tag 算法

標籤
貢獻213
213
05:25 PM · Oct 25 ,2025
qingfouai 頭像 tecdat 頭像 youyudetusi 頭像 huikaichedemianbao 頭像 xiongshihubao 頭像 horizondeveloper 頭像 howiecong 頭像 liubo86 頭像 lab4ai 頭像 chiqingdechouti 頭像 liudamao 頭像 tongsuots 頭像

@算法 / 博客 RSS 訂閱

u_16213666 頭像

mob64ca140c3859 - LeetCode之83. 刪除排序鏈表中的重複元素 - 個人文章

文章目錄 83. 刪除排序鏈表中的重複元素 示例 1： 示例 2： 提示： 解題思路 問題深度分析 問題本質 核心思想 關鍵難點分析 典型情況分析 算法對比 算法流程圖

leetcode , 算法 , 後端開發 , 鏈表 , 重複元素 , harmonyos

收藏 評論

zengjingaiguodekaomianbao 頭像

曾經愛過的烤麪包 - AI巨頭連夜亮劍，普通人如何抓住這波技術紅利？

阿里和華為同日放出技術大招，當行業格局被重新定義，掌握前沿技術不再只是工程師的特權。 阿里Ovis團隊12月3日發佈了文本渲染圖像生成模型Ovis-Image，專門為高質量文本渲染優化，同時保持低計算成本。這一模型基於Ovis-U1構建，通過增加MMDiT參數和優化結構設計，採用以文本為核心的訓練流程，結合大規模預訓練與精心設計的後訓練優化。 模型整體由三大核心組件精密咬合而成：作為大腦的Ovis

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

u_16213697 頭像

mob64ca14137e4f - 洛谷題解P1036 選數_wx62ea3a68bb6bf的技術博客

解： 代碼： #includebits/stdc++.h using namespace std; int ans=0; int n,k,arr[25]; int Isprime(int n) { if(n2) return 0; for(int i=2;i*i=n;i++) { if(n%i==

遞歸 , 數據結構 , 算法 , i++ , c++ , 後端開發 , Python

收藏 評論

xinghuankeji 頭像

星環科技 - 什麼是 LLMOps？一文解析大語言模型運維（LLMOps）

LLMOps（Large Language Model Operations，大語言模型運維） 是指圍繞大語言模型（LLM）在數據準備、模型訓練、部署、監控和持續優化等全生命週期中的一整套管理和運維方法論與實踐體系。 大語言模型（LLM）通常基於海量文本和代碼數據進行訓練，能夠完成文本生成、智能問答、機器翻譯、代碼生成等複雜任務。隨着 LLM 在企業級場景中的廣泛落地，LLMOps 成為保障

算法 , 人工智能

收藏 評論

u_16213568 頭像

網絡小墨舞風 - 語譜圖的在語音識別中的應用

tacotron論文解讀 tacotron是第一個端到端TTS模型 輸入：raw text 輸出：mel-spectrogram圖(梅爾頻譜圖) 利用Grilffin-Lim聲碼器將mel-spectrogram轉為wav 名詞解釋 1. mel-spectrogram 梅爾倒譜圖 在音頻

語譜圖的在語音識別中的應用 , MEL , 算法 , NLP , 人工智能 , 語音識別

收藏 評論

xiongshihubao 頭像

醉舞經閣 - JZ-014-鏈表中倒數第 K 個結點

鏈表中倒數第 K 個結點 題目描述 輸入一個鏈表，輸出該鏈表中倒數第k個結點。 題目鏈接: 鏈表中倒數第 K 個結點 代碼 /** * 標題：鏈表中倒數第 K 個結點 * 題目描述 * 輸入一個鏈表，輸出該鏈表中倒數第k個結點。 * 題目鏈接：https://www.nowcoder.com/practice/529d3ae5a407492994ad2a246518148a?tpI

遍歷 , 雙指針 , 算法 , JAVA

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - Post-Training on PAI (4)：模型微調SFT、DPO、GRPO

引言 Post-Training（即模型後訓練）作為大模型落地的重要一環，能顯著優化模型性能，適配特定領域需求。相比於 Pre-Training（即模型預訓練），Post-Training 階段對計算資源和數據資源需求更小，更易迭代，因此備受推崇。 近期，我們將體系化地分享基於阿里雲人工智能平台 PAI 在強化學習、模型蒸餾、數據預處理、SFT等方向的技術實踐，旨在清晰地展現 PAI 在 Post

大數據處理 , 雲計算 , 算法 , 人工智能 , 模型

收藏 評論

qingfouai 頭像

青否Ai - AI時代競爭指南：如何打造高效的AI數字員工團隊！

隨着AI模型和工具的普及，我們可以藉助AI做：市場調查分析、用户需求分析、營銷文案撰寫、圖片視覺設計、視頻製作以及數據經營分析等等，這些功能完全涵蓋了一個商業模型的閉環。因此，利用AI是可以為自己打造數字化的員工團隊的。 藉助這個AI員工團隊，可以提升工作效率，可以減少機械、重複的操作，可以擴寬知識面和工作技能，同時還能無限的複製和拓展。 所以，未來一定是人+AI的競爭，也許現在和你競爭的就是一個

算法 , 人工智能 , 深度學習

收藏 評論

tecdat 頭像

拓端tecdat - Python用LightGBM、XGBoost、隨機森林及Optuna超參數優化的航班票價數據集預測研究

全文鏈接：https://tecdat.cn/?p=44623 原文出處：拓端數據部落公眾號 關於分析師 在此對Shen Wenwen（Wenwen Shen）對本文所作的貢獻表示誠摯感謝，他在浙江工商大學完成了信息管理與信息系統專業的相關學習，專注數據分析領域。擅長Python、Matlab、深度學習、電商數據分析等。 Wenwen Shen曾在數據分析相關領域參與多個實踐

機器學習 , 數據挖掘 , 算法 , 人工智能 , 深度學習

收藏 評論

tecdat 頭像

拓端tecdat - 專題：2025新能源轉型展望報告|附270+份行業報告PDF、數據可視化模板彙總下載

原文鏈接：https://tecdat.cn/?p=44355 原文出處：拓端抖音號@拓端tecdat 引言 全球能源體系正經歷以“清潔化、智能化、分佈式”為核心的結構性變革，新能源已從補充能源躍升為推動能源安全與氣候治理的核心力量。從中國光伏農業的土地複合利用創新，到全球儲能需求的爆發式增長，從AI技術對能源效率的極致提升，到可控核聚變的技術突破，行業轉型已進入“實踐深化+技術迭代”的關

機器學習 , 數據挖掘 , 算法 , 人工智能 , 深度學習

收藏 評論

dongyf 頭像

大道無情我有情 - 【每日一題】LFU 緩存

一個緩存結構需要實現如下功能： void set(int key,int value)：加入或者修改 key 對應的 value int get(int key)：查詢 key 對應的 value 值 但是緩存最多放 K 條記錄，如果新的 K + 1 條記錄需要加入，就需要根據策略刪掉一條記錄，然後才能把新記錄加入。 這個策略為：在緩存結構的 K 條記錄中，哪一個 key 從進入緩存結

堆 , 算法 , 面試問題 , 鏈表 , 數據結構和算法

收藏 評論

o2team 頭像

凹凸實驗室 - 蒲公英 · JELLY技術週刊 Vol.35: Flash 四宗罪？

蒲公英 · JELLY技術週刊 Vol.35 Flash 曾是 Web 邁向新世代的福音書，它為這個世界帶來了繽紛色彩，但也如伊甸園的蘋果，閃耀着智慧的光芒，卻四災隨行。誕生 1995 年至今 25 年，這個潘多拉魔盒終於要被人們關上並塵封入土，然以史為鑑可知興替，flash 緣起為何？為何被高高捧起又跌入凡塵？只是過時，亦或是 web 初心不在？這些都值得我們去思考。 登高遠眺 天高地迥，覺宇

命令行 , 視頻 , Flash , 算法 , Javascript

收藏 評論

qingfouai 頭像

青否Ai - 價值重構：從時間出賣者到價值創造者，凸顯ai員工的重要性！

"我每天工作10小時，週末還要加班，但感覺離財務自由越來越遠。 這正是傳統職場的最大陷阱：我們被訓練成"時間出賣者"，而非"價值創造者"。 在舊體系中，你的價值=工時×時薪。這種線性模型註定讓你陷入忙碌卻無法突破的困境。 而AI時代正在重構價值評估體系：你的價值=解決問題的能力×放大係數。 關鍵區別在哪裏？窮人的時間只賣給一個人，富人的時間通過產品化賣給成千上萬人。 一個案例（青否ai員工源頭v：

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

youyudetusi 頭像

憂鬱的吐司 - 青否AI員工提升客户體驗：讓服務更智能、更人性化！

在現代企業中，客户體驗已經成為競爭力的重要指標。客户期待快速、精準、個性化的服務，而人工服務往往受限於效率和精力。AI員工的出現，讓企業服務煥然一新，它不僅能高效執行任務，更能讓服務變得智能而人性化。 AI員工能夠實時理解客户需求，從諮詢到解決問題，完成整個業務流程的閉環交付。比如，當客户提出修改訂單或查詢服務狀態時，AI員工會快速識別信息、調用系統執行操作，並及時反饋結果。 整個過程中，客户不再

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

u_16231477 頭像

蒙奇D索隆 - 【算法】遞歸的藝術：從本質思想到遞歸樹，深入剖析算法的性能權衡

(遞歸) 導讀 大家好，很高興又和大家見面啦！！！ 在上一篇內容中，我們揭開了遞歸的"神秘面紗"：遞歸就是函數自己調用自己，並且掌握了它的兩個必要條件： 必須有一個明確的結束條件 每次遞歸調用都要向結束條件靠近 理解了這些基礎知識後，不知道你是否也曾思考過這樣的問題： 為什麼我們需要遞歸？​ 如果所有問題都能用循環解決，遞

yyds乾貨盤點 , 遞歸 , 算法 , C語言 , c++ , 後端開發 , c

收藏 評論

cloudyttt 頭像

雲魚 - 七大經典排序算法總結（算法筆試基礎）

前言 前端面試和筆試中被問到最多的算法可能就是各種排序算法了，算法並不難，平時經常用到，但很多時候很少會去認真考慮算法優劣性和適應場景，真正一個一個去分析也需要花不少時時間，所以趁年末有空，不如再複習一遍排序算法。 所有排序算法讀者可自行嘗試coding，想看源碼戳這裏。此文配合源碼體驗更佳！ 排序算法評價標準 時間複雜度 一個算法語句總的執行次數是關於問題規模N的某個函數，記為f(N)，N稱為問

排序 , 算法 , 面試 , 筆試 , Javascript

收藏 評論

jdcdevloper 頭像

京東雲開發者 - 從歷代GC算法角度刨析ZGC

作者：京東科技 文濤 前言 本文所有介紹僅限於HotSpot虛擬機， 本文先介紹了垃圾回收的必要手段，基於這些手段講解了歷代垃圾回收算法是如何工作的， 每一種算法不會講的特別詳細，只為讀者從算法角度理解工作原理，從而引出ZGC，方便讀者循序漸進地瞭解。 GC 是 Garbage Collection 的縮寫，顧名思義垃圾回收機制，即當需要分配的內存空間不再使用的時候，JVM 將調用垃圾回收機制來回

jvm , 算法 , gc , 垃圾回收 , 後端

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - 阿里雲 AI 搜索開放平台：從算法到業務——AI 搜索驅動企業智能化升級

——已獲知乎作者【GitHub Daily】授權轉載 目前大模型的強大能力，使其成為一些企業和行業的主要創新驅動力，企業亟需重新審視和調整現有的創新機制，以適應AI技術和大數據的快速發展。目前很多企業已經開始嘗試大模型在業務中進行賦能，但在使用一些大模型時往往因為自身場景的需求不同，導致在應用落地中存在一些場景受限，知識庫不完善等一些痛點。 阿里雲AI搜索，憑藉先進的大模型能力和強大的 RAG 處

大數據 , 搜索 , 算法 , 阿里雲 , 人工智能

收藏 評論

u_14819979 頭像

wx5ec286973f886 - 人工智能算法優化YOLO的目標檢測能力

REF：多模態融合下家居機器人高精度SLAM 與區域分割方法研究 1. 人工智能基礎概念 人工神經網絡（Artificial Neural Network，ANN）：理論基礎建立在生物神經系統的數學抽象與非線性函數逼近能力之上，目標是通過非線性變換逼近複雜函數關係，數學框架可視為一個參數化函數的優化問題，網絡通過層級化的非線性映射構

視覺slam , MySQL , 建圖 , yolo , 算法 , 數據庫 , 人工智能

收藏 評論

qingfouai 頭像

青否Ai - AI賦能：AI引領職場變革，青否ai超級員工上線助力企業降本增效！

隨着科技的日新月異，生成式AI已經成為職場中不可或缺的一部分。它不僅提高了工作效率，還解鎖了全新的工作方式。據最新調研顯示，超過75%的全職員工已經開始在工作中使用生成式AI，這一比例比半年前有了顯著增長。這標誌着我們正處在一場職場革命的前沿！（青否ai員工源頭v：zhibo175） AI如何重塑職場？ · 效率提升：AI工具幫助員工節省大量時間，完成大部分任務，但更重要的是，它激發了全新的工作模

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

warren2lynch 頭像

Warren2Lynch - Visual Paradigm AI 圖表生成器重大升級：新增 11 種智能圖表類型，助力高效建模與設計

Visual Paradigm Desktop 的 AI 圖表生成器近期迎來了重大升級，新增了 11 種高度需求的 AI 驅動圖表類型，旨在滿足即時、結構化和合規的可視化需求。這些新增圖表類型涵蓋數據分析、系統工程、概念規劃和麪向對象設計等多個領域，通過生成式 AI 技術，用户可以快速創建複雜模型，極大提升工作效率和設計質量。 新增的 11 種 AI 圖表類型 領域 新增圖表類型 數據分析 數據

算法 , chatgpt , prompt

收藏 評論

lab4ai 頭像

Lab4AI - NeurIPS 2025 Spotlight|還在為KV緩存爆炸苦惱？清華團隊重新設計注意力

論文名稱：Tensor Product Attention Is All You Need 發佈時間：2025年10月23日 👉一鍵直達論文 👉一鍵直達Github 👉Lab4AI大模型實驗室論文閲讀 ✨研究背景 大型語言模型在處理長輸入序列時面臨顯著的計算和內存挑戰，主要瓶頸在於自迴歸解碼過程中鍵值（KV）緩存的內存開銷隨序列長度線性增長。現有方法如稀疏注意力、多查詢注意力（MQA）、

機器學習 , llm , 算法 , chatgpt , 人工智能

收藏 評論

lab4ai 頭像

Lab4AI - 重磅！圖靈獎得主 Bengio 領銜 30 + 頂流學者聯合發文！首次給 AGI 下量化定義

論文標題：A Definition of AGI 作者團隊：人工智能安全中心、加州大學伯克利分校、Morph實驗室、密歇根大學等 發佈時間：2025年10月21日 👉一鍵直達論文 👉Lab4AI大模型實驗室論文閲讀 ✅Lab4AI平台提供AI導讀和AI翻譯等工具，輔助論文閲讀。您還可以投稿復現這篇論文~ ⭐論文簡介 本文旨在提出一個全面、可量化的框架，以澄清AGI的定義，並精確測量AI系統

機器學習 , llm , 算法 , 人工智能 , 深度學習

收藏 評論

u_16099184 頭像

網絡安全戰士 - LeetCode 11-15 題 詳解 Java版 ( 萬字 圖文詳解 LeetCode 算法題11-15 =====＞＞＞ ＜建議收藏＞)_libin9iOak的技術博客

1.27. 移除元素 (Remove Element) 題目要求： 給定數組nums和值val，移除所有數值等於val的元素，返回移除後數組的新長度k。要求原地修改數組，使得前k個元素為不等於val的元素。 解題思路： 使用雙指針的方法：一個指針遍歷數組，另一個指針標記不等於val的元素。 每次遇到不等於val的

leetcode , 數組 , 數據結構 , 算法 , i++ , Css , 前端開發 , HTML

收藏 評論