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

writers 頭像

思否編輯部 - 昇騰，邀開發者上場

9月20日，華為昇騰計算業務總裁張迪煊站在華為全聯接大會的舞台上，闡述的重點已從幾天前發佈的新一代芯片性能，轉向一個更核心的議題：如何讓這些軟硬件能力真正為開發者所用。台下，人們捕捉到一個明確的信號：昇騰，正邀請開發者上場。 張迪煊用接下來的時間，清晰地勾勒出了一條清晰的路徑，即通過徹底的共享奠定基礎，通過開放的共創激發活力，最終與開發者共同定義未來的技術範式。 共享：從資源普惠到底層代碼的全面開

雲計算 , 人工智能 , 開發者

收藏 評論

benfangdeloufang 頭像

奔放的樓房 - [Python神器] AI生成的代碼跑不起來？ImportError？用這個工具一鍵反向推導 pip 包名！

背景：AI 時代的“依賴地獄” 在 Cursor、GitHub Copilot 和 ChatGPT 普及的今天，我們的開發模式變了。以前是我們先 pip install 再寫代碼，現在是 AI 直接甩給我們一段完美的代碼： import cv2 from PIL import Image import sklearn from google.cloud import storag

開源軟件 , 開發工具 , pip , 人工智能 , Python

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - 基於PAI-ChatLearn的GSPO強化學習實踐

引言 近期，阿里通義千問團隊創新性提出了 GSPO 算法，PAI-ChatLearn 框架第一時間支持並復現了GSPO的強化學習訓練過程，本文將介紹在 PAI 平台復現 GSPO 的最佳實踐。 GSPO 算法介紹 強化學習(Reinforcement Learning， RL)是拓展語言模型、增加其深度推理與問題求解能力的關鍵技術範式。為了持續拓展 RL，首要前提是確保穩定、魯棒的訓練過程。現有的

大數據處理 , 強化學習 , 最佳實踐 , 人工智能 , 模型

收藏 評論

daniusdk 頭像

音視頻牛哥 - 從 RTSP/RTMP播放器到低空經濟/具身智能：如何撐起毫秒級反饋的實時視頻系統

一、為什麼“低延遲視頻”在 2025 年突然變成剛需？ 過去十年裏，“低延遲”這個詞經常被用爛： 直播平台説自己低延遲； 安防攝像頭説自己實時； 互動課堂説自己秒開不卡。 但大多數場景，本質是**“人在屏幕前慢慢看”**，幾秒鐘的延遲也能“忍”。 到了 具身智能（Embodied AI

低空經濟RTSP低延遲播放器 , yyds乾貨盤點 , 低延遲RTMP播放器 , 低延遲rtsp播放器 , 人工智能 , 無人機低延遲RTSP RTMP播放器 , 計算機視覺 , 具身智能RTSP RTM低延遲播放器

收藏 評論

digitalocean 頭像

DigitalOcean - 開源視頻生成新標杆：美團LongCat Video全面解析與實戰指南

今年涌現了大量新的視頻模型，可以説 2025 年是視頻建模真正主導公眾對 AI 技術興趣的第一年。隨着 Sora 2 的普及，這一點變得越來越清晰。得益於 OpenAI 的一系列移動應用程序，獲取視頻生成工具的可能性與普及度達到了前所未有的高度。但閉源模型並非本文的重點，而這些模型的開源競爭實際上正變得比以往任何時候都更加令人印象深刻。 今年早些時候，HunyuanVideo 和 Wan2.1 以

llm , 教程 , 人工智能 , 開源

收藏 評論

u_16566216 頭像

美狐美顏SDK小金 - 直播美顏sdk開發實戰：高性能人臉美型功能的架構設計與優化方法

在直播行業愈發內卷的2025年，“美顏”已經不再是附加項，而是直播產品的基礎設施。無論是直播帶貨、娛樂直播還是短視頻平台，一個穩定、清晰、自然、不穿幫的美顏sdk，幾乎決定了用户對平台的第一印象。 這篇文章，我想結合我們在實際項目中的開發經驗，從架構設計、性能優化、算法模型、代碼實現思路等方面，聊聊一個“高性能人臉美型sdk”到底應該怎麼做，才能在直播場景中真正跑得動、跑得

視頻美顏sdk , 美顏api , 人工智能 , 直播美顏sdk , 深度學習 , 第三方美顏SDK , 在51CTO的第一篇博文 , 美顏SDK

收藏 評論

digitalocean 頭像

DigitalOcean - DigitalOcean AI 智能體評估功能全新升級：更快速，更深入

評估 AI 智能體並非易事，尤其當現有工具無法契合你的思維和工作方式時。為此，我們很高興宣佈，DigitalOcean Gradient™ AI 平台中的智能體評估功能現已全面升級。新版本將幫助你更快速、更輕鬆地評估 AI 智能體、理解結果並定位問題。 智能體評估功能有哪些更新？ 原有的評估功能雖然強大，但存在一些影響開發者使用體驗的痛點。本次升級正是為了徹底解決這些問題： 按目標歸類的評估指

機器學習 , 資訊 , 人工智能 , 深度學習

收藏 評論

sibendelazhu_bgc0zw 頭像

sibendelazhu_bgc0zw - 區塊鏈基礎解析

一、區塊鏈基礎定義 核心概念 區塊鏈（英語：blockchain 或 block chain）是藉由密碼學與共識機制等技術，建立的點對點（P2P）分佈式存儲系統，用於存儲龐大的交易資料鏈。 簡化公式 區塊鏈 = 分佈式存儲 + 密碼學 + 共識機制 + 點對點網絡（P2P） 核心構成要素 要素 説明 區塊（Block） 區塊由區塊頭、時間戳

觀點 , 區塊鏈 , 區塊鏈開發 , 人工智能 , go

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 幾乎覆蓋元素週期表！Meta 發佈開源 OMat24 數據集，含 1.1 億 DFT 計算結果

隨着全球對可再生能源需求的日益增長，儲能技術作為一種能夠將能量儲存起來並在需要時釋放的解決方案，正受到越來越多的關注。但許多再生能源存儲技術初期投資成本高，運維困難，目前仍處於研發或示範階段。 針對於此，彼時還未更名的 Facebook 人工智能研究實驗室 (FAIR) 聯合卡耐基梅隆大學，於 2020 年發起了 Open Catalyst Project 項目，其目標是利用 AI 探尋用於可再生

機器學習 , 數據集 , 人工智能 , meta , 深度學習

收藏 評論

chaoqipengbodehuochai_eav70j 頭像

極市平台 - 驍龍大賽-技術分享第6期——直播問題&答疑整理（騰訊）

Q1：老師，想問問在 NPU 上部署 LLM 或多模態模型時，有什麼選擇模型規模、架構或量化策略的經驗可以給備賽選手參考嗎？ A1： 在本地部署大模型時，最核心的限制通常是設備資源，因此一般優先選擇小型或輕量級模型，例如 1B 以下參數規模。對於 7B 模型，通常需要 16GB 以上內存才能穩定運行。除了模型權重本身的佔用，還需要考慮上下文長度，因為更長的 context 會顯著增加推理過程

算法 , 運維 , 教程 , 知識 , 人工智能

收藏 評論

u_16640750 頭像

雲和恩墨 - AI賦能的SQL優化：Oracle調優從經驗走向智能的三大核心價值

長期以來，Oracle數據庫的SQL優化高度依賴數據庫管理員（DBA）的資深經驗與手工操作。他們如同數據庫的“救火隊員”，在性能問題出現後才能介入分析，面對海量且複雜的查詢往往力不從心。 隨着生成式AI與數據庫技術的深度融合，這一傳統範式正被徹底顛覆。AI並非要取代DBA，而是通過提供前所未有的洞察與自動化能力，成為DBA身邊的“智能夥伴”。 在Oracle數據庫的S

oracle , sql優化 , 數據庫 , 數據庫調優 , 人工智能 , 數據庫運維

收藏 評論

deephub 頭像

deephub - 分佈式機器學習系統：設計原理、優化策略與實踐經驗

人工智能領域正在經歷一場深刻的變革。隨着深度學習模型的規模呈指數級增長，我們正面臨着前所未有的計算挑戰。當前最先進的語言模型動輒包含數千億個參數，這種規模的模型訓練已經遠遠超出了單機系統的處理能力。在這個背景下，分佈式機器學習系統已經成為支撐現代人工智能發展的關鍵基礎設施。 分佈式機器學習的演進 在深度學習早期，研究人員通常使用單個GPU就能完成模型訓練。隨着研究的深入，模型架構變得越來越複雜，參

機器學習 , 人工智能 , 分佈式系統 , Python

收藏 評論

u_16099289 頭像

編程小匠人傳奇 - js 設置1rem等於10px

當 x=’1’時， x+1 x-1 +x -x ++x typeof(x+1) typeof(x-1) typeof(+x) typeof(-x) typeof(++x) 　　的結果分別是多少？ 答案: x+1 //’11’ x-1 //0 +x//1 -x//-1 ++x //2 typeof(x+1) //’string’ typ

機器學習 , 運算符 , 字符串 , 操作數 , 人工智能 , js 設置1rem等於10px

收藏 評論

dztok 頭像

成都定製通軟件 - 原生開發大模型智能體

基於OpenWebUI+Ollama+DeepSeek的原生開發技術路線，能高效構建本地化大模型智能體，其前端Svelte與後端Python的技術選型形成了輕量且高效的開發閉環，核心技術棧圍繞交互層、模型管理層與推理層深度協同展開。 前端以Svelte為核心構建交互界面，依託其編譯時優化特性實現輕量化渲染。OpenWebUI作為前端載體，採用Svelte的writable store實現集中式狀

svelte , openai , 人工智能 , typescript , Python

收藏 評論

u_16213619 頭像

mob64ca14010a69 - 微信小程序中使用globaldata

小程序裏常見的取值有以下幾種，一個完整的項目寫下來，用到的概率幾乎是100%。 列表index下標取值 頁面傳值 form表單取值 1. 列表index下標取值 實現方式是：data-index="{{index}}"挖坑及e.curr

機器學習 , ico , 取值 , 人工智能 , 頁面傳值 , 微信小程序中使用globaldata

收藏 評論

u_17562481 頭像

思考的袋鼠 - 從規則到智能：企業數據分類分級的先進實踐與自動化轉型

一、概要 （提示：在數據激增與合規壓力下，企業亟需一種既高效又可靠的數據管理方式。） 隨着數字化轉型的加速，企業數據正以前所未有的速度增長。據國際數據公司（IDC）預測，到 2025 年全球數據總量將超過 175ZB。數據量龐大帶來的直接挑戰是管理複雜度急劇增加，尤其是敏感數據散佈於企業內部多系統、多終端和雲環境中，泄露與濫用風險不斷攀升。與此同時，我國《網絡安全法》

數據管理 , 數據 , 人工智能 , 深度學習 , 結構化

收藏 評論

u_13341 頭像

ghpsyn - 英文形態分詞nlp 分型的英文

分形(Fractal)是指具有自相似特性的現象、圖像或者物理過程等。分形學誕生於1970年代中期，屬於現代數學中的一個分支。分形學的創始人是具有法國和美國雙重國籍的曼德勃羅，他在1982年出版的《大自然的分形幾何學》（The Fractal Geometry of

語言 , NLP , 英文形態分詞nlp , 圖形 , 出版 , 人工智能 , fractals

收藏 評論

u_17580222 頭像

mb691327edb400f - AI賦能招聘：重塑HR工作新生態

AI賦能招聘：重塑HR工作新生態 在生成式AI重構商業邏輯的今天，4.4萬億美元的潛在價值正等待挖掘，但多數企業仍停留在AI應用的“試點困境”，中小企業尤為突出——“不會用、不敢用”的顧慮，讓組織間的“AI優勢鴻溝”持續擴大。對於人力資源管理而言，這場變革既是挑戰更是機遇：HR若能借AI之力突破傳統工作瓶頸，便能從繁瑣事務中抽身，迴歸戰略賦能的核心角色；反之，則可能成為組織

數據管理 , 數據 , ATS , 人工智能 , 深度學習

收藏 評論

lab4ai 頭像

Lab4AI - 科研黨狂喜！PaperDebugger 讓 AI 在編輯器內幫你寫完論文

科研黨狂喜！PaperDebugger 讓 AI 在編輯器內幫你寫完論文 論文標題：PaperDebugger: A Plugin-Based Multi-Agent System for In-Editor Academic Writing, Review, and Editing 作者團隊：新加坡國立大學 發佈時間：2025年12月2日 論文鏈接 ✅Lab4AI提供AI導讀和AI翻譯 等工

人工智能

收藏 評論

zhuifengdekaomianbao 頭像

張老師講數字孿生 - 驚爆！科學家證實：數字孿生已是"有生命的系統"！

2025年10月，中國信通院公佈2025上半年數字化轉型典型案例評選結果，凡拓數創的 “左港水庫數字孿生平台” 作為唯一入選的水利類項目，首次實現了水庫全生命週期動態自我優化功能，標誌着數字孿生技術正式從靜態模型邁入具有成長能力的 “活系統” 階段。 傳統認知中的數字孿生僅僅是物理實體的虛擬複製品，但前沿研究表明，現代數字孿生系統已展現出自我學習、自主演進的類生命體特徵。科學家開始將其定義

數字化轉型 , 資訊 , 人工智能 , 後端

收藏 評論

u_16099231 頭像

半夜未央好 - 能執行功能模塊 MB_CREATE_GOODS_MOVEMENT

使用NSIS製作可執行程序的安裝包： 1，NSIS下載地址：https://pan.baidu.com/s/1GzzQNXgAlJPJWgjBzVwceA 下載完成之後解壓縮，打開安裝程序，默認安裝即可。 2，打開NSIS，點擊“可視化腳本編輯器(VNISEdit)”。 3，選擇“使用腳本嚮導創建新的腳本文件(S)”，單擊“確定”。

機器學習 , NSIS , 應用程序 , 人工智能 , 安裝程序

收藏 評論

u_17512334 頭像

疆鴻智能研發中心 - 水泥廠生產線改造記：當Modbus TCP遇上PROFIBUS

1 項目背景 去年夏天，我被派往晉北一家水泥廠，負責生產線控制系統的升級改造。廠裏的情況很典型：中控室去年新上的監控平台只支持Modbus TCP，而生產線上的關鍵設備——包括三台德國進口的立磨機、兩套窯尾預熱器控制系統和一套熟料冷卻系統——都採用老式PROFIBUS-DP通信。每次生產參數調整，都需要工人現場操作，效率低下且存在安全隱患。 更棘手的是，生產

profibus , 協議轉換網關 , 人工智能 , 深度學習 , MODBUS TCP , 工業自動化 , Modbus

收藏 評論

u_16099329 頭像

數據狂徒 - less 強制不轉換rem

PHP強制類型轉換 PHP 中的強制類型轉換和其他語言很類似 可以在要轉換的變量之前加上用括號括起來的目標類型（例如$var = (int)3.1415;） 也可以使用具體的類型轉換函數（例如 intval()、floatval()、strval() 等）或者 settype() 來轉換類型。 轉換變量的方法

機器學習 , 浮點型 , 字符串 , php , 整型 , 人工智能 , less 強制不轉換rem

收藏 評論

u_15675268 頭像

1艾一刀 - 全新鴻蒙二合一平板電腦！華為MatePad Edge 11月25日正式發佈

2025年11月25日，華為正式推出首款鴻蒙二合一平板電腦——MatePad Edge，憑藉形態創新、性能越級、生態交互融合與數據互通四大核心優勢，突破平板與電腦邊界，以融合形態打開用户辦公、生活的創新體驗，開啓移動設備融合新紀元。 鴻蒙二合一，真融合的二合一 二合一產品是電腦與平板行業發展歷程上的重要嘗試。鴻蒙二合一平板電腦並非簡單的平板與筆記本疊加，而是通

平板電腦 , 數據 , 人工智能 , 深度學習 , 液冷

收藏 評論