人工智能

智能制造 - 人工智能、隐私保护、信息安全AI可以让我们的工作更高效，决策更精准。例如，在制造业中，它有助于及早发现错误。我们想充分利用它的潜力。但像任何强大的技术一样，我们也应该知道使用人工智能的风险。

一只乔哇噻

java后端工程师+AI大模型开发进修ing（研一版‖day60）目录今日总结详细内容java随笔录redis作为分布式锁，是如何实现的呢？AI随探录智能输入法案例数据集

千里码aicood

计算机大数据、人工智能与智能系统开发定制开发在当今数据驱动的时代，计算机科学已深度融入人工智能、商业智能与科学研究。本技术体系围绕数据采集 → 存储处理 → 智能分析 → 可视化应用全流程，整合以下关键技术栈：

【空投速递】GAEA项目解析：首个集成人类情感数据的去中心化AI训练网络最近，AI和Web3结合的赛道越来越热，作为老撸毛人，我习惯性地会去挖掘一些有潜力的早期项目。今天给大家带来的就是这个领域的一个新玩家——GAEA。

你的 Prompt 都该重写？大家好，这里是架构资源栈！大家总说模型会过拟合数据，但很少有人注意到：Prompt 也会过拟合模型。

木卫二号Coding

第五十三篇-Ollama+V100+Qwen3:4B-性能

飞哥数智坊

AI 不只是聊天：聊聊我最近在做的新方向大家应该都听到或看到过类似的观点：现在的 AI 就是一个玩具，也就能聊聊天，生成个搞笑图片。尽管这一观点带有一定夸张成分，但不可否认的是，当前阶段 AI 应用确实集中在知识处理领域，距离直接改变世界还有一段路要走。

小模型结合大模型的加速方法关键笔记大模型不断变强，但“全程用大模型”在算力和本钱上都越来越吃紧，于是业界开始尝试一种新的架构：用两个模型协同完成任务——小模型负责琢磨，大模型负责回答，这种分工思路，本质上是把“想清楚”和“说清楚”拆开处理，既节省资源，又有机遇获得更好的推理效果。

GPU算力租赁与算力云平台选型指南：从需求匹配到成本优化的实战思路在AI大模型训练、大数据离线处理、工业仿真等场景的推动下，算力已从“可选资源”转变为“核心生产力”。对于多数科研团队、中小企业及开发者而言，自建GPU算力集群面临初期投入高、维护成本高、资源利用率低的“三高”困境，GPU算力租赁与算力云服务因此成为更优解。但当前市场上的算力平台鱼龙混杂，从硬件配置到计费模式差异显著，如何避开“配置虚标”“隐性消费”“运维断层”等坑，找到适配自身需求的服务？本文将从行业痛点、选型维度、场景适配及实战案例出发，提供一套可落地的算力平台选择思路，同时解析具备竞争力的算力服务方案

如何用bootstrap模拟估计pass@kpass@k指标主要应用于评估模型生成函数的正确性。由于实际场景中测试问题数目一般都有限，直接计算可能存在方差较大的问题。

AI生成个性化年终总结PPT每到年终，职场人就开始为年终总结PPT发愁。辛辛苦苦忙碌一年，想要把工作成果完美展示出来，却往往不知道从何下手。自己制作PPT，不仅要花费大量时间去构思结构、收集素材，还得操心排版设计，最后呈现出的效果可能还不尽如人意，难以突出重点和亮点。而且不同的领导和部门对年终总结PPT的要求不同，要做到个性化定制更是难上加难。

登顶SuperCLUE DeepSearch，openPangu-R-72B深度搜索能力跃升随着大模型推理和 Agent 工具调用能力的快速发展，其通过反复搜索处理复杂信息需求的效果愈发受到业界关注。近日，第三方评测机构 SuperCLUE 发布 11 月 DeepSearch 评测报告，国产大模型 openPangu-R-72B 凭借在长链推理、复杂信息检索领域的卓越表现，在模型榜单中名列第一，体现了基于国产昇腾算力的大模型研发实力。

AI赋能旅游与酒店业：技术逻辑与开发实践解析随着人工智能（AI）技术的成熟，旅游与酒店行业正经历深度数字化和智能化转型。本文将从技术逻辑和AI开发结构角度，分析行业应用与实现路径，揭示如何通过算法提升个性化体验与运营效率。

TG：@yunlaoda360 云老大

谷歌云AI 时代的算力革命：CPU、GPU 到 TPU 的架构与定位解析目录1. CPU：逻辑控制的“总司令官”及其并行局限性2. GPU：通过“人海战术”实现大规模并行计算

加速采用安全的企业级 Kubernetes 环境大规模采用 Kubernetes 对于组织而言可能具有变革性，能够使其实现基础设施现代化、推动创新并保持严格的成本控制。然而，这种转型也伴随着一系列挑战。技术主管们常常面临复杂的迁移、不一致的安全性以及不可预测的成本。

Aspect of twilight

深度学习各种优化器详解为了避免序列太短导致初始的V偏离太大，对齐进行修正即可梯度大小相差大时会发生震荡，导致优化难解决方式：根据历史走的步数情况经过指数加权来决定下一步怎么走

农田植被目标检测数据标注与模型训练总结2一、数据集标注工作围绕目标检测模型训练的核心需求，本周重点完成了图片标注全流程工作，为 YOLOv5 模型训练筑牢数据基础：

Elastic 中国社区官方博客

Elasticsearch 中使用 NVIDIA cuVS 实现最高快 12 倍的向量索引速度：GPU 加速第 2 章作者：来自 Elastic Chris Hegarty, Hemant Malik, Corey Nolet 及 5 more

线上线下融合、跨场景协同—社区健康医疗小屋的智能升级随着人口老龄化加速和慢性病患病率上升，基层智慧健康站作为健康服务体系的重要一环，正逐步成为社区健康管理的基础载体。通过智能检测设备、健康数据互联等技术手段，这类站点可帮助居民完成基础健康指标监测，并形成动态电子健康档案。目前，北京、上海等多地已试点建设此类基层智慧健康站，通过与社区卫生服务中心联动，初步实现了健康筛查、风险预警和分级诊疗引导的功能，为居民提供了便捷的健康管理入口。

苏州知芯传感

当AI遇见MEMS：机器学习如何优化微振镜的控制与可靠性预测在MEMS微振镜迈向更高性能与更严苛应用的征途中，传统基于物理模型的控制与可靠性分析方法正逐渐触及“天花板”。非线性、温漂、工艺分散性以及复杂的失效机理，使得精确建模与预测变得异常困难。而此时，以数据驱动为核心的机器学习技术，正携其强大的非线性拟合、模式识别与预测能力而来，为MEMS微振镜的设计、控制与健康管理开启了一扇全新的大门，推动其从“精密机械”向“智能光机”演进。