tag 自然語言處理

標籤
貢獻44
107
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

openbayescom 頭像

OpenBayes - OpenBayes 教程上新丨CSM 駕到，統統閃開！更鮮活的語音生成，從此告別延遲呆板機械味

與 AI 語音助手聊天時，總感覺哪裏怪怪的。它們對問題應答自如，可就是少了點「人味」。語調呆板、停頓突兀，時不時還在莫名其妙的地方卡頓，這種似人非人的違和感，其實就是「恐怖谷效應」在作祟。當 AI 語音與人類語音相似度頗高卻又未達到完美一致時，用户便會感到不適。 近期，由 Sesame 團隊推出的語音生成模型 CSM (Conversational Speech Model) 在眾多語音模型中脱穎

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

收藏 評論

congweibiaobaidemalingshu 頭像

小白獅ww - 給你一個新視角看世界——Depth-Anything-3

如果説以往的 3D 視覺模型像「術業有專攻」的匠人，那麼Depth-Anything-3（DA3） 就是那個突然橫空出世、把所有活都能幹而且幹得還賊好的「全能大師」。它的秘訣很簡單：只用一個標準 Vision Transformer，就能同時搞定深度估計、相機位姿、三維重建和視角渲染。 給它一張圖，它能看深度；給它幾張圖，它能還原三維結構；給它視頻，它還能把相機怎麼動的都推出來；換個角度，它還能幫

圖像識別 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

congweibiaobaidemalingshu 頭像

小白獅ww - 當視覺模型開始「懂你所指」：SAM3 的能力遠超你想象

如果你曾經想過：「我能不能只用一句話，讓電腦在視頻裏自動找出所有『紅色揹包』？」或者希望在一張照片裏隨手點一下，就完成乾淨利落的分割，那SAM3正是為這些需求準備的。 隨着圖像與視頻數據的爆炸式增長，傳統分割方法往往需要大量標註或只能識別固定類別，難以應對複雜開放場景。SAM3 則通過統一的多模態輸入方式——文本、示例與視覺提示——讓模型能主動理解你的意圖，並在圖像與視頻中執行高精度檢測、分

機器學習 , 自然語言處理 , 教程 , 人工智能 , 深度學習

收藏 評論

aloudata 頭像

Aloudata大應科技 - 不只是問數：如何利用 Aloudata Agent 的“智能報告”功能，生成周報、月報？

過去十年，企業對數據的信仰達到了前所未有的高度。“一切用數據説話”成了管理聖經，“BI 看板”成了標配。可諷刺的是，越是標榜“數據驅動”的組織，越深陷於一種隱秘的悖論：數據越來越多，但真正被理解、被使用、被轉化為行動的信息，卻越來越少。 週報、月報本應是這種轉化的關鍵載體。但在現實中，它們常常淪為三件事的混合體： ● 數據搬運（從系統 A 複製到文檔 B ） ● 格式表演（調字體、對齊

數據挖掘 , nosql , 自然語言處理 , chatgpt , 人工智能

收藏 評論

lab4ai 頭像

Lab4AI - 原來用聊天記錄就可以創造數字分身！WeClone項目在Lab4AI平台上的復現

01 | WeClone如何創造數字分身 擁有一個數字分身可能是很多人的一個願望。其實通過給大模型餵我們的聊天記錄，就可打造出我們的數字分身，當前爆火的Weclone項目採取的就是這種做法。先導出自己的聊天記錄，再把聊天記錄作為數據用來微調大模型，讓模型學習我們的語言風格和習慣，就能打造出專屬的數字分身。近期，有開發者在Lab4AI大模型實驗室成功復現WeClone項目，不需要準備繁瑣的環境，很容

機器學習 , 自然語言處理 , 人工智能

收藏 評論

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 - 【Triton 教程】低內存 Dropout

Triton 是一種用於並行編程的語言和編譯器。它旨在提供一個基於 Python 的編程環境，以高效編寫自定義 DNN 計算內核，並能夠在現代 GPU 硬件上以最大吞吐量運行。 更多 Triton 中文文檔可訪問 →https://triton.hyper.ai/ 在本教程中，您將編寫一個內存高效的 Dropout 實現，其狀態將由單個 int32 seed 組成。這與傳統 Dropout 實現不

機器學習 , 自然語言處理 , 人工智能 , 編譯器 , 深度學習

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

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

congweibiaobaidemalingshu 頭像

小白獅ww - 秒拍成片！EX-4D 實現單目視頻的快速 4D 動態場景生成

單目視頻到 4D 動態場景的重建長期以來被視為一個病態逆問題，缺乏基線使深度與運動難以解耦，傳統 SfM 只能恢復靜態外殼，而 NeRF-4D 又依賴數小時的逐場景優化，受制於幾何歧義、數據不足與算力開銷三重瓶頸。 字節跳動旗下的 Pico 團隊推出了新型 4D 視頻生成框架 EX-4D，能從單目視頻輸入生成極端視角下的高質量 4D 視頻。它核心創新在於提出了一種名為深度防水網格（DW-Mesh）

框架學習 , 視頻製作 , 視頻 , 自然語言處理 , 視頻處理

收藏 評論

infodator 頭像

容智信息 - 智能體最佳實踐的方法論（二）：實施

當企業智能體建設進入「第二階段實施環節」，如何將“規劃藍圖”轉化為“業務實效”成為核心命題。這一階段的成敗，直接決定智能體是“淪為技術試驗品”還是“成為業務增長極”。對於技術決策者和企業領導層而言，把握實施階段的四個關鍵步驟，並選對“業務能深度參與”的工具，是破局的關鍵。 智能體實施，是從“概念設計”到“價值交付”的實戰環節，可拆解為四個環環相扣的步驟，每一步都直指“落地效率

自動駕駛 , 機器人 , 自然語言處理 , 人工智能 , 深度學習

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

nizi_60e514d097c9a 頭像

MIAOYUN - MIAOYUN | 每週AI新鮮事兒（10.17-10.24）

本週AI領域動態頻出，百度、阿里、DeepSeek推出高效OCR與視覺語言模型，提升文檔解析與多模態能力；騰訊、字節跳動分別開源世界模型與3D生成模型，推動3D內容生成；Anthropic、OpenAI、Google升級AI工具，聚焦生命科學、瀏覽器集成與開發體驗；華為鴻蒙6、宇樹機器人H2及多項評測基準發佈，推動AI向終端與實體場景加速落地，一起來回顧本週發生的AI新鮮事兒吧！ AI 大模型 百

機器學習 , 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 - 智能體最佳實踐方法論（三）：集成

在“評估-實施-集成-監控”的智能體最佳實踐方法論中，“集成”階段屬於最佳實踐方法論的第三步，是承上啓下的關鍵一躍——它將實施階段的智能體從“單點工具”升級為“融入企業業務生態的有機組件”，是智能體從“能運行”到“能創造持續價值”的核心保障。對企業而言，集成的質量直接決定了智能體能否真正嵌入業務流程、與現有系統協同作戰，進而實現降本增效的規模化價值。 數據是智能體的“養分”

資訊 , 機器人 , 自然語言處理 , 人工智能

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

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

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