收藏 / 列表

huamingshixunkeji 頭像

華明視訊科技 - 什麼是鐵路車號識別裝置？

在現代化鐵路貨運管理中，效率與準確性是衡量運營水平的關鍵尺度。傳統依賴人工抄錄車號的方式，不僅效率低下、成本高昂，更因人為因素導致數據不準，已成為制約礦區、編組站、貨運站等場景智能化升級的瓶頸。鐵路車號識別裝置，正是為解決這一核心痛點而生的智能化解決方案。 什麼是鐵路車號識別裝置？ 鐵路車號識別裝置是一套基於前沿人工智能深度學習技術的自動化識別系統。它通過高清圖像捕捉與智能分析，對貨運

機器學習 , 圖像識別 , 算法 , 人工智能 , 深度學習

nizi_60e514d097c9a 頭像

MIAOYUN - MIAOYUN | 每週AI新鮮事兒（10.31-11.07）

本週AI領域動態密集，美團、360、銀河通用、字節、騰訊、Kimi與科大訊飛等分別發佈多模態、圖文、導航及視頻推理模型；工具層面，寒武紀、百度、崑崙萬維、騰訊均推出新平台或功能。技術方面，在長序列處理、多智能體協同及代碼執行效率上取得突破。市場方面，OpenAI與AWS達成鉅額合作，小鵬發佈人形機器人「IRON」。整體呈現高效化、多模態與實用化趨勢，一起來回顧本週發生的AI新鮮事兒吧！ AI 大模

資訊 , 機器人 , 自然語言處理 , 人工智能 , 深度學習

infodator 頭像

容智信息 - 企業AI落地破局：五步行動指南，從價值試點到組織效能躍遷

在AI技術熱潮下，不少企業陷入“概念喧囂卻落地無門”的困境——空有技術憧憬，卻不知從何入手，或盲目鋪開後效果寥寥。容智信息基於千餘家企業智能化實踐沉澱，提煉五步行動指南，為企業提供從“AI可用”到“價值可感”的清晰路徑。 AI落地切忌“大而全”的盲目投入，需優先選擇對業務有直接價值、流程相對清晰、出錯影響可控的高價值任務切入。例如：市場營銷領域：可先試點產品智能推薦、市場策略

觀點 , 資訊 , 自然語言處理 , 人工智能 , 深度學習

old_it 頭像

老IT人 - DGX Spark 雙機互連實測 Qwen3-235B 模型

前段時間我們使用單台 DGX Spark 測試了gpt-oss-120b模型性能。今天，我們通過一根 200 Gbps 帶寬的 QSFP 線纜連接兩台 DGX Spark，並測試了一個參數更大的模型：Qwen3-235B，看看性能如何。 整體測試下來，單用户生成速度為10 tokens/s，但預填充速度還不錯，單用户可達1000 tps，詳細測試數據如下: 生成速度 知識庫應用（輸入4K） 知

機器學習 , 教程 , 知識 , 人工智能 , 深度學習

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

chenzhuodeyagao 頭像

沉着的牙膏 - 醫療行業數據安全管理方案 ——低誤差 · 場景化 · AI驅動 · 高效合規的醫療數據安全建設新路徑

概要：醫療行業的數據安全管理，已成為數字化醫療高質量發展的關鍵基石。隨着醫療信息化、智能化進程的加快，從電子病歷、互聯網診療到醫保數據共享，數據已成為醫療機構最核心的生產要素。如何在保證數據可用的同時，確保安全、合規與高效，是當前醫療行業共同面臨的挑戰。本方案以“低誤差識別、場景化落地、AI驅動智能決策、高效合規治理”為核心特徵，構建了一套覆蓋醫療數據全生命週期的安全管理體系。通過非侵入式採集、智

API , 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 - 別隻怪客户端宕機！還有這些導致 Redis 分佈式鎖“死鎖”的原因

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：編程嚴選網 0 前言 除了“持有鎖的進程崩潰、未釋放鎖”這一經典

JAVA

u_17562481 頭像

思考的袋鼠 - 構建數據庫安全新範式：以規範為基石，實現精確與實時動態防護

概要： （提示：當防護邊界逐漸模糊，數據自身的“行為軌跡”成為新的安全焦點。） 在數字經濟的核心結構中，數據庫不再僅是支撐業務的技術組件，而是企業數字資產的“原礦”。金融機構的交易流水、互聯網平台的用户畫像、醫療系統的病歷檔案——所有這些關乎隱私、業務與監管的數據，都以數據庫為載體在組織內流轉與沉澱。但隨着數據量與訪問頻率呈指數級增長，傳統以“靜態防護”為核心的數據庫

數據 , 數據庫 , 數據庫安全 , 人工智能 , 深度學習

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

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

u_16827017 頭像

全棧技術開發者 - 結構化協作（structured collaboration）本質是什麼？什麼是「語義編排」？語義編排在FoA中核心原理是什麼？

在現代人工智能中，智能體的規模和複雜性正在以前所未有的速度擴展。單個智能體在處理複雜任務時往往面臨計算能力和知識覆蓋的限制，而多智能體系統的出現為解決這一問題提供了可能。然而，隨着智能體數量的增加和任務複雜度的提升，如何確保智能體之間能夠高效、可靠地協作，成為設計分佈式智能系統的核心挑戰。 傳統的多智能體系統通常依賴於同步調用或點對點通信來完成任務分配與結果收集。這種模式在

yyds乾貨盤點 , 智能體 , 異構 , 人工智能 , 深度學習 , 子任務 , 結構化

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_16970152 頭像

求知上進 - Python 數據結構：可變與不可變

1.前言 在 Python 中，數據結構的選擇直接影響程序的性能和可維護性。可變（mutable）與不可變（immutable）數據結構是 Python 數據模型的核心概念。這些概念不僅影響數據的存儲方式，還影響數據的操作方式。 理解可變與不可變數據結構的特性，可以幫助我們更有效地進行數據處理、內存管理和性能優化。在日常編程中，選擇合適的數據結構不僅能提高代碼效率，還

不可變對象 , 數據 , 數據結構 , 人工智能 , 深度學習

u_17580222 頭像

mb691327edb400f - 智能招聘新範式

人才戰爭下半場：AI重構精準招聘新範式 當生成式AI從炫技工具變為生產力標配，企業競爭已悄然進入“人機協同”的深水區。數據顯示，仍沿用傳統方式招聘的企業，正以每年15%的速度流失人才競爭力。招聘的終極戰場，早已從“找到更多人”升級為“精準識別對的人”。 現實中，大多數HR團隊仍陷在簡歷海嘯中，用人類寶貴的情感判斷力，去完成本應由AI處理的數據篩選。這種

數據 , 上傳 , ATS , 人工智能 , 深度學習

puxiaoke6 頭像

一點人工一點智能 - 《分數階行為建模：若干非典型工具的分析與應用》

書籍：Fractional Behaviours Modelling: Analysis and Application of Several Unusual Tools 作者：Jocelyn Sabatier，Christophe Farges，Vincent Tartaglione 出版：Springer​ 編輯：陳萍萍的公主@一點人工一點智能 下載：書籍下載-

工具 , 人工智能 , 深度學習 , 模型

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