tag 人工智能

標籤
貢獻930
1064
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 rtedevcomm 頭像 u_15591470 頭像 lab4ai 頭像 u_17512334 頭像 tecdat 頭像 qingfouai 頭像

@人工智能 / 博客 RSS 訂閱

u_17580222 頭像

mb691327edb400f - AI重塑招聘生態：從效率革命到職能升級

AI重塑招聘生態：從效率革命到職能升級 當 HR 還在忙着追候選人時，AI 已經把招聘週期縮短了 40%。 人工智能技術正在逐步改變招聘行業的運作方式。有數據顯示，通過微表情分析與語義推理等技術手段，招聘週期可以實現40%的縮短；某大型銀行引入AI系統後，面試到場率提升至90.7%；輝瑞製藥在研發人才識別中採用AI技能圖譜，創新週期相應縮短22%。 這些變化表明

初始化 , 新版本 , 人工智能 , 深度學習

收藏 評論

u_17420180 頭像

合合信息解決方案 - 如何減少大模型基於文檔回答時的幻覺問題？

12 月 10 日，智譜 AI 正式開源最新多模態大模型 GLM-4.6V，其在圖像理解、圖表解析、細粒度視覺描述等領域的表現全面超越 GPT-4V、Qwen-VL 等主流模型，為基於文檔的智能問答、分析生成提供了更強大的技術支撐。 多模態大模型在處理含複雜表格、手寫批註、多元素融合的文檔時，長期存在因信息提取不精準、語義理解不充分而產生 “幻覺”—— 輸出與文

機器學習 , 數據 , 人工智能 , 文檔解析 , 結構化

收藏 評論

rivers_chaitin 頭像

百川雲開發者 - 售後羣爆炸、問題全在聊天記錄裏？這套“AI + 社區”方案救了我們

去年年底，我們產品的售後羣爆掉的那幾天，我一度覺得自己不是在做 SaaS，而是在做“高級羣管”。 每天睜眼，手機上十幾個紅點： 客户甲在微信羣裏問：“這個接口的限流是多少？” 客户乙在企業微信單聊裏追問：“昨天説的那個配置，你幫我再看下？” 客户丙在另一個羣裏發：“你們文檔這個地方是不是寫錯了？” 看起來只是一些零散的問題，但幾個月下來，我們發現自己踩進了一個經典的坑： 所有售後信息

觀點 , 開源軟件 , 問答系統 , 人工智能 , 問答

收藏 評論

deephub 頭像

deephub - 將VAE用於時間序列：生成時間序列的合成數據

變分自編碼器(VAEs)是一種生成式人工智能,因其能夠創建逼真的圖像而備受關注,它們不僅可以應用在圖像上，也可以創建時間序列數據。標準VAE可以被改編以捕捉時間序列數據的週期性和順序模式,然後用於生成合成數據。本文將使用一維卷積層、策略性的步幅選擇、靈活的時間維度和季節性依賴的先驗來模擬温度數據。 我們使用亞利桑那州菲尼克斯市50年的ERA5小時温度數據訓練了一個模型。為了生成有用的合成數據,它必

tensorflow , 神經網絡 , 人工智能 , 深度學習

收藏 評論

u_14499 頭像

coolfengsy - fasterrcnn訓練輸出

NMS：Non-Maximum Suppression（非極大值抑制） 假設從一個圖像中得到了2000個region proposals，通過在RCNN和SPP-net之後我們會得到2000*4096的一個特徵矩陣，然後通過N個SVM來判斷每一個region屬於N個類的scores。其中，SVM的權重矩陣大小為4096*N，最後得到2000*N的一個score矩陣（其中，N

機器學習 , 權重 , 人工智能 , fasterrcnn訓練輸出

收藏 評論

8848_62c77d4bb2532 頭像

Java陳序員 - 告別繁瑣操作！這款神器用 AI 輕鬆繪製專業圖表！

大家好，我是 Java陳序員。 在日常工作中，我們常常要繪製架構圖、流程圖等。 你是否也曾經歷過這些場景：對着空白的 Draw.io 界面發呆，想畫個系統架構圖卻不知從何下手？花兩小時調整流程圖佈局，結果元素還是擠成一團？好不容易畫完的雲架構圖，領導一句“重新排版”讓你心態崩潰？ 今天，給大家推薦一款製圖神器，用 AI 幫助你輕鬆繪製專業圖表！ 關注微信公眾號：【Java陳序員】，獲取開源項目

github , node.js , openai , 人工智能 , Docker

收藏 評論

u_14306318 頭像

咚咚王哲 - 人工智能之數據分析 Matplotlib：第六章 知識總結

人工智能之數據分析 Matplotlib 第六章 知識總結 (文章目錄) 前言 本文對之前的關於matplotlib的知識進行系統性總結，便於知識梳理和歸納，為後續打好基礎，或者面試使用 一、核心架構 Matplotlib 採用 三層架構： Backend（後端） 負責圖形渲染和輸出（如 T

子圖 , yyds乾貨盤點 , 面向對象 , 人工智能 , 數據分析 , Python

收藏 評論

u_12897 頭像

jordana - PyTorch中文教程 | (15) 在深度學習和NLP中使用PyTorch_pytorch 中文nlp

PyTorch 的 torch.nn 模塊是構建和訓練神經網絡的核心模塊，它提供了豐富的類和函數來定義和操作神經網絡。 以下是 torch.nn 模塊的一些關鍵組成部分及其功能： nn.Module 類 nn.Module 是所有自定義神經網絡模型的基類。用户通常會從這個類派生自己的模型類，並在其中定義網絡層結

卷積 , 神經網絡 , pytorch , 後端開發 , 人工智能 , 深度學習 , Python

收藏 評論

u_14731 頭像

killads - latx中論文格式remark

中南大學畢業設計（論文）LaTeX模板 項目説明 下載鏈接 論文模板展示 關於取消參考文獻後面的頁碼超鏈接的説明 作者：Chai Xingtao 項目説明 由於中南大學本科生院只發布了畢業設計（論文）的Word模板，為方便部分使用LaTeX編輯和排版論文的同學，特

機器學習 , 論文模板 , 中南大學 , latex , 人工智能 , latx中論文格式remark , 畢業設計

收藏 評論

u_12205 頭像

小魚兒 - has no member named 鈥榮erialize

剛進公司實習一個月，用到Silverlight開發一個小的工作流生成功能。學習一段時間利用午休的間隙來寫點東西。 silver英文中的意思就是金屬銀，light的意思是光亮。銀光正如silverlight應用程序初始樣式所顯現出來的顏色給人一種驚豔的感覺。 silverlight在微軟RIA（Rich Internet Application）戰略中具有舉足輕重的

控件 , 機器學習 , 內容控件 , 人工智能 , Image

收藏 評論

aws_aidevcommunity 頭像

亞馬遜雲開發者 - 使用Graviton機型推理LLM模型實踐指南

1. 背景介紹 在企業 AI 應用實踐中，並非所有任務都需要部署參數量數百億的大型模型。大量業務場景如工單分類與路由、客服評論情感分析、關鍵信息提取、實時文本翻譯等，屬於高頻但相對簡單的任務，這些場景對響應速度和成本更為敏感。Amazon Graviton 處理器與 Qwen3 0.6B 輕量級模型的結合，為這類場景提供了一個極具性價比的推理解決方案。 通過在多種實例類型上的全面測試，我們發現 G

人工智能

收藏 評論

haixiudeshanghen_cc1dwg 頭像

haixiudeshanghen_cc1dwg - AI 如何改變軟件文檔生產方式？

現代軟件工程中的文檔革命：從附屬品到核心組件的範式升級 在數字化轉型浪潮席捲全球的當下，軟件系統的複雜度與規模呈現指數級增長。據Gartner最新研究顯示，超過67%的企業軟件項目延期或超預算的根本原因可追溯至文檔系統的缺陷。這一現象在工業控制系統、信息安全平台等關鍵領域尤為突出，迫使行業重新審視文檔體系在軟件開發生命週期中的戰略地位。 傳統文檔管理模式正面臨前所未有的挑戰。在缺乏自動化工具支持的

知識管理 , 人工智能 , 研發管理 , 版本管理 , 團隊管理

收藏 評論

u_16213561 頭像

技術極客俠 - LSTM解決了RNN的侷限性

引入LSTM 儘管RNN被設計成可以利用歷史的信息來輔助當前的決策，但是由於在上節提到的梯度消失或者梯度爆炸問題，RNN主要還是學習短期的依賴關係。所以RNN新的技術挑戰就是-長期依賴。 長短時記憶網絡(Long Short Term Memory Network, LSTM)，是一種改進之後的循環神經網絡，可以解決RNN無法處理長距離的依賴

機器學習 , 神經網絡 , 激活函數 , 循環神經網絡 , 人工智能 , 深度學習 , LSTM解決了RNN的侷限性

收藏 評論

aipaobudexiangjiao_cktinz 頭像

愛跑步的香蕉_cKtiNz - 拒絕AI“無效忙碌”：招聘智能體的核心破局——讓判斷精準落地

拒絕AI“無效忙碌”：招聘智能體的核心破局——讓判斷精準落地 《哈佛商業評論》與斯坦福大學的聯合研究揭示了一個尷尬現實：AI工具的普及讓工作產出速度激增，但95%的組織並未收穫可衡量的投資回報。“動作量暴漲，成就感停滯”，AI正以驚人效率製造大量“看似專業卻無價值”的工作垃圾。而在招聘領域，這種“無效忙碌”的代價更為沉重——浪費人力、消耗成本，甚至錯失組織未來的核心人才。 很多企業早已

人工智能

收藏 評論

u_17522147 頭像

mb68c23637232fb - 領嵌iLeadE-588邊緣計算網關設備支持4路攝像頭4路網口支持RS485/CAN

1. 多通道**視頻接入與AI分析 支持4路攝像頭同時接入，實時視頻流處理。 內置高性能AI算力，支持人臉識別、行為分析、車牌識別等算法，自動匹配場景需求，無需手動編程。 智能算法一鍵部署，自動優化計算資源分配。 2. 工業級網絡與設備連接 4個千兆網口，支持多設備級聯與數據高速傳輸。 工業接口全覆蓋：配備RS485、CAN總線

數據 , 實時視頻 , 級聯 , 人工智能 , 數據分析

收藏 評論

u_16082658 頭像

wx64422c161e8a1 - AI知識掃盲

文章目錄 一、大模型（Language Models） 二、智能體（Agent) 三、模型上下文協議, MCP (Model Context Protocol) 一、大模型（Language Models） 大模型（Language Models）是指具備了強大的語言理解、生成和推理能力的深度學習模型。

應用程序 , AI , 後端開發 , 人工智能 , 模態 , Python

收藏 評論

gujiachun 頭像

老顧聊技術 - 如何讓大模型有短期記憶和長期記憶？LangGraph指南

引言 在人工智能領域，將大型語言模型（LLM）從簡單的無狀態問答機器轉變為能夠進行連貫、有上下文感知對話的複雜智能體，其核心關鍵在於內存。LLM 本身是無狀態的，每次調用都是一次獨立的計算，它們不會天生記得之前的交互。為了構建能夠學習、適應和維護長期關係的智能體，開發者必須為其提供一個堅實的狀態管理框架。LangGraph 正是為此而生，它提供了一個強大而靈活的解決方案。

機器學習 , 持久化 , 短期記憶 , 人工智能 , 長期記憶

收藏 評論

tdengine 頭像

TDengine濤思數據 - TDengine IDMP 1.0.9.0 上線：數據建模、分析運行與可視化能力更新一覽

在 TDengine IDMP 持續迭代的過程中，有一類問題會越來越早地出現：不是“能不能實現”，而是“以後用起來會不會變複雜”。 當數據規模開始擴大、模型開始變多、分析邏輯開始演進時，一些看似細節的能力就變得重要起來——比如單位是否統一、分析能否複用、視圖是否可以保存、規則調整後歷史數據如何處理。 TDengine IDMP 1.0.6.0–1.0.9.0 這一階段的更新，正是

異常檢測 , 大數據 , 數據倉庫 , 時序數據庫 , 人工智能 , tdengine

收藏 評論

u_16099211 頭像

笑傲江湖求敗 - 人工智能導論——人工智能學科研究的基本內容及主要研究領域

人工智能導論 人工智能（Artifical Intelligence，簡稱AI） 人工智能的本質：人工智能是一門研究如何製造出人造的智能機器或智能系統，來模擬人類智能活動的能力，以延伸人們智能的科學。 一、如何判定人工智能的存在（人工智能系統的智能存在性判別） 1、圖靈測試 （1） 概述： 圖靈測試是哲學領域，思想實驗，從形式上判別人工智能（從

搜索 , 理論基礎 , 人工智能 , Css , 前端開發 , HTML

收藏 評論

lab4ai 頭像

Lab4AI - NeurIPS 2025！採樣成本降 50%+ 準確率提升！南大等團隊的RPC方法刷新 LLM 推理上限

NeurIPS 2025！採樣成本降 50%+ 準確率提升！南大等團隊的RPC方法刷新 LLM 推理上限 論文標題：A Theoretical Study on Bridging Internal Probability and Self-Consistency for LLM Reasoning 作者團隊：南京大學、瑞士蘇黎世聯邦理工學院 發佈時間：2025年10月17日 👉一鍵直達論文

人工智能

收藏 評論

u_16054295 頭像

百能雲芯 - AI帶動中國大陸存儲芯片價格狂飆┃百能雲芯

　人工智能（AI）需求爆發，帶動存儲器芯片市場「超級週期」來襲，掀起全面缺貨和漲價潮。目前部分存儲器原廠報價效期短，出現「一天一價」現象，部分DRAM和Flash產線更暫停報價。分析師預計，第四季DRAM的整體價格（加計高頻寬存儲器HBM）將季增13％～18％。 財聯社報導，存儲器芯片市場2025年上半年漲勢並未在第四季趨緩，反而出現加劇的跡象。以

AI , 人工智能 , 數據結構與算法

收藏 評論

kaizx 頭像

KAI智習 - 時代週刊致敬“AI建築師”，螞蟻開源 LLaDA 2.0，谷歌 NotebookLM 升級

2025 年的尾聲比想象中來得更熱鬧一些。 科技圈，既有象徵意義極強的“年度人物”定調，也有真金白銀的百億級算力豪賭。從國外的 Anthropic、Mistral 到國內的螞蟻技術研究院，大家似乎都在趕着交出一份年度答卷。 🏆 《時代》週刊：致敬“AI 建築師” 歷史總是驚人的相似。繼當年“個人電腦”登上封面後，《時代》週刊宣佈將 “人工智能的建築師”（The Architects of

機器學習 , llm , 資訊 , 人工智能

收藏 評論

deephub 頭像

deephub - 別隻會One-Hot了！20種分類編碼技巧讓你的特徵工程更專業

機器學習模型處理不了原始文本。無論是線性迴歸、XGBoost還是神經網絡，遇到 "red" 、 "medium" 、 "CA" 這類分類變量都沒法直接處理。所以必須把它們轉成數字這個過程就是分類編碼。 大家入門時肯定都學過獨熱編碼或序數編碼，但編碼方法其實非常多。目標編碼、CatBoost編碼、James-Stein編碼這些高級技術，用對了能給模型帶來質的飛躍，尤其面對高基數特徵的時候。

機器學習 , 編碼 , 人工智能 , Python

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - AI 搜索開放平台 x Qwen3：智能搜索全棧解決方案新升級

隨着 AI 技術的飛速發展，搜索已不僅是“查找信息”，更是“創造價值”的核心引擎。阿里雲 AI 搜索開放平台與 Qwen3 模型的深度融合，為企業和開發者提供了從基礎能力到複雜場景的全棧解決方案，讓智能搜索的落地門檻更低、效率更高、體驗更佳。 一、AI 搜索開放平台介紹 阿里雲 AI 搜索開放平台面向企業及開發者提供豐富的 AI 搜索組件化服務，用户可靈活調用多模態數據解析、大語言模型、效果測評等

大數據 , 搜索 , 阿里雲 , 人工智能

收藏 評論