Gemini-3-Pro-Preview登顶,大模型迈入Agent元年丨大语言模型1月最新榜单揭晓

【企业知识助手·Agent 实战】如何构建 Agent 运行态可观测体系:从行为基线漂移检测到成本预算治理的深度实战 核心原理:运行态可观测的本质是把"单点阈值"升级为"与基线的分布距离"——埋点回答发生了什么,基线比较回答这是否还正常关键结论:deny 率没有单向好坏语义,必须双边告警 + known-good / known-bad 双哨兵仲裁;成本归因的终点是单位经济与预算三线一位;评测分数入库让质量拥有趋势线。 阅读详情

进入 2026 年,全球大模型技术持续加速演进,新一轮模型发布不断刷新能力边界。行业关注重点从基础能力指标,转向模型在真实复杂场景中的综合表现。各类模型持续强化智能体相关能力,在编程、推理、工具调用与信息检索等关键方向不断提升,全面增强解决实际问题的能力。与此同时,中国大模型在全球舞台上持续受到关注,越来越多模型在海外社区引发热议,展现出中国在大模型日益增强的技术实力与创新活力。

司南持续关注大模型的发展动态,近期针对国内外主流大语言模型进行了全面评测,现公布司南最新(即1月)大语言模型评测榜单!本次榜单囊括了国内外共26个大语言模型,包含国内外主流闭源模型和社区开源模型。

最新榜单解读

  • Gemini-3-Pro-Preview登顶榜单首位

在本次榜单评测中,来自OpenAI、Google、深度求索、字节豆包、通义千问、月之暗面、腾讯混元、讯飞星火等多个厂商发布的模型在各个评测维度展开激烈的竞争。最终由Google发布的Gemini-3-Pro-Preview以其在多个维度上表现出的强大能力,成功登顶榜首,综合得分位列第一。

  • 国产模型能力进步显著,跻身榜单前列

在本次榜单评测中,DeepSeek-V3.2、GLM-4.7、Kimi-K2.5、Qwen3-Max-2026-01-23等国内厂商近期最新发布的旗舰模型均以较为优秀的多维度综合能力跻身榜单得分前十;iFlytek-Spark-X1.5-0106、Tencent HY 2.0 Think等国产模型同样紧随其后,体现出国内厂商愈加快速的模型能力迭代速度。总体上看,国产模型呈现出开闭源齐头并进、能力高速进步发展的态势。

  • 大模型正式迈入Agent元年

榜单呈现出鲜明的格局重塑特征,国产头部模型如GLM-4.7、Kimi-K2及Qwen3-Max-2026-01-23在工具调用精准度上已完成全球并跑,并在多个执行维度上对传统巨头GPT-5.2-2025-12-11(high)实现了反超。这种全线模型工具调用能力的高位对齐,预示着大模型底层基座已完成向执行侧的架构转型,未来商业化博弈的关键将取决于模型对复杂业务逻辑和物理世界接口的深度渗透力。

榜单更新说明

相较于2025年10月榜单,本次榜单的主要更新包括:

  • 新增模型:GPT-5.2-2025-12-11 (high)、Gemini-3-Pro-Preview、Claude Opus 4.5 (Thinking)、Grok-4.1、Doubao-Seed-1-8-251228、Qwen3-Max-2026-01-23、iFlytek-Spark-X1.5-0106、ERNIE 5.0、Tencent HY 2.0 Think、Tencent HY 2.0 Instruct等闭源模型,以及DeepSeek-V3.2、MiniMax-M2.1、GLM-4.7、Kimi-K2.5、Kimi-K2-Thinking、Ring-1T等开源模型。

  • 评测内容迭代:持续更新闭源评测数据集,纳入来自CompassArena大模型竞技场的真实用户提问 、最新编程比赛题目、最新高难度学科推理问题等,确保题目有足够的新颖性和一定的难度,能够反映模型的真实差距。另一方面,为提升评测结果稳定性和可信度,本次评测中全量数据集均重复评测四次,以平均分数作为最终结果。

月度榜单评测基准

司南大语言模型官方自建评测榜单,综合评估商业API模型和开源模型在 语言、推理、知识、代码、数学、工具调用六大能力维度,这些维度进一步细化为包括自然语言处理、理工科知识、学科推理、数学竞赛、多轮工具调用等十余项细分任务,以实现对行业开源模型和商业API模型进行全面评测分析。

*不同能力维度会根据任务形式选用主观或客观评测方案。总分基于各能力维度加权获得: 语言(1/8)、推理(1/8)、知识(1/8)、代码(1/8)、数学(2/8)、工具调用(2/8)。

最新榜单概览

综合榜单

子维度榜单

  • 语言

  • 推理

  • 知识

  • 代码

  • 数学

  • 工具调用

评测题目示例

数学计算

问题:

从一副不含大、小王的扑克牌中抽取5张牌,计算抽出的牌的不同的花色的数目大于不同的点数的数目的概率.

标准答案:$\\frac{223}{8330}$

Gemini-3-Pro-Preview回复之一:

从一副52张的扑克牌(不含大小王)中抽取5张牌,总的组合数为:
$$ N = \binom{52}{5} = 2,598,960 $$
设抽出的牌中不同花色的数目为 $n_s$,不同点数的数目为 $n_r$。我们需要计算 $n_s > n_r$ 的概率。
由于花色最多有4种,即 $1 \le n_s \le 4$,且5张牌至少有2种点数(因为同一点数最多4张牌),即 $2 \le n_r \le 5$。
满足 $n_s > n_r$ 的情况有以下几种组合:
1.  $n_s = 3, n_r = 2$
2.  $n_s = 4, n_r = 2$
3.  $n_s = 4, n_r = 3$

我们分别计算每种情况下的组合数:

**情况 1:$n_s = 3, n_r = 2$**
点数分布只能是 $3+2$(即三张一种点数,两张另一种点数)。$4+1$ 分布会导致 $n_s=4$。
*   **点数分布 3+2**:
    *   选点数:$P(13, 2) = 13 \times 12 = 156$ 种。
    *   选花色:设三张牌的点数为 $x$,两张牌的点数为 $y$。$x$ 的花色集合记为 $S_x$(3种),$y$ 的花色集合记为 $S_y$(2种)。需满足 $|S_x \cup S_y| = 3$。由于 $|S_x|=3$,这必然意味着 $S_y \subset S_x$。
        *   选 $S_x$:$\binom{4}{3} = 4$ 种。
        *   从 $S_x$ 中选 $S_y$:$\binom{3}{2} = 3$ 种。
        *   花色组合数:$4 \times 3 = 12$。
    *   总数:$156 \times 12 = 1,872$。

**情况 2:$n_s = 4, n_r = 2$**
点数分布可以是 $4+1$ 或 $3+2$。
*   **点数分布 4+1**:
    *   选点数:$13 \times 12 = 156$。
    *   选花色:$x$(4张)必然包含所有4种花色。$y$(1张)可以是任意花色。
        *   花色组合数:$1 \times 4 = 4$。
    *   总数:$156 \times 4 = 624$。
*   **点数分布 3+2**:
    *   选点数:$156$。
    *   选花色:需 $|S_x \cup S_y| = 4$。$|S_x|=3, |S_y|=2 \implies |S_x \cap S_y|=1$。
        *   选 $S_x$:$\binom{4}{3} = 4$ 种。剩余一种花色必然在 $S_y$ 中。
        *   选 $S_y$:必须包含 $S_x$ 之外的那个花色,且从 $S_x$ 中选1个。$\binom{1}{1} \times \binom{3}{1} = 3$ 种。
        *   花色组合数:$4 \times 3 = 12$。
    *   总数:$156 \times 12 = 1,872$。
    *   此情况小计:$624 + 1872 = 2,496$。

**情况 3:$n_s = 4, n_r = 3$**
点数分布可以是 $3+1+1$ 或 $2+2+1$。
*   **点数分布 3+1+1**:
    *   选点数:$\binom{13}{1} \times \binom{12}{2} = 13 \times 66 = 858$。
    *   选花色:$|S_x|=3, |S_y|=1, |S_z|=1$,并集大小为4。
        *   选 $S_x$:4种。缺失的花色记为 $w$。
        *   $S_y, S_z$ 的花色 $u, v$ 必须至少有一个是 $w$。
        *   所有可能的 $(u, v)$ 对有 $4 \times 4 = 16$ 种。都不含 $w$(即都在 $S_x$ 中)的有 $3 \times 3 = 9$ 种。
        *   符合条件的有 $16 - 9 = 7$ 种。
        *   花色组合数:$4 \times 7 = 28$。
    *   总数:$858 \times 28 = 24,024$。
*   **点数分布 2+2+1**:
    *   选点数:$\binom{13}{2} \times \binom{11}{1} = 78 \times 11 = 858$。
    *   选花色:$|S_x|=2, |S_y|=2, |S_z|=1$,并集大小为4。
        *   总的花色分配方式为 $\binom{4}{2} \times \binom{4}{2} \times 4 = 144$。
        *   排除 $n_s=2$ 的情况:$S_x=S_y \supset S_z$。选2种花色有 $\binom{4}{2}=6$ 种,分配方式 $1 \times 1 \times 2 = 2$。共 $6 \times 2 = 12$。
        *   排除 $n_s=3$ 的情况:选3种花色有 $\binom{4}{3}=4$ 种。在3种花色内分配且用到3种的方式有 $27 - (3 \times 2) = 21$。共 $4 \times 21 = 84$。
        *   符合 $n_s=4$ 的方式:$144 - 12 - 84 = 48$。
    *   总数:$858 \times 48 = 41,184$。
    *   此情况小计:$24024 + 41184 = 65,208$。

**总计符合条件的组合数:**
$$ 1,872 + 2,496 + 65,208 = 69,576 $$

**计算概率:**
$$ P = \frac{69,576}{2,598,960} $$
分子分母同时除以 312:
$$ \frac{69576 \div 312}{2598960 \div 312} = \frac{223}{8330} $$

**答案:**
\boxed{\frac{223}{8330}}

Ring-1T回复之一:

(思考过程略)

### 问题解析
我们需要计算从一副不含大小王的扑克牌(共52张)中抽取5张牌时,**不同花色的数目 $ H $ 大于不同点数的数目 $ P $** 的概率。
---
### 关键定义与约束
- **花色**:4种(黑桃、红桃、梅花、方块)
- **点数**:13种(A, 2, ..., K)
- **每张牌唯一**:每个点数在每种花色中仅有一张
- **抽取5张牌**,总情况数为:
  $$
  \binom{52}{5} = 2598960
  $$
我们关注的是满足条件 $ H > P $ 的情况。  
其中:
- $ H $:不同花色的数目(1 ≤ $ H $ ≤ 4)
- $ P $:不同点数的数目(1 ≤ $ P $ ≤ 5)
由于同一花色内点数互不相同,因此:
- 若 $ H = 1 $,则 $ P = 5 $
- 若 $ H = 2 $,则 $ P \geq 3 $
- 若 $ H = 3 $,则 $ P \geq 2 $
- 若 $ H = 4 $,则 $ P \geq 2 $
所以只有以下两种情形满足 $ H > P $:
1. **$ H = 3 $ 且 $ P = 2 $**
2. **$ H = 4 $ 且 $ P = 2 $ 或 $ P = 3 $**
---
### 情况一:$ H = 3 $ 且 $ P = 2 $
#### 分析
- 5张牌来自3种花色。
- 点数分布为:一个点数出现3次(3种花色各1张),另一个点数出现2次(2种花色各1张)。
- 满足 $ H = 3 > P = 2 $
#### 计算
- 选择3种花色:$ \binom{4}{3} = 4 $
- 选择3次点数:13种
- 选择2次点数:12种
- 选择2次点数所在花色:从3种花色中选2种 → $ \binom{3}{2} = 3 $
$$
\text{数量} = 4 \times 13 \times 12 \times 3 = 1872
$$
---
### 情况二:$ H = 4 $ 且 $ P = 2 $ 或 $ P = 3 $
#### 分析
- 5张牌来自4种花色,花色分布为 $ (2,1,1,1) $
- $ H = 4 $,需满足 $ P < 4 $,即 $ P = 2 $ 或 $ P = 3 $
##### 子情况 A:$ P = 2 $
- 分布形式:
  - (4,1):一个点数出现4次(4种花色各1张),另一个点数出现1次
  - (3,2):一个点数出现3次(3种花色),另一个点数出现2次(2种花色)
###### (4,1) 分布
- 选择4次点数:13
- 选择1次点数:12
- 选择1次点数的花色:4种
$$
\text{数量} = 13 \times 12 \times 4 = 624
$$
对称地,(1,4) 也有 624 种,合计:
$$
624 \times 2 = 1248
$$
###### (3,2) 分布
- 选择3次点数:13
- 选择2次点数:12
- 选择3次点数的花色:$ \binom{4}{3} = 4 $
- 选择2次点数的花色:从3种花色中选1种重叠,1种非重叠 → $ \binom{3}{1} = 3 $
$$
\text{数量} = 13 \times 12 \times 4 \times 3 = 1872
$$
对称地,(2,3) 也有 1872 种,合计:
$$
1872 \times 2 = 3744
$$
###### 总计 $ P = 2 $ 的数量:
$$
1248 + 3744 = 4992
$$
##### 子情况 B:$ P = 3 $
- 通过总数减去其他情况得出:
  - $ H = 4 $ 总数:$ 685464 $
  - $ P = 5 $ 数量:$ 308880 $
  - $ P = 4 $ 数量:$ 205920 $
  - $ P = 2 $ 数量:$ 4992 $
$$
P = 3 \text{ 的数量} = 685464 - 308880 - 205920 - 4992 = 165672
$$
---
### 满足条件的总情况数
$$
\text{满足 } H > P \text{ 的数量} = 1872 + 4992 + 165672 = 172536
$$
---
### 概率计算
$$
\text{概率} = \frac{172536}{2598960}
$$
化简分数:
- 最大公约数 $ \gcd(172536, 2598960) = 2184 $
- 化简后:
$$
\frac{172536}{2598960} = \frac{79}{1190}
$$
---
### 最终答案
$$
\boxed{\dfrac{79}{1190}}
$$
  • 在该问题的解答过程中,Gemini-3-Pro-Preview基于严密的推理正确地回答了问题;而Ring-1T在思考时产生了一些重复计数和数值计算错误等问题,最终得到了错误的答案。

学科推理

问题:

In an adjustment problem, there are 18 observations of equal precision, and the number of necessary observations is 9. The degrees of freedom for this adjustment problem is ____. Using the method of condition adjustment, ____ condition equations can be formed. Now, 9 parameters are chosen, and there are two constraint conditions among them. If the adjustment is performed using the method of condition adjustment with constraints, ____ general condition equations and ____ constraint condition equations should be listed.

标准答案:9,9,16,2

Qwen3-Max-2026-01-23回复之一:

We need to parse the problem carefully. The problem statement:

"In an adjustment problem, there are 18 observations of equal precision, and the number of necessary observations is 9. The degrees of freedom for this adjustment problem is ____. Using the method of condition adjustment, ____ condition equations can be formed. Now, 9 parameters are chosen, and there are two constraint conditions among them. If the adjustment is performed using the method of condition adjustment with constraints, ____ general condition equations and ____ constraint condition equations should be listed."

We need to fill in the blanks. There are four blanks: degrees of freedom, number of condition equations (using method of condition adjustment), number of general condition equations, and number of constraint condition equations (for condition adjustment with constraints).

Let's recall concepts from geodetic adjustment / least squares adjustment.

...
(中间思考过程略)
...

But wait, the third blank is "____ general condition equations" and fourth is "____ constraint condition equations". So third answer is 16, fourth is 2.

However, I've also seen a formula where general condition equations = n - t + u, and constraint equations = c. That would give 18 general and 2 constraints. But that would total 20 equations. In the consistent case where u-c=t, that would give general = n - t + u = n + c, which is more than n. For the leveling example with n=3, t=2, u=3, c=1, this formula gives general = 3-2+3=4, constraints=1, total=5. But we know that with 3 observations and 1 constraint, the parametric adjustment has 3 observation equations and 1 constraint, total 4 equations. So 4 general equations is too many. Therefore, the formula r = n - t + u is for the model without constraints (condition adjustment with parameters), where parameters are independent (c=0). When constraints are present, we subtract c from the number of general condition equations. Hence, the correct formula for the model with constraints is r_general = n - t + u - c.

Thus, I'm leaning towards 16 and 2.

Let me check another source: In the Wikipedia page for "Least squares adjustment", under "Combined adjustment model", it says: "The number of condition equations is r = n + u - d, where d is the number of datum conditions." But datum conditions are constraints. If we have c datum constraints, then d = c, and r = n + u - c. But this r is the total number of condition equations (including those that might be considered constraints?). Not clear.

Wait, in the combined model, if we include the constraints as part of the condition equations, then total condition equations = n + u - t. If we separate them into general and constraints, then general = n + u - t - c, constraints = c, provided that the constraints are independent and reduce the effective parameters to t. But n + u - t - c = n - t + u - c. Yes, same as before.

Given that t is the number of independent quantities (necessary observations), and if the constraints are such that u - c = t, then general = n. So it matches parametric adjustment with constraints.

Therefore, the formula is consistent.

Thus, for the given numbers:
n=18, t=9, u=9, c=2
General condition equations = 18 - 9 + 9 - 2 = 16
Constraint condition equations = 2

So the four answers: 9, 9, 16, 2.

But let's double-check the second blank: "Using the method of condition adjustment, ____ condition equations can be formed." This is pure condition adjustment (no parameters). Number of condition equations = redundancy = n - t = 9. Correct.

First blank: degrees of freedom = redundancy = 9. Correct.

Therefore, final answers: ["9", "9", "16", "2"]

However, I should ensure that "degrees of freedom" is indeed n - necessary observations. Yes, in adjustment, degrees of freedom (redundancy) = number of observations - number of necessary observations.

One more sanity check: If there are 18 observations and 9 necessary observations, redundancy is 9. In condition adjustment, we form 9 condition equations. That is standard.

Now, when we introduce 9 parameters and 2 constraints, in the method of condition adjustment with constraints, we list general condition equations and constraint equations. The total number of equations listed should be such that the adjustment can be performed. The formula from standard Chinese textbook "误差理论与测量平差基础" (Chapter on various adjustment models) states:

- For 附有限制条件的条件平差 (condition adjustment with constraints):
   Number of general condition equations: c = n - t + u - s
   Number of constraint equations: s
   where s is the number of constraint conditions.

Yes, I think that's it. I recall a specific example problem: n=12, t=8, u=5, s=2, then general condition equations = 12-8+5-2=7, constraint equations=2. So the formula is used.

Therefore, answers are 9, 9, 16, 2.

I'll go with that.</think>
```json
{
  "answers": [
    "9",
    "9",
    "16",
    "2"
  ]
}

Grok-4.1回复之一:

```json
{
  "answers": [
    "9",
    "9",
    "7",
    "2"
  ]
}
```

## Explanation

The reasoning follows standard formulas in least squares adjustment theory, particularly for condition adjustment problems.

- Degrees of freedom is calculated as the total number of observations minus the number of necessary observations: 18 - 9 = 9.

- In the method of condition adjustment, the number of condition equations equals the number of necessary observations, which is 9, as this represents the independent conditions derived from the observations.

- When 9 parameters are chosen with 2 constraint conditions among them, the method of condition adjustment with constraints requires general condition equations equal to the number of parameters minus the number of constraints: 9 - 2 = 7. This ensures the total effective conditions align with the original degrees of freedom.

- The constraint condition equations directly correspond to the given number of constraints: 2.

This maintains consistency with the redundancy (degrees of freedom = 9), where the general and constraint equations together account for the system without altering the overall statistical degrees of freedom.
  • 可以看到,在本问题的回答中,Qwen3-Max-2026-01-23准确区分了题目的相关概念,采用了正确的计数关系,虽然存在较多反思内容,但仍计算得到正确答案;而Grok-4.1由于混淆了条件方程与参数自由度的关系,导致得到了错误的答案。

注意事项

  1. 大语言模型官方自建榜评测榜单每三月更新一次;

  2. 新模型厂商若想参与该月榜单评测,可在当月25日前发送邮件至opencompass@pjlab.org.cn申请评测申请加入司南OpenCompass月度评测榜单;

  3. 加入司南OpenCompass评测的结果默认公开;

  4. 仅支持开源或对外提供API服务商业化模型(内部迭代研发模型暂不支持评测);

  5. 为了确保公平性,司南通过公开采购的方式获取了商业API服务,其中包括使用硅基流动等服务商API。然而,由于部分API的稳定性问题或敏感词过滤机制,可能会导致某些问题无法获得答案,特此进行说明。

了解更多

最新大语言模型评测榜单已同步上线至司南官网,欢迎大家访问查看更详细的评测数据!

https://rank.opencompass.org.cn/

同时,司南评测体系中大模型评测过程中所用到的工具链均在GitHub开源,诚挚邀请您在学术研究或产品研发过程中使用我们的工具~

https://github.com/open-compass/

《AI实战嵌入式Agent +MCP+skill》课时2.5|定时器实战 本课讲解定时器时基单元原理,通过PSC、ARR、CNT三寄存器配合实现精确周期控制。以84MHz时钟为例,计算得PSC=8399、ARR=9999可实现1秒溢出周期。采用HAL_TIM_Base_Start_IT启动定时器更新中断,在HAL_TIM_PeriodElapsedCallback中处理周期任务,实现非阻塞、高精度的定时。相比HAL_Delay的阻塞式延时,定时器中断方案不占用主循环,支持并发操作,是嵌入式系统中实现周期任务的高效方式。 阅读详情

相关推荐

TBOX(Telematics Box)在智能网联汽车中的核心功能与应用场景解析

TBOX(Telematics Box)是智能网联汽车的“中枢神经”,基于Android或Linux操作系统,并通过CAN总线与车辆深度交互。它实现了远程控制、车辆状态监控、OTA升级及紧急呼叫(E-CALL)等核心功能,是提升用车安全、便利性与实现车辆持续进化的关键技术组件。

weixin_29158413的博客 800

2025.11.17 - 2025.11.21 AI 大模型更新周报:含国内外闭源 / 开源模型全动态

2025年6月推出最新的推理模型。

EnjoyEDU的博客 3948

内网穿透-frp二层隧道搭建

环境: weblogic: 192.168.0.133 10.10.20.12 win7 : 10.10.20.7 10.10.10.7go语言、跨平台的 可以分为frpc和frps frpc—>请求----->frps frps:放到黑客公网上 1.需要出网 2.配置: frpc:放到肉鸡上,请求frps 2.端口转发 2.1frpc传到肉鸡(weblogic) 利用工具,传入内存马到weblogic,然后使用冰蝎进行连接 然后在文件管理中上传frpc.exe和frpc.ini文件 fr

yyytaotao的博客 2100

Gemini-3-Pro-Preview登顶,Agent元年开启:大模型从对话走向执行

随着大模型能力边界扩展,AI应用正从单轮问答走向多步任务执行。Agent技术作为实现自主规划与工具调用的关键路径,在最新AI评测中成为核心权重指标。Gemini-3-Pro-Preview凭借稳定的推理轨迹与原生工具支持登顶1月榜单,印证了行业对“完成任务”能力的重视。从个人助手到企业自动化,Agent已展现广阔的应用空间。开发者可通过自建评测集、最小Agent工程等实操方法,快速切入这一赛道。

weixin_34254848的博客 240

深入解析Linux Suspend/Resume机制——从用户态到内核态的完整流程

本文深入解析Linux Suspend/Resume机制,从用户态触发到内核态执行的完整流程。详细介绍了三种挂起模式(Freeze、Standby、Suspend to RAM)的实现原理,包括系统调用入口、状态验证、设备挂起流程及平台相关操作。同时提供实战调试技巧,帮助开发者解决电源管理中的常见问题。

weixin_29313239的博客 442

使用LabVIEW创建和分析柱状图:从基础绘制到高级数据分析的完整指南

LabVIEW,全称为Laboratory Virtual Instrument Engineering Workbench,是由美国国家仪器公司(National Instruments, NI)开发的一款图形化编程语言。自1986年首次推出以来,LabVIEW凭借其强大的数据采集、分析和控制能力,在工程、科研、教育等领域得到了广泛应用。与传统的文本编程语言不同,LabVIEW采用了图形化编程方式,用户通过连接不同的函数节点来实现复杂的逻辑和算法。

qq_38334677的博客 774

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。

Mardi_Ladin的博客 273

【HYSPLIT 教程第二期】Inline WRF-HYSPLIT 耦合

【HYSPLIT 教程第二期】Inline WRF-HYSPLIT 耦合

WW、forever的博客 808

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。

鸽芷咕的博客 1万+

个人顶级AI助手OpenClaw(Clawdbot) - 新手快速入门指南

本文详细介绍了个人顶级AI助手OpenClaw(Clawdbot) 的快速入门指南,包括安装部署和使用配置及注意事项

program哲学 5301

YOLOv11改进策略【卷积层】| ICCV-2023 LSK大核选择模块 包含二次独家创新

LSK module是。

Limiiiing的博客 1380

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。

laoyunsi的博客 217

【乐企文件生成工程】乐企文件生成支持所有特定要素类型发票

【代码】【乐企文件】乐企文件生成最新更新!!!

九七的博客 849

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”。

米莱虾 249

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

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。

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

2601_96948740的博客 188

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

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

DL_data_set的博客 170

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

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。

2301_79189962的博客 473

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。

T3165919332的博客 62

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%。

johnsong2009的博客 493

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}[\

eloudy的专栏 226

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。

2401_86491085的博客 590

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,

weixin_42963026的博客 310

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。

weixin_62919816的博客 169

视觉推理是在看图,还是依赖语言先验猜答案?

问一张香蕉照片“它是什么颜色”,回答黄色可能来自看图,也可能来自常识。把香蕉换成红色,错误才显露出来;但答错仍可能是没看清颜色、没理解问题,或没有把看到的属性用于回答。**总正确率不能独自区分这些解释。**封面中的红色香蕉只是概念插画,不是论文测试样本。

weixin_44369324的博客 138

设计师工作室 GEO 实操:如何提升 AI 实体推荐概率

设计工作室 GEO 的本质,是把创意服务转化为 AI 可理解的结构化信息。核心动作可归纳为:区分事实与审美、建立实体图谱、预判用户提问、输出脱敏内容、搭建多信源、持续测试验证。梳理工作室的 6 个实体属性:品类、城市、流程、边界、团队、渠道。在官网或作品集平台发布至少 3 篇结构化项目复盘,只陈述事实。输出 1 篇「设计报价影响因素」科普内容,覆盖甲方高频提问。争取 1 次行业媒体或本地媒体专访,形成第三方信源。每周用「XX 城市 + 品类 + 设计工作室推荐」指令测试,记录出现频率。

goujunwe的博客 303

AI作图软件技术选型:从4个技术维度出发的实测对比

AI作图软件技术选型:从4个技术维度出发的实测对比

Vbaoke的博客 183
上一篇: 当模型开始“记住”评测,如何用动态数据对抗污染?(上篇)
下一篇: Gemini-3.1-Pro-Preview登顶,国产模型表现亮眼丨多模态模型2月最新榜单揭晓
司南评测
博客等级 码龄2年 535粉丝 113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