人工智能

冰糖猕猴桃

【AI】把“大杂烩抽取”拆成多步推理：一个从单提示到多阶段管线的实践案例很多做 LLM 应用的同学，都会遇到一个经典场景：一条长文本，要求模型一次性抽一堆字段，还要严格 JSON 输出。规则写得越来越长，few-shot 越堆越多，但效果总是“差点意思”。

PPIO上线GLM-OCR：0.9B参数SOTA性能，支持一键部署PPIO 算力市场首发上线了 GLM-OCR 模型模板。作为一款兼具“轻量化”与“高精度”的专业级 OCR 模型，GLM-OCR 以 0.9B 的参数规模，在 OmniDocBench V1.5 基准测试中取得了 94.6 分的 SOTA 表现，并在公式识别、复杂表格解析及信息抽取等高难度场景中展现出显著优势。

怎么打造一个能自我进化的制造数字基座？怎么打造一个能自我进化的制造数字基座？在当前制造业加速向数字化、智能化演进的背景下，“一体化数字基座”已不再是一个技术术语，而是决定企业能否实现系统性升级的核心基础设施。它不是简单地把多个系统拼接在一起，也不是堆砌算力与数据平台，而是构建一个能够统一感知、协同决策、持续进化的智能中枢。真正的数字基座，必须打通数据孤岛、整合异构算力、沉淀业务知识，并让AI能力自然地渗透到研发、生产、质量、物流等每一个环节，形成闭环反馈与自我优化的有机体。它不是为某个场景服务的工具，而是让整个制造体系具备“思考”和“学习”能

基于MATLAB的表面织构油润滑轴承故障频率提取（改进VMD算法）表面织构通过改变油膜压力分布提升轴承润滑性能，但复杂织构参数（分布角度、深度、面积比）会显著影响振动信号特征。传统VMD参数依赖经验设定，需结合雷诺方程建立参数化振动模型，实现织构参数-油膜特性-振动频率的关联分析。

爱吃泡芙的小白白

深入解析CNN中的Dropout层：从基础原理到最新变体实战在卷积神经网络（CNN）的训练过程中，过拟合始终是开发者面临的核心挑战之一。Dropout，作为一种经典且强大的正则化技术，通过随机“丢弃”神经元来防止网络对训练数据的过度依赖。然而，随着深度学习的发展，传统的Dropout已演进出一系列专为CNN设计的先进变体，如Spatial Dropout、DropBlock等，并在计算机视觉、医学影像等领域展现出卓越性能。本文将带你系统梳理CNN中Dropout层的核心技术原理、典型应用场景、主流框架实现以及社区最佳实践，助你全面掌握这一防止过拟合的利器。

全文 -- TileLang: A Composable Tiled Programming Model for AISystemsTileLang：一种面向人工智能系统的可组合式分块编程模型现代AI工作负载在训练和推理过程中高度依赖优化的计算内核。这些AI内核遵循明确的数据流模式，例如在DRAM与SRAM之间移动数据块，并对这些数据块执行一系列计算。尽管这些模式清晰可见，编写高性能内核依然复杂。要实现峰值性能，需要以硬件为中心进行细致优化，以充分利用现代加速器。虽然领域专用编译器试图减轻编写高性能内核的负担，但它们在易用性和表达性方面仍存在不足。

才盛智能科技

K链通×才盛云：自助KTV品牌从0到1孵化超简单KTV行业同质化内卷严重，单店盈利、连锁扩张难成痛点，品牌化已是破局关键。近日，一站式KTV品牌孵化平台K链通，与自助KTV软件领军者才盛云达成深度合作，以“孵化+技术”双引擎，为创业者提供全链路解决方案，助力KTV品牌快速盈利、出圈。

IRB2600-201.65特殊机器人防护服清洗工具详解与避坑指南你还在用高压水枪直接冲洗IRB2600机器人防护服吗？或者干脆用抹布随便擦擦？停！你可能正在亲手毁掉一套价格不菲的防护装备，甚至埋下机器人停机的隐患

直接法读书笔记 01 第1章引言第 1 章引言本书阐述了用于直接求解稀疏线性系统的稀疏矩阵算法基础，内容涵盖从理论到算法、数据结构乃至实际可运行代码。本书选取算法时遵循以下目标：算法必须体现稀疏矩阵算法背后的重要理论；算法必须在运行时间和内存使用上达到渐进最优，或在实际应用中快速高效；算法必须简洁明了，易于理解，且篇幅足够简短以便在本书完整呈现；算法必须涵盖广泛的矩阵运算；算法必须精确且稳健。

RuntimeError: Dataset ‘/data.yaml‘ error ❌ ‘_lz遇到一个yolov8运行时错误，提示数据集文件 /data.yaml加载失败，具体原因为 ‘_lzma.LZMADecompressor’ object has no attribute ‘needs_input’。这通常表明系统中用于解压缩的 LZMA 库（常见于处理 .xz或 .lzma压缩格式）存在版本兼容性问题或内部损坏，可能是由于 Python 的 lzma模块与底层 C 库不匹配，或相关依赖库（如 backports.lzma）未正确安装所致，导致在读取可能经过压缩的数据集文件时无法正常初始化

川西胖墩墩

垂直模型价值：专业领域超越通用模型的竞争摘要：随着人工智能技术的迭代演进，大模型赛道的竞争已从“参数规模竞赛”转向“场景价值深耕”。通用大模型凭借跨领域的泛化能力奠定了AI应用的基础，但在金融、医疗、工业、法律等专业领域，其“广而不深”的短板日益凸显。垂直模型通过聚焦特定行业场景、融合专业知识体系、优化场景适配能力，在专业性、准确性、合规性等核心维度实现对通用模型的超越，成为驱动各行业数字化转型、解决行业核心痛点的关键力量。本文从通用模型的行业应用困境出发，剖析垂直模型的核心价值与竞争优势，结合多行业实践案例，探讨垂直模型的落地路径与发展趋势，

# Moltbot/OpenClaw 架构解读与二次开发完全指南文档版本: 2026年1月 | 基于 OpenClaw v3.0+ / Moltbot v2.0+ 目标读者: AI Agent 开发者、全栈工程师、系统架构师

AEIC学术交流中心

【快速EI检索 | SPIE出版】2026年机器学习与大模型国际学术会议（ICMLM 2026）【SPIE出版】2026年机器学习与大模型国际学术会议（ICMLM 2026）2026 International Conference on Machine Learning and Large Models

咕噜签名-铁蛋

无偿安利一款企业签名分发工具还在找简单易上手的 App 分发工具？担心看不懂复杂操作？推荐咕噜分发（官网：https://www.gulufenfa.com/ ）

理解50ETF期权市场生态：交易者如何在复杂系统中找到优势位置许多投资者将期权市场视为简单的零和博弈——一方的盈利必然来自另一方的亏损。这种简化认知忽略了期权市场作为复杂生态系统的本质。在这个系统中，不同类型的参与者有着不同的目标、约束和行为模式，他们之间的互动创造了市场的结构和动态。理解这个生态系统的运作逻辑，是交易者找到可持续优势位置的前提。

偷吃的耗子

【CNN算法理解】：卷积神经网络 (CNN) 数值计算与传播机制假设输入为单通道7×7矩阵，无填充，步长=1：输入形状：(1, 7, 7) = (通道数, 高度, 宽度)

周红伟： DeepSeek大模型微调和部署实战：大模型全解析、部署及大模型训练微调代码实战DeepSeek大模型作为新一代预训练语言模型，其微调技术（Fine-Tuning）通过针对性调整模型参数，使其在特定领域（如医疗、法律、金融）或任务（文本生成、问答系统）中表现更优。相较于零样本学习（Zero-Shot），微调可显著提升模型对专业术语的识别精度（如医学实体提取准确率提升37%），同时降低推理延迟（响应速度优化42%）。

近几年，非技术岗转向AI岗位的现实可能性身边越来越多非技术岗的朋友，都在纠结同一个问题：“做了好几年运营、行政、营销，现在AI风口这么火，我能不能转向AI岗位？”“没有编程基础、不懂算法，非技术岗转AI，是不是只是空想？”“转型需要多久？需要投入多少精力？万一失败了，会不会连原有工作都耽误了？”

深度分析：多模态、全模态、VLM、ASR、TTS、STT、OCR- AI分析分享根据最新的2025年研究，我为你详细解析这些概念及其在实际应用中的区别。多模态（MLLM - Multimodal Large Language Models）：处理多种输入模态（如文本、图像、音频、视频）的大型语言模型，但通常输出单一模态（文本）。这些模型能够整合来自多个数据源的知识，在视觉问答、标题生成和跨模态检索等任务中表现出色。

基于YOLO11深度学习的衣物识别系统【Python源码+Pyqt5界面+数据集+安装使用教程+训练代码】【附下载链接】本系统基于最新的YOLO11深度学习算法，开发一款高效、精准的衣物识别系统，支持单件/多件衣物同时识别、衣物类别区分、实时检测、识别结果显示、图片批量处理等核心功能，全程采用Python语言开发，搭配PyQt5设计可视化操作界面，无需复杂的代码操作，新手也可快速上手使用。