人工智能

当AI能写代码时，顶级工程师在做什么？大模型时代的系统架构思维重塑2023年，GitHub官方报告显示：Copilot用户编码速度平均提升55%，代码采纳率达35%，每周生成超过400亿行代码。表面看，这是一个编程效率革命的时代。但微软内部技术复盘揭示了一个反直觉的事实：使用Copilot的团队代码提交频率增加了40%，而产品上线速度仅提升18%。

Rokid AR眼镜智能提词器开发实战：从SDK集成到AI自动跟踪传统提词器存在明显痛点：演讲者盯着大屏幕或平板念稿，观众一眼就能看出在读稿子，眼神飘忽不定，演讲氛围尴尬。Rokid AR眼镜提供了更好的解决方案：文字直接显示在视野上方，观众完全看不出演讲者在看提词，这是AR眼镜的绝佳应用场景。

05【AI大模型对话/创建项目】通过pycharm创建大模型项目,关联Anaconda环境提示：帮帮志会陆续更新非常多的IT技术知识，希望分享的内容对您有用。本章分享的是springboot的使用。前后每一小节的内容是存在的有：学习and理解的关联性。【帮帮志系列文章】：每个知识点，都是写出代码和运行结果且前后关联上的去分析和说明（能大量节约您的时间）。

海边夕阳2006

【每天一个AI小知识】：什么是目标检测？目录一、开篇：保安小王的困惑二、目标检测的基本概念2.1 什么是目标检测？2.2 目标检测与其他计算机视觉任务的关系

明月照山海-

机器学习周报二十四本周学习了潜在扩散模型的概念，潜在扩散模型的实现是很简单的，之后学习了变分自编码器(VAE)。同时解决了之前的RCNN目标检测的模型，但是效果很差。

ENVI 5.6 利用现场标准校准板计算地表反射率具体步骤核心目标：利用已知反射率的校准板，建立DN值与地表反射率的线性关系 ρ = a × DN + b，并将此关系应用于整个Pix4D拼接影像，得到定标后的反射率影像。

现有版权在未来的价值：AI 泛滥时代的人类内容黄金答案很明确：原因并不是因为未来内容缺少，而是因为未来内容过多且过度相似。当 AI 大模型能：整个互联网将充斥着“无限内容”。

深度学习周报（11.24~11.30）目录摘要Abstract1 高效注意力机制1.1 稀疏化与局部性1.2 低秩与核化近似1.3 下采样1.4 其他

AI学习笔记整理（24）—— AI核心技术(深度学习8)大模型和深度学习的本质关联——二者不是“替代关系”，而是“子集与父集、进阶与基础”的关系，核心逻辑可概括为：大模型是深度学习在“海量数据+复杂架构”下的极致产物，深度学习是大模型的技术底座。

腾讯云开发者

架构火花｜一线视角下的AI：从应用边界到落地难题在AI深度融入各领域的当下，围绕“AI能做什么、该做什么、落地难在哪”的讨论从未停止。结合不同行业一线实践经验，关于AI的应用场景、能力边界与落地挑战，已形成诸多值得参考的共识，这些来自实践的洞察，或许能让我们更客观地看待AI这一工具。

基于Mamba-2的实时销量预测系统：如何用选择性状态空间干掉Transformer的O(n²)噩梦摘要：在电商大促场景下，传统Transformer时序预测模型因注意力机制的二次复杂度导致延迟爆炸。本文记录我如何用Mamba-2架构+动态规则RAG，在单张A10上实现百万级SKU秒级预测，将均方误差降低41%，训练成本减少70%。核心创新在于把业务规则（如"满减活动"）作为外部状态向量注入选择性S4层，让模型学会"动态记忆"。附完整JAX实现与生产级调度代码。

AIGC 技术标准制定：Web 行业协同的必要性与难点以前搞 AI，圈子很小：但 AIGC（AI Generated Content）真正落地时：这时候，如果没有 Web 行业的统一标准，会怎样？

Day 26｜智能体的“伦理与安全边界”AI 智能体（Agent）不是一个“工具”，而是一个会自己行动、自己决策、会持续运行的系统。随着记忆、工具库、工作流、可持续运行、数据访问等能力叠加，一个成熟的 Agent 已具备：

n8n本地安装的两种方法：小白入门大白话版本下面给出一份“纯新手也能看懂”的 n8n 本地安装双路线攻略。把两条路线分别比喻成“买现成盆栽”和“自己播种”，每一步都拆开讲，遇到黑话就用类比翻译，保证零 Linux/编程经验也能跟做。

深度学习实战（基于pytroch）系列（三十八）门控循环单元（GRU）从零开始实现前面我们讨论了循环神经网络中的梯度计算方法。我们发现，当时间步数较大或较小时，循环神经网络的梯度容易发生衰减或爆炸。虽然梯度裁剪可以处理梯度爆炸问题，但无法解决梯度衰减的挑战。正因如此，循环神经网络在实际应用中往往难以有效捕捉时间序列中跨度较大的依赖关系。

如何处理DAC的sinc滚降对于DAC而言，如果采用零阶采样保持的话，通道内的增益不是平坦的，具体地是sinc滚降。此时DAC需要对sinc滚降造成的衰减进行补偿，否则原信号就可能发生失真。DAC解决sinc滚降可以采用多种方案，其中最直接的就算使用反sinc滤波器进行补偿，对进行过预补偿的信号再进行转换就不存在sinc滚降了，比如AD9785/7/8就是采用的这种方案，存在可配置的反sinc滤波器。

霍格沃兹测试开发学社-小明

自动化测试报告样式终极对比：HTMLTestRunner vs BeautifulReport vs HTMLReport vs Allure在软件测试领域，‌可视化报告‌是测试结果呈现的核心环节。本文将为您深度解析四种主流测试报告工具，通过图文结合的方式，帮助您选择最适合团队需求的解决方案。

07_Spring AI 干货笔记之提示词提示词是引导 AI 模型生成特定输出的输入内容。这些提示词的设计和措辞会显著影响模型的响应。在 Spring AI 中与 AI 模型进行最低层级的交互时，处理提示词的方式有些类似于 Spring MVC 中管理"视图"。这涉及创建包含动态内容占位符的大量文本。然后根据用户请求或应用程序中的其他代码替换这些占位符。另一个类比是包含特定表达式占位符的 SQL 语句。

基于深度学习的手写数学公式识别与计算系统设计与实现摘要：随着深度学习和计算机视觉技术的快速发展，手写数学公式的自动识别与计算在智能教育、人机交互等场景中具有重要应用价值。本文围绕“基于深度学习的手写数学公式识别与计算系统设计与实现”这一课题，设计并实现了一套集公式图像输入、字符分割、字符识别及表达式计算于一体的完整系统。

机器不学习我也不学习

人工智能综合项目开发13——模型优化与调优——超参数1、什么是超参数?机器学习中在模型训练前需预先设定的参数，与通过数据训练获得的参数形成区分2、参数和超参数