tag 人工智能

標籤
貢獻930
1073
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

pannideniupai 頭像

雨大王 - 工業4.0時代，你的工藝優化跟上節奏了嗎？

製造業的轉型升級已經進入關鍵階段，而工業工藝優化作為其中的重要一環，正成為企業提升競爭力的核心抓手。傳統的工藝管理往往依賴經驗積累和人工干預，效率低下且難以適應快速變化的市場需求。隨着人工智能技術的不斷髮展，工業工藝優化正在經歷一場深刻的變革。 以新能源電池行業為例，廣域銘島的Geega工業互聯網平台幫助衢州極電打造了智能製造創新應用。通過融合工業大數據、AI和物聯網技術，平台實現了電芯生產

人工智能

收藏 評論

alixitongruanjianjishu 頭像

阿里云云原生 - 【北京活動預告】阿里雲 AI 原生應用開發實戰營——AI Agent 專場，開啓報名

時間：2025.12.26（週五）13:30-17:00 地點：北京·阿里巴巴朝陽科技園 活動議程： AI 原生應用開發最佳實踐 函數計算 AgentRun：企業級一站式 AI Agent 基礎設施平台 Function AI：生成式 AI 的落地實踐與案例分享 AI 時代的“智能流量中樞”，AI 網關搭建與落地實踐 現場完成實操，更有驚喜彩蛋和專屬證書等你來拿~ 點擊此處或鏈

人工智能 , 雲原生

收藏 評論

u_17583190 頭像

fangpin - 從 1.56% 到 62.9%：SFT 推理微調優化實戰

讀完這篇文章，你將用監督微調（SFT）把一個 1.5B 規模的數學模型在 GSM8K 上的零樣本推理正確率從 1.56% → 62.9%，同時把輸出格式遵循率從 18.9% → 100%。我們將完整走通數據集下載、Prompt 架構、訓練配置和評估方法，所有代碼均來自本倉庫 alignment 文件夾，保證可復現與透明。 本文將深入剖析 llm-from-scratch

lua , 人工智能 , 深度學習 , Json , Python

收藏 評論

u_13250 頭像

flybirdfly - knn近鄰分類算法k值大值

k-近鄰算法原理 K-近鄰算法採用測量不同特徵值之間的距離方法進行分類。 • 優點：精度高、對異常值不敏感、無數據輸入假定。 • 缺點：時間複雜度高、空間複雜度高。 適用數據範圍：數值型和標稱型。 工作原理 存在一個樣本數據集合，也稱作訓練樣本集，並且樣本集中每個數據都存在標籤，即我

機器學習 , 數據集 , 樣本集 , 數據 , 算法 , knn近鄰分類算法k值大值 , 人工智能

收藏 評論

u_15675190 頭像

冰淇淋紅茶Q - 文檔解析與問答實戰——三步搭建基於TextIn與Coze的智能文檔Agent方案

一、引言 1.1 複雜文檔的感知瓶頸 當前，以大語言模型（LLM）為核心的智能體（Agent）技術，正快速融入法律文書問答、合同條款比對、技術標準解讀等企業核心業務流程中。基於自主任務理解、步驟規劃與工具調用能力，智能體能夠可靠執行教育科研輔助、法律信息提取、合同自動比對、標準結構化解析等一系列複雜業務操作，有效提升效率與準確性。 然而，當Agent真正

人工智能 , 深度學習 , 文檔解析 , 結構化 , Markdown

收藏 評論

u_17583606 頭像

視頻孿生 - 腳踏實地 勇攀高峯 | 盤點智匯雲舟2025這一年!

2次融資，8個國家級標杆項目， 81項知識產權，2000 m²辦公區...... 數字無聲， 卻記錄着雲舟2025年每一個堅實的足跡。 過去的一年， 信息技術浪潮奔涌向前， 我們既感受到行業發展的大有可為， 也體會到了經濟不確定性下的“雄關漫道”， 此刻， 讓我們通過一組組紮實的數據， 共同感受和見證雲舟這一年的突破與

數據可視化 , 人工智能 , 空間智能應用 , 應用場景 , 智匯雲舟 , 信息技術 , 視頻孿生領域

收藏 評論

u_17579295 頭像

mb6911caa73d1d1 - 從實戰出發：數字孿生如何重塑國防航天運維效率

作為一名在國防航天領域工作多年的工程師，我親歷過無數挑戰：複雜的設備監控、緊急的故障排查、以及瞬息萬變的戰場環境模擬。過去，我們依賴傳統系統，常常在數據孤島和響應延遲中掙扎。直到我們引入了一套創新的數字孿生平台—孿易IOC，才真正實現了運維的智能化轉型。今天，我想分享我們的實戰經驗，希望能為同行們提供一些啓發。 一、全面監測：讓複雜運維變得直觀高效

數據 , 運維 , 數據可視化 , 人工智能 , 數字孿生 , 實戰經驗

收藏 評論

u_14306318 頭像

咚咚王哲 - 人工智能之數據分析 Matplotlib：第一章 簡介和安裝

人工智能之數據分析 Matplotlib 第一章 簡介和安裝 (文章目錄) 前言 Matplotlib 是 Python 中最常用的數據可視化庫之一，用於創建靜態、動態和交互式的圖表。它功能強大、靈活，並且與 NumPy、Pandas 等科學計算庫無縫集成，廣泛應用於數據分析、機器學習、科研和工程等領域。 一、Matplotlib 簡介

機器學習 , 人工智能 , 數據分析 , 深度學習 , Python

收藏 評論

u_16213652 頭像

mob64ca1408d5ff - 處理可變長度輸入強化學習

固定長度的數據結構很簡單，大家每天都在用。 可變長度數據結構，都可以通過內嵌對象的形式，轉化成固定長度的數據結構，大家每天也都在用，例如： struct person { int id; string name; string address; }; 每個 person 對象的長度是固定的，但是，其

機器學習 , 字段 , 處理可變長度輸入強化學習 , 數據 , 數據結構 , 人工智能

收藏 評論

u_15641375 頭像

芯動大師 - ROS 編程入門的介紹

2.1 創建 ROS 功能包 ROS（Robot Operating System）是一種開源的機器人軟件框架，廣泛用於機器人開發中。通過使用 ROS，開發者可以輕鬆創建和管理機器人應用程序。在本節中，我們將介紹如何創建一個 ROS 功能包並實現一些基本功能。 2.1.1 使用 ROS 主題 ROS 主題（Topic）是一種發佈/訂閲機制，允許節點之間進行通信。

機器學習 , 服務器 , yyds乾貨盤點 , xml , 客户端 , 人工智能

收藏 評論

u_16099278 頭像

代碼工匠傳奇 - thyemleaf模板注入

Thymeleaf模板註釋分為標準HTML/XML註釋、解析層註釋、原型註釋三種。 一、註釋説明 1、標準HTML/XML註釋 直接通過瀏覽器打開，不顯示，Thymeleaf模板引擎解析也不處理，但查看網頁源代碼，註釋有在裏面。 語法： !-- 內容 -- 瀏覽器界面不顯示，查看瀏覽器網頁源碼有顯示； 2、解

機器學習 , User , 人工智能 , JAVA , thyemleaf模板注入 , HTML

收藏 評論

u_17580222 頭像

mb691327edb400f - AI破局招聘困局：從決策困境到效率新生

AI破局招聘困局：從決策困境到效率新生 企業往往低估招聘偏差帶來的隱性損耗：一次不合適的僱傭，除了造成該崗位年薪三成到五成的直接開支浪費，還會引發團隊協作阻滯、培訓投入打水漂等一系列問題。傳統招聘中，HR僅憑主觀印象和簡歷上的零散信息做判斷，很容易讓真正的人才與企業失之交臂，而AI技術的深度應用，正為這一長期困擾行業的難題提供了全新解法。

鏈路 , ATS , 人工智能 , 深度學習 , 迭代

收藏 評論

u_16213655 頭像

mob64ca1409970a - find_element最新用法

find是一個強大的文本搜索工具,有很多選型可以根據用户,時間,尺寸,路徑,權限,文件類型等選項查找,也可以指定路徑,最後還能對找到的文件進行處理 . 下面主要介紹find的四個方面: 一:find與locate的比較 二:find的常見用法及其語法

find_element最新用法 , 機器學習 , 文件名 , find命令 , hadoop , 人工智能

收藏 評論

huikaichedemianbao 頭像

合合技術團隊 - 複雜公式與表格識別率突破99%！TextIn xParse如何助力數傳集團實現教育數字化飛躍？

武漢理工數字傳播工程有限公司（以下簡稱“數傳集團”）是國內教育出版數字化領域的重要服務商，為K12、高等教育及職業培訓提供智能題庫、數字教材、在線測評等教學解決方案，業務覆蓋全國數百所學校與教育機構。 在教育出版行業加速向AI化、智能化轉型的今天，傳統紙質教材、習題的數字化已成為許多企業佈局在線教育的關鍵一環。然而，複雜的公式、表格、手寫內容識別一直是OCR技術難以跨越的“高牆”，制約着題庫質量與

大數據 , 算法 , 人工智能

收藏 評論

sanzhanggui 頭像

三掌櫃 - 突破AR視覺交互邊界：Unity賦能Rokid AR眼鏡實現高精度圖像識別與實時跟蹤

前言 隨着技術的不斷髮展和進步，尤其是在空間計算技術飛速迭代的今天，AR技術已從概念走向產業落地，成為連接物理世界與數字信息的核心橋樑。而且圖像識別與跟蹤技術，作為AR應用的“視覺神經中樞”，直接決定了虛擬內容與現實場景融合的精準度和沉浸感。國內AR硬件領軍者Rokid推出的AR眼鏡系列，憑藉輕量化設計、強大的空間計算能力及開放的開發生態，為各位開發者提供了探索AR應用落地的優質載體。但是，多數開

圖像識別 , 神經網絡 , 人工智能

收藏 評論

huzilachadeyuechikou 頭像

晨曦鑰匙扣 - CRM/ERP數字化整合，深化訂單關聯的採購 / 生產 / 委外協同，構建業務增長閉環

五大CRM/ERP品牌核心能力橫評：從全場景整合到增長閉環的深度對比 在數字化轉型進入深水區的今天，企業對“從獲客到售後的全鏈路打通”“訂單與供應鏈的實時協同”“數據驅動的可持續增長”的需求愈發迫切。本文選取超兔、Salesforce、用友、銷售易、 SAP五大主流品牌，圍繞覆蓋獲客到售後全場景的數字化整合、深化訂單關聯的採購/生產/委外協同、構建業務增長閉環三大核心維度展開深度對比，結合功能細節

人工智能 , 前端

收藏 評論

u_16163453 頭像

嘴巴吃糖了 - RAG知識庫構建：文檔處理的核心原則與實踐！

簡介 RAG知識庫構建中，文檔處理是根基，但不應機械套用固定流程。知識庫本質是為大模型服務，實現精確檢索才是核心。處理文檔需根據業務需求靈活進行：結構化數據應提取元數據；非結構化數據需合理分段，保留原始內容用於增強生成，提取核心內容用於精確檢索。同時需進行文檔清洗，過濾無效內容。最終處理方式應基於實際業務需求調整，而非照搬他人流程。

機器學習 , 大數據 , MySQL , 算法 , 架構 , 數據庫 , 人工智能

收藏 評論

qingfouai 頭像

青否Ai - 獲客+引流+銷售全流程，實現ai超級員工：企業降本增效的未來工作模式！

在當今快速發展的數字化時代，企業面臨着日益複雜的市場環境和競爭壓力。為了在激烈的市場競爭中立於不敗之地，企業必須不斷提高效率，降低成本。AI（人工智能）、RPA（機器人流程自動化）和AI Agent（人工智能代理）的結合，為企業提供了一種全新的解決方案——定製化的數字員工。這種未來工作模式不僅能夠顯著提升企業的運營效率，還能有效地降低企業的運營成本。本文將探討這一創新模式的實現路徑及其在企業中的應

機器學習 , 算法 , 人工智能 , 深度學習

收藏 評論

videocloud 頭像

字節跳動視頻雲 - 從“抖音同款”到“豆包同款”：視頻雲正在進入 Agent 時代

作者 | 凌敏 對於普通人而言，音視頻算得上是最“接地氣”的技術——不需要具備專業背景，就能直觀地感受到技術能力高低帶來的體驗層面的差異。比如，觀看世界盃直播，模糊的畫面、明顯的延遲、卡頓的互動，都能直接影響球迷觀看體驗。 在移動互聯網時代，人們對於音視頻技術的要求其實很簡單，就是“看得清、看得爽”。這也是火山引擎視頻雲能夠在這一時期殺出重圍的關鍵——火山引擎將抖音在億級 DAU 場景

人工智能

收藏 評論

u_16459925 頭像

wx6583a3b0b06d1 - ComfyUI Docker 鏡像部署指南

一、項目簡介 ComfyUI 是一款基於節點工作流的 Stable Diffusion 圖形界面，支持通過可視化方式組合複雜的圖像生成流程。 ComfyUI-BOOT 基於官方 ComfyUI 構建，內置： Python 運行環境 PyTorch（按 CUDA / 架構區分） ComfyUI 本體 啓動與下載腳本

機器學習 , ComfyUI部署文檔 , ComfyUI部署 , ComfyUI , 人工智能 , Docker , CUDA

收藏 評論

u_16099250 頭像

架構師之光 - 國外深度學習開發開台有哪些

目錄 一、安裝anaconda 二、配置虛擬環境 三、安裝vscode 四、在vscode安裝pylint 五、安裝YAPE 六、安裝TensorFlow pip install與conda install 測試安裝 git工具安裝 tensorflow object detection api 下載安裝 建立文件

tensorflow , 國外深度學習開發開台有哪些 , 人工智能 , 深度學習 , Git , Python

收藏 評論

u_14306318 頭像

咚咚王哲 - 人工智能之數據分析 Matplotlib：第二章 Pyplot

人工智能之數據分析 Matplotlib 第二章 Pyplot (文章目錄) 前言 pyplot 是 Matplotlib 庫中最常用、最便捷的模塊，提供了類似 MATLAB 的命令式繪圖接口，非常適合快速繪製各種圖表。它通過一系列函數自動管理圖形（Figure）、座標軸（Axes）等底層對象，讓初學者也能輕鬆上手。 一、導入方式

面向對象 , 座標軸 , 人工智能 , 數據分析 , Python

收藏 評論

u_14256 頭像

laojean - lemma prop

定義(definition): 描述一個概念，並區別於其他相關概念的表述。 命題(proposition): 用於判斷真假的陳述句。 引理(lemma): 為了取得某個更好的結論而作為步驟被證明的命題，其意義並不在於自身被證明，而在於為達成最終目的作出貢獻。引理和定理沒有嚴格界限。 公理(axiom): 經過人類長期反覆

機器學習 , 學習 , google , lemma prop , 人工智能 , ci , 百度

收藏 評論