人工智能

知乎的哥廷根数学学派

基于自适应多尺度小波核编码与注意力增强的脉冲神经网络机械故障诊断（Pytorch）首先从西储大学标准轴承数据集加载四种工况的振动信号，包括正常状态和滚珠、内圈、外圈三种典型故障类型，对原始信号进行标准化处理和滑动窗口分段，形成标准化样本序列。核心部分采用自适应多尺度小波核编码技术，通过24个可学习的小波核对输入信号进行多尺度时频特征提取，这些小波核的频率、尺度、相位和Q因子参数均在训练过程中自适应优化，能够自动捕捉最适合故障诊断的频带特征，同时计算信号的包络特征以增强特征表示能力。编码后的特征通过改进的积分-发放脉冲神经元转换为脉冲序列，模拟生物神经元的稀疏编码特性，脉冲神经元具有可学

【AI学习-comfyUI学习-三十二节-FLXU原生态反推+controlnet depth(UNion)工作流-各个部分学习】@[TOC](AI学习-comfyUI学习-三十二节-FLXU原生态反推+controlnet depth(UNion)工作流-各个部分学习)

EdgeGateway 快速开始手册-表达式 Modbus 报文格式使用raw表示原值支持 + - * / % 运算和()等常规运算支持比较运算符(>= <= > < == !=)和逻辑运算符(&& ||)

golang 做AI任务执行1.实现了基于Gin框架的RESTful API服务，用于接收和管理AI任务 2.设计了任务队列系统，支持任务的创建、查询和状态更新 3.提供了后台任务执行器，能够并发处理多种类型的AI任务 4.支持任务状态跟踪，包括待处理、运行中、完成和失败状态 5.使用UUID生成唯一任务ID，确保任务标识的唯一性 6.集成了现代化的Web框架Gin，提供高性能的HTTP服务 7.通过goroutine实现异步任务处理，提高系统并发能力 8.提供了完整的任务生命周期管理，包括创建时间、开始时间和完成时间记录

鼎道开发者联盟

2025中国AI开源生态报告发布，鼎道智联助力产业高质量发展在正文开始前，先向广大开发者朋友推荐 DingOS 粒子服务用户界面协议（PSUIP）——一款专为 LLM 与 AI Agent 设计的统一 GUI（图形用户界面）构建协议。它并非传统意义上的 UI 组件库，而是填补“AI 输出→UI 落地”行业空白的标准化接口：如同 HDMI 协议实现不同设备与显示器的无缝连接，PSUIP 可让任意 AI 输出“携带 UI 语义的结构化内容”，前端接入后即可自动渲染出符合设计规范的界面，大幅降低开发者的适配成本。

告别RPA和脚本！视觉推理Agent，下一代自动化的暴力解法失踪两个半月，我又回来了。两年前，公司因为一些自动化需求，我们采购了市面上比较主流的一款RPA产品。但这两年用下来的感觉是，RPA确实能解决绝大多数的自动化问题，但维护成本实在太高。

引导式问答-对话式商品搜索-TRACER论文：Wizard of Shopping: Target-Oriented E-commerce Dialogue Generation with Decision Tree Branching 会议：ACL 2025 long 作者：Xiangci Li et al. (AWS AI Labs， Amazon)

(一)人工智能算法之监督学习——KNNKNN（K-Nearest Neighbors，K 近邻）是最简单的机器学习算法之一，核心思想可以总结为：“物以类聚，人以群分”。

大模型面试题62：PD分离PD分离的全称是 Position Encoding-Decoder Separation（位置编码-解码器分离），是Transformer架构在长序列、动态长度场景下的关键优化思路。

AgenticOps 如何重构企业 AI 的全生命周期管理体系在早期 AI 落地阶段，企业往往以项目形式推进：选一个模型、做一次训练、上线一个应用、完成阶段性目标。

阿里云大数据AI技术

漫画说：为什么你的“增量计算”越跑越慢？——90%的实时数仓团队都踩过的坑，藏在这几格漫画里为什么每次只改一行数据，却要重算上亿条历史记录？你在构建实时看板、用户画像或风控特征时，是否也遇到过这样的困境？

SpringAIAlibaba之上下文工程与GraphRunnerContext 深度解析(8)摘要：在构建 AI Agent 时，我们面临两大挑战：一是如何让 LLM 记住之前的对话（Chat Context），二是如何在复杂的业务流程中传递数据（Execution Context）。

撬动未来的支点

【AI】光速理解YOLO框架我们前面学的PyTorch是用来搭建神经网络模型的脚手架，即利用一些算子搭建网络结构，并且支持评估推理等全套API。

电商API_18007905247

批量获取电商商品数据的主流技术方法全解析在电商行业数字化转型的浪潮中，商品数据是驱动选品决策、价格监控、竞品分析和供应链优化的核心资产。批量获取电商商品数据的能力，直接决定了企业运营决策的效率与精准度。本文将系统梳理当前主流的批量数据获取技术方法，从实现原理、操作要点出发，深入分析各方法的优缺点与适用场景，为技术选型提供全面参考。

学境思源AcademicIdeas

我在手机上部署了一个AI大模型，用它写完了论文初稿【附提示词】过去很长一段时间，只要一提到“大模型部署”，大多数人的第一反应都是：需要服务器、需要显卡、需要代码基础。

第1课：AI Agent是什么 - 学习笔记_1本节课主要讲解：如何构建具有记忆和持久性的AI系统，让AI系统能够越用越聪明、越用越牛。传统AI模型（2018年之前）

REAP the Experts：去掉 MoE 一半专家还能保持性能不变Sparsely-activated Mixture-of-Experts（SMoE）在 LLM 里很香：预训练省算力、推理低延迟，但代价是参数量爆炸和显存占用高。于是大家开始做专家压缩。过去的结论常常是：在多选题（MC）上，Merging 比 Pruning 好。但这篇论文指出：一旦任务变成生成式（code、math、creative writing、tool calling），结论会反过来，Pruning 更优，并且给出理论原因与新的剪枝准则 REAP。

医工交叉实验工坊

从零详解WGCNA分析撰文｜WillWGCNA 一句话：把「一堆基因」按「表达相似性」打包成「模块」，再挑跟「表型」最亲的模块，挖里面的核心基因。

百万彩票中奖候选人

在trae、qoder、Claude Code、Cursor等AI IDE中使用ui-ux-pro-max-skillui-ux-pro-max-skill官方地址npm install -g uipro-clicd /your/project