tag 人工智能

標籤
貢獻930
1087
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_16970152 頭像

求知上進 - Python函數的返回值介紹

1.前言 1.1 返回值的基本概念 在Python函數設計中，返回值是函數執行後向調用者提供結果的關鍵機制。簡單來説，返回值允許函數不僅僅執行操作，還能將計算結果、狀態信息或數據結構傳遞迴調用代碼，從而實現代碼的複用和邏輯分離。Python使用return語句來定義返回值，這使得函數可以返回任意類型的對象，如數字、字符串、列表、字典甚至是其他函數。返回值是函數簽名的一

生成器 , 人工智能 , 深度學習 , ide , Python

收藏 評論

u_16099328 頭像

墨染青絲 - Temporal Table Function Join實現

在做這個Join查詢的時候，必然涉及數據，我這裏設計了2張表，分別較data.txt和info.txt，字段之間以/t劃分。 data.txt內容如下： 201001 1003 abc 201002 1005 def 201003 1006 ghi 201004 1003 jkl 201005 1

機器學習 , 字段 , 數據 , text , 人工智能

收藏 評論

u_17605237 頭像

yuer2025 - 從工程治理角度看：為什麼多數 AI Agent 系統並不“可控”

隨着 AI Agent 在各類系統中的應用不斷擴大， 越來越多的技術團隊開始關注一個問題： 當 AI 參與決策時，這個系統在工程上是否“可控”？ 這裏的“可控”，並不是指模型是否穩定、效果是否準確， 而是一個系統治理問題。 一、工程語境下，什麼叫“可控” 在傳統軟件工程中，一個系統被認為是可控的

sed , github , 人工智能 , 數據結構與算法 , 軟件工程

收藏 評論

deephub 頭像

deephub - JAX 訓練加速指南：8 個讓 TPU 滿跑的工程實戰習慣

TPU 訓練的真實效率往往取決於兩個核心要素：Shape 的穩定性與算子的融合度。 很多時候，JAX 任務之所以出現嚴重的性能瓶頸，並非算法本身設計有問題，而是忽視了 XLA 編譯器與底層硬件對“確定性”的極度偏好。基於大量實戰調優經驗，本文總結了八條能讓 JAX 訓練任務從“甚至跑不通”蜕變為“跑滿 TPU 算力”的工程經驗。 1、儘早鎖定 Shape TPU 喜歡靜態 Shape，JA

jax , 人工智能 , 深度學習 , Python

收藏 評論

u_12959 頭像

lanhy - fastapi BaseModel定義數據類型

原諒我就只會這兩水題了，其他題沒怎麼看~估計看了也是無奈 Olympiad Time Limit: 2000/1000 MS (Java/Others)Memory Limit: 65536/65536 K (Java/Others) Total Sub

機器學習 , include , i++ , 人工智能 , define

收藏 評論

u_15641375 頭像

芯動大師 - 機器人SLAM建圖與自主導航：從基礎到實踐

前言 這篇文章我開始和大家一起探討機器人SLAM建圖與自主導航 ，在前面的內容中，我們介紹了差速輪式機器人的概念及應用，談到了使用Gazebo平台搭建仿真環境的教程，主要是利用gmapping slam算法，生成一張二維的仿真環境地圖 。我們也會在這篇文章中繼續介紹並使用這片二維的仿真環境地圖，用於我們的演示。 教程 SLAM算法的引入 （1）SLAM：S

yyds乾貨盤點 , 數據 , 二維 , 激光雷達 , 人工智能 , 數據結構與算法

收藏 評論

u_17420180 頭像

合合信息解決方案 - 財務如何自動從大量發票中提取關鍵信息

財務人員在發票處理中的核心痛點 在企業日常運營中，財務人員始終面臨着海量發票處理的沉重壓力，傳統人工處理模式下的痛點愈發突出，嚴重製約了財務工作效率與質量。 首先是處理效率低下。企業經營過程中，員工報銷、採購結算等場景會產生大量發票，這些發票版式各異，既有國內增值税專票、普通發票，也有海外各類票據，財務人員需逐張手動甄別發票類型、錄入開票日期、金額、税號等關鍵信息，面

機器學習 , 字段 , 表單 , 數據 , 人工智能

收藏 評論

u_14126 頭像

網猴兒 - modemst2基帶文件

基帶傳輸：簡單理解就是傳輸“1”和“0”這種方波電平信號的通信傳輸方式，不過要對信道和信源進行編碼和譯碼，主要用到編碼器和譯碼器，採用雙絞線（可以直接傳輸電平）的以太網一般就是基帶傳輸； 頻帶傳輸：將“1”和“0”，或正負脈衝所表示的數據基帶信號，經調製器，變換為便於在通信線路上傳輸的交流信道信號進行傳輸，接收時採用解調器還原成基帶信號。

機器學習 , modemst2基帶文件 , 基帶傳輸 , 單片機 , 傳輸層 , 人工智能 , 網絡

收藏 評論

u_16773655 頭像

向量檢索 - 如何通過HTTP API檢索Doc

本文介紹如何通過HTTP API在Collection中進行相似性檢索。 前提條件 已創建Cluster：創建Cluster。 已獲得API-KEY：API-KEY管理。 Method與URL HTTP POST https://{Endpoint}/v1/collections/

向量檢索 , 大數據 , yyds乾貨盤點 , 數據倉庫 , AI , 人工智能 , 大模型

收藏 評論

u_17580222 頭像

mb691327edb400f - 告別招聘焦慮：AI賦能HR從流程執行者到價值創造者

告別招聘焦慮：AI賦能HR從流程執行者到價值創造者 招聘季如期而至，簡歷堆積如山，面試日程排滿日程表，HR卻仍困在無盡初篩、重複問答與主觀判斷的循環中。團隊用人需求迫在眉睫，寶貴時間卻被瑣碎流程切割，低效、主觀、高成本的招聘模式，正悄然消耗組織活力與HR的核心價值。AI時代的到來，讓打破枷鎖成為可能——HR不應是“流程的奴隸”，而應藉助技術鑰匙，成為真正的“價值創造者”。

聊天機器人 , 上傳 , 人工智能 , 深度學習 , 解決方案

收藏 評論

u_17491820 頭像

呆個大頭鬼 - AI Ping雙款新模型同步免費解鎖：GLM-4.7與MiniMax M2.1實測

前言 本文聚焦國內領先大模型服務評測與聚合平台AI Ping最新上線的兩款旗艦模型——GLM-4.7與MiniMax M2.1，深度解析二者核心定位與差異：GLM-4.7側重複雜工程任務一次性交付與Agentic Coding場景；MiniMax M2.1專攻長鏈Agent執行，強化多語言工程能力與持續運行效率。 ( ) 目錄 一、旗艦模型

機器學習 , 多語言 , API , Max , 人工智能

收藏 評論

u_16099177 頭像

雲端小夢 - 2020年人工智能論文總結 - deephub的個人空間 -

摘要：本文在“AI元人文三值糾纏理論”的基礎上，提出並系統論述了“閾值理論體系”。該體系認為，健全的個人、組織與文明並非追求自由、公*、安全三大核心價值的靜態*衡，而是致力於將其維持在動態的“健康閾值區間”內，並避免突破導致系統質變的“臨界閾值”。論文首先闡述了閾值理論從靜態*衡觀到動態閾值管理範式的哲學轉向；繼而深入剖析了自由、公*、安全三者各自的上、下限閾值內涵及其相

失序 , 數據 , 後端開發 , 人工智能 , Python

收藏 評論

pannideniupai 頭像

雨大王 - 入廠協同系統在汽車製造業中的深度實踐

入廠協同系統作為製造業數字化轉型的重要支撐，正在重構傳統汽車產業鏈的運作模式。在當前全球化供應鏈不確定性加劇的背景下，主機廠與供應商之間的協同效率直接影響着生產穩定性和成本控制能力。 協同痛點：傳統入廠模式下的數據割裂與效率瓶頸 傳統汽車製造業的入廠協作往往依賴線下溝通和人工調度，導致信息傳遞滯後、資源調配低效。例如，某新能源汽車企業在面對海外訂單時，因缺乏實時數據共享，常常出現物料齊

人工智能

收藏 評論

u_16099317 頭像

錦繡前程未央 - stm32cubemx 宏定義

今天介HAL庫操作普通IO口，就是輸入/輸出。 如果用CubeMX配置io工程，打開以後可以看到如下代碼： GPIO_InitTypeDef GPIO_Initure; __HAL_RCC_GPIOB_CLK_ENABLE(); // 根據名字，這是使能B端口 GPIO_Initure.Pin=GPIO_PIN_0; 　　　　

機器學習 , it , stm32cubemx 宏定義 , 初始化 , 人工智能 , define

收藏 評論

pannideniupai 頭像

雨大王 - 數字化協同研發平台怎麼助力車企轉型？

隨着工業4.0時代的到來，傳統制造業正面臨前所未有的挑戰。在研發領域，車企普遍遭遇數據孤島、知識斷層和跨部門協同效率低下的問題。這些問題不僅拖慢了產品迭代速度，還導致研發成本居高不下。例如，某大型整車企業在零部件設計階段頻繁返工，僅模具調整一項就耗費數月時間，直接經濟損失高達數千萬。此時，數字化協同研發平台應運而生，成為車企突破研發瓶頸的關鍵基礎設施。 數字化協同研發平台的核心在於“全要素連

人工智能 , 深度學習

收藏 評論

ntksol 頭像

歐雷 - 反思軟件開發：知識流動（下）

本文來説説在企業中讓知識流動起來的大體思路。 數字員工 在以互聯網或軟件及服務為營生的企業中，各個層級、分工的人和處理各類事務的應用軟件是辦公與業務運作的兩大要素；企業中的絕大部分人是員工這很理所當然，但為何不能把工作中所用到的各種應用軟件看成整體，也當作一名員工來看待呢？ 將這名特殊的「員工」稱為「數字員工」，與其他員工不同的是，它是純虛擬的、數字的，沒有物理層面的形態，但與其他員工一樣可以處理

軟件開發 , 效率 , 低代碼 , 人工智能 , 團隊協作

收藏 評論

u_13544 頭像

deanyuancn - 如何改變vfp的已讀模式變為可以修改模式

一個C++程序員，想要進一步提升技術水平的話，應該多瞭解一些語言的語意細節。對於使用VC++的程序員來説，還應該瞭解一些VC++對於C++的詮釋。Inside the C++ Object Model雖然是一本好書，然而，書的篇幅多一些，又和具體的VC++關係小一些。因此，從篇幅和內容來看，譯者認為本文是深入理解C++對象模型比較好的一個出發點。

struct , 人工智能 , 編譯器 , 計算機視覺 , delete , c , vc++

收藏 評論

u_17569005 頭像

wx6906fb3f9b17a - 智能電梯調度系統通過DAIC核心組件實現多品牌電梯的統一調度，提升運力20%-30%。系統包含羣控器、狀態處理器等設備，採用無源幹觸點技術確保安全，支持二次開發擴展功能

智能電梯調度系統通過多奧（DAIC）核心組件實現不同品牌電梯的統一調度與運力提升，特別適用於電梯並聯台數超過2台或需調度多台電梯的場景（電梯本身不支持羣控時），可提升電梯運力20%-30%，減少等待時間並優化資源分配。 電梯智能羣控系統的核心組件及其功能，如DAIC-TK-MB電梯羣控器的技術參數和適用場景 智能梯控樓層觸點擴展板

VIP乘梯 , 機器學習 , 智能梯控 , 梯控 , 智能派梯 , 人工智能 , 電梯門禁

收藏 評論

qiangjiandemugua 頭像

強健的木瓜 - LinkAI工作流發佈至廣場，並通過api調用自己或者他人的工作流

什麼是工作流 LinkAI工作流（WorkFlow）是一種靈活的智能體搭建方式。可以自由選擇「大模型、應用、知識庫、插件、意圖識別、轉人工、渠道消息發送」等多種原子能力，通過可視化拖拉拽的方式進行組合編排，零代碼搭出一個業務流程。讓智能體按照規劃的方式進行工作。並且可以設置定時運行，結合LinkAI渠道端能力實現定時推送、智能觸達。 LinkAI工作流功能自發布以來，有不少的開發者使用工作流搭建

workflow , agent , 人工智能 , 工作流

收藏 評論

u_12929 頭像

話不是這麼説的 - 無順序applist 怎麼做共現embeding

Reference jianshu easemob TCP UDP TCP(Transmission Control Protocol)：傳輸控制協議 UDP(User Datagram Protocol)：用户數據報協議 TCP UDP 都是傳輸層協議 目錄

機器學習 , 數據 , tcp , 人工智能 , udp

收藏 評論

teayear 頭像

學技術贏未來 - 鴻蒙健康手錶開發

隨着萬物互聯時代的深化，智能手錶已從單純的計時工具升級為全場景交互入口，尤其在健康監測、運動管理、分佈式協同等場景中發揮核心作用。鴻蒙系統（HarmonyOS）憑藉“一次開發、多端部署”的分佈式架構優勢，以及輕量化內核、低功耗優化等特性，成為智能手錶開發的優選生態。本文將從開發基礎、核心能力實現、實戰案例到性能優化，完整拆解鴻蒙手錶開發的技術路徑，助力開發者快速上手並落地高質量應用。 一

數據 , API , pytorch , 人工智能 , ui

收藏 評論

u_14691 頭像

lemon - 屏蔽 ElementPlusError

信號導致的問題 不是任何信號我們都需要的，如果遇到我們不想處理的信號，我們怎麼避免這個信號？ 1.信號屏蔽 intsigprocmask(int how,//操作方式 SIG_BLOCK屏蔽信號

機器學習 , 信號處理 , include , i++ , 人工智能 , 屏蔽 ElementPlusError

收藏 評論

u_16213574 頭像

數據分析家 - MySql技術棧

一、引言：MyEMS 的定位與價值背景 在 “雙碳” 目標與工業精細化管理需求驅動下，能源管理系統（EMS）已成為企業降本增效、綠色轉型的核心工具。MyEMS（My Energy Management System）作為開源化、可定製的能源管理解決方案，憑藉模塊化架構與全流程技術覆蓋能力，實現從能源數據 “採、傳、存、算、用” 的閉環管理。其核心價

能源 , 大數據 , 信息可視化 , 架構 , 人工智能 , Css , 前端開發 , HTML

收藏 評論

deephub 頭像

deephub - 基於反饋循環的自我進化AI智能體：原理、架構與代碼實現

傳統AI智能體有個老問題：部署之後就"定住了"。工程師手工打磨的提示詞和規則,遇到新場景就容易失靈,性能曲線到達某個點後趨於平緩。而自我進化智能體(Self-Evolving Agent)的思路就是打破這種靜態模式，讓智能體在運行過程中持續收集反饋,自動調整自身策略,形成一個閉環：執行任務 → 獲取反饋 → 自我調整 → 繼續執行。 這套機制把基礎模型的能力與在線學習結合起來。用更學術的表述,自我

llm , agent , 知識 , 人工智能

收藏 評論