收藏 / 列表

u_16655836 頭像

wx6603b05eb93d0 - 影視颶風怒懟紅星新聞：之前沒起訴手軟了！後者忙刪痛批Tim文章……

最近，影視颶風創始人Tim相親經歷，引發關注，多個話題衝上熱搜，比如Tim相親被嫌棄學歷低。 富二代，頂流創作者的身份，撞上相親失敗，可以説反差感拉滿，引發全網討論。 事情大概是，在粉絲QA視頻中的互動環節，Tim隨機抽中一條“去相親”的評論，他竟真的扛着相機現身杭州相親角。然而，這位在專業領域備受推崇的創作者，卻在相親角遭遇了“滑鐵盧”。 他在相親簡歷

視頻製作 , 人工智能 , 數據分析 , 自媒體

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_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_13303 頭像

colddawn - DB where 字段 is null 會走索引嘛

1.對查詢進行優化，要儘量避免全表掃描，首先應考慮在 where 及 order by 涉及的列上建立索引。 2.應儘量避免在 where 子句中對字段進行 null 值判斷，否則將導致引擎放棄使用索引而進行全表掃描，如： select id from t where num is null 最好不要給數據庫留NULL，儘可能的使用NO

字段 , 大數據 , 存儲過程 , 數據倉庫 , bc

baihai_idp 頭像

Baihai_IDP - 面向 LLM 的 GPU 系統工程方法論

編者按： 我們今天為大家帶來的文章，作者的觀點是：GPU 工程的核心不在於手寫內核的能力，而在於構建系統設計思維 —— 理解從模型定義到硬件層的完整技術棧如何協同工作。 作者提出了一個五層漸進式調試框架：從模型定義（Model Definition）入手，識別計算與內存瓶頸；進入並行化（Parallelization）階段，解決多卡同步問題；深入運行時編排（Runtime Orchestra

觀點 , llm , 知識 , 人工智能 , 深度學習

matrixorigin 頭像

MatrixOrigin - 第五屆 HiPM 產品創新力峯會｜矩陣起源帶您深度解析企業級 Agent 實踐

10月17日-18日，第五屆 HiPM 產品創新力峯會在深圳成功舉辦。本次峯會匯聚了眾多國內頂尖的科技企業與行業專家，共同探討 AI Agent 在多模態、產品化落地等領域的最新趨勢與實踐。矩陣起源作為企業級 AI Agent 解決方案的先行者，受邀出席本次盛會。矩陣起源資深產品專家魏旭東發表了題為《構建值得信賴的企業級 Agent 解決方案》的主題演講，分享了矩陣起源在一線業務場景中的深

數據挖掘 , 數據庫 , 人工智能

metaxk 頭像

萬界星空科技 - 一文讀懂電子看板管理：生產看板到底管什麼？看什麼？

一、概念：什麼是電子看板管理？ 電子看板管理是傳統物理看板在數字時代的進化形式。它利用物聯網、傳感器、顯示屏和看板管理軟件（通常集成在MES製造執行系統或ERP企業中），將生產指令、物料需求、狀態反饋和異常警報進行數字化、可視化和實時化傳遞。 二、分類：電子看板的類型 按功能分類（核心業務邏輯）： 生產指令看板： 系統向工位終端或顯示屏發送電子生產指令，包含生產物

數字化轉型 , 工業互聯網 , 數據可視化 , 人工智能 , 製造業

openanolis 頭像

龍蜥社區 - 軟硬協同！RISC-V 生態分論壇精彩議程公佈 | 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

nocobase 頭像

NocoBase - GitHub 上 Star 數量前 18 的開源 AI Agent 項目

原文鏈接：https://www.nocobase.com/cn/blog/github-open-source-ai-agent-...。 大概一個多月前，我在 Hacker News 上刷到一篇討論熱度很高的文章——《停止構建 AI Agent》。 作者在文中分享了自己的親身經歷：他用 CrewAI 組建了一個“研究小組”——三名 Agent、五個工具，紙面上分工完美無缺。但真正運行時，研究

agent , 代理 , ai開發 , 人工智能 , 開源

liudamao 頭像

劉大貓 - Linux下版本控制器(SVN) -命令行客户端

@[toc] 進階知識-Linux下版本控制器(SVN) 5、命令行客户端 5.1 創建兩個工作區目錄模擬兩個開發人員 mkdir -p /root/workspace/harry mkdir -p /root/workspace/sally 5.2 檢出 作用：完整下載版本庫中的全部內容。 命令： svn checkout svn://192.168.70.140/pro

算法 , svn , 人工智能 , tortoisesvn , 大模型

huandanshendeshoushudao 頭像

慧星雲 - Adobe 添加 AI 工具!讓設計師告別加班

Adobe 什麼！就連Adobe也開始進軍AI了？你們沒有看錯，作為咱們設計界的老大哥，Adobe也開始推出一系列AI工具，設計行也將迎來一場革命性的變革。 Adobe AI應用上新 Adobe作為設計軟件領域的絕對霸主，其一舉一動都牽動着整個行業的神經。近期，Adobe正式宣佈全面進軍AI生成領域，推出了包括Firefly、AI增強版Photoshop和Illustrator、A

設計 , adobe , 雲計算 , 人工智能

codists 頭像

codists - 翻譯：《實用的Python編程》02_02_Containers

目錄 | 上一節 (2.1 數據類型) | 下一節 (2.3 格式化) 2.2 容器 本節討論列表（list），字典（dict）和集合（set）。 概述 通常，程序必須處理許多對象。 股票的投資組合 股票價格表 這裏有三種主要的選擇（譯註：數據結構）可以使用： 列表。有序的數據。 字典。無序的數據。 集合。互異且無序的數據。 把列表當作容器 當數據順序很重要時，請使用列表。記住，

容器 , 網頁爬蟲 , 人工智能 , 數據結構與算法 , Python

writers 頭像

思否編輯部 - Akamai推出Akamai Inference Cloud (AI推理雲)，重新定義人工智能的應用場景與實現方式

近日，Akamai 正式推出Akamai Inference Cloud (AI推理雲)，該平台專為全球規模的低延遲、實時邊緣人工智能處理而設計，初期將覆蓋全球 20 個節點，後續將持續拓展全球更多節點的部署。 如您所在的企業正在考慮構建和部署 AI 賦能應用程序，或您正在尋找合適的 AI 推理運行環境 點擊鏈接瞭解 Akamai AI 推理雲解決方案，現在申請試用可得高達 500

nvidia , 人工智能 , 開發者

u_17580222 頭像

mb691327edb400f - AI 智能體

AI重塑人才選拔：效率與精準的雙重革新 人才選拔賽道的競爭日趨激烈，招聘官深陷堆積如山的簡歷與密集的面試流程，卻仍面臨核心人才難尋、面試主觀性強、招聘成本高企的困境。當HR團隊疲於應對初篩與基礎面試時，企業正為這些低效流程承擔高昂代價。 艾瑞諮詢數據顯示，AI技術已貢獻HR SaaS市場60%的價值，其中個性化評估是核心應用場景。這場技術革命正從培訓領

上傳 , 人工智能 , 深度學習 , 應用場景 , 解決方案

u_17420180 頭像

合合信息解決方案 - 上市城商行：攻克複雜文本處理瓶頸，國際結算業務全場景智能化

隨着全球貿易的日益頻繁與金融數字化轉型的深入，國際結算業務作為銀行服務實體經濟跨境運作的關鍵環節，其處理效率與風控水平直接關係到銀行的競爭力與運營安全。 然而，信用證、提單、報關單等業務單據格式繁雜、版式多變、專業性強，傳統依賴於人工核對與半自動化處理的方式，已成為制約業務效能提升、潛藏操作風險的明顯短板。在此背景下，運用前沿AI技術實現複雜文檔的自動化處理，已成為商業銀行

機器學習 , 字段 , 數據 , 泛化 , 人工智能

u_17512334 頭像

疆鴻智能研發中心 - 從“通訊孤島”到“數據交響曲”：CC-Link IE轉EtherNet/IP網關，貫通供漿製漿系統

從“通訊孤島”到“數據交響曲”：CC-Link IE轉EtherNet/IP網關，貫通供漿製漿系統 作為一名常年奔波在造紙行業的自動化工程師，我見證了太多生產線因協議壁壘形成的“通訊孤島”。直到我們在某大型紙企的供漿製漿系統改造中，成功部署CC-Link IE轉EtherNet/IP協議轉換網關，才真正體會到數據無縫流動帶來的變革。 一

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

u_16380863 頭像

未聞花名AI - 構建AI智能體：十三、大數據下的“搭積木”：N-Gram 如何實現更智能的語義搜索

一、什麼是 N-gram 核心定義：N-gram 是來自給定文本或語音序列的N 個連續項（如單詞、字符）的序列。它是一種通過查看一個項目的前後文來建模序列的概率模型。 N：代表連續項的數量。 項（Item）：通常是單詞（Word），也可以是字符（Character）或音節。 核心思想：N-gram 模型基於一個簡化的假設：一個詞的出現概

Ngram , yyds乾貨盤點 , 數據 , 似然函數 , NLP , 自定義 , 人工智能

candy_68fb0dfb0afd0 頭像

Candy - 構建具備深度思考能力的 Agentic RAG 流水線，用於解決複雜查詢

原文地址：https://mp.weixin.qq.com/s/JnRcU-6wg6g9RjdVXe3fQA 很多 RAG 系統失敗，並不是因為 LLM 不夠聰明，而是因為它們的架構太簡單。它們試圖用線性的一次性方式，處理一個本質上循環、多步驟的問題。 許多複雜查詢需要推理、反思，以及何時行動的聰明決策，這與我們面對問題時如何檢索信息非常相似。這正是 RAG 流水線中引入“agent 驅動行為”的

人工智能

selectdb 頭像

SelectDB技術團隊 - Apache Doris 4.0.1 版本正式發佈

親愛的社區小夥伴們，Apache Doris 4.0.1 版本已於 2025 年 11 月 08 日正式發佈。此版本聚焦核心模塊的打磨與優化，在 AI Search 方面實現了重要能力擴展，同時全面提升了 Lakehouse 與查詢引擎的穩定性和性能。 GitHub 下載：https://github.com/apache/doris/releases 官網下載：https://doris

數據庫 , 人工智能 , apache-doris

fannaodeshafa 頭像

煩惱的沙發 - 寫了這麼多年Java，這幾個神仙技巧你用過嗎？

如果你也是從 public static void main(String[] args) 和 System.out.println() 開始Java生涯的，那也是Java老油條了。在日常的業務開發中，我們每天都在寫着增刪改查的邏輯，有時候會覺得Java有點笨重，語法有點囉嗦。 但其實，Java在不斷進化。從我們熟悉的Java 8到現在的Java 25，它多了很多實用的新特性和一些不為人知的老技巧

教程 , 知識 , JAVA , 後端

aoshizhongshengdexiangjiao_bvx78q 頭像

傲視眾生的香蕉_bvX78Q - 亞馬遜Kiro強勢挑戰Cursor霸主地位，AI IDE大戰誰能笑到最後？

2025年，AI驅動的開發工具生態系統正在經歷前所未有的變革。在Cursor重新定義AI IDE概念之後，亞馬遜推出的Kiro以其獨特的"規劃優先"理念強勢入場，為開發者帶來了全新的編程體驗。這兩款工具雖然都致力於提升開發效率，但在架構設計、工作流程和生產力提升方式上卻展現出截然不同的哲學。 本文將從技術架構、功能特性、開發者體驗等維度深度對比這兩款AI IDE，探討它們如何重塑現代軟件開發流程。

開發工具 , 人工智能 , ide

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

u_17583190 頭像

fangpin - 從 1.56% 到 62.9%：SFT 推理微調優化實戰

讀完這篇文章，你將用監督微調（SFT）把一個 1.5B 規模的數學模型在 GSM8K 上的零樣本推理正確率從 1.56% → 62.9%，同時把輸出格式遵循率從 18.9% → 100%。我們將完整走通數據集下載、Prompt 架構、訓練配置和評估方法，所有代碼均來自本倉庫 alignment 文件夾，保證可復現與透明。 本文將深入剖析 llm-from-scratch

lua , 人工智能 , 深度學習 , Json , Python

ivorysql_xiaozhuli 頭像

IvorySQL - PostgreSQL 全表 count 優化實踐：從 SeqScan 痛點分析到 heapam 改進與性能突破

本文整理自 IvorySQL 2025 生態大會暨 PostgreSQL 高峯論壇的演講分享，演講嘉賓：權宗亮。 本文主要包括以下三部分： SeqScan 現狀 heapam 改進 全表計數 SeqScan 現狀 我們使用了一個稍寬的 SeqScan 表，包含約 10-20 個字段，記錄數達 1,000 萬。填充因子約為 50%，生成的數據總計 2.63 GB，佔用約 34.5 萬塊磁盤

數據庫 , postgresql , 人工智能 , SQL , 程序員