廣度優先 , 前端開發 , HTML , 圖論

u_13778063 頭像

u_13778063 - 百倍啓動加速，大規模 Agent 部署和運維的捷徑是什麼？

作者：極客有約 前言： 隨着 AI 原生浪潮的到來，智能體（Agent）正成為企業創新的新引擎。然而，在生產環境中大規模落地 Agent，卻面臨開發複雜、運維困難、成本高等挑戰。這些問題應該如何解決？企業內部大規模部署和運維 Agent 是否有捷徑可走？針對這些問題，InfoQ 近日對話了阿里云云原生應用平台 Serverless 計算負責人楊皓然（花名：

雲計算 , 阿里雲 , 函數計算FC , 雲服務 , 雲原生 , serverless

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_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_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_16237826 頭像

軟件求生 - 別再手動 set 時間了，JPA 一行註解全幫你搞定！

大家好，我是小米，一個寫代碼也寫故事的31歲程序員。 上週五晚上，我在工位上加班修 Bug，手裏那杯咖啡都涼透了。原因嘛——老闆的一句話：“小米，你這表記錄誰創建的、什麼時候改的，怎麼都沒寫？”我一臉懵：“啊？這不是數據庫自帶的嗎？”老闆笑了笑，“你去查查 JPA Audit。” 就這樣，我打開電腦，走上了一條“審計字段自動填充”的覺醒之路。 那些年我們

字段 , yyds乾貨盤點 , 數據庫 , 後端開發 , jpa , JAVA

u_16213575 頭像

墨舞青雲 - 大數據--數據倉庫3--數據質量/元數據/數據治理

5.2 元數據 5.2.1 工具 數倉開源元數據項目對比（Apache Atlas、Apache Gravitino、DataHub、OpenMetadata、Amundsen、Metacat、Marquez） 5.2.1.1 起源與發展歷程

大數據 , 數據 , 數據治理 , 元數據 , jquery , 前端開發 , apache

xiongod 頭像

xiongood - Vue 中 mixins 的使用方法

Vue 中 mixins 的使用方法 在 Vue 開發中，當多個組件需要共享相同的邏輯（比如數據、方法、生命週期鈎子）時，重複編寫這些代碼會造成冗餘。mixins 就像一個 “邏輯共享容器”，能把這些通用邏輯提取出來，讓多個組件直接 “混入” 使用，既減少代碼重複，又方便統一維護。 最基礎的用法是創建一個通用 mixin，包含共享的數據和方法，然後在多個組件中引入。比如多個組件都

生命週期 , 數據 , Vue , 後端開發 , JAVA

u_16213714 頭像

mob64ca1417b0c6 - 萬億參數落地：金融大模型從MoE架構到聯邦TEE的全棧可信實踐

———————————————————— 當大模型從“炫技”走向“深水區” 如果説2023年是大模型的“技術元年”，2024年是“場景元年”，那麼2025年則是“深水區元年”。當國務院在《“人工智能+”行動方案》中點名“金融”為落地最成熟行業時，銀行業的大模型已悄然從“對話寫詩”進階到“審批貸款”“攔截洗錢”。

語言模型 , 軟件需求 , 後端開發 , 系統架構 , 需求分析 , 人工智能 , harmonyos

u_17582412 頭像

wx6916e0c04eaf5 - 如何解決本增效落地難題，紅海雲助力央國企實現管理效能優化

（摘要） 本文聚焦央國企在降本增效過程中普遍面臨的落地難題，系統分析理解偏差、管理短板、技術瓶頸等核心障礙，並針對現實困境，攜手紅海雲提出數字化與系統化管理的實戰解決方案，助力企業實現高效降本增效與管理升級。 （引言） 隨着市場環境的不斷變化與競爭壓力加劇，降本增效已成為企業應對成本上升和利潤壓縮的必然選擇，然而在實際推進過程中，許多企業卻常

雲平台 , 數據 , 雲計算 , 執行效率 , 執行力

powertoolsteam 頭像

powertoolsteam - 主流表格控件工具對比與 SpreadJS+GcExcel 全棧解決方案技術解析

主流表格控件工具對比與 SpreadJS+GcExcel 全棧解決方案技術解析 摘要 表格控件作為企業級應用開發的核心組件，直接影響數據處理效率、用户體驗與系統擴展性。本文通過對比 Element UI Table、Ant Design Table、AG Grid 等主流工具的核心能力，重點解析葡萄城 SpreadJS 純前端表格控件與 GcExcel 服務端組件的全棧協同方案，

服務端 , 數據 , 代碼人生 , 解決方案

u_16993624 頭像

長腿大壯 - H2 數據庫中的字符串與數值處理關鍵字

H2 數據庫中的字符串與數值處理關鍵字 在 H2 數據庫的日常數據處理中，字符串和數值是最常見的數據類型，一批專門處理這類數據的關鍵字，就像精準的 “數據加工器”，能快速完成格式轉換、內容提取、數值計算等操作，讓數據處理既高效又精準。 字符串處理關鍵字 字符串處理關鍵字能對文本數據進行各種加工，CONCAT、SUBSTRING、TRIM、LOWER、UPPER是其中的常用成員

oracle , 取整 , 字符串 , 數據庫 , 數據處理

alijishu 頭像

阿里雲開發者 - eKuiper 1.8.0 發佈：零代碼實現圖像/視頻流的實時 AI 推理

LF Edge eKuiper 是 Golang 實現的輕量級物聯網邊緣分析、流式處理開源軟件，可以運行在各類資源受限的邊緣設備上。eKuiper 的主要目標是在邊緣端提供一個流媒體軟件框架（類似於 Apache Flink ）。eKuiper 的規則引擎允許用户提供基於 SQL 或基於圖形（類似於 Node-RED）的規則，在幾分鐘內創建物聯網邊緣分析應用。 近日，eKuiper 發佈了 1.8

編碼 , 阿里雲 , 人工智能 , flink , SQL

u_13715298 頭像

技術員阿偉 - 《Unity渲染實戰寶典：突破平台限制的優化策略》

許多開發者初期極易陷入“參數拉滿即優質”的認知誤區，盲目調高光照強度、堆疊後處理效果、複用高面數模型，卻忽略了不同平台（移動端、PC端、主機端）的硬件架構本質差異—移動端GPU的ALU數量通常僅為PC端的1/5至1/3，顯存帶寬也存在數倍差距，而主機端則具備專屬的光線追蹤加速單元。這種硬件差異直接導致相同渲染配置在不同設備上表現天差地別，最終出現真機測試時幀率斷崖式下跌、設備異常

移動端 , 幀率 , yyds乾貨盤點 , 抗鋸齒 , 代碼人生

u_16565975 頭像

計算機專業指導老師 - 基於VUE的健身誤區科普系統[VUE]-計算機畢業設計源碼+LW文檔

基於Vue的健身誤區科普系統設計與實現 摘要 隨着健身熱潮的興起，公眾對科學健身知識的需求日益增長，但網絡信息碎片化、偽科學內容氾濫導致健身誤區頻發。本文設計並實現了一套基於Vue.js的健身誤區科普系統，採用前後端分離架構，前端集成Element UI實現動態交互，後端通過RESTful API提供數據支持。系統涵蓋科普類別管理、誤區內容發佈、用户留言互動、數據統計

軟件研發 , 數據 , Vue , 數據統計

u_15745565 頭像

畢設大神 - 基於微信小程序的個性化漫畫閲讀推薦系統的設計與實現-計算機畢業設計源碼+LW文檔

摘 要 本文精心設計併成功實現一個依託微信小程序的個性化漫畫閲讀推薦系統。在當下，移動互聯網技術不斷髮展演進，線上漫畫閲讀市場隨之愈發繁榮起來，與此同時，用户對於個性化閲讀體驗的需求也在一天天不斷增加。該系統在後端的構建上採用SpringBoot框架以及Java技術，把微信小程序當作前端界面，並且運用MySQL數據庫來完成數據的存儲工作。系統打造出管理員、作家以及用户這三大

推薦系統 , 協同過濾 , 後端開發 , JAVA , 推薦算法

tdengine 頭像

TDengine濤思數據 - 新客户 | 數據寫不動、查不快？TDengine 時序數據庫幫金恆科技破局鋼鐵超低排放難題

在鋼鐵行業的數字化轉型過程中，環保治理正從“單點監測”走向“全域感知、統一調度”。然而，許多企業依然面臨一個共性難題：數據分散在不同系統中，採集標準不一、接口複雜，難以形成穩定可靠的統一數據底座。尤其是在超低排放改造項目中，點位多、頻率高、實時性要求強，傳統數據庫架構往往難以支撐長期、穩定的高併發採集與查詢。 作為國家級專精特新“小巨人”企業，金恆科技在沙鋼安陽永興的環保超低排一體化平台項目中，

數據庫 , SQL

u_14767244 頭像

u_14767244 - 十億 JSON 秒級響應：Apache Doris vs ClickHouse，Elasticsearch，PostgreSQL

坦白講，每次看性能測試排行榜，我都會下意識地先找找 Apache Doris 在哪個位置。 這次打開 JSONBench 的榜單，心情一如既往的期待加緊張。 好在結果讓我鬆了一口氣：默認配置下就能排到第三，僅次於維護方 ClickHouse 的兩個版本。 不過，Doris 只能止步於此了嗎？經過一系列優化後，查詢時長能不能再縮短點？和 ClickHouse 的差距在哪裏？

大數據 , 數據 , 數據倉庫 , apache , Json