- 博客(158)
- 资源 (12)
- 收藏
- 关注
RSS订阅
原创 人工智能 - 大模型Dense、MoE 与 Hybrid-MoE 架构的比较
UltraMem是一种显存优化型大模型架构，专为突破千亿参数级模型的训练/推理内存瓶颈设计，通过动态资源调度实现“用有限显存训无限大模型”的目标。
2025-02-05 16:43:50
1664
原创 人工智能 - DeepSeek-VL2 、 qwen2.5 VL技术选型比较
建议根据具体任务需求，结合少量实验（如使用开源版本的Qwen2.5-VL和DeepSeek-VL的试用API）进行效果验证。（如医疗影像分析、视频内容审核），尤其在需要深度推理和高精度定位的场景。在视觉-语言（Vision-Language, VL）多模态模型领域，企业级付费服务 → DeepSeek-VL2（商用API）高性能服务器 → DeepSeek-VL2（千亿参数版）边缘设备/低算力 → Qwen2.5-VL（量化版）场景占优，且开源生态完善，适合中小团队快速迭代。→ 选Qwen2.5-VL。
2025-02-05 15:12:31
2549
原创 人工智能 - VITA1.5B 与 MiniCPM-o2.6 技术比较
若需兼顾性能与效率，可探索两者混合部署方案（如用VITA处理核心任务，MiniCPM处理边缘请求）。：若需平衡性能与效率，可将VITA1.5B用于核心任务（如生成），MiniCPM-o2.6用于边缘端请求（如预处理或简单交互）。：MiniCPM-o2.6在ARM架构设备（如手机、树莓派）上表现更优，VITA1.5B依赖高性能GPU/TPU集群。采用轻量化设计，如减少层数、隐藏层维度，或使用高效注意力机制（如线性注意力）。深度优化：4/8位量化、模型剪枝，兼容边缘设备（如手机、IoT）。
2025-02-03 10:14:19
1262
原创 通义千问Qwen2.5-Omni：全模态实时交互的下一代多模态大模型
通过动态调整时间戳，模型能够精准捕捉视频中动作与语音的对应关系，例如在分析舞蹈视频时，准确描述动作节奏与背景音乐的匹配度13。这一模型不仅支持文本、图像、音频和视频的全模态输入与输出，更通过创新的架构设计实现了“看、听、说、写”的无缝融合，标志着多模态大模型技术迈入实时交互的新纪元110。例如，用户可通过视频聊天实时提问，模型在接收语音和画面输入的同时，同步生成语音回复，延迟低至毫秒级10。[1] 阿里深夜开源Qwen2.5-Omni，7B参数完成看、听、说、写. 网易订阅, 2025.
2025-03-30 11:26:02
49
原创 具身智能 - Diffusion Policy：技术解析与应用实践
是一种基于扩散模型（Diffusion Models）的决策生成框架，专为具身智能（Embodied Intelligence）设计。的过程，在复杂环境中生成鲁棒的动作序列。通过演示数据（IL）或交互数据（RL）构建数据集 D={(si,ai)}D={(si,ai)}。状态 ss 处理：CNN（图像） + Transformer（时序传感器数据）。使用 U-Net 结构预测噪声 ϵθ(z,at,t)ϵθ(z,at,t)。先训练短时动作生成（T=10），逐步扩展至长序列（T=100）。
2025-03-29 11:43:23
30
原创 如何将Java一个微服务框架如何集成一个单体springboot应用？
通过API网关或服务注册实现快速集成，结合消息队列解耦关键操作，逐步采用Strangler模式拆分单体。- StripPrefix=2 # 移除路径前缀/api/monolith。：将单体注册到服务发现中心，逐步拆分模块为独立服务。确定集成目标：将单体作为独立服务，还是逐步拆分。：通过API网关暴露单体接口，其他服务直接调用。按功能模块拆分（如先拆用户管理，再拆订单服务）。检查单体应用的依赖项、数据库结构、API接口。在单体前增加代理层，逐步将请求导向新微服务。// 发布事件，触发库存服务操作。
2025-03-28 16:10:08
558
原创 报表开发 - UReport2 与 积木报表（JimuReport） 技术选型对比分析
闭源但提供免费商用版本，更新频繁（如 1.3.64 版本新增动态数据源、修复多项 Bug），官方文档及社区活跃。：适用于快速开发、低代码需求、大屏可视化及国产化环境，尤其适合中小团队或对维护成本敏感的项目。积木报表闭源但功能完备。：适合有复杂报表逻辑且具备较强技术能力的团队，或在已有 UReport2 生态中延续使用。：操作类似 Excel，提供低代码设计器，非技术人员可快速上手37。：需理解“父格”模型及依赖逻辑，适合有复杂报表开发经验的团队2。：开源但源码仅部分开放，版本更新较慢，社区支持有限1。
2025-03-27 13:55:10
298
原创 国产化适配 - YashanDB、达梦数据库与MySQL 的兼容性及技术选型对比分析
高（协议层兼容5.7，工具辅助迁移）低（需手动调整SQL和数据类型）单机性能2.5倍于MySQL。支持国产OS，但生态较封闭。完全国产化，兼容国产OS。根据知识库信息，以下是。依赖Oracle生态优化。低（YMP工具支持）
2025-03-26 11:48:05
358
原创 Java动态生成Word终极指南：poi-tl与Aspose.Words性能对比及选型建议
基于JAXB的OpenXML处理库，支持深度操作Word底层XML。：相比原生POI，减少80%的冗余代码，支持循环、条件判断等逻辑。：支持Word所有高级功能（目录、批注、修订、邮件合并、图表等）。适合中小项目，需快速实现动态表格、图文混排，且无需复杂样式控制。适合合同、标书等对格式要求严苛的场景，愿意为稳定性和功能付费。适合需直接操作Word XML的开发者，或对商业库敏感的项目。：按开发者/服务器收费，成本较高（约$2k+/开发者/年）。等标签实现文本、表格、列表、图片的动态插入。
2025-03-25 18:06:17
751
原创 开源项目 - UI-TARS Desktop
提供 2B、7B、72B 三种模型，72B-DPO 模型在复杂任务中表现最优（如 ScreenSpot Pro 测试中准确率达 82.8%）7。：基于视觉语言模型（如 7B-DPO 或 72B-DPO 模型），整合多模态输入（文本、图像、交互数据）进行端到端推理，无需预定义规则37。：用户可通过输入指令（如“获取旧金山天气”或“发送推文”）直接操作电脑，系统自动执行浏览器搜索、文件管理、社交媒体互动等任务。：结合屏幕截图和视觉理解能力，精准定位界面元素（如按钮、输入框），并模拟鼠标点击、键盘输入等操作。
2025-03-25 09:55:32
968
原创 人工智能 - SpatialLM：三维空间理解的开源大语言模型
SpatialLM 是由杭州群核科技（“杭州六小龙”之一）于 GTC 2025 大会上开源的三维空间理解大语言模型。该项目旨在通过多模态数据处理能力，将非结构化的三维几何数据（如点云、视频）转化为机器可读的结构化场景描述，为机器人导航、建筑设计、AR/VR 等领域提供高层次的语义理解支持。
2025-03-25 09:29:06
751
原创 人工智能 - “AI的USB接口”或“数字连接器”之MCP协议
在AI领域，**MCP（Model Context Protocol，模型上下文协议）**是一种新兴的开放标准协议，旨在解决AI模型与外部工具、数据源之间的协作难题，被称为“AI的USB接口”或“数字连接器”。MCP通过标准化的通信框架，允许不同AI模型（如语言模型、图像模型）共享上下文信息（任务目标、中间结果等），实现跨领域协作。传统API需为每个工具单独开发接口，而MCP作为“通用接口”，集成一次即可访问多个服务，并支持动态发现可用工具，无需预定义固定代码。一次集成即可复用，减少重复编码。
2025-03-23 08:46:20
43
原创 VS Code 安装并配置 Keil5 的详细步骤
在 Visual Studio Code (VS Code) 中集成 Keil MDK-ARM (Keil5) 的开发环境，可以通过以下步骤实现。Keil5 主要用于嵌入式开发（如 ARM Cortex-M 系列芯片），虽然它本身是一个独立的 IDE，但可以通过配置 VS Code 实现代码编辑、构建和调试的整合。通过以上步骤，你可以在 VS Code 中高效编写代码，同时利用 Keil5 的编译和调试功能。提供 ARM Cortex-M 调试支持（需配合 J-Link、ST-Link 等调试器）。
2025-03-22 22:17:29
823
原创 人工智能 - 通用 AI Agent 之 LangManus、Manus、OpenManus 和 OWL 技术选型
通用 AI Agent 之 LangManus、Manus、OpenManus 和 OWL 技术选型
2025-03-22 21:49:45
1279
原创 人工智能 - DeepSeek 和 Manus 的区别和应用场景
定位为“团队协作者”，基于现有大模型（如DeepSeek等）构建工程化架构，通过调用工具（如编程软件、Excel、浏览器等）实现任务拆解与执行，强调“手和工具”的操作能力。：全自动执行复杂任务，例如用户只需输入“制作新疆旅行攻略”，Manus会自动拆解为路线规划、天气查询、PDF生成等步骤，并通过多模型协作完成。：定位为“超级大脑”，专注于底层大模型的研发，擅长处理数学题、代码生成、知识问答等需要深度逻辑推理的任务，具备海量知识库的记忆和分析能力。：解决数学难题、生成代码片段、调试程序错误。
2025-03-22 21:21:14
101
原创 物联网 - JetLinks与ThingsBoard技术选型对比
基于Java 8、Spring Boot 2.x、WebFlux、Netty等，采用响应式编程框架（Reactor），从网络层到持久层全链路非阻塞，支持高并发处理45。：支持统一物模型管理，适配多协议（TCP、MQTT、HTTP等），支持设备独立物模型配置，并实现GB28181国标视频设备接入（选配模块），适合复杂设备类型管理58。：响应式架构在理论上能实现更高的网络并发性能，尤其适合实时数据处理和边缘计算场景，但调试复杂度较高，需熟悉Reactor的API设计45。
2025-03-19 12:06:35
720
原创 人工智能 - 在 Spring Boot 中调用 AnythingLLM+DeepSeek 的知识库获取消息接口
的发消息接口，可以通过以下步骤实现。.body("API调用失败: " + ex.getResponseBodyAsString());如果需要更具体的实现（如文件上传、复杂参数），请提供 AnythingLLM 的 API 文档细节！调用 AnythingLLM 的接口。// 设置请求头（包含 API Key）要在 Spring Boot 中调用。// 发送 POST 请求。
2025-03-19 10:52:01
899
原创 人工智能 - GGUF文件解析：大模型本地高效部署的核心格式与实战指南
GGUF（GPT-Generated Unified Format）是一种专为大型语言模型（如LLaMA、GPT等）设计的二进制文件格式，由Hugging Face团队开发，旨在替代早期的GGML格式。近年来，大型语言模型（LLM）如LLaMA、GPT等展现出强大的能力，但其庞大的参数量（数十亿至千亿级）导致部署成本极高。：允许将模型参数压缩（如4-bit量化），显著降低内存占用，适合在普通设备（如笔记本电脑）运行大模型。：当前GGUF主要针对文本模型，未来可能支持视觉、语音模型统一格式。
2025-03-17 08:30:44
737
原创 商业计划 - 四维拆解ToB、ToC、ToG、ToVC：商业赛道的本质差异与战略选择
在商业和市场领域，"ToB"、"ToC"、"ToG" 和 "ToVC" 是常见的客户类型分类术语，它们描述了企业不同的目标客户群体。企业可能同时覆盖多个领域（例如：华为既有ToC的手机业务，也有ToB的通信设备，ToG的智慧城市项目）。：部分产品可能同时服务企业和个人（例如：钉钉最初ToB，但个人用户也能使用）。：决策流程长、客单价高、定制化需求强（例如：阿里云服务、企业级ERP系统）。：用户决策快、注重用户体验、市场规模大（例如：抖音、小米手机）。，直接满足个人需求（如手机、日用品、社交App）。
2025-03-16 19:52:35
436
原创 声音隔离 - Beamforming技术（光波导显示技术）深度解析
Rokid的Beamforming技术通过声学硬件与算法优化，重新定义了AR交互的隐私边界与沉浸感；而华为的隔音技术则依托主动降噪与智能化控制，推动汽车声学体验升级。两者的共同点在于对精准信号处理和场景化适配的极致追求，差异则体现在应用场景与技术实现路径上。未来，随着AR与汽车智能化的深度融合，这两项技术或将成为下一代人机交互的核心支撑。
2025-03-14 16:24:22
922
原创 人工智能 - 多智能体协作OpenManus 与 OWL 技术深度对比分析
维度优先选择 OWL优先选择 OpenManus任务复杂度高（多步骤、跨设备）中低（快速验证、本地化）技术要求需熟悉多智能体框架与 Docker新手友好，配置简单资源成本低消耗，适合长期运行高消耗，适合短期实验建议若需处理复杂协作任务或研究多智能体技术，优先选择OWL。若追求快速部署与透明化流程，或进行本地开发测试，选择OpenManus。项目地址延伸阅读OWL 技术解析与实测案例OpenManus 与 QwQ-32B 联合教程t=P1C7t=P1C7。
2025-03-12 14:49:10
351
原创 具身智能 - 推动通用机器人智能的新里程碑：AgiBot World 平台与 GO-1 模型深度解析
AgiBot World 通过“数据规模+质量”与“分层策略模型”的双重创新，为机器人学习树立了新标杆。其开源属性将进一步降低研究门槛，加速社区协作。或许在不远的未来，我们能见证机器人从“工具”蜕变为真正适应复杂环境的“通用智能体”。相关资源论文与代码：GitHub 搜索 AgiBot World Colosseo。
2025-03-11 12:18:15
36
原创 人工智能 - TensorRT与DeepDP终极指南：释放GPU潜能的深度学习推理优化之道
TensorRT是NVIDIA生态中推理加速的核心工具，通过硬件级优化和量化技术，在延迟敏感型场景中表现卓越，但其依赖NVIDIA GPU的特性也限制了跨平台灵活性。开发者需根据任务需求权衡性能、精度和部署成本。DeepEP针对MoE（Mixture of Experts）模型的分布式训练与推理场景，优化了全对全（All-to-All）通信模式。
2025-03-09 20:55:41
44
原创 论文解析 - 突破物理限制：基于对比学习的机器人灵巧操作Sim2Real方案
（如双手机械抓取、提升、传递等），并解决真实场景中数据稀缺、安全性及泛化能力的挑战。Sim-to-Real RL 用于对类人机器人进行基于视觉的灵巧作。，避免依赖精确的物体姿态或触觉传感器。
2025-03-09 19:25:50
101
原创 人工智能 - 15万美元 vs 9.9万 vs 人力：机器人替代工厂劳动力的成本效益与技术趋势深度拆解
若按10年计算，总成本约60-100万元，与宇树机器人接近，但高于波士顿机器人（若仅单台对比）。波士顿动力产品以高性能著称，但维护成本较高，且电池续航能力有限（部分型号仅2小时），需频繁充电或更换电池49。：假设单台替代3名工人（年成本约30万元），需3.5年回本（不计维护费用）。：15万美元（约合105万元人民币），属于高端市场定位，适合高精度、复杂任务的场景，如危险环境作业或特种工业应用912。：单台替代1名工人（年成本约8万元），约1.2年回本，适合中小型企业快速部署。
2025-03-09 18:33:40
676
原创 人工智能 - YOLOv10×PyTorch×3万帧训练：Sunone Aimbot如何用跨游戏AI模型重塑FPS外挂技术伦理边界？
AI游戏外挂的技术进化已从“脚本自动化”迈入“多模态感知-决策”时代，但开源生态的繁荣与反作弊技术的绞杀将长期并存。未来的核心矛盾不再是**“能否实现”
2025-03-09 14:34:48
32
原创 人工智能 - 深度学习对决传统算法：AimYolo与APEX_AIMBOT在《Apex Legends》中的技术博弈与反作弊挑战”
技术路线优势劣势推荐场景低延迟、轻量化低精度、易失效低配置设备、短期对战AimYolo高精度、强泛化高资源需求、反作弊风险高高端设备、复杂场景竞技技术验证建议测试AimYolo的实际帧率与精度（参考PP-YOLO的COCO基准8）；分析APEX_AIMBOT的输入事件模式，评估其反作弊规避能力213。如需进一步验证，可参考YOLO系列论文或APEX_AIMBOT的开源代码（GitCode链接t=P1C7t=P1C7。
2025-03-08 11:13:07
858
原创 人工智能 - Open WebUI + DeepSeek 搭建本地知识库实战指南
的组合，可在2小时内搭建一套低成本、高隐私的本地知识库系统。docker-compose up -d # 需提前安装Docker。# 安装Ollama（Windows/macOS/Linux）注：DeepSeek 1.5B模型需至少8GB内存。# 拉取DeepSeek 1.5B模型。进入管理界面，首次需设置管理员账户。16GB + GPU（4GB显存）10GB（模型+知识库）50GB+（大规模数据）与知乎的自动化部署脚本。，若输出模型信息则成功。# 克隆仓库并启动服务。
2025-03-07 15:23:11
979
原创 人工智能 - 开源语音交互模型 “Step-Audio语音模型”
Step-Audio是由阶跃星辰团队推出的开源语音交互模型，旨在实现高质量、低延迟的实时语音交互，并支持多语言、方言、情感表达及工具调用等功能。：通过控制器模块管理状态转换，优化语音活动检测、分词、解码等流程，实现40%的提交率和14:1的压缩比，提升跨模态对齐效率24。：覆盖中文（包括粤语、四川话等方言）、英语、日语等，并支持生成不同情感（如喜悦、悲伤）和风格（如说唱）的语音249。：支持音色复刻、语音克隆及音乐合成，用户可通过少量样本克隆特定音色，生成个性化语音内容910。
2025-03-07 10:21:15
353
原创 人工智能 - 智能体大比拼：Dify、扣子（Coze）和Manus的技术深度比较
采用多代理系统（Multiple Agent），通过任务拆解、规划、执行、验证等模块协同工作，每个模块由独立的大模型或强化学习模型支持，并调用外部API工具链完成端到端任务。：依赖多模型协同网络（如GPT-4、Claude、DeepSeek），根据任务需求动态选择最优模型，而非单一模型突破。：开源LLM应用开发平台，支持多模型接入（如OpenAI、文心一言、智谱AI），强调灵活性和生态兼容性。：凭借开源生态和模型兼容性，可能在开发者社区形成粘性，但需解决性能优化与数据安全问题。数据隐私依赖第三方平台。
2025-03-07 08:41:01
2533
原创 Manus AI：通用智能体的革命性突破与未来展望
Manus AI的诞生标志着AI技术从“生成答案”向“闭环执行”的范式升级。它不仅是中国AI领域的一次里程碑，更为全球AI应用层落地提供了新思路。然而，过度营销可能透支技术公信力，而伦理与安全的长期挑战更需警惕。正如创始人肖弘所言，Manus的目标是“成为人类与AI协作的桥梁”69。这场效率革命能否真正改变世界，我们拭目以待。
2025-03-07 08:29:47
642
原创 具身智能 - 入门指南：从基础理论到实践应用的系统化路径
具身智能（Embodied Intelligence）是一个跨学科、技术密集型的领域，涉及硬件设计、算法开发以及多模态感知与交互等多个方面。由于其复杂性和技术不成熟性，初学者往往感到无从下手，行业人才短缺现象也较为明显。具身智能是一个充满潜力但极具挑战的领域，需要跨学科的知识与实践经验。对于初学者来说，建议从基础理论与动手实践开始，逐步深入到具体的研究方向，并积极参与社区与团队合作。同时，关注行业趋势与商业化需求，找到适合自己的切入点。
2025-03-06 15:55:52
646
原创 扩散策略技术全景解析：从基础理论到三维空间应用实践
扩散模型（Diffusion Model）通过逐步添加噪声到数据并学习逆向去噪过程实现生成任务。其核心数学框架基于随机微分方程（SDE）或分数匹配（Score Matching），通过迭代优化噪声预测网络，最终从纯噪声中恢复目标数据分布。公式表示为：其中，ϵθϵθ为噪声预测网络，zz为随机噪声。Diffuser 是首个将扩散模型应用于机器人状态规划的框架。其通过马尔可夫决策过程（MDP）建模状态转移，生成满足目标约束的轨迹。
2025-03-06 09:41:02
22
原创 人工智能 - DexGraspVLA：重新定义机器人灵巧抓取的视觉-语言-行动框架
的深度融合，重新定义了机器人灵巧抓取的边界。其分层架构与数据高效性不仅解决了长期存在的泛化难题，更为通用机器人操作提供了可扩展的解决方案。随着开源生态的完善，这一技术有望在家庭、工业与医疗领域掀起新一轮智能化浪潮。传统方法依赖精确的物体建模与规则化控制，但在复杂场景（如杂乱环境、未知物体、动态光照）中泛化能力有限。2025年，灵初智能团队推出的。，通过融合视觉（Vision）、语言（Language）与动作（Action），首次实现了在未见过的物体、光照及背景组合下超过。，为通用机器人操作提供了全新范式。
2025-03-05 08:20:47
335
原创 Hi Robot：分层推理如何让机器人学会“自言自语”式任务执行？
在开放世界中，机器人需要处理复杂指令、动态环境和多步骤任务，这对传统基于规则的控制方法提出了巨大挑战。这种设计类似人类的“慢思考”与“快思考”结合：高层模块像“大脑皮层”一样进行逻辑规划，低层模块则像“小脑”一样处理动作细节。Hi Robot在测试中展现了处理多步骤指令的能力，例如在厨房场景中完成“煎蛋→摆盘→清理台面”等连续操作。的分层系统，通过结合视觉-语言-行动（VLA）模型与分层推理机制，试图让机器人像人类一样“思考”如需进一步探讨Hi Robot的技术细节或应用场景，欢迎在评论区交流！
2025-03-04 10:10:06
47
原创 论文解析 - 解析OpenVLA-OFT——让视觉-语言-行动模型更快、更准的微调新范式
我们的优化微调 （OFT） 配方通过提高推理效率、模型质量和输入输出灵活性来增强微调的 OpenVLA 策略。由此产生的 OpenVLA-OFT+ 策略在现实世界的双手动机器人上以高控制频率 （25 Hz） 执行各种灵巧的作任务。OpenVLA-OFT通过参数高效微调与多模态协同优化，为视觉-语言-行动模型提供了“轻量级但强性能”的解决方案。这类模型需要同时理解视觉信息（如摄像头画面）、解析语言指令（如用户命令），并生成精准的行动策略（如机械臂操作）。的论文提出了一种创新方案，为解决这些问题提供了新思路。
2025-03-04 09:38:51
438
原创 人工智能 - AI Code中国AI原生IDE上线：Trae国内版如何革新开发者体验？
在人工智能技术加速渗透各行各业的今天，字节跳动于2025年3月3日正式发布了中国首个AI原生集成开发环境（AI IDE）——Trae国内版。这款工具不仅填补了国内AI编程工具的空白，更通过深度适配中国开发场景、灵活切换多模型架构等功能，为开发者提供了“更懂本土需求”的智能协作体验129。本文将深入解析Trae的核心优势与创新功能，并探讨其对中国开发者生态的深远影响。
2025-03-03 14:57:43
1259
Speech Services by Google-20230515.01-p0.532123660
2025-02-24
Building Flex and Java based CRUD application using Flash Builder4
2012-03-27
JPA注解.doc J PA注解.
2011-08-19
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人