tag AI

標籤
貢獻161
765
03:55 AM · Nov 07 ,2025
wintersun 頭像 Goblinscholar 頭像 lying7 頭像 codingtea 頭像 dmx778 頭像 OBCE666 頭像 yupi 頭像 poloai 頭像 XY-Heruo 頭像 yjmyzz 頭像 u_16060192 頭像 huggingface 頭像

@AI / 博客 RSS 訂閱

dmx778 頭像

大模型玩家七七 - 微調與安全隱私：為什麼微調會放大風險

安全問題，往往不是在“上線那一刻”出現的 如果你做過幾次大模型微調項目，很可能有一種錯覺。 項目初期，一切看起來都很安全。 數據在內網，模型在內網，訪問有權限控制， 甚至你可能會想： “我們又不是直接對外提供服務，哪來的安全風險？” 但很多隱私和安全問題，並不是在模型“上線”那一刻才出現的。 它們更像是被慢慢埋進模型參數裏的定時炸彈。 等你意識到問題的時候，往往已經很難回頭

AI

收藏 評論

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程四：計算機視覺 第三週：檢測算法 （二）目標檢測算法

此分類用於記錄吳恩達深度學習課程的學習筆記。 課程相關信息鏈接如下： 原課程視頻鏈接：[雙語字幕]吳恩達深度學習deeplearning.ai github課程資料，含課件與筆記:吳恩達深度學習教學資料 課程配套練習（中英）與答案：吳恩達深度學習課後習題與答案 本篇為第四課的第三週內容，3.3到3.5的內容。 本週為第四課的第三週內容，這一課所有內容的中心只有一個：計算機視覺。應

AI

收藏 評論

wintersun 頭像

PetterLiu - Gemini3在線構建一個基於女性照片解析的應用

Gemini3在線構建一個基於女性照片解析的應用 預覽 https://ai.studio/apps/drive/1qoagJHJBONxI9dBd-MhYmstFwIM7lCRA 在AI Studio中，直接就生成了 效果圖 另一個案例 代碼在這兒 https://github.com/ljylun/Panoramic-Deep-Concept-Decomposition-Chart 提示

AI

收藏 評論

u_17061379 頭像

AI編程社區 - Qoder 提效實戰：數據開發工程師用 Qoder 提效50%

我是阿里雲的一名數據開發工程師，今天非常榮幸能分享Qoder在數據開發場景中的實戰經驗。本次分享將圍繞以下四個核心模塊展開。 Qoder在數據開發中的背景與需求 當前，我們正在構建一個阿里雲新產品的數據體系，從0到1搭建數倉架構。這一過程面臨三重挑戰： 時間緊迫：項目啓動時對產品邏輯完全陌生，需快速理解業務代碼並設計數倉架構。 資源有限：團隊規

機器學習 , 數據 , AI , 人工智能 , 解決方案 , SQL

收藏 評論

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程五：自然語言處理 第一週：循環神經網絡 （七）雙向 RNN 與深層 RNN

此分類用於記錄吳恩達深度學習課程的學習筆記。 課程相關信息鏈接如下： 原課程視頻鏈接：[雙語字幕]吳恩達深度學習deeplearning.ai github課程資料，含課件與筆記:吳恩達深度學習教學資料 課程配套練習（中英）與答案：吳恩達深度學習課後習題與答案 本篇為第五課的第一週內容，1.11到1.12的內容，同時也是本週理論部分的最後一篇。 本週為第五課的第一週內容，與 CV

AI

收藏 評論

wintersun 頭像

PetterLiu - 企業級AI智能體（Agent）市場分析

企業級AI智能體（Agent）市場分析報告：從應用場景到落地挑戰的深度洞察 AI智能體——從輔助工具到自主生產力的範式轉移 一場深刻的範式轉移正在重塑人工智能的版圖，其核心驅動力便是AI智能體（AI Agent）。它不再是亦步亦趨的輔助工具，而是正在崛起為一種能夠自主規劃與執行的全新生產力，徹底改寫着人機協作的遊戲規則。 我們可以用一個生動的比喻來理解AI智能體的核心構成——它是一個擁有“大腦

AI

收藏 評論

dmx778 頭像

大模型玩家七七 - 為什麼你用了向量數據庫，系統反而更復雜了

向量數據庫火，不代表你“必須用” 如果你這兩年做過和大模型相關的系統，很難繞開“向量數據庫”這個詞。 幾乎所有 RAG 架構圖裏，都有它的位置。 幾乎所有教程裏，都在説： “把文檔向量化，存進向量數據庫，就好了。” 於是，向量數據庫很自然地從一個解決特定問題的工具， 變成了一種默認選項。 但如果你真的做過幾個項目，就會慢慢意識到一件事： 向量數據庫確實很強， 但它從

AI

收藏 評論

nanimono 頭像

溯光獨立開發 - Langchain Splitter源碼閲讀筆記（一）CharacterTextSplitter

一、TextSplitter TextSplitter繼承自BaseDocumentTransformer，是一個抽象類，不能直接創建實例。 核心(內部)屬性有： _chunk_size: 每塊大小 _chunk_overlap: 每塊之間的重疊區大小 _length_function: 計算大小的方法，可以傳遞token計算的函數，也可以傳別的比如普通的len() _keep_separato

AI

收藏 評論

gepai 頭像

密碼戰士 - Rime-AI v2版本發佈

AI-Rime 基於Rime的lua腳本系統打造AI增強輸入法 Rime AI 糾錯 v1 智能糾錯 功能説明 極簡版 AI 糾錯功能： 按 6 觸發糾錯，顯示"AI糾正中..." 再按 6 顯示糾正結果 文件清單 文件 説明 ai_corrector_processor.lua 按鍵監聽（放入 lua/ 目錄）

AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的考試作弊檢測系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

視頻演示 基於深度學習的考試作弊檢測系統 1. 前言​ 大家好，歡迎來到 Coding 茶水間。在當今的各類標準化考試中，作弊手段層出不窮且極具隱蔽性，這不僅嚴重破壞了考試的公平性，也給監考人員帶來了巨大的甄別壓力。傳統的視頻監控往往依賴人工回看，效率極低且容易出現視覺盲區。基於此現狀，我今天為大家帶來的題目是基於 YOLO 算法的考試作弊檢測系統。該系統旨在通過深度學習算法，實現對考場內作弊行為

AI

收藏 評論

u_12196 頭像

footballboy - Linux系統之openEuler安裝部署

openEuler Linux部署 Dify 教程：對接本地 Ollama 構建 AI 應用平台 繼成功在歐拉 Linux 部署 Ollama 後，本文將帶你完成Dify的部署與配置 ——Dify 是一款開源的 AI 應用開發平台，支持可視化編排提示詞、對接本地大模型（如 Ollama）、快速構建聊天機器人 / 知識庫等應用。結合 Ollama+D

運維 , AI , 後端開發 , Linux , 人工智能 , Docker , harmonyos

收藏 評論

wintersun 頭像

PetterLiu - Requirements Engineering with AI for Consistency and Testing解讀

REACT（Requirements Engineering with AI for Consistency and Testing） 的目標： 利用大型語言模型（LLMs）將模糊的自然語言需求轉化為結構化形式； 自動檢測需求之間的一致性、衝突和歧義； 自動生成形式化規範和基於需求的測試用例，提高早期驗證覆蓋率； 通過減少人工解釋和手工形式化步驟，提高傳統驗證流程的可擴展性和準確性。 RE

AI

收藏 評論

wintersun 頭像

PetterLiu - 2025年11月份博文彙總與視頻

2025年11月份博文彙總與視頻 一.LLM相關 1.如何構建和訓練世界級LLM 一份關於如何構建和訓練世界級大型語言模型（LLMs）的詳細指南，由Hugging Face團隊撰寫。它涵蓋了從模型架構設計、數據準備、訓練過程到後處理的全過程，提供了豐富的技術細節和實踐經驗 2.美團多智能體WOWService智能系統概要 美團最近發佈的一份技術報告2510.13291，詳細介紹了其名為“WOWS

AI

收藏 評論

gpustack 頭像

GPUStack - 釋放H200全部潛力：DeepSeek-V3.2推理性能提升161%的優化秘籍

從通用部署到極致性能：DeepSeek-V3.2 的推理優化突破 在 AI 應用快速落地的今天，大語言模型的推理性能成為制約其廣泛使用的關鍵因素。DeepSeek-V3.2 作為能力領先的開源模型，在實際部署中面臨着性能調優的複雜挑戰。許多團隊發現，直接使用默認配置往往無法充分利用昂貴的 H200 硬件資源。 我們通過系統的優化實驗發現：相比於未優化的 vLLM 基線配置，經過針對性調優的 Dee

AI

收藏 評論

poloai 頭像

poloai - 年底 Claude 官方直連 Key 缺貨？官轉 poloai.top 成開發者首選方案

臨近年底，AI 編程工具的使用需求迎來爆發式增長，不少開發者卻陷入了同一個困境 ——Claude 官方直連 API Key “一 key 難求”。打開 Anthropic 官方控制枱，常見 “配額已售罄”“新密鑰申請需排隊 1-2 周” 的提示；即便老用户申請追加額度，也常因官方服務器負載調整、年底配額收緊等原因被駁回。這場 “缺貨潮” 背後，既有年底項目衝刺期開發者對 Claude 長文本解析、

AI

收藏 評論

joas-pambou 頭像

Joas Pambou - Integrating Image-To-Text And Text-To-Speech Models (Part 1)

Audio descriptions involve narrating contextual visual information in images or videos, improving user experiences, especially for those who rely on audio cues. At the core of audio description tec

Techniques , Tools , AI

收藏 評論

paul-boag 頭像

Paul Boag - AI In UX: Achieve More With Less

I have made a lot of mistakes with AI over the past couple of years. I have wasted hours trying to get it to do things it simply cannot do. I have fed it terrible prompts and received terrible outpu

workflow , ux , AI

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的木薯病害檢測系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

視頻演示 基於深度學習的木薯病害檢測系統 1. 前言​ 木薯是全球重要的糧食作物，其生產常受病害威脅。傳統檢測方法依賴人工，效率低且難以規模化。為提升病害識別效率，本研究基於YOLO目標檢測算法，開發了一套木薯病害智能檢測系統。 該系統能夠自動識別木薯常見病害，包括褐斑病、褐條病、綠蟎侵害和花葉病，並區分健康植株。系統支持多種輸入方式，可對圖片、視頻、批量文件及實時攝像頭畫面進行檢測。用户可通過交

AI

收藏 評論

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程三： 結構化機器學習項目 第二週：誤差分析與學習方法（四）多任務學習

此分類用於記錄吳恩達深度學習課程的學習筆記。 課程相關信息鏈接如下： 原課程視頻鏈接：[雙語字幕]吳恩達深度學習deeplearning.ai github課程資料，含課件與筆記:吳恩達深度學習教學資料 課程配套練習（中英）與答案：吳恩達深度學習課後習題與答案 本篇為第三課的第二週內容，2.8的內容。 本週為第三課的第二週內容，本週的內容關於在上週的基礎上繼續展開，並拓展介紹了幾

AI

收藏 評論

Goblinscholar 頭像

哥布林學者 - 吳恩達深度學習課程二： 改善深層神經網絡 第三週：超參數調整，批量標準化和編程框架（五）框架演示

此分類用於記錄吳恩達深度學習課程的學習筆記。 課程相關信息鏈接如下： 原課程視頻鏈接：[雙語字幕]吳恩達深度學習deeplearning.ai github課程資料，含課件與筆記:吳恩達深度學習教學資料 課程配套練習（中英）與答案：吳恩達深度學習課後習題與答案 本篇為第二課的第三週內容，3.11的內容，也是本週理論部分的最後一篇。 本週為第二課的第三週內容，你會發現這周的題目很長

AI

收藏 評論

wintersun 頭像

PetterLiu - 解鎖2026年商業未來：四大核心概念深度解析

迎接未來商業浪潮 歡迎踏入即將到來的商業新紀元。對於初涉商業與市場營銷領域的探索者而言，理解未來的核心驅動力至關重要。本文旨在為您提供 navigating the next wave of disruption 的基本心智模型，用最精煉的語言，深度解析將在2026年重塑商業格局的四大核心概念。掌握這些理念，是您洞察技術、消費者行為與商業戰略深刻變革，從而把握未來先機的關鍵第一步。 一.隱

AI

收藏 評論

u_17593768 頭像

JUGG11 - 你是否正在經歷這些知識管理的 “隱形內耗”？

技術文檔散落在語雀、GitHub、本地硬盤，新員工入職像 “尋寶”；寫一份部署手冊要熬 4 小時，修改迭代還要跨平台同步；搜索 “token 過期解決方案”，返回幾十篇無關文檔，翻半天找不到重點；敏感數據不敢存雲端，私有化部署又要折騰好幾天…… 在信息爆炸的時代，我們囤積了海量知識，卻陷入 “存得住、找不着、用不上” 的困境。直到 PandaWiki 的出現 —— 這款 G

github , 搜索 , AI , 人工智能 , 深度學習 , 技術文檔

收藏 評論

poloapi 頭像

路過的旁聽生 - 在複雜任務中如何利用 Claude 4.5 Opus 提高推理精度與響應速度

在 AI 模型不斷髮展升級的背景下，Claude 4.5 系列帶來了 Sonnet、Opus 和 Haiku 三款子模型，每個模型都有其獨特的優勢和適用場景。尤其是 Opus 4.5，它以其強大的推理能力和響應速度在複雜任務中脱穎而出。 但對於腳本創作者來説，如何在 推理精度 與 響應速度 之間找到最合適的平衡，仍然是一個需要解決的實際問題。本文將從 實際任務應用 的角度，深入分析 Claude

AI

收藏 評論