华科大/上海AI Lab/上海交大科研先锋深度分享:最新成果,顶会投稿经验,跨学科合作挑战……

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

华中科技大学黄宏副教授、上海人工智能实验室 AI for Sciense 中心青年研究员周东展、上海交通大学自然科学研究院的助理研究员周冰心共同探讨了 AI 在社会科学、物理化学、生命科学领域的前沿发展,并分享了各自在选择科研方向上的见解,以及对 AI 顶会的投稿经验。

人工智能融合了计算机科学、数学、统计学、认知科学等多个学科,其发展高度依赖跨学科人才的培养。近年来,AI for Science 的崛起更是让大家看到了人工智能与基础学科深度融合的颠覆性潜力。现如今,许多杰出的学者正是凭借其多学科背景,推动科学研究迈向新的高度。例如:

* 华中科技大学黄宏副教授的学术经历横跨广播电视工程、信息工程、计算机科学,如今她专注于数据驱动的科学研究,包括数据挖掘、大数据分析、社交网络分析等;

* 上海人工智能实验室 AI for Science 中心青年研究员周东展从物理学起步,转向人工智能,现如今致力于 AI 在物质科学中的应用;

* 上海交通大学自然科学研究院的助理研究员周冰心,本科主修金融,硕士攻读数据分析,博士阶段专注于机器学习、深度学习,如今,她正在用深度学习解决生物领域的问题,如基于深度学习算法的蛋白质设计和改造。

在第七期 Meet AI4S 直播中,HyperAI超神经邀请到了黄宏副教授、周东展博士、周冰心博士,与 3 位学者共同探讨 AI 在社会科学、物理化学、生命科学等领域的前沿发展,并分享了她们在选择科研方向上的见解,以及对 AI 顶会的投稿经验。

HyperAI超神经在不违原意的前提下,对 3 位老师的本次分享进行了整理汇总。点击查看完整直播回放~

黄宏:我们的研究应该能真正解决实际问题

作为华中科技大学的副教授、博士生/硕士生导师,黄宏副教授在数据挖掘、大数据分析等领域深耕多年,并以第一/通讯作者身份在 TKDE、TKDD、WWW、IJCAI、WSDM 等国际顶级期刊和会议上发表多篇论文。然而,她的科研之路并非一帆风顺。


黄宏副教授

回忆起读研时的挫败经历,黄宏副教授表示,她曾有一篇论文修改了 28 次,当改到第 25 次时,曾一度感到崩溃,后来,在朋友和导师的鼓励下,她冷静下来,重新审视论文,发现仍有许多细节需要完善,最终通过不断调整和打磨,成功发表。

在黄宏副教授看来:「做科研的关键,是要看你文章的 idea 是否真正解决了某一方面的问题,是否提出了合理的研究动机」。基于这一理念,她的研究主要侧重在两个方向:第一,在大数据分析、数据挖掘上进行方法的创新;第二,基于数据驱动进行应用开发,解决社会实际问题。

在方法创新领域,黄宏副教授团队主要集中于图神经网络与复杂系统的建模。她认为,在当下的大数据时代,为了更有效地挖掘数据价值,可以采用图结构来表示周围的事物,也就是将事物抽象建模为节点,并分析这些节点之间的关系,进而构建成图结构。

此外,她们团队也在做数据驱动的应用开发,比如社交网络分析。2009-2012 年间,社交网络发展正值高峰期,微博、Twitter 和 Facebook 等平台逐渐兴起,这也促使黄宏副教授团队利用这些平台的数据,分析网络结构的发展,开展用户推荐、舆情分析等工作。

「在新冠疫情期间,我们通过分析国际新闻媒体对中国的评论,研究外网对中国的态度变化,为理解外部立场提供了数据支撑」,黄宏副教授表示。

另一个有意思的研究案例是分析个人的社会经济地位,将其用于城市规划。「我们与电信部门合作获取用户的手机流量日志数据,通过分析用户的 GPS 定位,识别出用户的活动区域,并结合这些地区的房价信息,推测该地区在城市中的层级」。举个简单的例子,如果一个人频繁出现在金融区,可能意味着其社会经济地位较高,而常出现在学校或教育机构附近,则其身份可能为学生或教育工作者。基于此,研究人员可以综合评估个人的社会经济地位,从而为城市规划提供参考。

在工业智能化方面,黄宏副教授团队也在用人工智能技术,对工业设备进行故障自动识别与诊断,极大提高了设备维护的效率和准确性。

黄宏副教授总结:「你必须自己对你要做的研究感兴趣」。在她看来,科研本质上是一个枯燥且需要极大耐心的过程,但如果你真正对它感兴趣,就有自驱力坚持下去,「这也是我在招收学生时最看重的品质」。

周东展:让 AI 像科学家一样产生新的 idea

周东展博士也认同黄宏副教授的观点:「如果没有兴趣的话,确实很难做出比较好的工作」。在她看来,科研方向选择的关键点不在于判断该领域是否「卷」或者是「热门」,热门领域依旧可以做出行业典范成果,小众赛道也能去发现一些新的问题,我们应该突破舒适区,避免同质化研究,选择做出一些比较 solid 的成果。

目前,周东展博士的研究方向是将大语言模型、多模态模型等 AI 技术应用于物质科学。主要成果如下图所示:

去年 1 月,上海人工智能实验室推出了化学领域的大语言模型「书生·鉴原」,探索通用大模型与专业领域结合的前沿课题。化学语言模型在多项核心化学任务(分子和反应相关)上表现优异,多项指标超过 GPT-4。考虑到化学研究中外部知识的重要性,团队为语言模型加入检索增强生成 (RAG) 机制,以减少模型幻觉问题。考虑到化学数据模态的多样性,团队进一步开发了多模态版本模型,该版本模型在分子识别和多模态化学推理等方面表现出色,多项指标超过 GPT-4v。考虑到使用科学工具对于模型的重要性,团队开发了一个 Agent 工具包,集成超过 50 种化学工具,涵盖搜索、计算、分子和反应等,让模型更高效地执行相关任务。

在以上研究的基础上,实验室团队想要让 AI 承担更复杂的任务,而不是仅仅让大语言模型停留在问答层面,于是团队开始探讨 AI 是否能像科学家一样产生新的科研假设。

如上图所示,就是让 AI 在给定研究背景和问题的前提下,自动生成研究假设。例如,如果希望研究某种电池并寻找符合特定性质的材料和组分,只需要通过解耦研究背景与灵感,并结合 MOOSE-CHEM 系统及其内置的多智能体操作,就能够生成高质量的科学想法。

研究发现,科学假设的提出是一个复杂的推理过程,难以通过单一步骤直接生成。因此,团队对这一过程进行了拆解,通过迭代搜索灵感和假设,并对生成的假设进行进一步检索,确保最终形成的科学假设更加坚实且多样化。

与此同时,团队还构建了 Benchmark 评估生成的科学科学假设,如下图所示,研究发现,性能更优的模型具备更强的检索能力。

此外,研究还证实,在电化学相关任务中,模型能够生成具有可执行性的科学假设,而不仅是笼统的概念,比如,其科学假设包含材料的核心组成元素,如金属钌、氮掺杂等。目前,实验室团队已经在与相关课题组合作,希望推动该系统的落地应用,将其打造为一个真正的科研助手。

让 AI 生成科研 idea,甚至推动科学创新,是实验室团队正在努力的方向。回顾自身的学术经历,周东展坦言,其科研态度深受物理学家吴健雄的影响——「研究结果的偏差可能源自一个极小的细节问题」。因此,她始终强调,关注细节、深入推敲,是科研取得突破的关键。

周冰心:自研蛋白质模型在全球权威榜单上排名第一

在每个人的成长轨迹里,在每个人的成长轨迹里,可能都会有一位在学习、事业、乃至人生规划上产生潜移默化影响的「偶像」。谈及自己的「科研爱豆」,周冰心博士介绍道,「我之所以选择做科研,很大程度上是受到了我博导的影响」,在周冰心的印象中,她的博导是一个非常有责任感的人,认真、耐心、平易近人、秒回学生信息,甚至会逐字逐句地帮她改代码、一行行检查公式推导。「我希望我未来可以像我的导师一样,把培养学生视为一件非常重要的事」。

在科研方向的选择上面,周冰心认为,没有唯一的「正确道路」,关键在于找到最适合自己的路,并坚定地走下去。「还是要看你更愿意做什么,以及你的风险承受能力如何。只要自己开心,就没必要因为内卷或流行趋势而盲目跟风」。

关于团队近年来的一些研究,特别是 AI 在蛋白质改造方面的探索,周冰心也在本次直播中进行了分享。

在工业中,酶用于药物开发、疾病监测和塑料降解等。然而,天然蛋白质来源于自然界,有其特定的生活环境(如高压高温),未必符合工业需求,因此需通过改造提升其催化活性、热稳定性、结合亲和力和底物选择性等。

近年来,人工智能辅助蛋白质设计逐渐兴起。如下图所示,简单来讲,就是先让自监督模型学习大量蛋白质数据(序列、结构、进化信息),再拿少量和下游任务相关(预测蛋白质活性)的标签数据集去训练一个预测模型,根据具体需求(提升活性),对蛋白质的结构或序列进行重新优化或全新设计。

当改造完一条蛋白质序列后,可以将其转染到大肠杆菌、酵母等表达体系中,让生物学团队进行表达和纯化。纯化后的蛋白质会被用来测试其生物化学性质,如活性、稳定性和结合亲和力,这些特性取决于蛋白质的具体用途。在这个过程中,算法也可以提供帮助,比如预测给定蛋白质的表达性、溶解性和活性,最后只需要将算法推荐的蛋白质序列用于实验,就可以进一步节省成本。

如下图所示,周冰心团队的工作集中在蛋白质工程的各个模块上,包括但不限于从蛋白质结构推导序列、从功能推导序列等问题。「我们希望开发自己的工具,并探索如何将这些工具与后续的生物实验结合,以形成一个完整的循环,从而实现干实验(计算模拟)与湿实验(实际生物实验)之间的迭代优化」。

到目前为止,团队开发的工具在干、湿实验中均取得了优异成绩。例如,在全球的权威榜单 ProteinGym 上,其模型分别占据了第一和第二的位置。

此外,团队开发的生长激素,实现了全球首个 AI 设计蛋白质真正意义的放大生产(5,000 升)。他们还成功改造了 EPS-G7 酶,提高了其特异性和催化活性,并将生产成本降低 90%,打破了进口垄断限制。

除了单点或少数点位的改造,他们还整个生成了完整的蛋白质序列。例如,改造用于核酸剪切的 Ago 系列蛋白(高温存活),让其在常温下也能保持良好的活性,适用于核酸试剂盒中的剪切工作。

AI 从业者与 Science 从业者之间的最大问题是沟通

值得一提的是,由于周冰心博士所在领域具备高度交叉性,为了促进 AI 从业者与 Science 从业者的沟通交流,他们团队整理了大量数据、工具和下游任务检测模块,并将其整合成一个名为 VenusFactory 的工具库。

在周冰心博士看来,沟通能力在 AI 与科学领域的合作中至关重要。「我刚开始涉足生物方向的交叉工作时,许多生物学的合作伙伴想要跟我们合作,但我听不懂他们在说什么。现在,我可以基于自己的理解,将他们提出的科学问题转化为工程问题,寻找相应的算法来解决」。

周东展博士也认同这一观点。她强调:「与高校、研究所或企业合作时,确保双方在同一层面上理解问题非常关键。我们需要让科学领域的合作伙伴了解 AI 技术的现状,同时也要让技术团队明白最关键的问题是什么」。

黄宏副教授补充道,跨学科合作中掌握基础知识非常重要。她回忆起自己与清华大学社会学系罗家德教授团队的合作。在初期,社会学团队提出研究问题,技术团队提供数据分析支持并负责实验设计。随着时间的推移,技术团队逐渐掌握了社会学的基本知识,开始独立提出问题并与社会学团队讨论,这种思想碰撞催生了多项研究成果。

值得一提的是,近期正值 ICLR 2025 等顶会公布结果,同时也有多个重要会议仍未截稿,我们也借此机会让老师们分享了一下各自对 AI 顶会的投稿经验,如下所示:

1. 细读 Call for papers,明确不同顶会录取文章的要求,防止失去投稿机会。

2. 关注文章细节问题,格式正确、图要清晰、排版要好看。

3. 明确投稿截止时间,所有的实验至少提前一周全部完成保证论文的完整性,降低审稿人的质疑空间。

4. 研究问题,文章 idea 是否真的解决了某一方面的问题;研究动机是否合理。

5. 论文写作建议

* 论文提纲建议:第一,介绍背景。第二之前的研究是怎样的、存在什么问题。第三,我们的工作是怎样的,保证将你的 idea 传输给审稿人并让他信服;

* 此外,保证文章的逻辑性,每一个 Research question 和后面的实验验证需要环环相扣,自圆其说。

6. 关于拒稿:拒稿很正常,审稿人的喜好五花八门,可以试试多投几次。

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

AI 应用开发:四维架构落地实战——以 HR Agent 为例拆解感知·推理·记忆·执行【意图路由、规划编排、长期记忆、工具执行、面试题】

本文基于四维架构(感知·推理·记忆·执行),以HR Agent为例,系统拆解大模型应用从“聊天”到“生产可用”的落地路径。通过Spring AI实现意图路由、规划编排、RAG检索与工具调用,结合真实踩坑复盘,揭示架构化设计对安全、成本与可维护性的关键价值,为AI Agent工程化提供可复用的实战框架。

王大师企业官方博客 1325

汇聚华中科技大学/上海AI Lab/上海交大的科研先锋,探索AI「她力量」背后的成长与突破...

恰逢第 115 个「三八」国际妇女节到临之际,HyperAI超神经邀请到了华中科技大学副教授黄宏老师、上海人工智能实验室 AI for Science 中心青年研究员周东展、上海交通大学自然科学研究院助理研究员周冰心,与大家畅聊她们的科研历程,分享一路的成长感悟与科研修炼经验。1908 年的纽约街头,1.5 万名妇女高喊着「面包加玫瑰」的口号,为争取缩短工作时间、增加工资、享有女性选举权而呐喊。这...

HyperAI超神经 314

BitLocker加密盘解密实战:从隐藏分区到密钥恢复的全过程

本文深入探讨了BitLocker加密盘在密钥丢失或遗忘情况下的解密实战方法。文章系统性地介绍了从理解加密机制、制作取证镜像,到深度扫描隐藏分区、分析内存转储寻找密钥残留,最终利用恢复密钥解锁加密卷的全过程。重点剖析了非标准恢复路径,为数据恢复和数字取证工作提供了专业的技术框架和实战思路。

weixin_29268385的博客 340

AI4SCIENSE(鄂维南院士:再谈AI for Science)

整个流程涉及了数据处理、特征提取、模型训练与验证等多个环节,最终目的是为了构建一个有效的机器学习模型来进行后续的分析或预测工作。:接着进行对接过程,产生一个“对接得分”(docking score)。:最后,经过上述步骤处理后,会形成一个“机器学习模型”。:首先有一个“超大型数据库”,其中包含了大量的数据。:在训练过程中,会对模型进行验证以确保其准确性。:通过聚类得到的结果用于表示为“符号配体”。:在整个过程中还会考虑模型的偏差问题。:利用得到的对接得分来训练一个模型。:对数据库中的数据进行聚类处理。

m0_68339197的博客 584

SAP ALV表格F4搜索帮助不触发DATA_CHANGE?3步排查搞定

本文针对SAP ALV表格中F4搜索帮助选择值后,DATA_CHANGE事件不触发的经典问题,提供了三步系统性排查方法。核心在于理解F4值回写机制,并需在事件处理中手动填充修改表以通知ALV控件数据变更,从而确保后续校验、自动计算等依赖DATA_CHANGE的逻辑能正常执行。

c2d3e4f的博客 1136

当AI换脸遇上内容审核:Facefusion NSFW检测的技术伦理与用户自主权之争

本文探讨了Facefusion开源AI换脸工具中NSFW检测机制的技术伦理困境与用户自主权之争。分析了其多层次防御机制的技术实现与社区规避方法,揭示了开源软件在安全与自由之间的平衡难题,并提出了分层权限设计等社区实践方案。

weixin_29165725的博客 705

2021最大看点AI for Science,在哪些领域有斩获?

【专栏:前沿进展】AI for Science是今年一大重点发展的新兴领域。中科院院士,北京大学教授鄂维南在2021年智源大会上表示:“传统的科研领域如化学、材料、电子工程、化学工程、机械...

BAAIBeijing的博客 2895

SAP ABAP实战:手把手教你用BAPI_BILLINGDOC_CREATEMULTIPLE批量开票(附完整代码与避坑指南)

本文详细解析了SAP ABAP中BAPI_BILLINGDOC_CREATEMULTIPLE批量开票的全流程,包括参数配置、事务控制、错误处理及性能优化。通过实战案例和完整代码示例,帮助开发者高效处理大批量发票生成任务,避免常见陷阱,提升开发效率。

weixin_34101914的博客 270

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 341

避坑指南:Windows下OpenCV摄像头索引混乱问题的3种解决之道

本文详细解析了Windows下OpenCV摄像头索引混乱问题的3种解决方案,包括GUID查询法、DirectShow接口集成和注册表固化技术。针对工业视觉和智能监控场景,提供实战代码和性能优化建议,帮助开发者稳定识别多路摄像头设备,有效解决VideoCapture接口的索引漂移问题。

weixin_30836759的博客 407

一文让你轻松理解802.11ax RU的概念

RU

1042484520@qq.com(邮箱) 3369

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 280

仿真学习系列(三十八):Sigrity仿真之单端S参数提取

S 参数(Scattering Parameters)是高速信号分析中最基础也最常用的指标,能够全面表征走线、过孔、连接器等互连结构的高频行为。在 Sigrity PowerSI 中,Model Extraction 是最常用的 S 参数提取方式,适用于高速差分线、单端线、过孔、参考平面等各种拓扑结构。 本节将通过示例讲解如何在 PowerSI 中完成一次完整的 S 参数提取流程,包括:对象选择、端口设置、频率范围配置以及结果查看。掌握此方法后,即可对任意高速网络执行阻抗、插损、回损、串扰分析,为进一步的

案例文章,高速信号 838

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 616

33、AI赋能5G/6G通信:LDPC码解码与强化学习技术解析

本文探讨了基于AI和强化学习的LDPC码技术在5G/6G通信中的应用。包括LAMS解码器、神经MS解码器、盲识别方法、统一极性-LDPC解码器、NNMS和SNNMS解码器、N-2D-NMS解码器、神经分层MS解码器、MAB-NS方案以及强化学习与MCTS结合的技术。这些技术在提升解码性能、降低计算复杂度和增强系统适应性方面表现出色,为未来通信系统的发展提供了强有力的支持。

lambda的博客 247

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 209

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 345

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 363

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 87

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 163

企业微信iPad协议详解:接口接入、实时消息同步与语音转码实践

深入解析企业微信iPad协议的技术架构与开发思路,涵盖API接口接入、长连接通信、实时消息同步、Silk语音转码、异常重连及高并发优化,帮助开发者了解企业微信自动化系统的设计与实现。

欢迎来到祖安! 514

Product Hunt 热榜 2026-11-13:Plurai Simulation、YouArt Desktop App、Omnigraph

2026-11-13 Product Hunt 新产品精选:Plurai Simulation、YouArt Desktop App、Omnigraph。汇总 15 款产品的中文介绍、功能关键词和产品链接。

LaughingZhu的博客 619

【AI Agent面试系列】AI Agent可观测、评测、安全相关的知识点

之前的文章介绍了和,本文主要介绍AI Agent的测评、可观测等知识。

408

Docling 原理解读:是什么、为什么、怎么样

从论文视角拆解 Docling 的整体架构、DoclingDocument 数据模型、PDF 预处理、版面分析、OCR、TableFormer 双解码器、阅读顺序与装配流程,并解释版面框与 OCR 框的区别。

PLANTTHESON的博客 402

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 5168

从认识人工智能到理解机器学习:我的 AI 入门第一课

正式开始学习人工智能之前,我对 AI 的认识其实比较模糊:知道 ChatGPT、知道大模型,也知道现在很多岗位都在谈 AI,但如果有人问我“人工智能到底是什么”“机器是怎么学会识别一只猫的”,我未必能从头到尾讲清楚。上午的课程更偏向行业全景:人工智能的发展、研究方向、NLP、岗位分工、学习路线和 AI Coding 工具。下午的课程更偏向技术基础:机器学习的原理、有监督学习、深度学习、模型训练和评估方法。

chh563的博客 573
上一篇: 入选ICLR 2025!剑桥大学提出Celcomen模型,首次在空间转录组学分析中实现因果推断可识别性
下一篇: 蛋白质突变工程 AI 模型评测新基准,上海交大洪亮教授团队发布 VenusMutHub
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值