人工智能

AI大模型入门到实战系列（八）文本聚类本章介绍使用各种语言模型进行文档聚类和主题建模的方法。由于本节依然要用到SentenceTransformer前面我们已经提到过可能会出现版本不兼容的问题，这里我将前面的两个补丁代码写进了llm这个文件夹下，相当于是llm包。之后我们只需要调用包里面的llm.apply_monkey_patches()和llm.apply_comprehensive_patches()这两个方法就行。由于llm包的路径在这个路径下，所以我们需要将这个路径引入到运行代码中，不然有可能无法识别到llm这个包。

眼神交流+触摸感应，打造更贴心的小智AI：原理和实现前文，分享了【小智Pro】系列文章：30天，AI 陪我写了3万行代码，上线一款应用，3点血泪教训零门槛为小智接入MCP，小智Pro焕新上线：MCP广场+自定义服务

重启机器学习原来2018年已经是7年前了，2025年是人工智能最火的一年，所有的企业都在主推人工智能，我们公司的战略就是，AI与地代码，公司把此战略当作今年的首要经营目标。

告别“翻墙“烦恼：DMXAPI让Gemini-3-pro-thinking调用快如闪电欢迎来到小灰灰的博客空间！Weclome you！博客主页：IT·小灰灰爱发电：小灰灰的爱发电热爱领域：前端（HTML）、后端（PHP）、人工智能、云服务

如何快速设置 Docker 代理设置当你执行 sudo docker pull ... / sudo docker push ... 时，若出现无法连接外网、代理相关报错、或 Docker Hub 访问失败，通常是因为 Docker Daemon（dockerd）没有正确读取代理设置。

Week 29: 深度学习补遗：MoE的稳定性机制与路由策略实现本周的继续了解了MoE，深入探讨了Sparse MoE面临的稳定性挑战及其数学解决方案，并解析了 Noisy Top-K Gating 的数学机理，阐述了其如何通过随机性平滑损失曲面；对比了Token 级与 Pooling 级路由在时序数据归纳偏置上的本质区别；最后，通过推导辅助负载均衡损失（Auxiliary Loss），揭示了如何通过约束优化问题来保证专家利用率的最大熵分布。

杨建允：AI搜索趋势对留学服务行业的影响AI搜索正深刻重塑留学服务行业，通过技术赋能和模式创新推动行业升级，同时带来新的挑战。主要影响在以下几个方向：一、AI如何改变留学服务 1.‌效率革新 ‌智能选校‌：AI通过分析学生成绩、兴趣等数据，快速匹配院校，精准度提升40%以上。 ‌文书优化‌：AI提供语法检查、结构建议，但需人工补充情感深度。 ‌引流自动化‌：AI搜索根据语义理解，自动匹配相关内容，精准引流，长期效应明显。

Curvatureflight

前端性能优化实战：从3秒到300ms的加载速度提升前言用户体验的核心是速度。我们的产品页面加载时间曾经高达3秒，用户流失率居高不下。经过两个月的优化，我们将加载时间降到了300ms，用户留存率提升了40%。

仅 4 人 28 天！OpenAI 首曝 Sora 内幕：85% 代码竟由 AI 完成4 人 28 天手搓 Sora APP，约 85% 代码竟是 AI 写的！10 月初，OpenAI 重磅发布迭代后 Sora 2，以及首个 AI 视频应用 Sora APP。

Rust 与 dora-rs：吃透核心概念，手把手打造跨语言的机器人实时数据流应用只需一张YAML蓝图，就能将Python的灵活、Rust的性能与实时数据流无缝缝合。机器人与边缘 AI 开发中，我们长期面临一个两难选择：是拥抱 Python 的生态便利，还是追求 C++/Rust 的极致性能？在传统架构，由于跨进程通信（IPC）的序列化开销往往是实时系统的噩梦，导致二者难以兼得。

前端开发工程师请求出战

把大模型装进口袋：HuggingFace如何让AI民主化成为现实如果你在2025年还觉得大模型是科技巨头的专利，那你可能错过了AI民主化最关键的一步——而这一步，是由一个名为HuggingFace的平台完成的。

亚马逊云开发者

Amazon Connect结合Strands框架及Bedrock Agent Core的智能客服机器人解决方案（实践篇）延续之前发布的基于Bedrock和Amazon Connect打造智能客服自助服务设计篇，本博客将展示智能客服自助服务领域中如何利用Strands框架和Amazon Connect进行集成，同时结合Bedrock AgentCore Memory及Runtime功能的最佳实践及解决方案技术框架。

谷歌开发者

Web 开发指向标｜AI 辅助功能在性能面板中的使用与功能Chrome 开发者工具是一套 Web 开发者工具，直接内置于 Google Chrome 浏览器中，帮助您即时修改页面和快速诊断问题，让您能够更快地构建更好的网站。

AIDD-人工智能药物设计-StructGuy：破解蛋白变异预测的数据泄漏难题基于 AI 的蛋白质变异效应预测存在一个普遍问题：数据泄漏。许多模型在测试集上表现优异，是因为训练时接触过相似的序列或同源蛋白。一旦面对训练集中未出现过的全新蛋白质，这些模型的表现就会急剧下降，这在创新靶点药物研发中难以接受。

智能眼镜成新经济现象，它是佩戴的AI，还是AI的容器？文｜熔财经作者｜文文几年前，车圈曾盛行过一阵“灵魂论”，时任上汽董事长陈虹认为“与第三方公司合作自动驾驶，上汽是不能接受的。这就好比有一家公司为我们提供整体的解决方案，如此一来，它就成了灵魂，而上汽就成了躯体。”

DeepAnalyze：首个开源自动数据科学 Agentic LLM摘要：在大模型应用爆发的今天，如何让 AI 不仅能“陪聊”，还能真正干活？DeepAnalyze 给出了答案。作为首个专门面向自动数据科学的 Agentic LLM（代理式大语言模型），它具备全流程数据分析能力，从数据清洗到生成专业报告一气呵成。本文将深度解析 DeepAnalyze 的核心功能、技术架构，并提供保姆级的本地部署教程。

AI时代的云安全（一）新挑战与应对思考云计算与人工智能的深度融合正在重塑数字基础设施的底层逻辑。当企业竞相将大语言模型、生成式AI服务部署至云端，传统云安全模型正面临前所未有的压力。这种压力并非简单的威胁数量增加，而是源于AI技术特性与云原生架构交织后产生的系统性风险位移——攻击面从代码漏洞扩展到数据偏见，防御重心从边界防护转向模型行为治理。

数据科学项目实践

建模步骤 3 ：数据探索(EDA) — 1、初步了解数据：常用函数下表是探索数据过程中一些常用的函数：查看数值变量的描述性统计量：count, mean, std, min, max

yiersansiwu123d

AI大模型赋能消费升级：新机遇与新路径随着“人工智能+”行动的深入实施，AI大模型正从技术概念加速转化为消费市场的新动能。从智能终端的个性化交互到虚实融合的购物场景，从创意设计的效率革新到教育服务的精准适配，AI大模型正在重构消费全链条，推动消费从功能满足向体验升维跃迁。在构建新发展格局的背景下，充分释放AI大模型的促消费潜力，需要精准把握技术应用规律，破解发展瓶颈，构建安全可持续的消费生态。 AI大模型正在重塑消费产品形态，催生个性化、智能化的新消费需求。传统消费产品的同质化竞争格局正在被打破，搭载大模型的智能产品凭借“智慧内核”实现精准匹

却道天凉_好个秋

OpenCV(四十一)：SIFT关键点检测SIFT（Scale-Invariant Feature Transform，尺度不变特征变换）是一种经典的局部特征检测与描述算法，由 David Lowe 于 1999 年提出，并在 2004 年完善。SIFT 的核心优势在于：对尺度变化、旋转变化具有不变性，并在一定程度上对光照变化、仿射变换和噪声具有鲁棒性，因此在目标识别、图像匹配、全景拼接、三维重建等领域被广泛应用。