tag 人工智能

標籤
貢獻928
979
06:37 AM · Oct 27 ,2025
deephub 頭像 u_13357275 頭像 pannideniupai 頭像 elhix0bg 頭像 xingxingshangdeliushu 頭像 u_17579295 頭像 lab4ai 頭像 u_15591470 頭像 u_17512334 頭像 rtedevcomm 頭像 qingfouai 頭像 tecdat 頭像

@人工智能 / 博客 RSS 訂閱

zengjingaiguodekaomianbao 頭像

曾經愛過的烤麪包 - 中國開源大模型全球登頂，你的未來會被誰改寫？

下載量首次超越美國，中國開源大模型拿下全球第一的寶座，而這場技術競賽的下半場，正悄悄轉向普通人觸手可及的賽道。 最近，麻省理工大學和 Hugging Face 聯合發佈的最新開源大模型排行榜震撼業界：中國企業全面霸榜。更為關鍵的是，中國團隊自主研發的開源大模型下載份額已達到 17.1%，超過美國企業的 15.8%。 這一數據標誌着中國已躍升為全球開源大模型市場的引領者。分析指出，中美在AI領域已走

數據挖掘 , 人工智能 , 深度學習

收藏 評論

u_16391614 頭像

老艾的AI世界 - 股票資金流向獲取工具！無限制查詢，Hawk下載介紹

現在越來越多普通人想嘗試量化投資，很多新手股民一上來就盯着K線圖研究短線走勢，卻忽略了市場主力資金的流動走向，在金融分析領域，獲取豐富且準確的資金進出數據是深入研究一隻股票和策略制定的重要基礎 Hawk是一個強大的股票數據獲取工具，可以查詢股票的價格數據、成交量等各類信息，它整合了多個頭部信息源，使得用户不需要在各個財經網站和平台之間查找數據 Hawk

股票 , yyds乾貨盤點 , 股市 , 股票學習 , 股票工具 , 人工智能 , 深度學習 , 股票入門

收藏 評論

u_16099318 頭像

墨染心語 - llama3支持embedding嗎

AMD正式公佈了第三代鋭龍台式機處理器家族的最新成員：鋭龍3 3100和鋭龍3 3300X處理器，AMD B550芯片組也同步亮相。全新的鋭龍3台式機處理器採用最新的7nm工藝製造，基於最新的Zen 2微架構，均為4核心8線程設計，同時還加入了同步多線程(SMT)技術的支持。

機器學習 , SMT , 芯片組 , 人工智能 , amd同步多線程 , 解決方案 , llama3支持embedding嗎

收藏 評論

u_12968 頭像

davisl - Whisper ASR 支持流式嗎

最近看到一個開源項目，特地學習了下，實測後，語音識別系統的正確率大概75%左右，作為學習入門的資料還是不錯的，項目已上傳到github上，不過數據集和生成的模型由於文件太大，上傳失敗，隨後存在百度網盤，自行下載哈，普通電腦真傷，跑了三天，還是gpu快點。 查看本項目的Wiki文檔 如果程序運行期間或使用中有什麼問題，可以及時在issue中提出來，我將盡

數據集 , 人工智能 , 深度學習 , Whisper ASR 支持流式嗎 , 語音識別 , Python

收藏 評論

u_16099267 頭像

雲端創新夢想家 - 機器學習算法--python實現應用機器學習於情感分析-訓練文檔分類_糯米君

章節導語 “圖像是靜止的像素矩陣，而語言是流動的河流。你無法只看‘銀行’這兩個字就明白它的意思，因為在‘河邊的銀行’和‘存款的銀行’中，它的含義截然不同。” 歡迎來到人工智能最迷人也最困難的領域——自然語言處理（Natural Language Processing, NLP）。 在上一章，我們處理的是圖像，它們是固定大小的網格（比如 ）。但文

數據 , 自然語言處理 , 人工智能 , 全連接 , Css , 前端開發 , HTML , Python

收藏 評論

u_16213621 頭像

mob64ca14017c37 - 深度學習——02、深度學習入門——經典卷積神經網絡架構實例——VGGNet

VGGNet：經典卷積網絡架構剖析 內容摘要 本文詳細剖析VGGNet這一經典卷積網絡架構。介紹其提出背景及在圖像分類、定位任務中的卓越表現，深入解析網絡結構，包括不同版本的演進、3×3卷積核的獨特設計與優勢，探討模型特性及訓練技巧。結合網絡結構圖與參數表格，展現VGGNet在深度學習發展中的關鍵價值。 關鍵詞：VGGNet

VGGNet , 3×3卷積核 , 後端開發 , 人工智能 , 深度學習 , 網絡 , Python

收藏 評論

u_16213631 頭像

mob64ca1403c772 - Collapse圖標居左elementui

Excel迷你圖支持三種類型：折線圖、柱形圖、盈虧圖；由於迷你圖只佔用了一個單元格的位置，非常小巧，所以非常適合數據量大、或者分析儀表盤中使用。 一、插入迷你圖 選擇將要在迷你圖中展示的數據，切換到【插入】功能頁籤，點擊“迷你圖”功能組的“折線圖”功能按鈕，將打開“創建迷你圖”窗口，剛才選擇的數據區域已經顯示在“數據範圍”中，光

機器學習 , 數據區 , 數據 , 座標軸 , 人工智能

收藏 評論

u_17567677 頭像

沃觀態勢感知 - 國外社交媒體分析服務如何指引出海企業的全球市場戰略

隨着全球消費者行為日趨線上化，社交媒體已經成為品牌認知、口碑生成和用户溝通的第一線陣地。對以全球市場為目標的出海企業來説，決策不再依賴主觀判斷，而是依託來自不同國家、文化圈和平台生態的用户行為數據。國外社交媒體分析服務因此成為企業制定市場戰略的核心工具，它不僅提供表層數據，更通過對內容傳播、消費者態度、競品動態和文化偏好的深入解析，為品牌提供可執行的市場佈局方案。 出海企業

碎片化 , 數據 , 人工智能 , 數據分析 , 社交媒體

收藏 評論

u_17590470 頭像

今晚加個牛腿吃 - CAXA 工藝圖表 2025下載安裝教程 重磅更新！動態表格 + 參數化簡圖，工藝編制效率翻倍

簡介 CAXA CAPP 工藝圖表 2025 是數碼大方推出的集 CAD 與 CAPP 於一體的工藝編制軟件，它不僅整合了 CAXA CAD 電子圖板 2025 的全部功能，還圍繞複雜工藝場景和用户體驗做了諸多優化升級，能滿足航空、汽車零部件等多個行業的工藝編制與數據管理需求 全新升級的表格與簡圖編輯能力 動態與嵌套表格靈活用：新增動

數據可視化 , 人工智能 , 右鍵 , 嵌套 , 參數化

收藏 評論

pannideniupai 頭像

雨大王 - AI生產工藝優化正在接管工廠“指揮權”

是什麼：生產工藝優化的核心挑戰與轉型方向 生產工藝優化本質上是通過技術手段解決製造環節中的效率、質量與協同問題。在傳統制造模式中，企業常面臨幾個典型痛點：工藝設計依賴人工經驗，導致標準不統一；跨部門協作壁壘高，設計變更需反覆溝通；生產現場依賴紙質作業指導書，更新滯後且易出錯。這些問題不僅拖慢研發到生產的轉化速度，更可能因工藝參數偏差導致批量質量事故。例如，某家電企業曾因焊接工藝參數傳遞失誤，

人工智能

收藏 評論

fennudexiyang 頭像

中昊芯英 - DeepSeek-V3.2的DSA稀疏注意力技術：在TPU平台上的效能革命與適配實踐

9 月 29 日，DeepSeek 最新發布的DeepSeek-V3.2-Exp模型引入了自主研發的DeepSeek Sparse Attention（DSA）稀疏注意力機制，在幾乎不影響模型性能的前提下，實現了長文本訓練和推理效率的大幅提升。本文旨在深入解析 DSA 的技術原理，並重點探討中昊芯英「剎那®」TPU 平台如何憑藉其片上緩存與高度並行矩陣計算單元，在 Lightning Indexe

機器學習 , tensorflow , 神經網絡 , 自然語言處理 , 人工智能

收藏 評論

u_16099236 頭像

是大魔術師 - diceloss與交叉熵的權重

1.信息量與信息熵 香農在他著名的論文”通信的數學原理“（A Mathematic Theory of Communication）中提出了”信息熵“的概念，解決了信息的度量問題，並且量化出信息的作用。 一條信息的信息量與其不確定性有着直接的關係。比如説，我們要搞清楚一件非常非常不確定的事，或是我們一無所知的事情，就需要了解大量的信息。相反，

互信息 , 損失函數 , 人工智能 , 深度學習 , diceloss與交叉熵的權重 , 概率分佈

收藏 評論

nizi_60e514d097c9a 頭像

MIAOYUN - MIAOYUN | 每週AI新鮮事兒（11.14-11.21）

本週全球AI領域創新密集，各大廠商競相推出新一代大模型與智能工具。基礎模型性能顯著提升，Google的Gemini 3、OpenAI的GPT-5.1、xAI的Grok 4.1等模型在多模態、代碼及情感理解方面取得突破。AI智能體與工具生態持續繁榮，微軟的Copilot、Google的SIMA 2、AI編程IDE Antigravity及螞蟻集團「靈光」等應用正重塑工作與創作方式。與此同時，開源操作

機器學習 , 資訊 , 圖像識別 , 自然語言處理 , 人工智能

收藏 評論

u_16380863 頭像

未聞花名AI - 構建AI智能體：十二、給詞語繪製地圖：Embedding如何構建機器的認知空間

我們理解“蘋果”這個詞，能聯想到一種水果、一個公司、或者牛頓的故事。但對計算機而言，“蘋果”最初只是一個冰冷的符號或一串二進制代碼。傳統的“One-Hot”編碼方式（如“蘋果”是[1,0,0,...]，“香蕉”是是[0,1,0,...]）無法表達任何語義，所有詞之間的關係都是相等且無關的。 如何讓機器真正“理解”含義？這就需要一種新的表示方法——Embedding。它就像一

中心詞 , NLP , 加載 , 人工智能 , 詞向量

收藏 評論

aipaobudexiangjiao_cktinz 頭像

愛跑步的香蕉_cKtiNz - AI 重構招聘格局：企業應對候選人“AI 升級”的破局之道

AI 重構招聘格局：企業應對候選人“AI 升級”的破局之道 校招季的一組數據正悄然改寫招聘生態：近 40% 的畢業生在校招期間投遞崗位超 50 個，更關鍵的是，候選人已率先在簡歷優化、面試準備、自我提升等環節主動運用 AI 工具，其 AI 使用率遠超企業端。這一變化直接導致企業招聘陷入被動——初篩難度陡增、真實求職意願難辨、精準人才匹配愈發困難。在這場不對等的競爭中，固守傳統招聘模式的企業正

人工智能

收藏 評論

u_15434217 頭像

文傳商訊 - Airship研究：無代碼原生應用體驗使購買頻次翻倍（增長140%），為假日季盈利增長開闢新路徑

移動優先的客户體驗公司Airship今日發佈全新彙總數據分析結果，顯示無代碼原生應用體驗可顯著提高關鍵生命週期事件的轉化率，且能使購買頻次提升一倍以上。 Airship開展的“體驗影響力”(Experience Impact)研究分析了超過1000個零售類應用內體驗和17億次設備會話，量化了利用無代碼和AI驅動工具優化端到端客户旅程（而非僅發送信息

機器學習 , 原生應用 , 人工智能 , 客户體驗 , 移動優先

收藏 評論

deephub 頭像

deephub - 15個基本且常用Pandas代碼片段

Pandas提供了強大的數據操作和分析功能，是數據科學的日常基本工具。在本文中，我們將介紹最常用的15個Pandas代碼片段。這些片段將幫助簡化數據分析任務，從數據集中提取有價值的見解。 1、過濾數據 Pandas提供了多種方法來過濾數據。 import pandas as pd # Create a DataFrame data = {'Name': ['Alice', 'Bob',

機器學習 , 人工智能 , pandas , 數據分析

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI就業服務系統：讓求職招聘精準“對上暗號”

不管是求職者海投簡歷石沉大海，還是HR埋在簡歷堆裏找不到合適人選，“匹配錯位”都是就業市場的老大難。而AI就業服務系統就像一位智能“就業紅娘”，用技術打破信息壁壘，讓求職者精準對接崗位，讓招聘方高效鎖定人才，把求職招聘的“盲盒遊戲”變成“精準匹配”。 這個系統能實現“精準牽線”，核心靠三大技術撐場面。首先是自然語言處理（NLP）的“讀懂”能力——它能像人一樣拆解簡歷和崗位描述。比如求

機器學習 , 跨境電商 , NLP , 人工智能 , 行業趨勢

收藏 評論

daniusdk 頭像

音視頻牛哥 - 【深度評測】既生瑜，何生亮：ChatGPT 5.1 與 Gemini 3 的終極對決

引言：在這個瘋狂的十一月，我們見證了歷史 如果説 2023 年是 AI 的元年，那麼 2025 年的 11 月就是 AI 的“赤壁之戰”。 僅僅相隔不到一週，OpenAI 和 Google 相繼甩出了他們的王炸。11月12日，OpenAI 突然發佈 ChatGPT 5.1，用“自適應思考（Adaptive Thinking）”和極致的擬人化體

chatgpt5.1和gemini區別 , yyds乾貨盤點 , chatgpt vs gemini3 , gemini3評測 , 人工智能 , 深度學習 , chatgpt5.1和gemini3 , chatgpt還是gemini

收藏 評論

u_16213691 頭像

mob64ca14122c74 - #今日論文推薦# 擴散模型又殺瘋了，這一次被攻佔的領域是...

DiffusionDrive引入了一種用於端到端自動駕駛的截斷擴散模型，通過解決計算開銷和模式崩潰問題，實現了實時多模態軌跡生成。該系統在NAVSIM數據集上創造了新的性能記錄，以45 FPS達到88.1 PDMS，同時生成多樣化且合理的駕駛動作。 引言 DiffusionDrive 引入了一種通過將擴散模型應用於端到端軌跡規劃來解決自動駕駛

論文閲讀 , 自動駕駛 , 去噪 , 人工智能 , Css , 前端開發 , HTML

收藏 評論

openbayescom 頭像

OpenBayes - Open-AutoGLM 實現手機端自主操作；PhysDrive 數據集採集真實駕駛生理信號

公共資源速遞 5 個公共數據集： FirstAidQA 急救知識問答數據集 PhysDrive 駕駛員生理測試數據集 PolypSense3D 息肉尺寸感知數據集 Envision 多階段事件視覺生成數據集 Care-PD 帕金森三維步態評估數據集 8 個公共模型： SAM 3 Z-Image-Turbo Ovis-Image-7B Ministral-3-14B Lon

機器學習 , pytorch , 自然語言處理 , 人工智能 , 深度學習

收藏 評論

u_16099250 頭像

架構師之光 - IT資訊精選（2022-09-09）_it熱門文章

在科技與傳統文化交融的今天，一種結合人工智能的塔羅牌占卜工具逐漸進入大眾視野。這款名為“AI塔羅占卜”的在線工具，為用户提供了一種全新的自我探索和思考輔助方式。 工具的基本功能 這款AI塔羅工具具有以下特點： 提供每日免費佔卜次數，次日自動重置 支持用户輸入個性化問題，字數限制在300字以內 界面展示了一些示例問題，涵蓋情感、職業等生活領域

使用場景 , 重置 , 人工智能 , Css , 前端開發 , HTML

收藏 評論

u_16213698 頭像

mob64ca1413c518 - 語音識別 語音增強

步驟: 預加重,高頻信號更容易衰減,預加重是個一階高通濾波器，可以提高信號高頻部分的能量 分幀, 語音信號短時平穩性,這個短時間一般取 10-30ms，因此在進行語音信號處理時，為減少語音信號整體的非穩態、時變的影響，從而對語音信號進行分段處理，其中每一段稱為一幀，幀長一般取 25ms。為了使幀與幀之間平滑過渡，保持其連續性，分幀一般採用交疊分段的方法，保

傅里葉變換 , NLP , 語音信號 , 人工智能 , 語音識別 語音增強 , 時域

收藏 評論

u_16380863 頭像

未聞花名AI - 構建AI智能體：四十、K-Means++與RAG的融合創新：智能聚類與檢索增強生成的深度應用

一、前言 前面的文章我們詳細講過，大型語言模型雖在自然語言處理領域展現卓越能力，但仍面臨幻覺問題、知識時效性不足及領域專業性缺失的問題，結合RAG通過“檢索外部知識+增強模型生成”的範式，作為大模型的“外置知識庫”有效緩解上述痛點，無需重新訓練即可動態整合最新領域知識，顯著提升回答準確性與可信度。 然而，傳統 RAG 系統在處理大規模知識庫時存在顯著侷限：全局檢索模式

AIGC二三事 , 聚類 , 人工智能 , 深度學習 , RAG , K-Means++

收藏 評論