人工智能

serve the people

机器学习（ML）和人工智能（AI）技术在WAF安防中的应用在Web应用防火墙（WAF）安防中，机器学习（ML）和人工智能（AI）技术主要用于解决传统规则引擎的局限性（如误报高、难以应对未知攻击等）。以下从核心应用方案和适配框架工具两方面进行梳理，侧重实用性和落地场景：

前端机器学习一、为啥要在浏览器里搞机器学习？速度！隐私！成本！这三个词够不够直接？想象一下：用户上传照片直接本地完成风格迁移，服务器零流量压力；医疗数据在患者设备完成病灶标记，根本不用传出浏览器——这合规性难题瞬间破解。去年做的智能相册项目，图片分类模型只有200KB，WebAssembly一编译，中端手机跑起来比奶茶店叫号还快。

陈天伟教授

基于学习的人工智能（5）机器学习基本框架数据是机器学习的“粮食”，是知识的原始载体。机器学习的目的就是将分散在数据中的知识提取来并保存在模型中。要训练一个优秀的机器学习模型，必须对数据进行精心选择。一般来说，数据需要具备以下几个条件：

PaLM-E：具身智能的多模态语言模型新范式在机器人与具身智能领域，如何让模型实现真实世界的精准感知与决策，一直是科研界的核心挑战。谷歌团队推出的 PaLM-E，首次将大规模语言模型（LLM）与多模态感知能力深度融合，构建出首个通用型具身多模态语言模型，既能完成机器人规划、故障检测等具身任务，又保持了顶尖的视觉 - 语言理解与纯语言能力。

2025年11月AI IDE权深度测榜：深度分析不同场景的落地选型攻略在软件开发进入AI驱动的全新阶段,AI编程工具已成为提升开发者效率的核心要素。根据权威研究机构 Mordor Intelligence 的最新报告,全球AI代码工具市场规模在2025年预计将达到 73.7亿美元,并以 26.60% 的复合年增长率持续扩张。同时，GitHub 年度报告显示全球开发者AI工具使用率已攀升至73%。然而，面对市场上众多声称具备“最佳”代码生成效果的AI IDE和插件，开发者在选型阶段往往面临信息过载的困扰，工具间的生态不兼容、合规性差异等问题严重制约了团队的协同效能。

欢喜躲在眉梢里

CANN 异构计算架构实操指南：从环境部署到 AI 任务加速全流程CANN 异构计算架构实操指南：从环境部署到 AI 任务加速全流程在人工智能技术飞速迭代的当下，异构计算已成为突破算力瓶颈的核心方向。华为 CANN（Compute Architecture for Neural Networks）作为面向 AI 场景的端云一致异构计算架构，通过软硬件协同优化，为 AI 基础设施提供了极致性能的软件支撑。其兼容昇腾系列芯片，覆盖训练、推理全流程，能够大幅提升 AI 任务的运行效率，已广泛应用于计算机视觉、自然语言处理、智能推荐等多个领域。

人工智能在金融风控中的应用具体到应用层面，智能风控系统在欺诈检测方面表现尤为突出。传统方法往往基于规则引擎，例如设定阈值来标记可疑交易，但这种方式容易漏检新型欺诈手段。而通过机器学习算法，系统可以从历史数据中学习欺诈行为的特征，动态调整检测策略。例如，一些平台采用行为分析技术，监控用户的登录地点、交易频率和设备信息，一旦发现与正常模式偏离，立即触发警报。这种自适应能力不仅降低了误报率，还能在欺诈发生前及时预警，为用户节省潜在损失。

人工智能赋能智慧金融互联网应用：智能风控、个性化理财与金融服务优化实践探索》随着金融数字化和互联网金融的发展，智慧金融正在成为提升金融服务效率、降低风险和优化客户体验的重要手段。人工智能（AI）结合互联网技术，为银行、金融机构和客户提供智能风控、个性化理财、信贷审批、投资决策支持和金融数据分析等解决方案。AI通过大数据分析、机器学习、自然语言处理和深度学习，实现金融业务智能化、精准化和高效化，为金融行业创造更大价值。

【字节跳动 AI 原生 IDE TRAE 】字节跳动于 2025 年 1 月推出的 TRAE（The Real AI Engineer）是国内首款 AI 原生集成开发环境，标志着 AI 编程工具从 “辅助级” 向 “协作级” 的重要跃迁。TRAE 的诞生背景源于技术发展的双重成熟：多模态大模型突破，Claude 3.5 与 GPT-4o 实现了自然语言、图像、代码的深度理解，复杂逻辑生成准确率达 85%；工具调用协议标准化，Anthropic 提出的 MCP（Model Context Protocol）协议让 AI 可动态调用外部工具形成闭环。

AI 编程环境与主流 AI IDE 对比分析报告AI 编程环境代表着软件开发工具的最新演进方向，它不仅是传统集成开发环境（IDE）的简单升级，更是一场从 “代码编写” 到 “意图实现” 的范式革命。根据 2025 年的技术发展现状，AI 编程环境已形成了多层次、多形态的复杂生态系统。

主流 AI IDE 之一的 Google Antigravity IDE 介绍Google Antigravity 是谷歌在 2025 年 11 月 19 日与 Gemini 3.0 一同发布的全新 AI 原生集成开发环境（IDE）。它不是传统代码编辑器的简单插件，而是将 AI 代理、代码编辑器和浏览器深度融合，打造了从需求规划、代码编写、自动化测试到部署验证的“全流程闭环”开发体验。Google Antigravity是 Google 推出的全新 "Agent-First"(智能体优先) IDE，彻底重构了开发者与 AI 的协作方式，将 IDE 带入智能体驱动时代。它不是简单地

Teacher.chenchong

GEE云端林业遥感：贯通森林分类、森林砍伐与退化监测、火灾评估、森林扰动监测、森林关键生理参数（树高/生物量/碳储量）反演等随着遥感技术迈向云端化、智能化，谷歌地球引擎（GEE）已成为林业遥感研究的核心工具。其强大的全球数据存储与并行计算能力，结合多源遥感影像（如Landsat、Sentinel-2、PALSAR-2）和新兴AI模型（如ChatGPT），为森林资源监测、灾害响应与生态评估提供了前所未有的技术支持。本专题旨在系统梳理GEE平台在林业领域的全链路应用，从基础操作到复杂模型开发，助力从业者突破技术瓶颈。

人工智能赋能智慧城市互联网应用：智能交通、能源与公共管理优化实践探索》随着城市化进程加快和信息技术发展，智慧城市正在成为提升城市管理效率、优化公共资源配置和改善居民生活质量的重要手段。人工智能（AI）结合互联网技术，为城市管理提供智能交通、能源管理、公共安全、环境监测和城市规划等解决方案。AI通过大数据分析、机器学习、计算机视觉和物联网技术，实现城市运营智能化、精准化和高效化，为城市管理者和居民创造更大价值。

人工智能之数据分析 numpy：第十五章项目实践第十五章项目实践@本文 5 个由浅入深的 NumPy 项目练习，覆盖数组操作、数学计算、数据处理、可视化和性能优化，适合巩固知识并提升实战能力。其中部分项目涉及到后续教程的学习内容，可以根据相关领域去拓展，或者学习完后续在进行复现。

深度学习——神经网络下图转载自深度学习（3）之经典神经网络模型整理：神经网络、CNN、RNN、LSTM，对相关含义展示的比较清晰，供参考。

祖先关系的数学重构：从家谱到算法的思维跃迁这正是我们今天要探讨的"重构一棵树的方案数"问题——一个看似简单却蕴含着深刻数学智慧的算法谜题。它不仅是计算机科学中的经典问题，更是一个连接离散数学、图论和组合优化的桥梁。让我们一同踏上这段从生活直觉到数学严谨性的探索之旅。

从推荐算法优化到AI4S、Pico和大模型，杨震原长文揭秘字节跳动的技术探索11月24日，第五届字节跳动奖学金颁奖典礼在北京大钟寺办公区举办。本届奖学金共吸引了中国和新加坡66所高校的500余名同学报名申请，来自清华、北大、复旦、人大、华中科技大学、香港大学、新加坡国立大学、南洋理工大学等高校的20位学子获奖，覆盖大模型、机器学习、多模态、AI Infra、机器人、AI for Science、硬件等领域。

AI加持测试工具汇总：Strix、AI（包括LLM）对各行各业的改变，远比诸位（包括鄙人）来得要深远。关于测试，之前写过很多篇：本文汇总整理一些AI测试工具。

哈工大深圳团队推出Uni-MoE-2.0-Omni：全模态理解、推理及生成新SOTA全模态大模型（Omnimodal Large Models, OLMs）能够理解、生成、处理并关联真实世界多种数据类型，从而实现更丰富的理解以及与复杂世界的深度交互。人工智能向全模态大模型的演进，标志着其从「专才」走向「通才」，从「工具」走向「伙伴」的关键点。

人工智能在智能家居中的控制传统的智能家居，更多是依靠预设规则或简单的传感器触发。例如，“如果光照低于100勒克斯，则打开客厅灯”。这种控制方式逻辑简单，但僵化死板，无法应对复杂多变的生活场景。你今天想早点休息，或者在家办公需要更明亮的光线，系统都无法自主适应。人工智能的引入，彻底打破了这一瓶颈。其核心在于，它不再仅仅执行命令，而是开始学习、理解和预测。