收藏 / 列表

u_16970152 頭像

求知上進 - 瞭解 Python 集合的無限可能

1. 集合概述 1.1 什麼是集合？ Python 的集合（set）是一個無序、可變、不允許重複元素的容器，用於存儲唯一的數據項。集合基於哈希表實現，提供 O(1) 平均時間複雜度的成員檢查和插入操作。Python 還提供不可變的集合變體——凍結集合（frozenset），適用於需要不可變鍵的場景（如字典鍵）。 關鍵特性： 無序性：集合中的元素沒

數據集 , 集合運算 , 人工智能 , 深度學習 , Python

u_17579295 頭像

mb6911caa73d1d1 - 實戰分享：如何用數字孿生技術打造國防航天智能指揮系統

作為一名長期奮戰在國防航天領域的數字孿生開發者，我曾參與過多個重要項目的建設。今天，我想通過一個真實的指揮系統項目，分享如何運用數字孿生技術解決實際難題的經驗與技巧。 一、場景構建：從宏觀到微觀的無縫銜接 在構建航天發射指揮系統時，我們面臨着既要展示全球衞星軌道運行狀態，又要精細呈現發射場設備細節的挑戰。通過深度集成UE5引擎的場景編輯器，我

數據 , 加載 , 數據可視化 , 人工智能 , 數字孿生 , 開發者

u_16116809 頭像

wx6464351503832 - 強化學習(RL)簡介及其在大語言模型中的應用

看到huggingface上有個大模型課程，其中有個章節是講如何構建推理大模型，下面是對應的學習內容。 接下來會用最通俗易懂的方式介紹RL，就算之前完全沒接觸過也能看懂。會拆解核心概念，看看為什麼RL在大語言模型（LLMs）領域變得這麼重要。 什麼是強化學習（RL）？ 想象一下訓練一隻狗。想教它坐下。可能會説"坐下！"，如果狗坐下了，就

強化學習 , 語言模型 , 自然語言處理 , 人工智能 , Css , 大模型 , 前端開發 , HTML

u_16018702 頭像

架構師李哲 - 大模型微調「數據集構建」保姆級教程（超全）

經驗之談：實踐表明，近80%的大模型微調失敗案例，根源都可追溯至數據集問題。 2024年堪稱“行業大模型元年”，金融、醫療、教育等各行各業都在積極佈局專屬AI助手。然而，許多企業在投入重金進行模型微調後，卻常常面臨“模型表現不及預期”的困境。 實踐中常見的三大困境： ● 災難性遺忘：模型在學習了新的專業知識後，原有的通用對話與理解能力顯著衰退。 ● 泛化能

數據 , AI , 大模型微調 , aigc , 人工智能 , 深度學習

baihai_idp 頭像

Baihai_IDP - AI 編程熱潮下的萬字思考 —— 規避風險，善用其利

編者按： 在AI技術席捲軟件工程的今天，我們是否真的可以僅憑“氛圍”和直覺，就構建出可靠、安全且可維護的生產級系統？ 我們今天為大家帶來的這篇文章，作者的核心觀點是：“氛圍編程（vibe coding）”與“AI 輔助的工程實踐”存在本質區別，前者雖在創意激發和快速原型中具有價值，但絕不能替代結構化的工程方法。 文章通過多個維度深入探討了這一觀點：從 FAANG 團隊的實際工作流程切入，指

觀點 , 資訊 , 教程 , 知識 , 人工智能

matrixorigin 頭像

MatrixOrigin - 企業落地 NL2SQL，需要的是 AI-ready data 和小模型

作者 | 矩陣起源 轉載自 | InfoQ 當 NL2SQL 從 Demo 走向生產，關鍵不在"更大的模型"，而是"更乾淨的數據底座 + 更小的專用模型 + 更可控的工程化流程"。 摘要 先數據、後模型：把元數據、業務語義、權限、樣例 SQL 做成"AI-ready data"，是 NL2SQL 能否可靠落地的第一性問題。 小模型足夠用：以 3B-7B 級別的代碼/SQL 友好模型，配合 LoR

數據庫 , 人工智能 , SQL

metaxk 頭像

萬界星空科技 - QMS選型的本質與AI質檢的終極賦能

行業適配是偽命題？QMS選型的本質與AI質檢的終極賦能​ 一、選擇QMS應該如何選擇呢？ 1、功能 2、業務關聯和控制能力 3、集成能力 4、併發和大數據處理能力 5、諮詢能力，設計能力 6、其他製造業系統的熟悉程度，最好做MES，ERP。 二、AI質檢在萬界星空科技QMS中的具體應用場景 來料檢驗（IQC） 傳統方式： 抽樣檢

運維 , 工業智能化 , 人工智能 , 製造業 , 工業物聯網

openanolis 頭像

龍蜥社區 - 智算時代下操作系統的破局之路！龍蜥技術生態分論壇議程上線 | 2025 龍蜥大會

2025 龍蜥操作系統大會將於 11 月 17 日在北京·星地藝術中心舉辦，由中國計算機學會開源發展技術委員會、泛在操作系統開放社區、中關村科技園區朝陽園管理委員會（北京市朝陽區科學技術和信息化局）、中國開源軟件推進聯盟指導，龍蜥社區主辦，中關村互聯網 3.0 產業園（星地中心）協辦，阿里雲、中興通訊、海光信息、Intel、浪潮信息、Arm 等 24 家理事單位共同承辦，主題為“生態共融·智驅未來

操作系統 , 開源

nocobase 頭像

NocoBase - 11 個在 GitHub 上最受歡迎的開源無代碼 AI 工具

原文鏈接：11 個在 GitHub 上最受歡迎的開源無代碼 AI 工具 引言 過去一年，AI 與無代碼的融合速度遠超預期。它已經不只是“加一個 AI 功能”，而是在重塑我們構建應用的方式。 無代碼也正在經歷一場明顯的轉變：從過去的“搭界面、建數據結構、配置流程”，進一步走向“讓 AI 參與建模、生成邏輯，並協作完成系統構建”。這樣的變化已經開始出現在真實產品中，而不是停留在概念層面。 💡 延伸閲

無代碼開發平台 , 資訊 , github , 人工智能 , 開源

liudamao 頭像

劉大貓 - SpringBoot項目的html頁面使用axios進行get post請求

説明：本項目為SpringBoot項目而不是vue項目，本項目用於練習axios使用get及post請求 get和post請求都採用兩種方式進行配置，並註明易錯點 @[toc] 1.axios是什麼 Axios 是一個基於 promise 的 HTTP 庫，可以用在瀏覽器和 node.js 中，axios是對ajax的一種封裝，而jquery也是對ajax的一種封裝。 axio

post , Ajax , 人工智能 , Axios , get

huandanshendeshoushudao 頭像

慧星雲 - 魔多 AI 支持 Wan 系列在線訓練 ：解鎖視頻生成新高度

Wan 阿里巴巴通義實驗室推出的 Wan 系列模型憑藉突破性的技術架構與卓越的生成能力，成為行業關注的焦點。為助力開發者與創作者深挖視頻生成技術潛力，魔多 AI 社區正式宣佈全面支持通義萬相 Wan2.1 與 Wan2.2 兩款重磅視頻模型的訓練服務，為不同場景的創作需求提供專業級技術支撐。 Wan2.1Wan2.2 Wan2.1 Wan2.1 採用自研高效變分自編碼器（VAE）與

雲平台 , 雲計算 , 雲服務 , aigc

codists 頭像

codists - 《計算機組成及彙編語言原理》閲讀筆記：p177-p177

《計算機組成及彙編語言原理》學習第 13 天，p177-p177 總結，總計 1 頁。 一、技術總結 1.real mode A programming model where the program has access to the entire capability of the machine, bypassing security and memory management. Usefu

python3.x

writers 頭像

思否編輯部 - 論壇前瞻 一文讀懂軟件供應鏈和開源安全系列標準

中國信息通信研究院雲計算與大數據研究所自 2019 年，以安全開發為切入點，開展軟件供應鏈和開源安全相關研究工作並搭建標準體系。截至目前，由中國信息通信研究院牽頭，廣泛邀請包括金融、互聯網、運營商、軟件廠商、安全廠商、工具廠商等個行業領域專家參與，共同編制了 1 項國家標準、3 項行業標準和 7 項團體標準，具體如下圖。同時依託標準展開測試評估工作，目前已有累計 50 餘家企業的產品通過測試評估。

開源 , 開源項目介紹

u_17580222 頭像

mb691327edb400f - AI面試智能體

培訓預算削減的背後，是時候重新審視招聘的真正成本。 年底覆盤，不少HR對着培訓報表愁眉不展：預算花了近百萬，員工滿意度剛過及格線，業務部門還抱怨“培訓沒用”。降本增效的要求之下，培訓預算首當其衝被壓縮。問題真的出在培訓本身嗎？或許，根源在於招聘環節——選錯人，才是企業最大的成本浪費。 01 培訓無效的背後：選錯人是最昂貴的成本 當業務部門抱怨“培訓沒用”時，他們

沉浸式 , 一對一 , 人工智能 , 深度學習

u_17420180 頭像

合合信息解決方案 - 銀行國際結算業務單據處理系統推薦

方案介紹 在全球貿易頻繁與金融數字化轉型的雙重推動下，國際結算業務作為銀行服務跨境實體經濟的核心環節，其單據處理的效率與風控水平直接決定銀行的市場競爭力。針對信用證、提單等單據格式繁雜、版式多變的特點，以及傳統人工與半自動化處理模式存在的效能瓶頸，合合信息推出國際結算業務智能文檔處理平台，為銀行單據處理難題提供核心解決方案。 該平台依託合合信息多模態大模型文本智能技術

機器學習 , 字段 , 風控 , 數據 , 人工智能

u_16349720 頭像

短短同學 - 對象住哪裏?——深入剖析JVM內存結構與對象分配機制

對象住哪裏？—— 深入剖析 JVM 內存結構與對象分配機制 在 Java 程序運行時，我們創建的每一個對象（如new User()）都需要佔用 JVM 內存，但這些對象究竟 “居住” 在哪個內存區域？為何有的對象很快被回收，有的卻能長期存活？要解答這些問題，必須先理清 JVM 的內存結構劃分，再深入對象從創建到銷燬的全生命週期分配邏輯 —— 這不僅是面試高頻考點，更是理解

User , jvm , 人工智能 , 深度學習 , 常量池

u_17512334 頭像

疆鴻智能研發中心 - 智能焊接新突破：CC-Link IE轉EtherNet/IP網關如何重塑航空航天製造

智能焊接新突破：CC-Link IE轉EtherNet/IP網關如何重塑航空航天製造 在航空航天製造領域，攪拌摩擦焊接技術正成為鋁合金結構件焊接的首選工藝。然而，當三菱PLC控制的焊接機器人與採用EtherNet/IP協議的視覺系統相遇時，協議不兼容成為制約生產效率的關鍵瓶頸。 某航空航天部件製造商就曾面臨這樣的困境：他們的攪拌摩擦焊接

ETHERNET , CC LINK IE , ip , 協議轉換 , 人工智能 , 深度學習 , 網關 , 工業自動化

u_16380863 頭像

未聞花名AI - 構建AI智能體：十四、從“計算”到“洞察”：AI大模型如何讓時間序列數據“開口説話”

一、我需要學習“時間序列”嗎 今天主題是“時間序列模型”，在開始之前我們先討論一下學習大模型需要了解時間序列嗎，首先要看我們的目標，學習大模型也必須也要有自己的目標。 應用型工程師： 如果想成為一名應用大模型的專業工程師，比如構建一個智能聊天客服機器人、開發一個文檔總結工具、創建一個代碼生成助手，那麼，不需要深入研究時間序列模型，此時你的核心技能應該是：

擬合 , yyds乾貨盤點 , 數據 , NLP , 人工智能 , 時間序列

u_13303 頭像

colddawn - linux將vncserver製作成systemd

第三課：Linux的基本操作 一般都會建立一個linux服務器，然後windows通過小軟件vnc遠程登陸linux服務器，登陸方式就是：”服務器ID:端口號“，此處的冒號為英文冒號； 一個賬户可以打開多個vnc端口，開啓：vncserver ，太多了則會佔用較多資源，可以手動關閉； 若vnc遠程屏幕分辨率與本地

機器學習 , 當前目錄 , 文件名 , Linux , 人工智能 , 根目錄 , 後端

candy_68fb0dfb0afd0 頭像

Candy - AI Agent 與 Agentic AI 系統：真正的區別是什麼？

大多數人把這兩個詞混用——但一個負責執行任務，另一個旨在達成目標。教你如何區分（以及各自的適用場景）。 先來澄清當下 AI 討論中最常見的一處混淆。 你可能經常看到大家把“AI agent”和“agentic AI system”當成同一件事。但事實是： 🚨 它們有關聯，但並不相同 就像把微波爐稱作“廚師”。它確實能加熱食物，但它不會幫你策劃一場晚宴。🍳 Friend Link 同理，AI

人工智能

selectdb 頭像

SelectDB技術團隊 - 愛瑪集團：All In SelectDB 構建極速統一數據平台，領航 AI 數智化實踐

愛瑪集團作為電動車行業的領軍企業，在經過三年多的數智化轉型實踐，成功構建了 All In SelectDB 的統一數據平台，實現了從傳統 Hadoop 多組件架構到 SelectDB 輕量級一體化平台的轉變，數據處理效率提高 5-8 倍，系統穩定性顯著提升。與此同時，引入 MCP Server 智能交互查詢，這背後，是愛瑪集團在數據技術選型、架構設計和平台建設方面的深度思考與實踐。 在電動車

運維 , 數據庫 , 人工智能 , apache

fannaodeshafa 頭像

煩惱的沙發 - 別再用 if err != nil 了，學會這幾個技巧，假裝自己是Go高手

一提到 Go 的錯誤處理，大家腦海裏可能立馬浮現出滿屏的 if err != nil。它邏輯清晰，非常符合 Go 的設計哲學，這個沒法反駁。 但我發現僅僅會寫 if err != nil 是遠遠不夠的。這就像學車，拿到駕照只是第一步，上路還得重新學習。Go 官方也明確表示，未來不會引入類似 try-catch 的新語法，所以我們必須在現有的模式上玩出花來。 那些真正厲害的 Go 開發者，他們寫的系

知識 , go , 後端

aoshizhongshengdexiangjiao_bvx78q 頭像

傲視眾生的香蕉_bvX78Q - Google Gemini 推出全新 AI 圖像生成器 Imagen 3：引領下一代視覺AI革命

AI圖像生成技術正以前所未有的速度發展，從早期的GAN網絡到如今的擴散模型，每一次技術迭代都在重新定義着創作的邊界。2024年8月，Google正式發佈了其最新一代圖像生成模型——Imagen 3，並將其集成到Gemini AI助手中，這標誌着Google在AI視覺領域的又一次重大突破。 Imagen 3不僅在圖像質量上實現了顯著提升，更在提示詞理解、風格多樣性和安全性方面樹立了新的行業標杆。作

google , 生成器 , 人工智能

u_16776161 頭像

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