sota模型

AI里的Prompt到底是什么？——提示词

拿大语言模型举例来说，自身的能力很强大，但也存在一定的弊端，比如输出的内容太空太泛、不是用户想要的答案、输出的内容格式不符合预期……正因为这些弊端的存在，进而催生了Prompt（提示词ArtificialIntelligencePrompt
不知名产品露·2025-07-05 02:57

ART（Automatic Reasoning and Tool-use）：自动推理与工具使用的革命性突破

引言在人工智能快速发展的今天，大语言模型（LLM）的能力边界正在不断被重新定义。
·2025-07-05 02:57

《深度学习》—— PyTorch的介绍及PyTorch的CPU版本安装

torchvision、torchaudio三个库的介绍一、PyTorch的简单介绍PyTorch是一个由FacebookAI实验室开发的深度学习框架，它基于Python，并提供了高效的GPU加速和灵活的模型定义能力
张小生180·2025-07-05 01:24

OpenCV中超分辨率（Super Resolution）模块类cv::dnn_superres::DnnSuperResImpl

它属于dnn_superres模块，用于加载和运行基于深度学习的图像超分辨率模型。这个类是OpenCV中用于执行深度学习超分辨率推理的主要类。你可以用它来加载预训练的超分辨率模型（如ED
村北头的码农·2025-07-05 01:19

Spring Boot + 本地部署大模型实现：优化与性能提升

在将大语言模型集成到SpringBoot应用中时，性能优化是一个关键环节。本地部署的大模型虽然提供了强大的功能，但也可能带来一些性能挑战，如响应时间较长、资源占用较高等问题。
代码老y·2025-07-05 00:48

VLA模型

一介绍在机器人领域，视觉-语言-动作(VLA)模型的发展经历了显著的演变，这得益于计算机视觉和自然语言处理领域的进步。VLA模型代表了一类旨在处理多模态输入的模型，整合了来自视觉、语言和动作的信息。
·2025-07-05 00:48

高可扩展属性建模设计：架构师的全局思考与落地方案

传统方案如宽表设计和EAV（实体-属性-值）模型分别在性能与扩展性上各有优势与劣势，但也都有明显局限。为了兼顾性能、扩展性、维护成本，需要引入更灵活的设计模式。
nbsaas-boot·2025-07-05 00:18

宽表设计（Wide Table） 与 子表 + 类型 + 属性表设计（EAV 模型或“属性表”模型）

本文将讨论两种主流方案——宽表设计（WideTable）与子表+类型+属性表设计（EAV模型或“属性表”模型），并从可维护性、性能、适用场景等方面进行系统分析。一、方案一：宽表设计（Wid
nbsaas-boot·2025-07-05 00:17

【AI大模型面试八股文】大模型训练中如何应对灾难性遗忘问题？

目录✅面试回答模板：一、什么是灾难性遗忘？举个通俗的例子：二、灾难性遗忘是怎么发生的？常见触发情境：三、我们为什么要关注灾难性遗忘？四、主流解决方案汇总✅1.固定部分参数（FeatureExtraction）✅2.正则化策略（Regularization）✅3.回放机制（Rehearsal/Replay）✅4.参数隔离（ParameterIsolation）✅5.使用提示学习（PromptLear
一叶千舟·2025-07-05 00:17

Random Erasing：计算机视觉的「隐形斗篷」——遮挡艺术的对抗学习革命

当ImageNet冠军模型在真实世界的遮挡面前崩溃时（识别准确率骤降38%），中科院自动化研究所2017年提出的RandomErasing技术以一纸惊艳了学界。
星光银河·2025-07-05 00:17

什么是神经网络架构搜索（NAS, Neural Architecture Search），如何写对应的python程序代码呢

传统的神经网络模型架构设计通常依赖于专家经验和大量试错，而NAS通过算法自动搜索网络架构，以发现最适合特定任务的神经网络设计。NAS可以极大地减少人工调参的时间和精力，并且在某些情况下能够找到比手工
小桥流水---人工智能·2025-07-05 00:46

深度解析生成式 AI：从技术原理到实战应用

一、生成式AI：重构数字内容生产范式（一）技术定义与核心价值生成式人工智能（GenerativeAI）是通过深度学习模型自动创造文本、图像、代码、视频等内容的技术体系，其核心在于从数据中学习概率分布并生成符合人类认知的输出
LNL13·2025-07-05 00:45

人形机器人运动控制技术演进：从强化学习到神经微分方程的前沿解析

传统方法（如基于模型的预测控制MPC）依赖精确的动力学建模，但在实际系统中面临以下瓶颈：模型失配：复杂接触动力学（如足-地交互）难以显式建模；计算瓶颈：高维非线性优化难以满足实时性需求；环境扰动敏感：传统控制器对未知干扰的鲁棒性不足
·2025-07-05 00:15

NVIDIA Isaac GR00T N1.5 人形机器人强化学习入门教程（五）

系列文章目录目录系列文章目录前言一、更深入的理解1.1实体化动作头微调1.1.1实体标签1.1.2工作原理1.1.3支持的实现1.2高级调优参数1.2.1模型组件1.2.1.1视觉编码器（tune_visual
强化学习与机器人控制仿真·2025-07-05 00:15

长短期记忆网络（LSTM）：让神经网络拥有 “持久记忆力” 的神奇魔法

在神经网络的奇妙世界里，有一种模型仿佛拥有了“魔法”，能够记住很久以前的信息，克服了传统循环神经网络（RNN）在处理长序列数据时的“健忘症”，它就是长短期记忆网络（LongShort-TermMemoryNetwork
·2025-07-05 00:14

【Zephyr开发实践系列】04_精准裁剪的PWM外设驱动开发

文章目录前言一、PWM驱动模型1.1核心应用API（必须）1.2设置数据结构1.3硬件初始化1.4设备实例化二、数据结构定义2.1普通PWM模式结构体2.2预分频枚举三、核心功能实现3.1分频系数映射（
jz-炸芯片的zero·2025-07-04 23:09

【Zephyr开发实践系列】02_MPU6050极简驱动设计（轮询模式）

文章目录前言一、MPU6050驱动模型1.1核心应用API（必须）1.2设置数据结构1.3硬件初始化1.4设备实例化二、数据结构定义2.1寄存器相关配置2.2陀螺仪灵敏度值2.2数据结构Data配置结构三
jz-炸芯片的zero·2025-07-04 23:09

No such signal QObject::dataChanged(QModelIndex,QModelIndex,QVector＜int＞) in itemviews

这个错误NosuchsignalQObject::dataChanged(QModelIndex,QModelIndex,QVector)通常出现在使用QDataWidgetMapper进行数据映射，并且模型相关信号使用不正确的场景下
道亦无名·2025-07-04 23:08

如何使用RViz进行机器人路径规划的可视化？

一、环境准备安装ROS与相关功能包#以ROS2Humble为例sudoaptinstallros-humble-navigation2ros-humble-nav2-bringup准备机器人模型（URDF
start_up_go·2025-07-04 23:38

AI大模型探索之路-训练篇15：大语言模型预训练之全量参数微调

系列篇章AI大模型探索之路-训练篇1：大语言模型微调基础认知AI大模型探索之路-训练篇2：大语言模型预训练基础认知AI大模型探索之路-训练篇3：大语言模型全景解读AI大模型探索之路-训练篇4：大语言模型训练数据集概览
寻道AI小兵·2025-07-04 22:03

计算机毕业设计Python知识图谱中华古诗词可视化 古诗词情感分析 古诗词智能问答系统 AI大模型自动写诗 大数据毕业设计(源码+LW文档+PPT+讲解)

信息安全/网络安全大模型、大数据、深度学习领域中科院硕士在读，所有源码均一手开发！
B站计算机毕业设计大学·2025-07-04 22:31

Linux多线程—生产者消费者模型

生产者消费者模型用于解决生产者和消费者之间的同步问题。通过创建多个线程作为生产者和消费者，生产者消费者模型利用线程间的同步机制（如互斥锁、条件变量、信号量等）来实现生产者和消费者之间的协作和数据共享。
·2025-07-04 22:30

深度探索 Py2neo：用 Python 玩转图数据库 Neo4j

作为图数据库中的佼佼者，Neo4j凭借其强大的性能和灵活的数据模型，被广泛应用于各种关联密集型场景。
萧鼎·2025-07-04 22:00

7月1日19点，ModelWhale 大模型应用平台全新升级！

大模型对推动组织智能化转型、提升科研效率与竞争力具有重要意义。但您在应用大模型时是否常被这些问题困扰？
ModelWhale·2025-07-04 22:58

计算机毕业设计Python知识图谱中华古诗词可视化 古诗词情感分析 古诗词智能问答系统 AI大模型自动写诗 大数据毕业设计(源码+LW文档+PPT+讲解)

信息安全/网络安全大模型、大数据、深度学习领域中科院硕士在读，所有源码均一手开发！
·2025-07-04 22:57

游戏模型一句话生成GTA神作！

大模型竞技场惊现"steve"引全网热议5、OpenAI紧急切割Robinhood代币风波：虚假股权引发市场震荡6、OpenAI暂停谷歌TPU合作，英伟达AMD稳坐
·2025-07-04 21:26

什么是端到端自动驾驶

而端到端架构是直接将传感器的原始数据（如摄像头拍摄的视频、激光雷达的点云数据等）输入给一个单一深度学习模型，模型直接输出控制指令，如控制车辆的转向角度、油门开度或刹车力度。以自动驾驶汽车在
未来创世纪·2025-07-04 21:53

端到端自动驾驶系统关键技术

一、感知决策一体化模型架构单一神经网络整合全流程端到端神经网络能够直接将传感器输入映射为控制输出，消除了传统模块化架构中感知、规划、控制等独立模块之间的割裂。
未来创世纪·2025-07-04 21:53

解锁数据的秘密：用大型语言模型编织异构数据的交响乐

而今，大型语言模型（LLMs）如同一股清风，带来了自动化整合的希望。本文将以通俗易懂的方式，深入探讨如何利用LLMs在数据工程中实现异构数据的提取与整合，聚焦于高等教育中学习障碍这一独特场景，揭示人
步子哥·2025-07-04 21:52

阿里云瑶池数据库 Data Agent for Meta 正式发布，让 AI 更懂你的业务！

然而，当模型调用日益便捷时，核心痛点已不再是模型本身，而是集中在一个关键要素上：数据。AIAgent的落地瓶颈已从技术能力转向高质量、高相关性、安全合规的数据供给。
·2025-07-04 20:02

交叉熵损失和负熵似然损失（对分类器有用）

**交叉熵损失（Cross-EntropyLoss）**-**定义**-交叉熵损失是用来衡量分类模型输出的概率分布与真实标签的概率分布之间的差异。
流量留·2025-07-04 20:18

BERT（Bidirectional Encoder Representations from Transformers）

BERT（BidirectionalEncoderRepresentationsfromTransformers）是由Google于2018年提出的一种基于Transformer架构的预训练语言模型，属于大型语言模型
jerwey·2025-07-04 20:47

大语言模型（LLM）按架构分类

大语言模型（LLM）按架构分类的深度解析1.仅编码器架构（Encoder-Only）原理双向注意力机制：通过Transformer编码器同时捕捉上下文所有位置的依赖关系#伪代码示例：BERT的MLM任务
jerwey·2025-07-04 20:46

哈希指纹技术详解：从原理到应用

连续13字符重复"检测实现4.1问题分析与思维链4.2算法流程4.3代码实现5.哈希指纹技术的应用场景6.哈希指纹的数学模型6.1哈希函数的形式化定义6.2碰撞概率分析6.3局部敏感哈希(LSH)模型7
AI天才研究院·2025-07-04 20:45

基于Google Gemini 探索大语言模型在医学领域应用评估和前景

概述近年来，大规模语言模型（LLM）在理解和生成人类语言方面取得了显著的飞跃，这些进步不仅推动了语言学和计算机编程的发展，还为多个领域带来了创新的突破。
知来者逆·2025-07-04 19:44

【读代码】PDF-Extract-Kit深度解析：最好用的RAG开源PDF解析工具

该项目集成了当前最先进的文档解析模型，通过模块化设计实现灵活的功能组合，支持布局检测、公式识别、表格解析等多项核心功能。
kakaZhui·2025-07-04 19:13

大语言模型应用指南：Gemini简介

在NLP中，语言模型是一个重要的概念，它可以用来预测下一个单词或字符的概率。近年来，随着深度学习技术的发展，大型语言模型的研究和应用也越来越受到关注。
AI大模型应用之禅·2025-07-04 19:11

基于Python的气象数据分析及可视化研究

本文以Python技术栈为基座，系统探讨气象数据的采集预处理、多维度分析模型及可视化表达范式，通过3000+字深度研究揭示Pandas时序处理、Xarray多维计算、Cartopy地理可视化等工具的核心方法论
·2025-07-04 19:41

使用 Ollama 部署 Deepseek

使用Ollama部署Deepseek模型Ollama与传统部署方法的主要区别特性传统部署方法（之前的文章）Ollama方法部署复杂度高（需要手动设置环境、依赖和量化）低（简化的命令行界面）技术要求需要Python
想知道哇·2025-07-04 19:10

Chatbox使用指南

它允许用户通过友好的界面与各种大型语言模型进行交互，包括：OpenAI的ChatGPT、GPT-4等模型Anthropic的Claude系列模型Go
想知道哇·2025-07-04 19:10

第G1周：生成对抗网络（GAN）入门

本文为365天深度学习训练营原作者：K同学啊基础任务：1.了解什么是生成对抗网络2.生成对抗网络结构是怎么样的3.学习本文代码，并跑通代码进阶任务：调用训练好的模型生成新图像一、理论基础生成对抗网络（GenerativeAdversarialNetworks
·2025-07-04 19:39

深入了解Transformer模型及其优缺点

目录前言1Transformer结构特点1.1注意力机制（Self-Attention）1.2编码器-解码器架构1.3位置编码和基于注意力的损失函数2Transformer模型优缺点分析2.1Transformer
·2025-07-04 18:38

如何使用Flask构建后端的RESTful API

同时给出了数学模型和公式，通过项目实战展示代码的实际
大厂资深架构师·2025-07-04 18:37

YOLOv11安全检测项目_人员、安全帽、安全服、普通服装、头部、模糊服装、模糊头部目标检测

YOLOv10与YOLOv11安全检测项目项目概述Safety本项目基于SF数据集（50,559张图像/7类别）对YOLOv10和YOLOv11模型进行对比研究，重点优化安全帽、安全服及模糊目标的工业场景检测性能
qq1309399183·2025-07-04 18:36

数据分析的智能化变革：AI人工智能

详细阐述了相关核心概念、算法原理、数学模型，通过具体的项目实战展示了AI在数据分析中的应用，介绍了实际应用场景以及可利用的工具和资源。
AI大模型应用工坊·2025-07-04 18:35

LangChain是为了解决哪些问题？为了解决这些问题，LangChain采用哪些方法？LangChain适用于什么场景？LangChain有什么局限性？

LangChain旨在解决的问题LangChain的核心目的是解决在使用大型语言模型（LLM）开发应用程序时面临的复杂性和挑战。
杰瑞学AI·2025-07-04 17:00

AI-Kline + MCP：开源个人AI看线助手的技术解析

AI-Kline是一个开源的AI看线分析与预测框架，结合MCP（模型上下文协议），为用户提供了一套智能化的解决方案。
码力金矿·2025-07-04 17:29

【Note】《深入理解Linux内核》Chapter 13 ：深入理解 Linux 内核中的 I/O 架构与设备驱动

内核》Chapter13：深入理解Linux内核中的I/O架构与设备驱动关键词：I/O子系统、字符设备、块设备、VFS、设备驱动、file_operations、设备号、cdev、gendisk、驱动模型
CodeWithMe·2025-07-04 17:28

注意力机制还有招？混合注意力好发不卷

2025深度学习发论文&模型涨点之——混合注意力混合注意力是一种融合多种不同类型注意力机制的技术，旨在提升模型对数据中关键特征的识别与处理能力。
·2025-07-04 17:27

通过Curtain 解决方案保障BIM模型安全共享—建筑业的防泄密实战

某跨海大桥项目突发数据泄露事件：主桥钢结构的BIM模型被外泄，核心参数流入竞争对手手中，导致项目风险评估升级。调查发现，泄漏源头是一名施工方的项目经理。
COWORKSHOP·2025-07-04 17:57
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他