墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
200+累计阅读
280平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
由科大讯飞发起、中国信息协会、国家智能语音创新中心联合主办的2024科大讯飞AI开发者大赛正在火热进行中!!!
大赛为选手提供权威证书、全链创业扶持资源、讯飞就业通道等等福利~
本届赛事面向全球开发者发起72道数据算法及36道创新应用类赛事挑战,涵盖大模型技术、计算机视觉、自然语言理解、语音技术等方向。同时举办“星火杯”认知大模型高校场景创新赛、中国人工智能工业设计大赛,持续汇聚与培养人工智能未来人才,共同解决社会刚需,推动科技创新与生态繁荣。
大赛具体信息👉 2024科大讯飞AI开发者大赛正式开始! (qq.com)
关注公众号DataCastle数据城堡后回复“AI开发者大赛”
获取大赛Baseline
还没有报名的同学点击链接2024 iFLYTEK A.I.开发者大赛-讯飞开放平台 (xfyun.cn) 进行报名
本届大赛的总奖金池已升级到了超300万元,除此外,还有资本扶持、创孵空间、品牌推广等多样化的赛事激励等你来赢!
从算法演练到技术比拼,从创意落地到应用实践,无限精彩尽在2024科大讯飞AI开发者大赛!
2024,不容错过!
智能车新手必看：如何用PID和差速转弯让小车跑得更稳（附代码示例）
本文详细介绍了智能车控制系统中PID算法和差速转弯的实现方法，包括位置式与增量式PID的选择、参数整定技巧以及编码器反馈的关键作用。通过代码示例和实战经验，帮助新手快速掌握智能车稳定行驶的核心技术，提升赛道表现。
安徽机器人产业 国研政情·经济信息智库：制造到智造跨越
安徽机器人产业 国研政情·经济信息智库：制造到智造跨越
【软件安装系列】Ubuntu+mysql5.7.27+Jira8.3.1+邮箱服务器配置+Confluence6.15.7安装经验和采坑总结
文章目录一、软件准备（百度云易被吞，就不放了）1.1 官网下载的新鲜的Jira和Confluence1.2 linux的jdk一份1.3 Jira和Confluence的破解程序或者破解包一份1.4 java的连接器一份二、安装过程1--java环境配置2.1 将下载下来的jdk包解压在/usr/local/java目录中2.2 写入环境变量三、安装过程2--mysql5.7.27环境配置3.1 ...
AI/ML工程师的社区实战地图：6个高价值技术社区深度拆解
在AI/ML领域，有效技术协作已从‘找答案’升级为‘在正确语境中问对问题’。社区的核心价值不再取决于用户规模，而在于问题密度、响应精度与知识保鲜周期——这直接决定了调试效率、部署可靠性与论文复现性。Hugging Face Discord和PyTorch Forums等平台正演变为分布式调试终端，支持低延迟交互、上下文保真与身份可信锚定；Kaggle Discussions则通过竞赛沙盒实现工业级问题闭环；Stack Overflow凭借结构化历史答案成为‘已知未知’的精准弹药库。本文聚焦真实工程场景，解析
手把手教你在Keil/IAR中移植SEGGER_RTT组件（避坑指南+性能对比）
本文详细介绍了在Keil/IAR开发环境中移植SEGGER RTT调试组件的完整流程与优化技巧。通过对比传统串口调试，SEGGER RTT凭借零硬件占用、高速传输和双向交互等优势，显著提升嵌入式开发效率。文章包含配置步骤、性能调优方案及常见问题解决方案，是嵌入式开发者必备的实用指南。
手把手教你学PCIE--所有 PF（Physical Function）共同管理和分配 VF
但具体如何分配和使用 VF 取决于硬件设计、驱动程序配置以及实际应用场景。
Python机器学习：从零基础到项目实战
当您翻开此书，您正踏入一场数据与智慧的修行。机器学习，并非冰冷的符码，而是机器模拟人类洞察世界的法门。本书将带您，以Python为舟，泛游于算法之海。我们不只传授“术”，更探求其后的“道”——从数据的生灭流转中观照规律，于模型的迭代演进里体悟得失。愿您合上书卷时，收获的不仅是驾驭数据的技能，更有一双洞悉复杂、化繁为简的“智慧之眼”。现在，让我们一同启程。
华为OD机试真题 新系统 9月20号 【字符串分组求和】
华为OD新系统机试真题【字符串分组求和】，提供C语言、Java、C++、Python、Go、JavaScript源码实现，并提供完整思路讲解，以及在线OJ模拟做题。华为OD机试真题【字符串分组求和】解析。
Transformer 时代的语言模型：大规模语言模型的发展脉络与技术演化
本文梳理了Transformer时代大规模语言模型（LLMs）的技术演进脉络。从2017年Transformer架构的提出开始，重点分析了关键技术创新：双向编码器BERT通过掩码语言建模实现深度理解；GPT-3证明模型规模与提示工程的协同效应；InstructGPT引入人类反馈强化学习（RLHF）实现指令对齐；LLaMA通过数据规模优化突破参数量限制；FlashAttention通过IO感知优化解决长序列处理瓶颈；LoRA和量化技术实现模型高效微调与部署；RAG架构扩展模型知识边界；智能体技术从工具调用发展
【教程4＞第5章＞第19节】基于Gardner环的位同步系统MATLAB仿真与带时偏基带数据导出
由于在FPGA中，时偏的影响主要是由系统收发两端晶振的不同步带来的，所以在仿真测试阶段，很难直接通过FPGA来模拟这个因素，所以我们采用MATLAB模拟带时偏的基带输入信号，并将其导出，由FPGA调用作为测试信号源。可以看到，同步之后(图3)相对于带时偏的基带信号(图2)，其更接近标准的数据(图1)，且抖动较小。订阅过的朋友可以复习下这个课程，没有订阅的朋友，也可以直接复制如下的程序进行仿真测试。上述程序中，加入时偏的基带信号，通过子函数。同步之后，可以恢复出标准的QPSK星座图。
小程序设计中的区块链应用：数字藏品实现
本文旨在为开发者提供在小程序中实现区块链数字藏品功能的完整技术方案。区块链与数字藏品的基础概念智能合约的设计与实现小程序与区块链的交互方式数字藏品的完整实现流程文章将从基础概念入手，逐步深入到技术实现层面，最后通过完整项目案例展示数字藏品在小程序中的实现方式。每个技术点都会配合代码示例和架构图进行说明。区块链：一种分布式数据库技术，通过加密算法保证数据不可篡改数字藏品：基于区块链技术的数字资产，具有唯一性和可验证性NFT。
视频隐私脱敏工程化：CSRT/KCF追踪算法在本地推理中的实现与边界
在短视频内容合规审查中，动态遮挡（Dynamic Masking）是高频且高耗时的环节。传统手动关键帧打码不仅效率低下，且在目标快速移动或遮挡时极易出现遮罩漂移。本文从计算机视觉工程角度，解析基于CSRT与KCF算法的目标追踪方案在视频隐私处理中的技术路径、性能权衡及落地实践。
人工智能训练师三级考试大纲深度解读｜理论+实操分值分布+六大模块占比
三级人工智能训练师考试分为理论和实操两大模块（各100分，合格线60分）。理论考试包含AI基础（30%）、数据标注（25%）、模型训练（20%）、测试（15%）和系统运维（10%），题型为客观题；实操考核侧重数据标注（40%）、模型测试（35%）和系统运维（25%），采用现场操作形式。复习应优先关注AI基础和数据标注等高分值模块，实操需重点掌握标准流程和结果准确性（占评分70%）。考试要求两模块均达标，理论侧重概念理解，实操强调规范执行与文档完整。
6 款电商 AI 图片生成软件实测｜国内 + 跨境卖家工具清单
电商 AI 作图工具已经从 "能不能用" 进入了 "好不好用" 的阶段。对于绝大多数卖家而言，现在的 AI 工具已经可以覆盖 60%-80% 的基础商品图需求，显著降低拍摄和设计成本。选择工具的核心逻辑不是 "哪款最强"，而是 "哪款最适配你的品类、平台规模和团队能力"。垂直电商工具胜在工作流效率，通用生图工具强在创意上限，模板类工具赢在上手速度。建议根据自身业务阶段，搭配 1-2 款主力工具 + 1 款辅助工具，形成适合自己的视觉生产流程。
android 蓝牙通讯demo
android 下蓝牙通讯demo，实现了发现蓝牙，使能蓝牙，通过蓝牙发送消息。
IDEA的使用指南
IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.
我用 GPUWorks 在 M1 Pro 上搭了个发票识别原型
公司里经常要看电子发票。我想先做个小原型：把 PDF 发给一个自己部署的图文模型，让它提取发票类型、日期、交易双方和金额，再把结果交给同事核对。这个原型不用先接财务系统，先看看从部署到调用要走多少步，模型返回的内容能不能帮上忙。
WINCC7.3破解文件
WINCC7.3硬件够破解文件，有需要的下载！WINCC7.3硬件够破解文件，有需要的下载！
您您这可以把问小白的多个会话比如说。左侧的多个会话一次性导出吗？不是单条会话里面的多次会对话。AI导出鸭
第三层是格式编译层。这个决策背后的判断很清晰：一个批量导出工具的价值，不在于“试三次”，而在于你真正用它处理了几十份技术文档、访谈记录或课程讲义之后，它是否值得留在你的工作流里。问小白的会话列表通过分页接口加载，AI导出鸭 在页面运行时建立旁路监听，捕获每一次分页请求返回的完整对话清单，包括会话 ID、标题、时间戳和隐藏的元数据字段。让AI导出回归优雅——这句话说的是：导出不该是体力活，而应该是一次完整的、可预期的文件交付。注意：这里的“批量”指的是左侧列表里的多个独立会话，不是一条会话内的多轮对话。
在Codex 让AI模型 拥有长期智能记忆
本文介绍Claude-Mem V15新功能——智能记忆召回，解决AI遗忘、重复提示、执行不一致等问题。通过本地部署claude-mem，实现自动记录决策（如数据库选型）、跨会话智能召回，支持记忆写入、检索、遗忘全流程闭环。相比传统记忆方案，其基于Hooks自动捕获工具调用，结构化存储，可追溯、可共享、可清理，显著提升工程效率与协作一致性，是长期项目中理想的“工作黑匣子”与“工程脑”。
医疗 AI 有两种，别混着谈：一个改流程，一个改范式
InfoXMed 是面向医生、医学生和医学科研人员的 AI 医学工具平台，提供文献检索、全文翻译、AI 解读、指南查询和题库练习等功能，辅助临床学习、科研汇报与医学备考。原文是日本医学会杂志（JMA Journal）的一篇综述（Review Article）：基本事实：这一点必须先说清：这篇论文提出的是一个研究纲领。它文中的"预测"指的是科学设想，不是可以拿来用的临床预测能力。文中甚至自己承认了一个硬缺口（见第三节）。本文只谈它的术语辨析与科学方法论，不转述任何可作为临床依据的预测或处置主张。这篇论文的全部
河道漂浮物目标检测数据集
目标检测，yolo，河道漂浮物目标检测数据集
AI Agent之核心框架
A： 显式 Thought 有三类价值：可解释性（便于人类审计）、可调试性（定位哪一步选错工具）、学习信号（可做监督微调或评估中间步骤质量）。ReAct 把推理与 可执行行动 绑定，每一步行动后都有 真实 Observation 反馈，从而用工具结果约束生成，降低闭卷幻觉。做完不等于结束——还要 评估做得好不好，把 教训 记下来，下次 带着教训重试，反思作为 记忆，影响后续尝试的策略。工作流程：Action → Evaluation → Reflection → Retry。A： 普通 CoT 只在。
AI 应用开发工程师技术实践：大模型接入、通用组件封装与性能优化
本文提出AI应用从PoC到生产的核心挑战：模型调用的持续可用、可控与可优化。通过构建统一LLM网关实现多供应商路由与故障转移，封装对话、工具调用与RAG组件以解耦业务逻辑，结合前缀缓存、批处理与流式背压治理等性能优化手段，形成“接通→接稳→接快”的工程路径，最终以工程化能力决定AI应用的生产可用性。
大模型 Embedding 与向量相似度详解
Embedding 解决的问题：计算机不懂文字，但懂数字│▼文本 → 向量（1024维浮点数数组）│▼相似度解决的问题：怎么判断两个向量（文本）有多接近│▼余弦相似度：看向量方向的夹角，越接近0°越相似│▼最终效果：语义搜索——理解意思，而非字面匹配一句话总结：Embedding 把文字变成数字，余弦相似度比较数字的方向，两者结合实现了"理解语义"的搜索。
AI前沿日报 · 2026-11-04 | 祛魅时刻：Astra“纯读权重“神话的崩塌
①Astra"裸权重通吃"被spaCy创始人Honnibal精准祛魅——仅1/3实验真裸读，数学能力提升依赖Python+50次迭代；②Simon Willison用Qwen 3.8-27B端侧复现权重空间编程；③Nvidia开源Auto-Ontology自动知识图谱；④$800开源全域抓取机器人Stringman；⑤OpenAI悄然重开Codex训练开关引信任危机；⑥DeepMind发布Gemini 4 Argon机器人基础模型；⑦美国科技巨头隐性AI债务达3.2万亿美元，6个月增90%。
GPT-1 架构和计算细节
下面配合框图，对 GPT-1 的每个组件做公式展开 + 数值实例（配置：12 层 × 768，12 头，FFN 3072，词表 40478，共 117M 参数）。GPT-1 把翻译模型的编码器-解码器砍掉一半，只留解码器，然后以"预测下一个词"为目标在 BooksCorpus 上预训练。与 2017 原版的四个架构差异（框图中标 ★）：h0=E[token]+Epos[position],E∈R40478×768, Epos∈R512×768h^0 = E[\text{token}] + E_{pos}[\
终端 AI 审计与 “龙虾” 类智能体风险治理：从可见性到闭环溯源
生成式 AI 办公普及之后，数据泄露风险逐步下沉到终端。员工将合同、源代码、客户资料粘贴至公有大模型，以及龙虾（OpenClaw）这类本地开源 AI 智能体的滥用，成为企业安全新挑战。传统网络边界防护存在审计盲区，本文从风险链路拆解、核心能力模型、分级治理策略、落地踩坑点以及技术局限性多角度，分享终端侧 AI 安全治理的实践思路。
2.53 基于极稀疏指纹的室内定位注意力图元学习
该论文发表于IEEE Transactions on Mobile Computing（TMC）2026年6月，面向极稀疏指纹条件下的WiFi室内定位，针对指纹采集人力成本高、标记指纹稀缺时定位精度大幅下降的痛点，提出注意力图元学习模型AGML（Attentional Graph Meta‑Learning），结合图神经网络、元学习、两种指纹数据增强与分布对齐技术，在标记指纹极少的场景实现高精度室内定位，同时公开了多套真实+仿真定位数据集用于基准测试。场景：二维室内空间，障碍物造成信号遮挡，
语音识别与语音合成的技术原理及应用
语音识别 #语音合成 #人工智能 #大模型。语音识别与语音合成的技术原理及应用。一、语音识别的核心原理。二、语音合成的核心原理。三、工程落地的主要难点。五、需要关注的现实问题。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
122
扫一扫
