医生培训迎来 DeepSeek 外挂!上体/上交/清华合作研究证实大模型可成为基层医生培训 「黄金搭档」

【信息科学与工程学】【产品体系】第三十九篇 IT产品系列需求01 互联网行业的需求 经过多轮补充,现整理出覆盖存储、网络、计算、安全、数据治理、AI治理、物联网/工控、管理与经营​ 八大领域的完整需求目录,共60条​ 详细需求。 阅读详情

在全球健康版图上,糖尿病正以「海啸级」的凶猛态势侵袭着人类的健康防线。过去 30 年,这场悄无声息却异常残酷的健康之战,已致使 8.4 亿人患病,也就是说,平均每 9 个人当中,就有 1 人不幸被糖尿病确诊。「柳叶刀」发布的最新预警更是拉响了警报:预计到 2050 年,全球糖尿病患者数量将突破 13.1 亿,这意味着平均每 2.3 秒,就有 1 人无奈地加入糖尿病的庞大队伍。

糖尿病这一慢性疾病,犹如一台冷酷无情的「健康收割机」。它不仅以每年 10% 的速度疯狂消耗着宝贵的医疗资源,还每年无情地夺走 400 万人的生命。由其引发的失明、肾衰竭、截肢等严重并发症,让无数患者的生活陷入无尽的黑暗,也让一个个家庭深陷痛苦的深渊。

在这场严峻的健康危机中,基层医疗体系暴露出的「断层之殇」令人痛心不已。以我国为例,每 10 万人口中仅有 0.3 名内分泌专科医生,稀缺程度可见一斑。更为严峻的是,70% 的初级保健医生 (PCP) 缺乏独立完成糖尿病并发症风险评估的能力。而传统的专科培训模式,无疑是雪上加霜,深陷「三重困境」: 培训周期往往长达 3-5 年,如此漫长的时间,根本无法跟上医学知识快速迭代的步伐;东西部地区的培训资源差异巨大,落差超过 40 倍,资源分配严重不均;培训课程同质化严重,导致 73% 的基层医生在完成培训后,依旧存在认知上的盲区 。

随着科技的飞速发展,DeepSeek、ChatGPT 等大模型强势介入全球医疗领域,为医疗教育带来了新的曙光,正在逐步重构医疗教育的范式。这些大模型凭借强大的知识储备和卓越的推理能力,有望填补基层医生在知识层面的诸多盲区。然而,这场医疗领域的革命并非一帆风顺,正面临着双重严峻挑战。一方面, 大模型存在的「幻觉」问题依旧严重,这给医疗安全带来了极大的风险;另一方面, 约 30% 的 AI 误诊案例是由于训练数据的错误标注所导致,而且碎片化的临床实践与持续更新的指南库之间存在着巨大鸿沟,严重制约了 AI 价值的充分发挥。

当 AI 给出的诊断建议与医生的临床经验产生冲突时,如何构建「人机协同决策」的全新范式,已成为关乎医疗公平与效率的关键命题。 只有让大模型成为基层医生得力的「智慧外脑」,而非取而代之的「终结者」,未来糖尿病管理的 AI 革命才能真正惠及亿万患者,这也与健康中国战略的需求高度契合。

近期,上海交通大学盛斌教授团队联合上海体育大学毛丽娟教授团队、携手清华大学黄天荫教授团队和上海市糖尿病研究所贾伟平教授团队等多学科力量,与美国杜克大学、约翰霍普金斯大学以及澳洲墨尔本大学等国际顶尖学府和研究机构展开深度合作。他们借助中英双语权威考试体系,共同构建了一套全新的评估方案,对 ChatGPT-3.5、ChatGPT-4.0 以及通义千问等 10 个国内外主流大语言模型 (LLM) 进行了系统测试。

同时,该团队还评测了 DeepSeek 在辅助医生培训方面的效能。 通过这一系列研究,团队提供了全球首个针对大模型在辅助基层医生培训中实际效能的前瞻性真实世界证据,为大模型在医疗领域的应用开辟了新的研究方向,也为提升基层医疗水平提供了极具价值的参考依据。

相关成果以「Large language models for diabetes training: a prospective study」为题,发布于 Science Bulletin。

在这里插入图片描述

论文地址:

https://www.sciencedirect.com/science/article/pii/S2095927325000891

开源项目「awesome-ai4s」汇集了 200 余篇 AI4S 论文解读,并提供海量数据集与工具:
https://github.com/hyperai/awesome-ai4s

测试 LLM 对糖尿病知识的掌握程度

团队选取了国内外主流的 10 种 LLM, 包括 ChatGPT-3.5、ChatGPT-4.0、谷歌 Bard、LlaMA-7B、LlaMA2-7B、百度 ERNIE Bot、通义千问、医联 MedGPT、华佗 GPT、Chinese LlaMA2-7B。

测试内容涵盖中英文两个部分, 分别对应中国国家初级糖尿病护理考试 (NCE-CPDC) 和英国皇家内科医师学会 (MRCP (UK)) 内分泌与糖尿病专业证书考试 (SCE)。研究要求每个 LLM 根据输入的题目作答,并提供相应解析说明。随后,研究团队对比模型生成的答案与官方标准答案,进行交叉核验,以评估其准确率,从而全面衡量各模型在糖尿病领域医学知识方面的表现和应用潜力。

在这里插入图片描述

研究设计流程

中文考试——NCE-CPDC:

  • NCE-CPDC:中国国家初级糖尿病护理证书考试是为 PCP 设计的专业考试,该考试由中国国家初级糖尿病护理办公室组织。

基于「国家基层糖尿病防治管理指南」,覆盖了糖尿病定义、筛查、诊断、转诊、生活方式干预、药物治疗及急慢性并发症管理等多个方面。NCE-CPDC 的认证在中国得到广泛认可,尤其是医疗保健专业人员和参与糖尿病护理的人员。准确率超过 60% 的结果被视为通过, 低于该分数则视为未通过。

在本次测试中,ChatGPT-4.0 以 90.98% 的高准确率表现突出,显著领先于其他模型。 阿里通义千问同样展现出较强的竞争力,其准确率达到 81.20%,明显优于 ChatGPT-3.5。其他部分模型虽然未能达到通过标准,但为后续技术改进和优化提供了宝贵的数据和方向。

英文考试——SCE:

  • SCE:英国皇家内科医师学会 (MRCP (UK)) 专业证书考试。该考试具有较高的专业性和挑战性,2023 年英国考生的通过率仅为 28.6%。

在 SCE 考试中,题目专为内分泌学家和糖尿病护理专家设计,涵盖糖尿病病理生理学、诊断、药物治疗以及急慢性并发症的管理等高难度内容。ChatGPT-4.0 以 62.50% 的准确率顺利通过及格线, 表现远超其他主流 LLM(如谷歌 Bard、LlaMA-7B、LlaMA2-7B 等均未达到合格标准),这一成果不仅证明了 ChatGPT-4.0 在处理高难度专业内容方面的潜力,也为后续将 LLM 应用于医学培训提供了坚实依据。

LLM 辅助基层医生培训

在完成简单的知识问答测试后,研究团队并未浅尝辄止,而是进一步深入探究大语言模型 (LLM) 在实际培训场景中的应用效果。 此次,团队精心挑选了 7 名初级保健医生 (PCP) 作为研究对象,让他们分别在有无 ChatGPT-4.0 辅助的情况下参加中国国家初级糖尿病护理证书考试 (NCE-CPDC)。

测试结果令人眼前一亮:在首次测试中,ChatGPT-4.0 以 84.82% 的准确率领衔其余大模型,将所有参与测试的医生远远甩在身后。而当有 ChatGPT-4.0 辅助时,多数医生的表现更是可圈可点,平均准确率从 74.72% 稳步提升至 75.81%。

尽管在测试过程中,出现了个别医生因难以甄别模型中可能存在的误导性解释,进而导致成绩下滑的情况,但从整体数据来看, LLM 作为辅助工具,无疑能有效助力医生提升对糖尿病护理知识的掌握与应用能力。 值得注意的是,几乎所有参与测试的 PCP 都对这种新型培训模式赞不绝口。 他们认为,LLM 在内部一致性、专业意见以及实用性等方面表现堪称优异,为传统培训方式注入了全新活力,带来了令人惊喜的改变。

特别值得一提的是,这项研究工作早在 2023 年便已开展。近年来,国产大语言模型犹如雨后春笋般迅速崛起,在医疗领域取得了长足进步。其中,DeepSeek 作为当下备受瞩目的国产通用大语言模型,表现尤为突出。研究团队对 DeepSeek 回答 NCE-CPDC 试题的准确度进行了严格测试,结果令人振奋——DeepSeek 的回答准确度高达 91.73%,以微弱优势超越了 ChatGPT-4.0 的 90.98%。

基于这一成果,我们有足够的理由相信,未来无论是国产通用大语言模型,还是专注于垂直领域的大语言模型,都拥有巨大的潜力。它们将在糖尿病等慢病防控工作中发挥关键作用,有力推动慢病诊疗向数字化变革大步迈进,为守护大众健康贡献强大的科技力量。

在这里插入图片描述

LLMs 在 PCPs 培训及糖尿病患者护理方面的未来前景

LLMs 在医疗保健培训发展情况

从糖尿病护理到精神科培训

LLM 在医学培训中的应用并非局限于糖尿病护理领域。 近年来,国内外多个研究团队尝试将 LLM 与深度学习 (DL) 技术相结合,构建面向不同医学专业的智能培训平台。

以上海交通大学 X-LANCE 实验室吴梦玥老师团队构建的 AMC (Agent Mental Clinic) 为例,该系统通过自动化对话代理模拟心理诊疗场景,不仅能够辅助抑郁症的初步筛查,还能为实习精神科医生进行培训,在正式进入科室实习前提供一些辅导和帮助。这种模式为精神科医生在进入正式临床工作前提供了有益的预演和辅导,极大地缩短了专业培训的时间成本,并为患者提供了更高质量的初诊建议。

点击查看详细报道:Agent心理诊所上线!基于1.3K抑郁症问诊对话,上海交大团队搭建大模型对话Agent,可初诊抑郁症

在这里插入图片描述

AMC 系统运作流程

DeepDR-LLM:融合视觉与语言的糖尿病诊疗新模式

当下,大语言模型 (LLM) 在医学信息处理和知识生成领域成绩斐然,展现出强大的能力。它能快速整合海量医学资料,为医疗决策提供丰富的数据支持,还能根据患者症状和病史生成初步诊断建议,在一定程度上提高了医疗效率。

但即便如此,LLM 仍无法完全替代医生所独有的创新精神、批判性思维以及临床决策能力。 医生在面对复杂病情时,凭借经验和专业知识进行的综合判断,以及对患者个体差异的敏锐洞察,是医疗过程中不可或缺的关键因素。鉴于此,众多研究者积极投身于探索 LLM 与深度学习 (DL) 技术的融合路径,力求进一步提升临床决策的精准度。

在这一前沿领域的探索中,上海交通大学盛斌教授团队的成果格外亮眼。2024 年 7 月,该团队联合国际顶尖机构共同开发的 DeepDR-LLM 模型,登上了国际权威学术期刊「Nature Medicine」。 这一成果一经发布,便在国际医学界引发强烈震动,收获了众多医学领域巨擘的高度赞誉。精准医学先驱 Eric Topol 教授、沃尔夫医学奖得主 Daniel J. Drucker 教授,以及世界卫生组织荣誉总干事、清华大学万科公共卫生与健康学院创始院长陈冯富珍教授等,都对其给予了充分肯定。

在这里插入图片描述

DeepDR-LLM 系统架构

回顾传统的糖尿病护理培训,医生主要依靠大量书面资料和长期积累的临床经验来提升专业能力。这种方式虽然有效,但存在效率低、受资料时效性限制等问题。

而 DeepDR-LLM 作为全球首个面向糖尿病诊疗的视觉 - 大语言模型集成系统,堪称糖尿病诊疗领域的创新典范。 它巧妙融合了 LLM 强大的知识处理能力与 DL 精准的图像分析技术,实现了功能上的重大突破。该系统不仅能迅速、精准地解答糖尿病诊疗相关的各类专业问题,还能借助眼底图像分析,辅助医生诊断糖尿病视网膜病变,帮助医生在疾病早期及时察觉潜在病变风险。

值得一提的是,DeepDR-LLM 系统还具备强大的拓展性,可与 DeepSeek 无缝对接。 可通过采用 MoE 技术融入 DeepSeek 的推理能力,进一步强化自身性能。经过一系列技术迭代和创新,DeepDR-LLM 系统不仅显著提升了糖尿病护理培训的质量,让医生能够更高效地掌握前沿知识和诊断技巧,更为临床实践提供了切实可行的高效技术支持,为糖尿病患者带来了更精准、更及时的诊疗希望。

点击查看详细报道:全球首个!清华/上海交大等联合构建面向糖尿病诊疗的视觉-大语言模型,登 Nature 子刊

糖尿病防治是全球健康领域的重要课题,而基层医生培训则是提升整体医疗水平的关键环节。基层医生作为守护大众健康的「前沿卫士」,其培训质量更是提升整体医疗水平的核心环节,直接关乎着医疗服务的广度与深度。

在此背景下,盛斌教授团队通过多学科专家团队紧密合作与融合创新,聚焦于大语言模型 (LLM) 在糖尿病护理培训领域的应用展开深入探索。这一探索意义重大,不仅为借助先进人工智能技术优化医疗培训开拓了全新思路,更如基石般为未来跨学科、多领域的医疗人工智能广泛应用筑牢根基。

如今,「AI + 医生」的组合正展现出巨大的能量,逐渐重塑着医疗资源的分配格局。 这一黄金搭档巧妙融合了两者的优势:医生所具备的人文关怀和丰富临床经验得以保留,给予患者温暖与信任;同时,AI 赋予医生超越个体认知局限的决策支持,让诊断和治疗更加精准高效。当 AI 系统如同不知疲倦的医学助手,能够实时解析最新医学文献、自动生成鉴别诊断图谱,并同步更新全球诊疗共识时,基层医生仿佛被赋予了突破时空限制的「超能力」,即便身处偏远地区,也能获取最前沿的医学知识和诊断思路。

这场医疗变革的影响极为深远,其价值远超提升糖尿病防治水平本身。它更是为全球医疗公平性提供了独具特色的中国方案。 想象一下,乡村医生借助 DeepSeek 与 Deep DR-LLM 等 AI 系统,能够获得如同院士级别的诊疗建议,这大大缩小了城乡医疗水平的差距;而城市专家也得以从繁琐的重复性劳动中解脱出来,将更多精力投入到复杂病例的研究中,推动医学不断向前发展。在这样的技术赋能下,「大病不出县」不再只是一句遥不可及的口号,正逐步成为现实,为构建人类卫生健康共同体注入了强劲的智慧动能。

展望未来

在全球医疗环境日新月异的当下,科技赋能已成为提升医疗服务质量的重要「利器」。将前沿技术与医学实践深度融合,不仅能有效填补基层医疗培训长期存在的诸多短板,还能为医疗人工智能的应用开辟更为广阔的发展空间,助力其迈向新的高度。

随着 LLM 技术的持续优化以及临床应用的不断拓展,更多令人期待的创新成果有望落地生根,为广大患者带来实实在在的健康福祉,为全球医疗体系的蓬勃发展注入源源不断的智慧与活力,让医疗事业在科技的推动下绽放更加绚烂的光彩。

「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

相关推荐

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。

专注于计算机研发知识和资讯分享 538

AI办公--AI与智能办公丨AI助力职场效率提升

市场调研任务:“我是一名互联网公司的产品运营专员,负责一款新兴社交 App(背景),当下急需开展用户满意度调研(需求),但我们的调研预算有限,且时间周期仅有两周(条件),请制定一份高效、低成本的线上调研方案,涵盖调研渠道选择、问卷设计要点、样本量确定等内容。“帮我做一个请假的表格,要有姓名,部门,请假时间,请假类别,请假理由,主管部门意见,总经理意见,并留出签名的地方,最终以HTML的格式输出。你是数据分析师,现有“2024Q3销售数据.xlsx”(数据包含“日期/产品/地区/销售额/利润”列)。

m0_56491492的博客 1161

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

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

Yocto下载加速秘籍:用清华镜像+PREMIRRORS配置让构建速度翻倍

本文详细解析了如何通过配置Yocto的PREMIRRORS优先级策略,并利用清华大学等国内镜像源,显著加速构建过程中的源码下载。文章提供了具体的配置示例和验证方法,帮助开发者解决网络瓶颈,实现构建速度翻倍,提升开发效率。

game4的博客 278

Spirent TestCenter 3.90吞吐测试全流程详解(附RFC 2544配置避坑指南)

本文详细解析了使用Spirent TestCenter 3.90进行网络吞吐测试的全流程,并提供了符合RFC 2544标准的配置指南与避坑要点。内容涵盖测试环境搭建、核心概念澄清、STC软件配置步骤、结果深度解读以及自动化脚本入门,旨在帮助网络测试工程师精准评估设备性能,规避常见配置陷阱。

weixin_42602368的博客 370

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

IsaacLab 从入门到精通(一) 环境配置和依赖安装

本系列文章将针对机器人操作任务中的强化学习平台IsaacLab提供较为全面的教程

DejaWu33的博客 1万+

【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

开源AI数字人DUIX:从零构建你的智能交互助手

本文详细介绍了如何利用开源AI数字人DUIX从零构建智能交互助手。文章阐述了DUIX作为开源项目的核心优势,包括低成本启动、低网络依赖和高度可定制性,并提供了从开发环境搭建、核心模块(AI模型、语音、形象)配置到个性化业务逻辑开发与最终部署的完整实践指南,帮助开发者快速掌握构建专属AI数字人的全流程。

weixin_29051811的博客 506

别再傻傻分不清了!用Design Compiler和PrimeTime实操对比PBA与GBA模式

本文深度解析静态时序分析(STA)中Design Compiler与PrimeTime工具的PBA与GBA模式差异,通过实际案例演示两种模式在转换时间计算、时钟路径分析等方面的对比,并提供工程实践中模式选择的策略与调试技巧,帮助工程师在芯片设计流程中平衡精度与效率。

weixin_42552315的博客 415

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

Spring AI 实战:5 分钟搭建你的第一个 AI 应用(含完整代码)

能力关键 API适用场景基础对话简单问答、文本生成流式输出实时打字机效果@Bean模型需要调用外部工具结构化输出需要返回 Java 对象多轮对话聊天机器人场景Spring AI 让 Java 开发者可以用最熟悉的方式(Spring Boot + Maven)进入 AI 应用开发领域,不用学新语言,不用换框架,这是它最大的优势。但目前为止,我们的 AI 应用只能回答"它脑子里已有的知识"。如果让它读懂你自己的技术文档、公司内部知识库呢?这就是下一篇文章的主题——RAG(检索增强生成)实战。

qq_17204557的博客 646

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

基于Linux的PCIe设备驱动开发入门到精通-- 11.2 锁机制与并发控制 (自旋锁、互斥锁) 11.3 性能瓶颈分析与优化建议

本文探讨Linux驱动开发中的性能优化方法论,重点聚焦并发控制与性能瓶颈分析。从锁机制选择(自旋锁、互斥锁等)到工具使用(ftrace、perf),详细介绍了定位锁竞争和CPU热点的实战步骤,包括ftrace事件跟踪和perf火焰图分析。针对常见性能瓶颈(CPU/内存/I/O/锁竞争),提出了锁粒度优化、无锁结构替换、中断处理优化等解决方案。强调性能优化需要理论结合实践,通过"假设-测量-验证"的循环持续迭代。为开发者提供了一套从问题定位到解决的完整方法论,助力开发高性能工业级驱动。

MHD0815的博客 131

热力学仿真软件:Fluent_(8).材料属性设置

在 Fluent 中,材料属性主要包括密度、比热容、导热系数、黏度等物理性质。这些属性在不同的仿真场景中有着不同的作用,例如在流体仿真中,密度和黏度是必不可少的;在传热仿真中,导热系数和比热容是主要考虑的因素。如果所需的材料不在材料库中,或者需要对现有材料进行修改,用户可以自定义材料属性。在主菜单中选择Materials。点击打开材料编辑器。在材料编辑器中,点击Create按钮,输入新的材料名称。选择材料类型(如FluidSolid等)。在属性栏中填写所需的材料属性。

kkchenjj的博客 1498

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

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

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

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

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!

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

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。

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

企业宣传片发前如何批量排查并遮挡视频里的敏感信息

做企业视频的人都会碰到一个具体问题:实拍画面里混进了不该出现的信息。办公室背景里有贴着客户信息的白板,采访对象的授权书边缘露出一串身份证号码,街采素材里路人面孔和车牌号直接入镜。人眼在时间线上扫视,会漏掉快速闪过的帧、画面边缘的小字、以及暗光区域里的证件号码。用抹影AI完成车牌、人脸和证件区域批量检测后,又手动补充了两个时间段的屏幕遮罩,最终导出时画面已无合规隐患。重点关注快速运动、遮挡、低光照条件下的目标,这些是漏检的高发区域。导入视频后选择要检测的目标类型(人脸、车牌、证件号、二维码等)。

Mysssone的博客 182
上一篇: 【Triton 教程】triton_language.tensor
下一篇: 在线教程丨单卡A6000轻松部署Gemma 3,精准识别黄仁勋演讲实拍
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