收藏 / 列表

u_16018702 頭像

架構師李哲 - 大模型微調有必要做嗎？全參數微調、LoRA還是RAG？看完這篇你就懂了

在人工智能迅猛發展的今天，大型語言模型已成為解決各類問題的強大工具。但當您想要打造一個真正理解所在行業、掌握專業知識的大模型時，總會面臨一個關鍵問題：如何用最小的成本、最高的效率，讓通用模型變得"專業"？ 這就像把一位通才培養成領域專家——選對方法，事半功倍。這正是LLaMA-Factory Online要解決的核心問題——通過智能化的微調，讓每個團隊都能輕鬆駕馭大模型適配

實時更新 , 數據 , 人工智能 , 深度學習 , 迭代

huamingshixunkeji 頭像

華明視訊科技 - 鐵路車號識別裝置：賦能鐵路貨運智能化的核心

在現代化鐵路貨運管理中，效率與準確性是衡量運營水平的關鍵尺度。傳統依賴人工抄錄車號的方式，不僅效率低下、成本高昂，更因人為因素導致數據不準，已成為制約礦區、編組站、貨運站等場景智能化升級的瓶頸。鐵路車號識別裝置，正是為解決這一核心痛點而生的智能化解決方案。 什麼是鐵路車號識別裝置？ 鐵路車號識別裝置是一套基於前沿人工智能深度學習技術的自動化識別系統。它通過高清圖像捕捉與智能分析，對貨運

機器學習 , 圖像識別 , 神經網絡 , 人工智能 , 深度學習

puxiaoke6 頭像

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

infodator 頭像

容智信息 - 如何評估高質量高價值的智能體？容智全維度評估寶典教你實戰方法

企業部署智能體，若缺乏科學的質量評估體系，極易陷入“效果模糊、價值難控”的困境。智能體的質量評估絕非單一維度的技術測試，而是需圍繞業務目標、人機協同、持續迭代構建系統方法論，並從系統性能、任務成效、輸出質量、工具協作四大維度全方位刻畫其價值，最終實現“技術健康度”與“業務貢獻度”的雙重驗證。 科學的評估體系需緊扣業務場景與長期運營，遵循三大原則： 指標與業務目標深度

人工智能

old_it 頭像

老IT人 - 加速 Siemens NX 工作流：NVIDIA RTX™ GPU 性能表現實測

近期評測組對 NVIDIA RTX™ GPU 在Siemens NX中的性能進行了詳細的測試，本次測試共選用6張 GPU，測試每張 GPU 在 Siemens NX 軟件中導入模型速度、有限元分析時長、渲染視口流暢度等應用環節的性能表現。 測試環境 測試項目 1. 數模導入的加載時間 在此測試項目中，我們選用一個643MB的總裝數模，從測試結果可以看出，在數模導入過程中，GPU 的利用率基本拉

segmentfault

u_16970152 頭像

求知上進 - 使用 Python 打造細胞結構探索遊戲：細胞探秘

技術準備 在開始編碼之前，我們需要準備開發環境和相關工具。以下是開發 細胞探秘 所需的技術棧和資源。 1. 技術棧 編程語言：Python 3.x（推薦 3.8 或更高版本）。 核心庫： random：生成隨機事件，如細胞突變或任務生成。 time：控制遊戲節奏和實驗時間。 json：保存和加載遊戲狀態。

遊戲開發 , 初始化 , Nu , Json

nizi_60e514d097c9a 頭像

MIAOYUN - MIAOYUN | 每週AI新鮮事兒（10.17-10.24）

本週AI領域動態頻出，百度、阿里、DeepSeek推出高效OCR與視覺語言模型，提升文檔解析與多模態能力；騰訊、字節跳動分別開源世界模型與3D生成模型，推動3D內容生成；Anthropic、OpenAI、Google升級AI工具，聚焦生命科學、瀏覽器集成與開發體驗；華為鴻蒙6、宇樹機器人H2及多項評測基準發佈，推動AI向終端與實體場景加速落地，一起來回顧本週發生的AI新鮮事兒吧！ AI 大模型 百

機器學習 , 機器人 , 自然語言處理 , 人工智能 , 深度學習

u_17512334 頭像

疆鴻智能研發中心 - 協議不通？CC-Link IE轉Ethernet/IP網關來當“端水大師”

協議不通？CC-Link IE轉Ethernet/IP網關來當“端水大師” 在製藥車間錯綜複雜的管線與設備之間，總有一些無形的“橋樑”在悄然運作，它們雖不顯眼，卻是整個生產流程順暢運行的命脈。今天，就讓我們走進一座特殊的通信橋樑——CC-Link IE轉Ethernet/IP協議轉換網關，看看它如何在一家大型製藥企業的生產線中扮演着關鍵角色。

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

chenzhuodeyagao 頭像

沉着的牙膏 - 鑑冰AI FENCE：下一代流式網關技術如何重塑LLM應用安全防護體系

引言：AI安全新挑戰與企業級防護需求升級 隨着大模型技術在企業核心業務中的深度融合，2025年AI應用安全態勢正經歷根本性變革。提示詞注入、數據泄露、模型濫用等新型風險已從理論威脅轉化為日常運營中的實際挑戰。傳統安全方案在實時性、精準性和合規適配性上的侷限日益凸顯，企業急需新一代防護架構應對AI原生風險。 本文深度解析鑑冰AI FENCE流式網關的技術創新與實戰效能，該方案通過雙向流式處理、分詞無

人工智能 , 安全

u_16349720 頭像

短短同學 - 正則表達式進階用法：從基礎到實戰的全場景指南

正則表達式（Regular Expression，簡稱 Regex）是文本處理的 “瑞士軍刀”，它通過簡潔的語法規則，實現對字符串的匹配、提取、替換與驗證。在前文哈希機制的學習中，我們瞭解到 “映射” 是核心邏輯；而正則表達式的核心，則是 “模式定義”—— 用特定語法描述目標文本的結構，再通過解釋器執行匹配操作。本文將從基礎語法拓展到進階技巧，結合 10 + 實戰場景，帶你掌握正

正則 , bc , 人工智能 , 深度學習 , 正則表達式

u_16827017 頭像

全棧技術開發者 - 結構化協作（structured collaboration）本質是什麼？什麼是「語義編排」？語義編排在FoA中核心原理是什麼？

在現代人工智能中，智能體的規模和複雜性正在以前所未有的速度擴展。單個智能體在處理複雜任務時往往面臨計算能力和知識覆蓋的限制，而多智能體系統的出現為解決這一問題提供了可能。然而，隨着智能體數量的增加和任務複雜度的提升，如何確保智能體之間能夠高效、可靠地協作，成為設計分佈式智能系統的核心挑戰。 傳統的多智能體系統通常依賴於同步調用或點對點通信來完成任務分配與結果收集。這種模式在

yyds乾貨盤點 , 智能體 , 異構 , 人工智能 , 深度學習 , 子任務 , 結構化

u_17580222 頭像

mb691327edb400f - AI人工智能

在數字化轉型加速與人才競爭白熱化的當下，企業招聘正陷入前所未有的多重困局。一方面，經濟下行壓力下企業招聘預算普遍收緊，但業務擴張、人才迭代帶來的崗位需求卻愈發迫切，人才市場中核心崗位的薪酬成本持續攀升，HR團隊卻往往面臨人手不足、技術工具匱乏的資源困境；另一方面，海量簡歷如同“信息海洋”，HR僅依靠人工逐一審閲不僅耗時耗力，還易因主觀判斷出現疏漏，即便經過多輪面試，仍常出現候選人

數據 , 人工智能 , 深度學習 , 迭代

u_16776161 頭像

天潤融通科技 - 天潤融通ZENAVA上崗3C家電售後，90%的報修無需人工處理

在競爭日趨激烈的家電行業，售後服務已成為影響消費者忠誠度和品牌口碑的關鍵戰場。 過去，面對一台壞掉的空調、洗衣機，消費者要撥打售後熱線，重複描述問題、等待人工響應、排隊建單、安排維修……流程複雜、響應慢、體驗差，品牌好感度就這樣一點點流失。 而現在，這一切正被AI徹底改寫。 在大量真實客户的服務場景中，天潤融通推出的對話式AI產品ZENAVA，已經將90%以上的

人工智能 , 深度學習

u_17583190 頭像

fangpin - 從 0 搭建 LLM 不再難！這個 PyTorch 項目幫你吃透大模型底層邏輯

如果你曾想深入理解大語言模型（LLM）的 “五臟六腑”，卻被框架封裝的黑盒接口、複雜的源碼結構勸退；如果你希望親手實現 Transformer 的每一個組件，而非單純調用transformers庫 —— 那麼今天推薦的這個開源項目，絕對能成為你的 LLM 學習 “腳手架”。 它就是 GitHub 上的 llm-from-scratch（項目地址），一個基於 PyTorch、專為教育設

AIGC二三事 , llm , BPE , 人工智能 , transformer , 深度學習 , 大模型

chaoshenjinghyperai 頭像

超神經HyperAI - 甲骨實物高保真數據歸國，AI助力古文釋讀，發現甲骨新圖像

「明年我們去法國接甲骨文回家」，2024 年 12 月下旬，安陽師範學院甲骨文信息處理教育部重點實驗室的研究人員遠赴法國，與法國國家圖書館等 4 家甲骨文收藏機構簽訂合作協議，將以數字化形態將已經遠離故土許久的甲骨文文化遺產「接回家」。 2024 年 8 月 5 日，「全球甲骨數字迴歸計劃」正式啓程，實驗室主任劉永革帶領團隊成員張展、李邦、郭安、龔慕凡飛往韓國，於 8 月 13 日帶回了 7 片甲

機器學習 , llm , 3d , 人工智能 , 深度學習

u_16110811 頭像

primeshao - 989. Add to Array-Form of Integer

題目 For a non-negative integerX, thearray-form ofXis an array of its digits in left to right order. For example, ifX = 1231, then the array form is[1,2,3,1]. Given the array-formAof a no

數組 , yyds乾貨盤點 , i++ , 逆序 , 代碼人生

u_13715298 頭像

技術員阿偉 - 《Unity多語言開發：從文本到體驗的深層適配指南》

遊戲多語言本地化的深層邏輯，從來不是簡單的文本替換，而是語言特性與技術架構的深度耦合，每一種語系的語法規則、表達習慣，都會像無形的脈絡，牽動UI佈局、資源存儲、交互邏輯乃至玩家體驗的底層設計。以語系差異為例，黏着語體系中詞彙的組合方式往往讓句子長度產生極大波動，同樣一句技能描述，日語可能比中文多出三成字符，英語的縮略表達又可能縮短近半，泰語的聲調變化雖不直接影響字符數量，卻會因發

控件 , yyds乾貨盤點 , 多語言 , 代碼人生 , ui

u_17302888 頭像

愛吃飯的程序媛 - 990. Satisfiability of Equality Equations

題目 Given an arrayequationsof strings that represent relationships between variables, each stringequations[i]has length4and takes one of two different forms:"a==b"or"a!=b". Here,aandbare lo

數組 , yyds乾貨盤點 , 字符串 , 變量名 , 代碼人生

u_6813689 頭像

程序員小2 - 終於把機器學習中的特徵選擇搞懂了！！

主要目的 提高模型性能：移除不相關或冗餘的特徵可以減少“維度災難”效應，避免模型過度擬合訓練數據，從而在測試集上獲得更好的泛化能力。 降低模型複雜度：特徵越少，模型結構越簡單，訓練和預測速度越快。 增強模型可解釋性：使用更少、更核心的特徵，使得模型的決策過程更容易被理解和解釋。 常用的特徵選擇方法 常用的特徵選擇方法包括過濾法、

互信息 , Lasso , 特徵選擇 , 代碼人生