tag 人工智能

標籤
貢獻928
986
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

lab4ai 頭像

Lab4AI - 港大團隊提出DeepCode ，讓 Agent 真能“讀論文寫可運行代碼”

港大團隊提出DeepCode ，讓 Agent 真能“讀論文寫可運行代碼” 01 論文概述 這篇論文來自香港大學團隊（通訊作者：Chao Huang）。論文提出並開源了 DeepCode ：一個能“自動寫項目”的智能體框架，想解決的不是讓模型多寫幾段代碼，而是讓它讀完論文或技術文檔後，能把一整套代碼工程搭起來，包括項目結構怎麼拆、不同文件怎麼配合、訓練/評測腳本怎麼寫，最後還能把復現實驗真正跑通。

人工智能

收藏 評論

u_16213655 頭像

mob64ca1409970a - emacs manual

翻頁命令： C-v：向前移動一屏 M-v：向後移動一屏 C-l：重繪屏幕，並將光標所在行置於屏幕的中央 光標控制： C-n：移動到下一行（next） C-p：移動到上一行（previous） C-f：向右移動一個字符（forward） C-b：向左移動一個字符（backward）

機器學習 , emacs , 搜索 , 人工智能 , emacs manual , 使用手冊

收藏 評論

u_16213695 頭像

mob64ca1412ee79 - 條件轉移指令mem段

因為cmp指令可以同時進行兩種比較，無符號數比較和有符號數比較，所以根據cmp指令的比較結果進行轉移的指令也分為兩種，即根據無符號數的比較結果進行轉移的條件轉移指令(它們檢測zf、cf的值)和根據有符號數的比較結果進行轉移的條件轉移指令(它們檢測sf、of和zf的值)。 下面是常用的根據無符號數的比較結果進行轉移的條件轉移指令。 指令 含義 檢測的相關標誌位 j

機器學習 , 無符號數 , 有符號數 , 條件轉移指令mem段 , 轉移指令 , 人工智能

收藏 評論

u_16099178 頭像

雲端小悟空 - MemoryAnalyzer 修改啓動內存

一、JVM常用啓動參數 -Xms：設置堆的最小值。 -Xmx：設置堆的最大值。 -Xmn：設置新生代的大小。 -Xss：設置每個線程的棧大小。 -XX:NewSize：設置新生代的初始值。 -XX:MaxNewSize：設置新生代的最大值。 -XX:PermSize：設置永久代的初始值。 -XX:MaxPermSize：設置永久代的

機器學習 , 最小值 , jvm , 人工智能 , 死循環

收藏 評論

pannideniupai 頭像

雨大王 - 重塑研發管理：Geega捷做的協同價值

當前，製造業正處在一個前所未有的變革十字路口。市場節奏日益加快，技術迭代日新月異，消費者對產品的需求也變得更加個性化和複雜化。在這一切變化之下，研發管理領域卻常常暴露出血淋淋的痛點，成為企業轉型升級的瓶頸。設計數據分散各處，版本混亂難以追溯；流程審批依賴人工，效率低下且容易出錯；零部件複用率低，重複設計頻發，資源浪費嚴重……這些看似獨立的問題，實則相互交織，導致項目頻繁延期、協作成本高昂、返工現象

人工智能

收藏 評論

u_16349720 頭像

短短同學 - 計算機系統認知簡介

計算機系統認知簡介 計算機系統並非單一設備，而是由 “硬件” 與 “軟件” 協同構成的複雜整體，其核心目標是 “接收輸入、處理數據、輸出結果”，支撐從日常辦公到人工智能的各類應用。要理解計算機系統，需先理清其 “硬件為體、軟件為魂” 的架構邏輯，以及各組件如何分工協作完成任務。 一、計算機系統的核心組成：硬件與軟件的二元結構 計算機系統的基礎是 “硬件”，而賦予

數據 , 人工智能 , 深度學習 , 計算機系統 , 應用軟件

收藏 評論

u_17582161 頭像

成都古河雲科技 - 一體化智能安防監控管理平台解決方案

當前，許多企業單位的安防系統正處於一個“尷尬”境地：設備裝了不少，屏幕也掛了一牆，但真正的安全能力卻始終在低水平徘徊。其核心癥結往往在於以下幾點： 1. 人眼疲勞，效率低下：依賴保安人員7×24小時緊盯幾十個甚至上百個監控畫面，注意力極易分散，超過20分鐘後漏看率顯著上升，難以發現隱蔽、瞬時的風險。 系統割裂，各自為戰：視頻監控、門禁控制、入侵報警、消防感應

人臉識別 , 數據 , 人工智能 , 深度學習 , 安全管理

收藏 評論

u_17230161 頭像

北電雲BEHCYun - 北數雲上新！北京公共開源模型算力服務平台高質量通過專家驗收

近日，北京數據集團控股企業北京北方算力智聯科技有限責任公司（以下簡稱“北方算網”）承接的“北京公共開源模型算力服務平台應用服務”項目，順利通過專家驗收，標誌着北京市在打造公共開源模型生態和普惠算力服務體系方面邁出了關鍵一步，為首都人工智能高質量發展夯實了新的基礎底座。 本次驗收由北京市經濟和信息化局數字產業處組織，邀請了來自中國信息通信研究院、北京工商大學、曙光信息

雲平台 , 雲計算 , 應用服務 , 人工智能 , 開源項目

收藏 評論

u_17580222 頭像

mb691327edb400f - 告別“感覺選人”：AI面試重構招聘決策的精準內核

75%的企業高管已將AI納入核心戰略，但“戰略願景”與“價值落地”之間仍存在明顯斷層——多數組織僅將AI用於HR流程自動化，卻未觸及招聘最核心的“判斷與決策”環節。這讓HR陷入兩難：一邊要承接高層對效率、規模與合規的嚴苛要求，一邊仍需依賴經驗、感覺與人海戰術硬扛招聘壓力。事實上，AI的真正價值不在於“省力氣”，而在於成為HR的“決策合夥人”；真正能推動HR躋身戰略席位的，

自動下載 , 自動回覆 , 管理系統 , 人工智能 , 深度學習

收藏 評論

tecdat 頭像

拓端tecdat - 大語言模型LLM高級Prompt臨牀科研輔助研究——AdaBoost、LightGBM、MLP食道癌預測、遺傳性聽力損失診斷

全文鏈接：https://tecdat.cn/?p=44689 原文出處：拓端數據部落公眾號 關於分析師 San Zhang 在此對San Zhang對本文所作的貢獻表示誠摯感謝，他在北京航空航天大學完成了控制工程專業的碩士學位，專注人工智能領域。擅長Python、Matlab仿真、視覺處理、神經網絡、數據分析 。 San Zhang曾在所有保險領域工作，包括人壽、健康

機器學習 , 數據挖掘 , 人工智能 , 深度學習

收藏 評論

jizaodebangbangtang 頭像

文心快碼 - Comate強力賦能：「趣繪像素島」從體驗泥潭到高性能可用的蜕變之路

作者簡介： 朱海燕，會設計的前端工程師，熱衷用AI Coding 賦能開發效率，擅長把繁瑣的編碼工作交給智能工具，從而騰出時間打磨產品交互細節與技術深度。作品「趣繪像素島」獲得“CCF程序員大會碼力全開：AI加速營”活動冠軍。 1 產品碎碎念 其實創意靈感在9月就想到了，比如我個人喜歡畫畫，也願意教別人畫畫，但是一個人的力量其實不算大，時間也很有限，希望有一個平台型工具，可以根據每個人的情

教程 , 知識 , 人工智能 , 後端 , 前端

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - 跨國數倉遷移背後的統一存儲格式創新-Append Delta Table

本系列文章將圍繞東南亞頭部科技集團的真實遷移歷程展開，逐步拆解BigQuery遷移至MaxCompute過程中的關鍵挑戰與技術創新。本篇為第一篇，跨國數倉遷移背後MaxCompute的統一存儲格式創新。 注：客户背景為東南亞頭部科技集團，文中用GoTerra表示 背景 當東南亞頭部科技集團GoTerra決定將其集團數據倉庫從BigQuery遷移至阿里雲MaxCompute時，這一決策背後折射出更深

大數據處理 , 大數據 , 存儲技術 , 數據遷移 , 人工智能

收藏 評論

u_13357275 頭像

上海拔俗網絡 - AI生涯規劃系統：給職業發展裝個“智能導航”

不少人都有過職業迷茫：應屆生不知道自己適合什麼行業，職場人想轉型卻找不到方向，工作多年陷入瓶頸不知如何突破。而AI生涯規劃系統，就像一位懂行業、懂你的“職業導航員”，用技術拆解職業路徑，幫你找到適配的發展方向，讓職業選擇不再靠“試錯”。 這個系統能精準“導航”，核心靠四大技術撐場。首先是多維度用户畫像構建技術——它不只是問你“喜歡什麼”，還會通過自然語言處理（NLP）分析你的簡歷、技

數據 , NLP , 重啓 , 人工智能 , 規劃系統

收藏 評論

u_17195309 頭像

Maverick1218 - 基於預訓練BERT的情感分類，命名實體識別，問答系統簡單示例

模型構建 # coding=utf-8 """ BERT 三大任務演示 - 簡化版 功能： 1. 情感分析 - 判斷文本正面/負面情緒 2. 命名實體識別 - 識別人名、地名、組織等 3. 問答系統 - 從文本中提取答案 使用離線模型，便於學習和理解 """ import time import warnings warnings.f

機器學習 , 人工智能 , BERT

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 數字孿生智能運營中心：重塑城市公共安全的新利器

在當今快速發展的城市環境中，公共安全面臨着前所未有的挑戰。從突發事件響應到日常監控管理，傳統方式往往效率低下、信息孤島嚴重。如何利用先進技術提升城市安全水平，成為眾多開發者和決策者關注的焦點。數字孿生技術的出現，為這一難題提供了全新的解決方案。孿易數字孿生智能運營中心（IOC）標準版，作為一個功能完備的一體化平台，正逐步改變城市公共安全的管理模式。

數據 , 數據可視化 , 人工智能 , 數字孿生 , 開發者 , 安全管理

收藏 評論

aitinggedejinzhengu 頭像

愛聽歌的金針菇 - 專用設備行業CRM選型指南，如何用AI撬動全鏈路增長

在專用設備行業，“非標定製”是常態，“長週期項目”是標配，“跨部門協同”是剛需——從客户需求調研、方案設計、合同簽訂到生產交付，再到後續的維護保養、備件更換，整個鏈路涉及銷售、技術、生產、售後等十餘個部門，任何一個環節的信息斷層都可能導致訂單延誤、客户流失。 傳統CRM的“客户聯繫方式管理”模式早已水土不服，而AI技術的融入，正在讓CRM從“工具”升級為“全鏈路增長引擎”。對於專用設備企業而言，選

crm系統 , 數智化轉型 , 人工智能 , crm銷售系統 , crm

收藏 評論

dztok 頭像

成都定製通軟件 - 基於Dify與HiAgent的智能體模塊化搭建路徑

HiAgent作為企業級AI應用開發平台，以“高低代碼混合開發”為核心特色，通過模塊化拆解與可視化編排，實現智能體從原型到落地的高效構建。其搭建路徑需圍繞“需求建模-模塊組裝-測試優化-部署迭代”四大階段展開，充分發揮平台在任務規劃、工具集成與閉環優化方面的優勢，以下為具體實施路徑。 需求拆解與架構設計是搭建基礎，核心是明確模塊邊界與協作邏輯。首先需通過5W1H框架界定智能體定位，例如“校園智能問

知識 , 人工智能 , 程序員

收藏 評論

jizaodebangbangtang 頭像

文心快碼 - 用文心快碼寫個「隱私優先」的本地會議助手

在這個信息爆炸的時代，我們似乎習慣了把數據交給雲端。 但作為一名開發者，當涉及到敏感的會議記錄、私人語音筆記時，我總是心存顧慮： 有沒有可能打造一個完全離線、跑在瀏覽器裏、且終身免費的AI會議助手？ 面對複雜的 WebAssembly、模型量化、多線程調度，作為一個非專業的開發者，我通常需要幾周來啃文檔。 但這一次，在文心快碼（Comate） 的協助下，我僅用2小時就完成了這個會議助手的全棧開發。

教程 , 知識 , 人工智能 , 程序員 , 前端

收藏 評論

u_16827017 頭像

全棧技術開發者 - 矩陣和線性變換怎麼理解？矩陣與線性變換的關係究竟是什麼？一個矩陣如何對應到具體的變換？特徵向量和特徵值的意義是什麼？

在現代數學的研究中，線性代數佔據着核心位置，它不僅是純數學的重要組成部分，也是物理學、工程學、計算機科學等學科的基礎工具。矩陣與線性變換作為線性代數的核心概念，具有深厚的理論內涵和廣泛的應用價值。矩陣的排列和運算規則表面上似乎只是數字的組合，但其內在體現的是對向量空間結構的精確描述；而線性變換則揭示了向量空間中元素之間的映射規律，是代數與幾何之間的直接聯繫。 理解矩陣與線性

機器學習 , 線性變換 , yyds乾貨盤點 , 特徵值 , 向量空間 , 人工智能 , 線性代數

收藏 評論

u_16213678 頭像

mob64ca140ee96c - Mobile SDK V4demo運行後怎麼進入

一、準備下載工具 現在NVIDIA提供了SDKManeger的工具，相比於之前的Jetpack界面 SDKManager下載 官方參考教程 我這裏下載的是SDK manager1.1.0版本 sudo dpkg -i sdkmanager_1.1.0-6343_amd64.deb 安裝完成之後運行軟件

機器學習 , pytorch , 人工智能 , Machine , 深度學習 , 用户名 , Ubuntu

收藏 評論

u_16213720 頭像

mob64ca14193248 - map_phys_mem函數

map函數在Python中的應用 函數介紹： map() 會根據提供的函數對指定序列做映射。 　　map(function, iterable, ...) 第一個參數function 以參數序列中的每一個元素調用 function 函數，返回包含每次 function 函數返回值的新列表（python2.x返回列表，Python 3.x

機器學習 , 迭代器 , c++ , 人工智能 , 返回鍵 , map_phys_mem函數 , c , Python

收藏 評論

u_16120231 頭像

wx6466f25322644 - 幾百幾千篇文獻論文自動提取標籤和簡要 NVivo、Zotero 7、Kimi 和 DeepSeek** 對這些文獻進行系統管理和智能分析的完整方案

您提供的這些文章來自 《Journal of Marketing》2024 年各期，涵蓋營銷學多個前沿領域（如醫療健康營銷、AI 影響、消費者行為等）。以下是使用 NVivo、Zotero 7、Kimi 和 DeepSeek 對這些文獻進行系統管理和智能分析的完整方案 ： 1. 文獻收集與整理（Zotero 7） 步驟：

數據 , 生物信息 , rust , 後端開發 , 人工智能 , harmonyos , 結構化

收藏 評論

u_17335978 頭像

夕年HM - 面向課堂與自習場景的智能坐姿識別系統——從行為感知到可視化部署的完整工程【YOLOv8】

面向課堂與自習場景的智能坐姿識別系統——從行為感知到可視化部署的完整工程【YOLOv8】 一、研究背景：為什麼要做“坐姿識別”？ 在信息化學習與辦公環境中，久坐與不良坐姿已成為青少年與上班族普遍面臨的健康問題。長期駝背、前傾、低頭等坐姿行為，容易引發： 脊柱側彎、頸椎病 注意力下降、學習效率降低 視覺疲勞與肌肉勞損 傳統的

數據集 , v8 , 圖形界面 , 人工智能 , 深度學習

收藏 評論

deephub 頭像

deephub - ReSearch：基於強化學習的大語言模型推理搜索框架

ReSearch是一種創新性框架，通過強化學習技術訓練大語言模型執行"推理搜索"，無需依賴推理步驟的監督數據。該方法將搜索操作視為推理鏈的有機組成部分，其中搜索的時機與方式由基於文本的推理過程決定，而搜索結果進一步引導後續推理。研究分析表明，ReSearch在強化學習訓練過程中自然地形成了高級推理能力，包括反思與自我糾正機制。 技術方法 ReSearch的訓練架構概述 與傳統的僅包含文本推理的推

llm , 搜索 , 人工智能 , 深度學習

收藏 評論