tag 自然語言處理

標籤
貢獻44
103
07:11 PM · Oct 26 ,2025
infodator 頭像 openbayescom 頭像 congweibiaobaidemalingshu 頭像 u_13357275 頭像 nizi_60e514d097c9a 頭像 aloudata 頭像 lab4ai 頭像 chaoshenjinghyperai 頭像 mankeji 頭像 huamingshixunkeji 頭像 u_15903730 頭像 u_16175470 頭像

@自然語言處理 / 博客 RSS 訂閱

u_16099213 頭像

編程思想者 - AI智能寫作軟件寫作狐，快速生成偽原創、摘要提取、字體轉化、內容相似度檢測等等

寫論文邏輯混亂，文獻綜述無從下手，開題報告一籌莫展？別慌！懂你！無論你是正在為畢業論文頭疼的大學生，還是在為碩士論文、博士論文絞盡腦汁的研究生，或是為了職稱評定而努力撰寫期刊論文、會議論文的科研人員，AI寫論文工具都能為你提供強大的支持。掌橋科研等多款AI生成論文軟件，覆蓋了從AI寫畢業論文到AI寫課程論文，再到AI寫科普文章、AI寫開題報告、AI寫文獻綜述，甚至是AI生成畢業論

自動生成 , 自然語言處理 , 參考文獻 , 人工智能 , 數據結構與算法

收藏 評論

huamingshixunkeji 頭像

華明視訊科技 - 想知道海關智能卡口系統廠家靠不靠譜，記住以下五點，絕對不踩坑！

各位關心口岸智能化建設的同仁們，大家好！我是華明視訊。我們深耕海關智能監管領域多年，見證了太多企業在選擇卡口系統時踩坑、交學費。一套不靠譜的系統，輕則導致通關效率低下，重則引發監管風險，損失難以估量。 今天，我們不吹噓自己，只想作為行業裏的“老炮兒”，給大家分享五個硬核的評判標準。想知道一個海關智能卡口系統廠家靠不靠譜，照着這五點去問、去看，心裏立馬就有底！ 第一點：看“身份證”與“履

圖像識別 , 神經網絡 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

infodator 頭像

容智信息 - 容智Report Agent智能體打通業財數據孤島，實現分析效率10倍提升

在多元業務與複雜產業鏈的架構下，大型集團企業的經營管理長期面臨一個根本性挑戰：如何快速、清晰地看清全域的成本與利潤構成，並讓數據真正服務於動態決策。某業務覆蓋多領域的大型集團，其財務與經營分析部門的實踐，揭示了一個從“被動彙報”到“主動洞察”的轉型路徑。在這一過程中，智能體的引入與應用，成為推動分析效能躍遷、實現持續賦能的關鍵驅動力。 該集團旗下產品線眾多，數據分散在不同區域

數據挖掘 , 自動駕駛 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 【TVM 教程】自定義優化

TVM 先已更新到 0.21.0 版本，TVM 中文文檔已經和新版本對齊。 Apache TVM 是一個深度的深度學習編譯框架，適用於 CPU、GPU 和各種機器學習加速芯片。更多 TVM 中文文檔可訪問 →Apache TVM Apache TVM 的一個主要設計目標是便於自定義優化流程，無論是用於科研探索還是工程開發，都可以靈活迭代優化過程。本教程將涵蓋以下內容： 目錄 審查整體流程 可

機器學習 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

openbayescom 頭像

OpenBayes - 跨語言智能再升級！Multi-LMentry 打造多語理解新基準；Nemotron-Personas-USA重塑虛擬人畫像生成

公共資源速遞 5 個公共數據集： Life Style Data 生活方式數據集 Multi-LMentry 多語言基礎任務評測基準 Nemotron Personas USA 美國人物畫像數據集 The Diabetes Health Indicators 糖尿病健康指標數據集 Global Earthquake-Tsunami Risk 全球地震海嘯風險評估數據集 訪問官網立即使

機器學習 , 圖像識別 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

openbayescom 頭像

OpenBayes - DiffVox 打造下一代聲效模型；面部情感識別數據集讓 AI 讀心術成真！

公共資源速遞 6 個公共數據集： Freebayes_Benchmark 基準測試集 DiaMoE-TTS 多方言語音表音數據集 APEX 人工智能生產力評測基準數據集 BWA_Benchmark（SBC）基準測試集 DeePMD-kit_Example 勢能模型示例數據集 Facial Emotion Recognition 面部情感識別數據集 5 個公共教程 ： DiffV

機器學習 , 圖像識別 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

u_16175470 頭像

mob649e815d334b - llama 7b原理

LLaMA 7B原理：探討與解析 LLaMA（Large Language Model Meta AI）是Meta發佈的系列大型語言模型，其中7B代表其參數量為70億個。該模型致力於提高生成預訓練模型的性能，致力於在自然語言處理（NLP）任務上取得突破。本文將探討LLaMA 7B的技術原理、架構解析、源碼分析以及擴展討論，旨在為讀者提供一個全面的理解框架。 背景描述 在過去的

初始化 , 自然語言處理 , aigc , ci

收藏 評論

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

收藏 評論

infodator 頭像

容智信息 - AI賦能職場：個體即團隊，效能倍增新範式

近期多項行業實踐顯示，AI工具已深度滲透職場場景：銀行合同審查AI系統可自動識別合規風險點並標註，智能協作平台3分鐘即可完成原需3小時的信貸初審文書，行政領域的AI應用亦實現日程聯動、會議室預訂及考勤統計的自動化。這一趨勢引發部分職場人士對“崗位替代”的擔憂，但本質上，AI並非職場競爭者，而是推動效率升級與價值重構的核心助力。如同20年前Excel工具作為辦公神器，當前AI工具的核心價值在

資訊 , 機器人 , 自然語言處理 , 知識 , 人工智能

收藏 評論

infodator 頭像

容智信息 - 企業智能體落地指南——拆解7大關鍵問題，附實戰避坑策略

在企業智能化轉型的進程中，智能體（AI/RPA等智能應用）本應是撬動效率與價值的槓桿，但不少企業管理層卻因踩入隱性“深坑”，導致項目延期、投入打水漂甚至引發業務風險。容智信息基於數百個企業智能化項目的實戰覆盤，提煉出智能體落地最容易踩的7大深坑及避坑核心思路，助力企業管理層在智能體佈局中“避坑增效”，讓數字化投入真正轉化為業務增長動能。 部分企業為追求“全自動化”，將核心業

機器人 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

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

收藏 評論

infodator 頭像

容智信息 - 企業AI智能體落地破局：5大行動建議，助管理層實現智能體從“用起來”到“價值永續”

在企業數字化轉型的賽道上，智能體（AI/RPA等智能應用）是公認的效率引擎與增長利器。但對於企業管理層而言，“如何讓智能體真正落地生效？如何避免淪為短期工具、實現長期價值放大？”這些問題始終縈繞心頭。容智信息基於數百個企業智能化項目的實戰沉澱，提煉出五大行動建議，為管理層繪製出從“智能體落地”到“價值持續深耕”的清晰路線圖。 許多企業管理層對智能體落地的最大顧慮，是“投入大

資訊 , 機器人 , 自然語言處理 , 知識 , 人工智能

收藏 評論

infodator 頭像

容智信息 - 量化智能體價值：一套指標體系，讓企業高管精準掌控AI運營的效率與質量躍遷

在企業數字化轉型的浪潮中，智能體（AI/RPA智能應用）的上線絕非終點，而是價值兑現的新起點。對於企業CEO、技術總監而言，如何量化智能體給運營效率、質量乃至業務增長帶來的真實變化？如何判斷智能體是否“物有所值”，甚至在不達預期時推動優化迭代？容智信息的“智能體指標追蹤表”，構建了一套穿透運營全維度的指標體系，為企業高層提供決策級的價值洞察。 許多企業在智能體上線後，僅以“

資訊 , 機器人 , 自然語言處理 , 教程 , 人工智能

收藏 評論

dayong_59b0e68b1ed0d 頭像

六邊形架構 - 大模型應用開發技術路線（中）：大模型微調與定製從概念到落地

文 / 勇哥 原創文章，轉載請聯繫授權 關注公眾號「六邊形架構」，及時瞭解更多的技術分享和項目經驗 我是勇哥，一名在技術領域摸爬滾打10多年的技術老兵。繼上一篇《大模型應用開發技術路線（上）：從概念到RAG實戰，這套方法論讓我從0到1落地企業級AI應用》之後，我想跟大家分享一下我在學習和應用大模型應用開發過程中對於大模型微調與定製的一些經驗和發現。 今天，讓我們深入剖析大模型微調

觀點 , llm , 算法 , 自然語言處理 , 人工智能

收藏 評論

nizi_60e514d097c9a 頭像

MIAOYUN - MIAOYUN | 每週AI新鮮事兒（10.24-10.31）

本週AI領域迎來密集更新，視頻生成為創新焦點，字節、MiniMax等發佈的模型實現了長視頻、多鏡頭與效率突破；多模態、3D場景與智能體平台（如華為WorldGrow、智源Emu3.5、360 SEAF）取得顯著進展；同時，ChatGPT在心理安全、OpenAI在開源安全模型以及PayPal與OpenAI的生態合作上也有關鍵動作，一起來回顧本週發生的AI新鮮事兒吧！ AI 大模型 中國科大與字節跳動

機器學習 , 算法 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

infodator 頭像

容智信息 - 智能體最佳實踐的方法論（五）：擴展規劃

當您的企業在某個業務場景中，藉由智能體實現了效率的跨越式提升——比如財務自動化讓人力成本直降30%，智能客服讓客户滿意度飆升25%……您是否會思考：如何讓這“單點的光芒”照亮全業務版圖？如何讓智能體從“部門級工具”進化為“企業級智能基建”？這正是智能體擴展規劃的核心價值——它是企業智能轉型從“試水”到“深耕”的關鍵橋樑，是讓智能體價值從“短期紅利”升級為“長期生態優勢”的操盤密碼。接下來，

資訊 , 機器人 , 自然語言處理 , 人工智能

收藏 評論

aijianshendexuegao 頭像

Protonbase - AI 正在批量 “創建” 數據庫：一場由 Agent 引發的千億級數據架構革命

一場由 AI Agent 掀起的數據庫革命，正在瓦解沿用了三十年的數據架構體系。 從2024 年 10 月到 2025 年 5 月，短短七個月內，AI Agent 創建的數據庫數量從 30% 爆漲至 80%，遠超人類工程師的工作產出。與此同時，Databricks 以 10 億美元收購Neon的消息震動業界——這家人工智能巨頭正在用真金白銀搶佔下一代數據基礎設施入口。 “傳統架構正在集體失靈。”

nosql , 自然語言處理 , 數據庫 , postgresql , 人工智能

收藏 評論

infodator 頭像

容智信息 - 企業AI選型：場景分層匹配全指南

在企業數智化轉型的浪潮中，“AI工具選型”成了許多管理者的心頭難題：盲目上智能體，發現大量結構化工作用不上其能力，成本居高不下；只上RPA，又無法應對複雜的非結構化場景……容智信息基於千餘家企業服務經驗，總結出“三階段AI生產力模型”，清晰界定RPA、Workflow Agent、AI Agent的適用邊界，讓企業每一分AI投入都精準轉化為業務價值。 當企業面臨訂單核對、數

機器學習 , 觀點 , 圖像識別 , 自然語言處理 , 人工智能

收藏 評論

comehope 頭像

comehope - AI實戰：用 HuBERT 識別樂曲風格

摘要 本項目的目標是使用深度學習來識別樂曲風格，如一首歌曲是流行樂還是搖滾樂。 我們將把樂曲特徵轉換為圖像數據，再利用 HuBERT 進行訓練，生成的模型可以存儲到你自己的 Hugging Face 帳號中。 本教程的 Jupyter 文件地址： https://openbayes.com/console/public/tutorials/ODwKxev36xS 本教程的視頻地址： h

機器學習 , tensorflow , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI輔助審核系統：用技術給內容把關，效率精度雙提升

傳統人工審核就像“大海撈針”，面對海量文字、圖片、視頻內容，不僅要熬夜加班，還容易因疲勞漏判、標準不一出錯。而AI輔助審核系統的出現，用硬核技術重構審核邏輯，讓“人工+智能”的協同模式成為主流，既解放人力，又把審核精度拉滿。 這個系統的核心技術邏輯是“學習-識別-輔助”的閉環，每一步都藏着實打實的技術硬活。首先是“學習階段”，工程師會把海量合規與違規樣本“喂”給AI模型——比如文字裏

NLP , 自然語言處理 , 人工智能 , 深度學習 , 核心技術

收藏 評論

c9eulmav 頭像

coding進階 - 一文彙總開源大語言模型，人人都可以擁有自己的ChatGPT

前言 OpenAI發佈的ChatGPT火爆全球以來，全球互聯網大廠陸續跟進，紛紛宣佈了自家的Chat產品，如Google的Bard，百度的文心一言，阿里的通義千問等等。 這些Chat產品背後都是依賴的大語言模型(Large Language Model)。 如果是做一個垂直領域的Chat產品，有2種方案： 直接使用商業化產品，前提是商業化產品支持對模型做fine-tune(微調)。比如Open

自然語言處理 , chatgpt , openai , 人工智能 , meta

收藏 評論

infodator 頭像

容智信息 - 錨定GCAO核心原則，讓企業智能體建設精準落地、高效產出

不少B端企業在智能體建設中陷入困局：投入了技術資源，落地的智能體卻要麼偏離業務核心目標，要麼決策脱離實際場景，最終淪為“演示工具”而非“生產力引擎”。問題的核心，在於缺乏一套系統、可落地的構建原則——而容智信息提出的GCAO框架，為破解這一困局提供了一套專業方法論，讓智能體建設從“盲目試錯”轉向“價值導向”。 智能體建設的首要誤區，是將“自動化”等同於“價值化”，導致工具落

資訊 , 機器人 , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

u_15903730 頭像

WangLanguager - Word2Vec介紹和代碼示例

Word2Vec 介紹 Word2Vec 是一種用於生成詞嵌入（word embeddings）的模型，由 Google 的研究團隊於 2013 年提出。它能夠將詞彙映射到一個低維度的向量空間，使得相似的詞在向量空間中距離較近。 Word2Vec 的兩種主要模型 Skip-Gram：給定一個詞，預測其上下文中的詞。適用於處理稀

yyds乾貨盤點 , 加載 , 自然語言處理 , 詞向量 , 前端開發 , Javascript

收藏 評論

openbayescom 頭像

OpenBayes - 教程上新丨MIT等推出BindCraft，直接調用AF2，實現蛋白質結合體的智能化設計

在生命體系中，蛋白質很少單獨發揮其生物學功能，而是依賴於蛋白質-蛋白質相互作用（PPI）來執行復雜的生物學過程。因此，設計能夠特異性靶向和調控 PPI 的蛋白質結合物具有巨大的治療和生物技術潛力。 然而，傳統的蛋白質結合物生成方法，例如免疫接種、抗體庫篩選或定向進化，通常費力費時，並且對靶位的控制有限。 計算蛋白質設計提供了一種強大的替代方案，能夠根據特定靶標和結合位點定製結合物。而早期計算方法（

機器學習 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論