Nov 08 2025

天潤融通科技 - AI替代人工：車企如何用天潤融通ZENAVA重塑試駕邀約流程

在競爭白熱化的汽車市場裏，試駕已經成了成交的入口。數據顯示，超過70%的客户在完成試駕後才會做出購車決定。換句話説，錯過試駕，就等於錯過大部分成交機會。 然而現實卻殘酷：一線銷售每天要撥打成百上千通電話，往往是上百次撥號，換不來幾次有效邀約。人力消耗巨大，結果卻參差不齊。更雪上加霜的是，客户對“騷擾電話”的反感與日俱增，傳統邀約方式正在快速失靈，寶貴的銷售線索不斷流失。

人工智能 , 深度學習

Nov 18 2025

fangpin - 深入解析：使用 Triton 實現 Flash Attention2 - 讓大模型訓練飛起來

引言 你是否曾經在訓練大型語言模型時，眼睜睜地看着 GPU 內存不斷飆升，最終因為 OOM（Out of Memory）錯誤而前功盡棄？或者在處理長序列時，發現注意力機制的計算時間呈平方級增長，讓人望而卻步？ 如果你有過這樣的經歷，那麼今天這篇文章將為你帶來一個革命性的解決方案：Flash Attention2。更令人興奮的是，我們將通過 Triton 這個強大的 GPU 編程框

歸一化 , 人工智能 , 深度學習 , ide , Python

Oct 26 2025

IvorySQL - 直播預告｜ PostgreSQL 與 IvorySQL 在雲原生時代的演進與實踐

觀看直播即有機會獲取 IvorySQL 周邊禮品。歡迎大家預約哦！ 直播預告 本期直播將由兩位講師聯袂分享。 直播時間和平台 時間：2025 年 9 月 29 日 19:30 開啓 平台：【IvorySQL】視頻號 講師簡介 唐成，中啓乘數創始人及 CTO，IvorySQL 專家顧問委員會成員。《PostgreSQL 修煉之道：從小工到專家》的作者，中啓乘數科技創始人及 CTO。資深數據庫

數據庫 , postgresql , 人工智能 , SQL , 程序員

Nov 13 2025

HuiZhu - // TODO: 寫一封讓老闆秒回的郵件？試試這個AI提示詞模板

// 程序員寫郵件的日常 try { const email = writeEmail(); // 期望: 專業得體，重點突出 // 實際: 寫了刪，刪了寫，最後發出去像流水賬 } catch (error) { console.log("郵件焦慮綜合徵又犯了"); } 數據顯示，87%的程序員寫商務郵件需要30分鐘以上，其中63%的人會反覆修改超過3次。不是不會寫

generative-ai , 教程 , chatgpt , 人工智能 , prompt

Nov 05 2025

PoloAPI - 一文看懂谷歌I/O 2025開發者大會： Android、Chrome、谷歌搜索、Gemini

谷歌I/O開發者大會以"AI原生生態"為核心戰略，圍繞技術升級、產品整合與商業模式展開深度佈局。以下是關鍵內容的結構化總結： 一、AI技術架構突破‌ ‌Gemini模型矩陣‌ Gemini 2.5 Pro新增Deep Think模式，增強複雜推理能力（數學/編程任務準確率提升37%） 輕量級Gemini 2.5 Flash實現移動端40%延遲降低，支持邊緣設備部署 多媒體生成模型V

gemini-2.5-pro , google , 人工智能 , 後端 , 前端

Nov 05 2025

一點人工一點智能 - 《控制與建模的經典與現代優化技術》

書籍：Classical and Modern Optimization Techniques Applied to Control and Modeling 作者：Radu-Emil Precup，Raul-Cristian Roman，Elena-Lorena Hedrea等 出版：CRC Press 編輯：陳萍萍的公主@一點人工一點智能 下載：書籍下載-《控制

機器學習 , 控制器 , 人工智能 , 優化

Nov 06 2025

Aloudata大應科技 - 如何找到心儀的 ChatBI 智能體？Aloudata Agent 推薦給你

在數智化轉型浪潮中，ChatBI 智能體憑藉自然語言交互能力，成為企業打破數據分析壁壘、實現數據民主化的關鍵工具。面對市場上眾多選擇，Aloudata Agent 以“NoETL 明細語義層+多 Agent 協同架構”脱穎而出，通過 NL2MQL2SQL（MQL:MetricQueryLanguage）技術路徑精準對齊業務語義與數據語言，解決了 NL2SQL 和 NL2DSL2SQL 傳統方案中存

chat , agent , etl , 人工智能 , 數據分析

Nov 07 2025

全棧技術開發者 - LLM 對時間序列推理的增強究竟指的是什麼？LLM 對齊（alignment regimes）與時序推理的可靠性之間是什麼關係？

時間序列數據廣泛出現於自然科學、社會科學以及工程技術等各類領域中，其核心特徵在於數據隨時間的演變規律。長期以來，如何從這些動態變化的數據中提取有價值的信息、實現精準預測、並基於歷史數據進行推理，一直是數據分析、統計學和機器學習研究的核心問題。傳統的時間序列分析方法，如自迴歸模型（AR）、移動平均模型（MA）、以及更復雜的狀態空間模型和卡爾曼濾波器，在一定程度上能夠描述和預測數據的

llm , 建模 , yyds乾貨盤點 , 人工智能 , 時間序列 , 深度學習 , 大模型