收藏 / 列表

u_16655836 頭像

wx6603b05eb93d0 - 新華社評車圈營銷亂象：零件命名武俠風，拉踩陰陽友商博關注……

幾年前，小柴就發文調侃，如今的汽車行業，核心競爭力好像是車企領導們的嘴，以及養車評人加上對負面新聞的OTA能力。 比如，在創始人的嘴這方面，他們有人説，BBA這些落後的東西；還有人説，咱們不要嘲笑邁巴赫，以及千萬以內最好；還有輪端輸出扭矩超過了1.8萬匹馬力；甚至開車能延壽三十年…… 類似的還有，倒車想撞都難；公開直播更是宣稱，有了領先幾代的智駕，上車可以打盹

數據 , 汽車行業 , 人工智能 , 數據分析 , 核心技術

u_16970152 頭像

求知上進 - 瞭解 Python 集合的無限可能

1. 集合概述 1.1 什麼是集合？ Python 的集合（set）是一個無序、可變、不允許重複元素的容器，用於存儲唯一的數據項。集合基於哈希表實現，提供 O(1) 平均時間複雜度的成員檢查和插入操作。Python 還提供不可變的集合變體——凍結集合（frozenset），適用於需要不可變鍵的場景（如字典鍵）。 關鍵特性： 無序性：集合中的元素沒

數據集 , 集合運算 , 人工智能 , 深度學習 , Python

u_13303 頭像

colddawn - linux將vncserver製作成systemd

第三課：Linux的基本操作 一般都會建立一個linux服務器，然後windows通過小軟件vnc遠程登陸linux服務器，登陸方式就是：”服務器ID:端口號“，此處的冒號為英文冒號； 一個賬户可以打開多個vnc端口，開啓：vncserver ，太多了則會佔用較多資源，可以手動關閉； 若vnc遠程屏幕分辨率與本地

機器學習 , 當前目錄 , 文件名 , Linux , 人工智能 , 根目錄 , 後端

u_16116809 頭像

wx6464351503832 - 強化學習(RL)簡介及其在大語言模型中的應用

看到huggingface上有個大模型課程，其中有個章節是講如何構建推理大模型，下面是對應的學習內容。 接下來會用最通俗易懂的方式介紹RL，就算之前完全沒接觸過也能看懂。會拆解核心概念，看看為什麼RL在大語言模型（LLMs）領域變得這麼重要。 什麼是強化學習（RL）？ 想象一下訓練一隻狗。想教它坐下。可能會説"坐下！"，如果狗坐下了，就

強化學習 , 語言模型 , 自然語言處理 , 人工智能 , Css , 大模型 , 前端開發 , HTML

u_16018702 頭像

架構師李哲 - 大模型微調「數據集構建」保姆級教程（超全）

經驗之談：實踐表明，近80%的大模型微調失敗案例，根源都可追溯至數據集問題。 2024年堪稱“行業大模型元年”，金融、醫療、教育等各行各業都在積極佈局專屬AI助手。然而，許多企業在投入重金進行模型微調後，卻常常面臨“模型表現不及預期”的困境。 實踐中常見的三大困境： ● 災難性遺忘：模型在學習了新的專業知識後，原有的通用對話與理解能力顯著衰退。 ● 泛化能

數據 , AI , 大模型微調 , aigc , 人工智能 , 深度學習

baihai_idp 頭像

Baihai_IDP - 並行智能體是否將重塑軟件開發模式？

編者按： 當AI不僅能寫代碼，還能同時處理多個開發任務，軟件工程師這一角色是否正面臨根本性的重塑？ 我們今天為大家帶來的文章，作者的核心觀點是：並行智能體是將深刻改變軟件開發模式的革命性技術。 作者從 AI 編程工具的演進談起，揭示了從 Copilot 的代碼補全到“氛圍編程”的自然語言生成，再到當前的範式突破 —— 並行智能體。作者還坦誠分享了實際應用中的成功率分佈，指出了智能體擅長與不

觀點 , llm , 知識 , 人工智能 , 深度學習

matrixorigin 頭像

MatrixOrigin - Git for Data：像Git一樣管理你的數據

作者 | 矩陣起源 策劃 | InfoQ李冬梅 當你的 AI Agent 突然清空核心數據庫，或是悄悄注入虛假數據時，傳統的數據恢復手段往往耗時費力。而 Git for Data 帶來的變革，能讓這一切像回滾代碼提交一樣簡單。 DATA-CTL RESET DATABASE `agent1_db` TO TIMESTAMP 2025-08-01 12:00:00.123456; 瞬間

數據庫 , 人工智能 , Git

metaxk 頭像

萬界星空科技 - 萬界星空科技MES軟件價格對比分析

一、 萬界星空科技MES的核心定位與定價模式 市場定位： 專注於中小型製造企業，特別是離散製造行業（如機械加工、裝備組裝、電子電氣等）。其核心賣點是“輕量化、易實施、高性價比”。 主要定價模式： 一次性買斷（永久授權） + 年服務費： 這是其主流模式。客户支付一次性軟件授權費用，獲得軟件的永久使用權，然後每年支付一定比例（通常為授權費的15%-20%）的維保服務費（含技術支持和版本

數字化轉型 , 工業互聯網 , 工業智能化 , 人工智能 , 製造業

openanolis 頭像

龍蜥社區 - “操作系統開源與 AI 進化”分論壇全議程來啦 | 2025 雲棲大會

歡迎大家掃描上方海報二維碼或鏈接報名參加：https://yunqi.aliyun.com/2025/ticket?activityId=NTQ1Ng==tick...

雲棲大會 , 操作系統 , 人工智能

nocobase 頭像

NocoBase - NocoBase 如何成為 ED 的技術底座，支撐內部系統到商業化產品？

原文鏈接：https://www.nocobase.com/cn/blog/ed。 引言 我們的一個有趣經歷是：在售前階段，我們常常把 NocoBase 與 AI 結合，用極快的速度交付 POC。客户常常驚訝於：週一才剛見面，等到週三回來，就已經能看到一個完整可用的原型。通常他們都會問：“這是什麼魔法？”而當我們揭曉是 NocoBase 時，總會引發客户的驚喜與技術上的好奇。 —— Fabi

無代碼開發平台 , 開發工具 , 低代碼 , 技術架構 , 開源

liudamao 頭像

劉大貓 - Redis 搭建主從複用-讀寫分離和主備切換,及重要的關鍵詞解釋 部分2

# 3.10註釋公共配置追加文件 根據需求配置是否打開追加文件選項 appendonly yes - 每當 Redis 執行一個改變數據集的命令時（比如 SET），這個命 令就會被追加到 AOF 文件的末尾。這樣的話，當 Redis 重新啓時，程序就可以通過重新執 行 AOF 文件中的命令來達到重建數據集的目的。 3.11從服務器默認是隻讀不允許寫操作(不用修改) 4. 添

大數據 , 雲計算 , 算法 , 物聯網 , 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

codists 頭像

codists - 《計算機組成及彙編語言原理》閲讀筆記：p177-p177

《計算機組成及彙編語言原理》學習第 13 天，p177-p177 總結，總計 1 頁。 一、技術總結 1.real mode A programming model where the program has access to the entire capability of the machine, bypassing security and memory management. Usefu

python3.x

writers 頭像

思否編輯部 - 智創飛躍｜2025 Google 開發者大會邀你報名

點擊屏末|閲讀原文|即刻報名2025Google 開發者大會

google , google-i-o-25

u_17580222 頭像

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

u_17420180 頭像

合合信息解決方案 - 銀行國際結算業務單據處理系統推薦

方案介紹 在全球貿易頻繁與金融數字化轉型的雙重推動下，國際結算業務作為銀行服務跨境實體經濟的核心環節，其單據處理的效率與風控水平直接決定銀行的市場競爭力。針對信用證、提單等單據格式繁雜、版式多變的特點，以及傳統人工與半自動化處理模式存在的效能瓶頸，合合信息推出國際結算業務智能文檔處理平台，為銀行單據處理難題提供核心解決方案。 該平台依託合合信息多模態大模型文本智能技術

機器學習 , 字段 , 風控 , 數據 , 人工智能

u_16349720 頭像

短短同學 - 全網最詳細CSS知識講解

CSS 全棧知識指南：從基礎語法到高級實戰 CSS（Cascading Style Sheets，層疊樣式表）是網頁的 “美容師” 與 “建築師”—— 它不僅定義文字顏色、背景樣式等視覺表現，更通過佈局技術構建網頁的骨架結構。從 1996 年 CSS1 誕生至今，其已發展為包含數百個屬性、適配多端場景的龐大體系。本文將以 “原理→技術→實戰→優化” 為脈絡，拆解 CSS 的

選擇器 , 盒模型 , 人工智能 , 深度學習 , Css

u_17512334 頭像

疆鴻智能研發中心 - CC LINK IE與ETHERNET/IP“語病”有治了！一網關讓產線精準同步

CC LINK IE與ETHERNET/IP“語病”有治了！一網關讓產線精準同步 在電子製造車間裏，PCB測試線如同一道精密的脈搏。一側，三菱PLC控制着機械臂的每一次起落；另一側，羅克韋爾PLC指揮着檢測儀的每次測量。這本應是完美的配合，卻因兩大工業巨頭“語言不通”——CC LINK IE與ETHERNET/IP協議無法直接對話，導致機械臂與檢測儀動作存在毫秒級延遲，最終

ETHERNET , ip , CCLINKIE , 協議轉換 , 人工智能 , 深度學習 , 網關 , 工業自動化

u_16380863 頭像

未聞花名AI - 構建AI智能體：十一、語義分析Gensim — 從文本處理到語義理解的奇妙之旅

一、Gensim是什麼？ 想象一下你面對成千上萬篇中文文章，想要快速瞭解這些文章主要討論什麼話題，或者找到相似的文檔，甚至讓計算機理解詞語之間的語義關係，並發現文本中的相似模式和語義結構，這就是Gensim的主要用途。Gensim非常高效，即使處理百萬級的文檔也能遊刃有餘。 Gensim是一個專門用於自然語言處理的Python庫，它的核心功能是： 從大

預處理 , sed , pytorch , 人工智能 , 詞向量

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 - 更高效的數據處理解決方案：基於 MinIO 部署 Apache Doris 存算分離版本實踐

引言 現代數據處理在多維度面臨嚴峻挑戰，一方面，數據量的持續增長致使傳統存儲成本居高不下，非結構化數據所佔比例日益攀升，進一步加重了存儲負擔，且數據質量問題推高了存儲和清洗成本；另一方面，企業內部往往存在多套系統，數據難以集成，這對數據分析的成本和時效性也提出了更高的要求。 Apache Doris 作為一款具備高性能的實時分析數據庫，擁有湖倉一體的能力。當它與 MinIO 這樣高性能且 S3 兼

教程 , 知識 , apache

fannaodeshafa 頭像

煩惱的沙發 - Windows 開發環境這麼難配，為什麼還有那麼多人在用？

很多第一次在 Windows 配置開發環境的同學，應該都會遇到一些問題。 裝個 Python，忘了勾 「Add to PATH」，pip 命令就得重來 教程裏一行 npm install 絲滑流暢，輪到自己就滿屏紅字，報了一堆 C++ 編譯錯誤？ 在命令行裏習慣性地敲個 ls，結果系統回一句「這不是內部或外部命令」 下載個exe，安裝完成後還得改配置文件 在 Windows 上配置一個

觀點 , windows , 開發工具 , 開發環境

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

u_16776161 頭像

天潤融通科技 - 客户服務轉折點：從工具效率到AI勢能

過去二十年，客户服務的競爭始終圍繞“工具效率”展開。 從語音機器人到雲客服，從自動外呼到知識庫升級，企業不斷用新工具武裝人力，希望讓人“跑得更快”。但這種模式的核心仍然是“以人為驅動力”——工具只是放大器，而非替代者。 問題在於，這條路已經走到了盡頭。人的潛力被壓榨到極限，工作強度的上限已無法再突破。再好的工具，本質上仍是在要求人用更短的時間完成更多的任務。無論從人性

人工智能 , 深度學習 , 客户服務