tag 人工智能

標籤
貢獻909
926
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_17420180 頭像

合合信息解決方案 - 銀行AI中台建設方案及案例

當銀行數字化轉型進入深水區，AI中台建設已從“可選項”變為“必選項”。某股份制銀行與合合信息合作構建的全行級AI中台，僅用2個多月就上線40+模型，釋放37人年工作量，節約成本超千萬——這組數據背後，折射出銀行業在智能化轉型中的迫切需求與技術突破路徑。 銀行AI中台建設的核心痛點 傳統銀行在AI能力建設中普遍面臨“慢、舊、散”的困境。該股份制

機器學習 , 字段 , 人工智能 , 接口服務

收藏 評論

qianniandanshendepingguo 頭像

千年單身的蘋果 - 2025開發者實戰評測：拒絕PPT，這幾款AI工具真能幫你修Bug

在SegmentFault社區，我們不談概念，只看代碼。每天面對的需求變更、莫名其妙的NullPointer、以及晦澀難懂的第三方庫源碼，到底哪款AI工具能真正成為你的“結對編程好基友”？ 拋開那些花哨的宣傳，我們找來了2025年市面上最熱的幾款工具，直接上實戰環境（VS Code + 真實項目）進行了一波肉搏。 實戰紅榜 Top 3 1.百度文心快碼 (Comate)：最懂中文開發環境的實

教程 , 知識 , 人工智能 , 後端 , 前端

收藏 評論

u_16099278 頭像

代碼工匠傳奇 - emui虛擬機

最近在研究zabbix監控，在實際生產環節中，我們不單單是需要對linux主機進行監控還需要對網絡設備防火牆等等進行監控，那麼在linux主機上我們可以安裝zabbix-agernt，但是在路由器交換上就沒法安裝了，因此，我們必須藉助snmp（簡單網絡管理協議）去手機設備上的相關數據進行分析，下面我們就來看看在華為設備上如何去配置吧！ 拓撲搭建 1.拖拽一個路由 一個

機器學習 , ip , emui虛擬機 , Linux , 人工智能 , 網絡接口

收藏 評論

gujiachun 頭像

老顧聊技術 - A2A vs MCP：AI架構的協議革命

在AI技術快速發展的今天，兩個關鍵協議正在重塑我們構建智能系統的方式：Google的Agent-to-Agent協議(A2A)和Model Context Protocol(MCP)。這兩個協議代表了AI架構發展的不同維度，但它們共同指向一個未來：我們正從確定性編程轉向自主協作系統。 協議的本質區別：工具vs代理 MCP（Model Context Protocol）

軟件開發 , API , 人工智能 , 深度學習 , 智能系統

收藏 評論

u_17585057 頭像

星球科技 - 天立啓鳴連獲權威認可，密集落子奠定AI教育引領地位

近日，天立教育旗下AI智慧教育品牌啓鳴達人（以下簡稱天立啓鳴）接連完成一系列關鍵部署，在權威認可與產業協同兩大維度取得顯著突破。不僅在新華網教育論壇榮膺國家級獎項，更與科技巨頭騰訊達成重量級戰略合作。 從國家媒體論壇的聚光燈，到科技巨頭的戰略簽約台，天立啓鳴正在實現從市場驗證到生態構建的全面升級。 戰略進階：天立啓鳴以雙輪驅動，勾勒AI教育新圖景 年末之

數據 , 人工智能 , 數據分析 , 核心技術

收藏 評論

aloudata 頭像

Aloudata大應科技 - AI 數據分析如何保障準確性？Aloudata Agent 構建可信數據基礎

前言： 在數字化轉型浪潮中，企業數據分析決策的時效性與準確性已成為競爭勝負的關鍵。隨着“Data + AI”融合加深，ChatBI 產品爆發式增長。但在當前市場中，大多數 ChatBI 產品依賴大模型直接生成 SQL 的技術路徑（NL2SQL），普遍面臨“大模型幻覺”導致的數據不可信問題——模型可能生成與事實不符、計算邏輯矛盾、口徑不一致甚至完全虛構的數據結果，直接影響分析決策質量。 如何突破這一

agent , 大數據 , 人工智能 , 數據分析 , 大模型

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 入選ICML 2025，Meta/劍橋/MIT提出全原子擴散Transformer框架，首次實現週期性與非週期性原子系統統一生成

在當今科學研究與工業應用的前沿領域，原子系統三維結構的生成建模正展現出顛覆性潛力，有望徹底重塑新型分子和材料的逆向設計版圖。從精準的結構預測到靈活的條件生成，當前最先進的擴散模型及流匹配模型已在生物分子解析、新材料研發及基於結構的藥物設計等關鍵任務中嶄露頭角，成為科研人員突破技術瓶頸的核心工具。 然而，在這一蓬勃發展的領域背後，一個關鍵難題始終制約着技術躍遷——現有模型缺乏跨系統的通用性。 儘管所

機器學習 , 資訊 , tensorflow , 人工智能 , 深度學習

收藏 評論

u_16213565 頭像

編程藝術大師 - t5模型需要下載哪些權重文件

關聯模型三類 1.一對於 hasOne 2.一對多 hasMany 3.屬於 belongsTo 4.對對多 belongsToMany 三種關聯的時候。 1.按從屬結構，分兩種，父子結構。同級結構。 2.記住這兩個結構。會可以很方便的記憶，三個函數的參數。 父hasOne(子子父)

t5模型需要下載哪些權重文件 , 類名 , 外鍵 , 人工智能 , 深度學習 , 主鍵

收藏 評論

u_16099343 頭像

編程夢想編織者 - faster whisper引擎下載

前言 在Flutter連續大版本的迭代下，發現2年前的項目bladeofgod/tank_combat (github.com)已經沒法跑了，為此進行了適配和代碼的重構。 相較於老項目，重構後的項目在代碼、設計以及註釋上更為規範、合理及詳盡，藉此，希望初學者能有所收穫。此外，由於是學習類demo，所以未經過審慎思考，如有設計不合理或不嚴謹的地

swift , Android , 人工智能 , flutter , 深度學習 , faster whisper引擎下載 , 前端

收藏 評論

u_16099245 頭像

遊俠小影 - PID為4且進程名為System

2016-02-02 進程控制 進程標識 每個進程都有一個非負整型的唯一的進程id，因為進程id表示服總是唯一的，常將其用作其他標識符的一部分以保證其唯一性。 有某些專用的進程：進程id為0是調度進程，常常被稱為交換進程。該進程不執行任何磁盤上的程序，它是內核的一部分，因此也被稱為系統進程。進程id 1通常是init進程，在自舉過

機器學習 , 父進程 , 子進程 , waitpid最後以一個參數設為0 , unix , PID為4且進程名為System , 人工智能

收藏 評論

u_17569005 頭像

wx6906fb3f9b17a - 智能機器人(AGV/AMR/機器狗)自主乘梯控制系統方案。系統採用獨立傳感器網絡實時監測電梯運行狀態，通過無源節點安全控制電梯，支持MQTT/Modbus/TCP/MQTT/HTTP等多種協議交互

機器人（狗）AGV\AMR乘梯控制系統方案設計書 本方案設計了一套完整的智能機器人（AGV/AMR/機器狗）自主乘梯控制系統。系統通過獨立傳感器網絡實時監測電梯運行狀態（樓層/門狀態/轎廂環境），採用無源節點安全控制電梯運行，支持MQTT/Modbus等多種協議與機器人交互。核心功能包括：精準樓層定位、安全門狀態檢測、活物識別、網絡化遠程控制等，實

梯控 , 機器人 , AMR , 機器狗 , 人工智能 , 深度學習 , AGV

收藏 評論

wangzhongyang_go 頭像

王中陽講編程 - Go後端 vs Go AI應用開發重點關注什麼？怎麼學？怎麼面試？

正如標題所説，這是今天和同事們討論的話題，很有意思，也和大家分享一下 下面是我們激烈討論後的一些共識：雲原生撞上AI爆發，Go語言憑 “輕量能打、併發超強” 的buff火出技術圈，成了後端開發和AI落地的香餑餑。 雖説都是“Go系工程師”，但後端開發和GO AI應用開發的技能點、成長路完全是兩條線。這篇就幫你扒清楚二者的核心差異，不管是入行選方向，還是跳槽漲薪，都能找到清晰的通關路徑。 一、崗位核

人工智能 , go , 後端

收藏 評論

xialeistudio 頭像

xialeistudio - 當CLI成為信仰：我們是否陷入了工具選擇的認知陷阱？

我們常以命令行工具為傲，視其為效率與專業性的象徵。然而，當這種偏好固化為一種近乎本能的反應時，我們是否真正思考過背後的工程代價？在追求鍵盤敲擊速度的同時，我們可能正忽視團隊協作與系統可維護性的深層需求。 CLI優勢背後的真實權衡 CLI工具確實在多個維度上展現出優勢，這些優勢並非空談，而是基於具體的工程約束。資料中列舉了八個核心理由，我們可以將其歸納為三類權衡： 資源效率：CLI軟件通常佔用更

人工智能

收藏 評論

u_15690955 頭像

出手吧Glen - 開源最強數字人HeyGem，威力加強版！

大家好，我是立志替大家出手的AI區UP主格倫Glen。 友友們！以前提起 “數字人”，總覺得是影視大佬、科技巨頭的專屬玩法 —— 動輒幾小時建模、幾天渲染，還得有專業技術加持，普通人想碰？想都別想！ 但今天必須給大家安利一個顛覆數字人行業的狠活：硅基智能推出的HeyGem！這款開源數字人神器，直接把 “數字人制作” 從 “高端局” 拉到 “新手

機器學習 , 數字人 , 建模 , 離線 , 上傳 , 人工智能

收藏 評論

deephub 頭像

deephub - 告別低效代碼：用對這10個Pandas方法讓數據分析效率翻倍

對於 Python 數據處理的初學者而言，早期的 Pandas 代碼往往充斥着基礎的 .head() 、 .dropna() 調用以及大量的在線搜索。然而，掌握一些核心的處理模式後，Pandas 將展現出其快速、表達力強且優雅的特性。 本文將介紹 10 個在數據處理中至關重要的 Pandas 技術模式。這些模式能夠顯著減少調試時間，提升代碼的可維護性，並構建更加清晰的數據處理流水線。 使用

機器學習 , 數據挖掘 , 人工智能 , pandas , Python

收藏 評論

u_17241003 頭像

瀾極美顏SDK - 探索第三方美顏SDK：美顏插件api的技術原理與實現

在視頻社交、直播帶貨等場景中，用户輕點屏幕即可實現膚色優化、瑕疵淡化等效果，這一便捷體驗的背後，是第三方美顏SDK通過標準化API接口構建的技術橋樑。美顏插件API作為連接社交平台與底層美顏算法的核心載體，不僅簡化了功能集成流程，更通過精準的技術設計，讓複雜的計算機視覺技術轉化為“開箱即用”的產品能力。本文將深入拆解美顏插件API的技術架構、核心原理與實現路徑，揭開其高效

API , 應用程序 , 人工智能 , 開發人員 , 深度學習

收藏 評論

u_13303 頭像

colddawn - 目標檢測識別電錶讀數

隨着可再生能源的重要性日益凸顯，光伏行業作為清潔能源的重要組成部分備受關注。在光伏發電系統中，防逆流檢測電能表技術被認為是未來發展的關鍵，它不僅可以提高光伏發電系統的效率，還可以保障電網安全穩定運行。本文將深入探討光伏防逆流檢測電能表技術的意義、原理以及未來發展趨勢。 開篇 光伏能源作為清潔能源的重要來源，正逐漸成為全球能源轉型的重要推動力量

能源 , 發展趨勢 , 目標檢測識別電錶讀數 , 人工智能 , 計算機視覺 , 分佈式 , 安全

收藏 評論

u_14152 頭像

feiry - windows安裝emqx下載

硬盤安裝xubuntu-8.04 於是，我下載了ubuntu-8.04.1-alternate-i386.iso，直接放到C盤。 然後硬盤安裝，刻盤安裝的同學跳過此段。 1、查看C盤，保證裏面沒有menu.lst文件(當然也可以是別的盤，不過C盤在Linux裏面是（hda0,0）第一個硬盤 的第一個分區，比較好記。D盤是(hda0,4)，E盤是(hda0,

機器學習 , windows安裝emqx下載 , 人工智能 , 重新啓動 , desktop , Ubuntu

收藏 評論

u_16380863 頭像

未聞花名AI - 構建AI智能體：二十七、大模型如何“考出好成績”：詳解內在評測與外在評測方法

一、先知其然 語言模型評測的重要性可以用一個簡單的比喻來理解：就像我們不能僅憑汽車的外觀和參數來判斷其性能一樣，我們也不能僅憑語言模型的參數數量和訓練數據量來評估其實際能力。我們需要通過系統的"路試"，即各種評測方法來全面瞭解模型的真實表現。 同樣的，在我們工作中，如果我們需要為公司購買一台新的服務器，我們首先不會僅僅因為銷售員説“它很快”就下單，而是要求看性能測試報

yyds乾貨盤點 , API , NLP , 語言模型 , 人工智能 , 條件概率

收藏 評論

fannaodeliushu 頭像

程序員阿偉 - 《遊戲測評工具寶典：告別主觀評判，用技術邏輯定義專業標準》

真正的測評從業者，不會將工具視為簡單的數據採集載體，而是當作解析遊戲體驗的思維延伸，通過工具穿透表象，觸及開發邏輯與硬件適配的核心。比如測試一款競技類遊戲時，普通測評可能僅提及“手感流暢”，而藉助專業工具，能精準分辨出流暢度源於合理的渲染隊列調度，或是輸入響應與顯示反饋的毫秒級同步，這種基於技術內核的分析，既是測評專業度的體現，也是為玩家提供實用參考的關鍵。工具的真正價值，在於讓測評從模糊的感性認

遊戲開發 , 人工智能

收藏 評論

weidejianpan 頭像

商湯萬象開發者 - UniParse：讓多模態模型真正“讀懂”文檔的解析引擎

在多模態大模型迅速發展的今天，我們已經能讓模型"看圖説話"，甚至"讀懂表格"，但要讓模型真正理解複雜的文檔結構（例如在PDF中準確識別章節、表格、公式與圖像的邏輯關係）依然是一個未被徹底解決的問題。 UniParse正是為此而生：它是一款面向AI應用的通用文檔解析工具 ，旨在將文檔中的非結構化內容轉化為結構化語義信息，使多模態模型能夠高效、精準地理解和利用文檔內容。 本文將從技術視角介紹U

llm , 文檔分析 , 教程 , 內容管理 , 人工智能

收藏 評論

u_16213572 頭像

技術領航探索者 - 一步一步理解大模型：多頭注意力機制的作用

文章目錄 前言 一、現如今的”Transformer“ 二、Attention Serious 2.1 Multi-Head Attention (MHA) 2.2 Multi-Query Attention (MQA) 2.3 Grouped Query Attention (GQ

強化學習 , 架構 , 人工智能 , 深度學習 , 大模型 , 前端開發 , Javascript

收藏 評論