tag 人工智能

標籤
貢獻909
937
06:37 AM · Oct 27 ,2025
deephub 頭像 u_13357275 頭像 pannideniupai 頭像 elhix0bg 頭像 xingxingshangdeliushu 頭像 u_15591470 頭像 lab4ai 頭像 u_17579295 頭像 u_17512334 頭像 qingfouai 頭像 u_17567677 頭像 chaoshenjinghyperai 頭像

@人工智能 / 博客 RSS 訂閱

u_17579295 頭像

mb6911caa73d1d1 - 當城市裝上"數字大腦"：看數字孿生如何重塑現代城市治理新格局

清晨7點，城市交通早高峯如期而至。在某個城市的指揮中心大屏上，整座城市的運行狀態以三維立體的形式實時呈現：主幹道的車流如血液般奔涌，地鐵線路如神經網絡般閃爍，重點區域的安防監控如敏鋭的眼睛般警惕。這不是科幻電影的場景，而是數字孿生技術在城市治理中的真實應用。 一、從"經驗決策"到"數據驅動"的治理變革 傳統城市治理往往依賴於管理者的經驗和分散

數據 , 智慧城市 , 數據可視化 , 人工智能 , 基礎設施 , 數字孿生

收藏 評論

wangzhongyang_go 頭像

王中陽講編程 - 🚀 RAG 系統檢索不準？是時候引入「離線精排」思維了！

很多同學在做 RAG（檢索增強生成）項目時，都會遇到一個頭疼的問題：向量檢索召回的內容經常“文不對題”，導致大模型回答出現幻覺。今天我們就來聊聊如何通過 Rerank（精排）技術，讓你的 RAG 系統脱胎換骨。 大家好，我是王中陽。 最近在 我們AI就業陪跑訓練營 裏，有不少同學問我：“我的 RAG 系統明明把文檔切好了，向量庫也建好了，為什麼用户問問題時，找出來的文檔還是不準？” 其實，這

人工智能 , 後端

收藏 評論

alixitongruanjianjishu 頭像

阿里云云原生 - 大模型成本太高？阿里雲Serverless AI原生架構，教你極致省錢又穩健部署！

作者：趙世振 本文整理自 2025 雲棲大會，阿里雲智能集團產品架構師 趙世振 的主題演講《Serverless AI 原生應用架構》 在 AI 大模型浪潮席捲全球的今天，企業紛紛加速擁抱 AI，推動智能客服、內容生成、流程自動化等場景快速落地。然而，許多企業在實踐中卻遭遇了“三高困境”——成本高、複雜度高、風險高。 一位互聯網公司 CTO 曾坦言：“智能客服流量暴增，模型服務很容易被打掛，緊急

人工智能 , 雲原生 , serverless

收藏 評論

u_17583190 頭像

fangpin - 從 0 搭建 LLM 不再難！這個 PyTorch 項目幫你吃透大模型底層邏輯

如果你曾想深入理解大語言模型（LLM）的 “五臟六腑”，卻被框架封裝的黑盒接口、複雜的源碼結構勸退；如果你希望親手實現 Transformer 的每一個組件，而非單純調用transformers庫 —— 那麼今天推薦的這個開源項目，絕對能成為你的 LLM 學習 “腳手架”。 它就是 GitHub 上的 llm-from-scratch（項目地址），一個基於 PyTorch、專為教育設

github , 自定義 , 人工智能 , 深度學習 , 開發者

收藏 評論

u_15214399 頭像

u_15214399 - 【案例共創】在開發者空間快速開發MQTT客户端實現硬件仿真上雲

最新案例動態，請查閲【案例共創】在開發者空間快速開發MQTT客户端實現硬件仿真上雲。小夥伴們快來領取華為開發者空間進行實操吧！ 本案例由開發者：DS小龍哥提供 1 概述 1.1 背景介紹 隨着物聯網技術的不斷髮展，越來越多的設備和應用依賴於實時數據交換和遠程控制。在物聯網生態系統中，設備與雲平台之間的通信是核心環節之一，然而對於許多開發者來説，進行

機器學習 , 客户端 , 人工智能 , 開發者 , Layout

收藏 評論

u_16651779 頭像

是Yu欸 - ④用MateChat 寫了一個 AI 修仙模擬器，融合高性能狀態管理與敍事終端

④用MateChat 寫了一個 AI 修仙模擬器，融合高性能狀態管理與敍事終端 寫在最前面 一、 複雜場景的 UI 工程挑戰：超越聊天框 痛點聚焦：非標準佈局的重複工作 MateChat 角色定位：UI 架構基座的價值 二、 技術實現拆解：MateChat 組

華為雲 , 後端開發 , 人工智能 , MateChat , 大模型 , Python , ui

收藏 評論

u_12196 頭像

footballboy - vue2 自定義指令中使用createElement

在 Vue 中，自定義指令可以讓你在模板中使用 v-directiveName 這樣的語法來調用自己定義的指令。自定義指令可以用來操作 DOM 元素，給元素綁定事件監聽器，或者進行其他自定義操作。 Vue.directive 函數來註冊一個指令。該函數接受兩個參數，第一個參數是指令的名稱，第二個參數是一個對象，用來定義指令的行為。 下面是一個自定義指令的例子：

鈎子函數 , 機器學習 , vue.js , 自定義指令 , 人工智能 , 前端 , Javascript

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 從UE到瀏覽器：我們如何用數字孿生重構園區運營

還記得去年那個讓我夜不能寐的項目嗎？一家大型科技園區找到我們，希望打造一套能實時監控、分析和優化園區運營的數字系統。他們原有的2D管理系統已經無法滿足日益複雜的運營需求，而傳統的3D建模方案又面臨着開發週期長、硬件要求高、交互體驗差等痛點。 當UE遇見數字孿生 項目啓動之初，我們面臨的最大挑戰是如何在保證視覺效果的同時，實現高效的開發迭代。傳

數據 , API , 加載 , 數據可視化 , 人工智能 , 數字孿生

收藏 評論

u_16213429 頭像

mob64ca12efd81c - AIGC音頻模型

AIGC音頻模型是一種基於人工智能生成內容的音頻處理技術，廣泛應用於音頻生成、轉換、處理等場景。隨着語音識別和合成技術的發展，AIGC音頻模型的適用場景越來越多，比如語音助手、在線教育、遊戲音效生成等。 根據《人工智能音頻技術研究報告》，AIGC音頻模型通過深度學習技術對音頻內容進行分析和生成，展示出強大的創新能力。 適用場景分析 在實際應用中，AIGC音頻模型

System , 響應時間 , aigc , 人工智能

收藏 評論

yuhaibao324 頭像

DeepSeaAI - AI應用平台架構設計：構建的企業級AI應用開發與部署平台

高性能高可用AI應用平台架構設計 一、項目概述 1.1 定位與目標 基於AI應用平台核心理念構建的企業級AI應用開發與部署平台，為組織提供： 可視化AI應用編排：拖拽式構建複雜AI工作流 多模型統一管理：統一接口管理20+主流大語言模型 智能知識庫系統：RAG增強的智能問答與文檔處理 高性能高可用架構：滿足企業級SLA（99.95%+）要求

redis , 神經網絡 , G1 , 緩存 , 人工智能

收藏 評論

lab4ai 頭像

Lab4AI - 【Github熱門項目】DeepSeek-OCR項目上線即突破7k+星！突破10倍無損壓縮，重新定義文本-視覺信息處理

當“8000 行代碼手搓 ChatGPT”的熱度還未褪去，大模型領域又迎來新驚喜——DeepSeek 團隊於 10 月 20 日開源的DeepSeek-OCR，以“上下文光學壓縮”為核心突破，重新定義了 OCR（光學字符識別）的效率邊界。這款僅 30 億參數量的模型，不僅能以 100 個視覺 token 超越傳統模型 256 個 token 的性能，更在單張 A100-40G 顯卡上實現每日 20

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_15591470 頭像

ceshiren2022 - 揭開帷幕：如何實現UI迴歸測試的全面自主化

在自動化測試領域，Playwright已成為端到端測試的優選方案，以其跨瀏覽器支持和高可靠性著稱。 然而，傳統測試腳本的編寫和維護依然是一項昂貴且對專業知識要求很高的工作。隨着大語言模型和AI智能體技術的發展，一個全新的範式正在興起：讓AI驅動Playwright完成測試任務。 Model Context Protocol在這一變革中扮演了關鍵橋樑的角色，它使得LangChain等AI應

服務器 , 人工智能 , 深度學習 , 自動化測試 , ui

收藏 評論

cerana 頭像

cerana - 歐拉公式

(目錄) 一、複數 $Z^2=-1 \Rightarrow Z=\pm\sqrt{-1}=\pm i$ 複數的座標表示：$Z=a+bi$ 複數的三角表示：$Z=\rho(cos\theta+isin\theta)$ 乘法：棣莫佛定理 摸相乘，角相加。 $$ Z_1Z_2=\rho_1

人工智能 , 數據分析 , 歐拉公式

收藏 評論

u_13360 頭像

level - KNN 方法構建圖模型中計算節點之間距離

樹模型 樹模型在機器學習中至關重要，它不僅本身具有較好的性能，也可以用於優化其他的算法。 我們在本節將要介紹優化算法的樹模型以及決策樹。 一、的數據結構 在KNN算法中我們要找到測試點的最近的K個鄰居，但是這需要我們求解所有點與測試點之間的距離（我們稱這個過程為線性掃描），在數據集很大時這顯然是不合理的，為此我們需要在

機器學習 , 數據集 , 決策樹 , 算法 , 座標軸 , 人工智能

收藏 評論

u_17061379 頭像

AI編程社區 - 我為什麼從眾多 AI 編程工具裏選擇 Qoder JetBrains插件？

個人一直在使用各種AI工具，因為使用習慣的原因，即便使用Cursor等工具，還是會回到IDE中進行代碼編寫和Review。 在有AI之前，很多人都問過VS Code和JetBrains IDE的區別，主要如下： 1、出色的開發語言支持：目前來説，雖然VS Code有眾多的插件，但是諸如Java/Kotlin/Python等語言的支持，還是不如JetBrains IDE

code , 機器學習 , 人工智能 , 開發者 , jetbrains , ui

收藏 評論

u_14230 頭像

爛漫樹林 - go theme語法

一，變量 var：聲明變： 　　var 變量名 數據類型 ：同時還需要指定數據的類型 var 變量名 = 值 ： 聲明變量，根據變量值判斷變量類型 := ：省略var，直接可以（變量名:= 值），注意：不能和其他的變量名重複，否則導致編譯的錯誤 package main var a = "Hello word" var b s

機器學習 , 標識符 , main函數 , 人工智能 , go theme語法 , go

收藏 評論

ivorysql_xiaozhuli 頭像

IvorySQL - 當AI遇上數據庫：為何初創公司，都選了那個“老派”的PG

友情提示：文末精彩活動預告不要錯過～ 技術內核 一個天生的 AI 原生底座 PostgreSQL 在 AI 時代的復興，其最根本的技術支撐在於一個近乎哲學層面的設計選擇：將“可擴展性”作為數據庫架構的第一性原則。這並非一個後添加的功能，而是自上世紀 80 年代 Michael Stonebraker 教授啓動 Postgres 項目時便植入的基因。這種設計哲學，使其在面對 AI 這一全新範式時，展

數據庫 , postgresql , 人工智能

收藏 評論

xingxingshangdeliushu 頭像

星星上的柳樹 - 嵌軟與RTOS精要

嵌入式軟件與實時操作系統（RTOS）是現代IC系統不可或缺的核心部分。無論是驅動層、API設計，還是實時調度，它們都直接影響IC的性能、可靠性和使用體驗。如果你渴望系統提升技術深度，不妨在 EDA Academy 探索豐富的網課資源，一起驅動你的專業成長。 1、嵌入式軟件開發：模塊+仿真高效並行 嵌入式軟件是硬件運行的“大腦”，從簡單控制到複雜處理，都離不開它。 模塊化編程：將

資訊 , 教程 , 知識 , 人工智能 , 深度學習

收藏 評論

u_12361999 頭像

wx583fa754cca96 - 豆包向左，蘋果華為向右：一場關於AI手機未來的“岔路”對決

豆包向左，蘋果華為向右：一場關於AI手機未來的“岔路”對決 當你對手機説“訂一張明早去上海的機票”，一個AI助手在後台默默打開App、選擇航班、填寫信息直到支付完成——這科幻般的場景，已在一款名為“豆包手機”的工程機上成為現實。 當字節跳動聯合努比亞展示了一款能夠“看見並操作一切”的工程機時，整個科技圈為之震動。用户只需一句話，AI就能像真人

商業 , app , 人工智能 , 計算機視覺 , 開發者

收藏 評論

u_17483758 頭像

mb688aca45159a6 - 兩款強大的文件對比工具完全指南：Beyond Compare 與 WinMerge使用教程（附下載）

為什麼需要文件對比工具 在日常工作中，我們經常需要比較兩個文件或文件夾的差異——無論是代碼審查、文檔版本管理，還是數據核對。手動對比不僅費時費力，還容易遺漏細節。這時候，專業的文件對比工具就成為了必備利器。 本文將介紹兩款強大的文件對比工具：商業級的 Beyond Compare 和開源免費的 WinMerge，幫助您根據實際需求選擇合適的工具。 軟件下載

文件對比工具 , 設計模式 , 架構 , 人工智能 , 壓縮包 , Css , 前端開發 , HTML

收藏 評論

u_16099314 頭像

技術極客 - 從存儲部署OVF

在沒有core的bfm平台跑一下用例： 步驟一、選擇NVR=0，即main array； 步驟二、配置chip-erase time TERASE，需要大於30ms——這是重點； 步驟三、配置chip-erase的recovery timeTRCV，需要大於200us； 步驟四、配置chip-erase使能寄存器ME； 步驟五、等待40ms後，配置p

偏移量 , 數據 , 從存儲部署OVF , 人工智能 , 寄存器 , 計算機視覺

收藏 評論

u_17583736 頭像

AI智能助理 - 咱聊聊人工智能現在到底啥水平？

早上被智能音箱叫醒的時候，你有沒有順手問了句“今天穿啥”？它不光報了温度，還提醒你樓下在修路記得繞路——擱十年前，這場景怕不是得算“科幻片片段”。現在呢？AI早跟咱的柴米油鹽綁一塊兒了，今兒就隨便嘮嘮，它現在到底能耐到啥地步。 先説説最接地氣的——家裏那堆“會琢磨事兒”的家電。以前下班回家，得先摸黑找燈開關，再去擰熱水器，等飯煮好都快餓過頭了。現在不一樣了，咱在地鐵上掏出手

機器學習 , AI創意工具 , 智能家居 , AI工作輔助 , AI日常應用 , 人工智能

收藏 評論

u_17590736 頭像

遠見卓識 - 32歲成阿里最年輕P10，林俊暘如何掀起AI新浪潮？

在人工智能的浩瀚星河中，總有一些人以獨特的軌跡劃破長空，成為推動技術變革的關鍵力量。32歲的林俊暘，這位阿里巴巴最年輕的P10級技術負責人，正以通義千問（Qwen）為核心支點，撬動着AI從虛擬世界向物理實體跨越的全新時代。他的故事，既是一部個人技術成長的史詩，也是中國AI產業從追趕到引領的縮影。 學術啓蒙：語言與算法的雙重基因 林俊暘的成長軌

人工智能 , 代碼人生 , 開發者 , 模態

收藏 評論

u_13416 頭像

detailtoo - bp算法matlab線性迴歸結果分析

斯坦福大學公開課 ：機器學習課程[第2集]監督學習應用.梯度下降 http://v.163.com/movie/2008/1/B/O/M6SGF6VB4_M6SGHJ9BO.html Matlab實現線性迴歸和邏輯迴歸: Linear Regression Logistic Regression octave

機器學習 , 線性迴歸 , 擬合 , bp算法matlab線性迴歸結果分析 , 人工智能 , 迭代

收藏 評論