AI超清修复出黄家驹眼里的光、LeCun大佬《深度学习》课程生还报告、绝美画作只需一行代码、AI最新论文 | ShowMeAI资讯日报

「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

ShowMeAI日报系列全新升级!覆盖AI人工智能 工具&框架 | 项目&代码 | 博文&分享 | 数据&资源 | 研究&论文 等方向。点击查看 历史文章列表,在公众号内订阅话题 #ShowMeAI资讯日报,可接收每日最新推送。点击 专题合辑&电子月刊 快速浏览各专题全集。点击 这里 回复关键字 日报 免费获取AI电子月刊与资料包。

🎥 AI修复黄家驹31年前经典画面

7月3日晚,利用AI技术修复的Beyond『1991生命接触演唱会』,时隔31年在抖音平台重映。此次超清修复重映,将分辨率不足540p提升到接近4K,皮肤、笑容等细节全都清晰可见。

工具&框架

🚧【DiscoArt】一行代码使用Disco Diffusion生成艺术图

https://github.com/jina-ai/discoart

Disco Diffusion 是一款 Google Colab Notebook 免费工具,使用 Python 语言由文本创建精美的图像和视频。DiscoArt 简化了这个过程,使得结果可复现、持久性、gRPC/HTTP服务、后期分析等更加简洁,帮助艺术工作者和AI爱好者等更优雅地创作。

🚧【Versatile Data Kit (VDK) 】使用SQL或Python知识构建数据流水线

https://github.com/vmware/versatile-data-kit

VDK(多功能数据工具包)是一个开源框架,由 Data SDK 和 Control Service 两个套件组成。数据工程师可以同时使用SQL或Python语言,进行开发、部署、运行和管理数据作业。下图展示了数据流程及VDK发挥的作用。

🚧【The Nettle Magic Project】扑克条码扫描器,通过扫描扑克侧边组成的二维码确定每张牌的位置

https://github.com/nettlep/magichttps://github.com/nettlep/magic

找到只能在特定红外条件下才能被识别的墨水,并对一副扑克牌的边缘进行标记。使用带有NoIR摄像机的树莓派Zero W可以检测到这些标记,配合iPad上运行的iOS客户端应用程序,就可以对扑克牌和红外标记进行清晰地识别。

🚧【wenet_trt8】用TRT8部署开源语音识别工具包

https://github.com/huismiling/wenet_trt8

WeNet 是一款面向工业落地应用的语音识别工具包,模型由 encoder 和 decoder 两部分组成。本项目使用FP32模型(Pytorch直接导出的),使用ORT(ONNX Run Time)和PPQ两种量化方法对WeNet模型进行量化。

  • 使用ORT量化:模型测试结果WER:6.06%,耗时:Encoder 7.34ms,Decoder 3.32ms。数据集效果下降1.46%,而Encoder加速2.5倍,Decoder加速6.3倍。
  • 使用PPQ量化:模型测试结果WER:5.71%,耗时:Encoder 12.14ms,Decoder 2.68ms。数据集效果下降1.11%,而Encoder加速1.5倍,Decoder加速7.7倍。

博文&分享

📚 纽约大学《深度学习(2021) 》课程总结与学习笔记

笔记: https://dimgeo.com/posts/NYU-2021-DL-course-overview-and-notes/

课程: https://atcold.github.io/NYU-DLSP21/

NYU 2021《DEEP LEARNING》的讲师,一位是大名鼎鼎的 Yann LeCun,另一位是纽约大学计算机科学系的助理教授 Alfredo。课程约 50 小时,信息非常密集、涵盖广泛、并且包含了 Facebook AI 研究实验室客座讲师展示的CV和NLP方面的行业最新进展。不过!要做好准备哦!LeCun 的课程不像 Andrew NG 吴恩达那样友好,且需要具备基本的机器学习知识和线性代数知识。

📚《面向程序员的马尔可夫链》免费电子书

https://github.com/czekster/markov

pdf: https://czekster.github.io/markov/MC-for-programmers2022.pdf

本书作者 Ricardo M. Czekster,讲解马尔可夫链及基本求解方法,包含Markov Chains、DTMC、CTMC等章节(目录见下方图片)。可以在GitHub页面找到本书的基础材料,例如C编程代码和解决方案、MATLAB脚本、本书提供的示例的棱柱模型(CTMC/DTMC)等。

📚 2022中国未来独角兽TOP100榜单

在第六届万物生长大会·中国未来独角兽大会上,《2022中国未来独角兽TOP100榜单》正式发布,聚焦企业服务、人工智能、新消费、先进制造、元宇宙5大领域,并在各领域精选出20家优质企业。榜单放在这里啦!供各位AI小可爱们参考~

数据&资源

✨ 瑞士日内瓦大学《深度学习》课程视频及资料

https://fleuret.org/dlc/

UNIGE 14x050《Deep Learning》课程对深度学习进行了全面介绍,并附有 PyTorch 框架中的示例:

  • 机器学习目标和主要挑战
  • 张量运算
  • 自动微分,梯度下降
  • 深度学习特定技术
  • 生成的、循环的、注意力模型

✨ 人脸超分辨率 / hallucination 相关工作列表

https://github.com/junjun-jiang/Face-Hallucination-Benchmark

Face-Hallucination-Benchmark:A collection of state-of-the-art face super-resolution/hallucination methods by Junjun Jiang

研究&论文

可以点击 这里 回复关键字 日报,免费获取整理好的论文合辑。

科研进展

  • 2022年6月27日【深度学习】| Benchopt: Reproducible, efficient and collaborative optimization benchmarks

  • ICLR 2020【图神经网络】| Measuring and Improving the Use of Graph Information in Graph Neural Networks

  • 2022年6月27日【自然语言处理】| Center-Embedding and Constituency in the Brain and a New Characterization of Context-Free Languages

  • 2022年6月27日【自然语言处理】| Endowing Language Models with Multimodal Knowledge Graph Representations

  • 2022年6月27日【机器学习】| Fast sequence to graph alignment using the graph wavefront algorithm

  • 2022年6月27日【计算机视觉】| CLTS-GAN: Color-Lighting-Texture-Specular Reflection Augmentation for Colonoscopy

📌 论文:Benchopt: Reproducible, efficient and collaborative optimization benchmarks

论文标题:Benchopt: Reproducible, efficient and collaborative optimization benchmarks

论文时间:27 Jun 2022

所属领域:深度学习

对应任务:Image Classification,Stochastic Optimization,图像分类,随机优化

论文地址:https://arxiv.org/abs/2206.13424

代码实现:https://github.com/benchopt/benchopt

论文作者:Thomas Moreau, Mathurin Massias, Alexandre Gramfort, Pierre Ablin, Pierre-Antoine Bannier, Benjamin Charlier, Mathieu Dagréou, Tom Dupré La Tour, Ghislain Durif, Cassio F. Dantas, Quentin Klopfenstein, Johan Larsson, En Lai, Tanguy Lefort, Benoit Malézieux, Badr Moufad, Binh T. Nguyen, Alain Rakotomamonjy, Zaccharie Ramzi, Joseph Salmon, Samuel Vaiter

论文简介:Numerical validation is at the core of machine learning research as it allows to assess the actual impact of new methods, and to confirm the agreement between theory and practice./数值验证是机器学习研究的核心,因为它可以评估新方法的实际影响,并确认理论和实践之间的一致性。

论文摘要:数值验证是机器学习研究的核心,因为它可以评估新方法的实际影响,并确认理论和实践之间的一致性。然而,该领域的快速发展带来了一些挑战:研究人员面临着大量需要比较的方法、有限的透明度和关于最佳实践的共识,以及繁琐的重新实施工作。因此,验证往往是非常片面的,这可能导致错误的结论,减缓研究的进展。我们提出了Benchopt,这是一个合作框架,用于自动化、复制和发布跨编程语言和硬件架构的机器学习的优化基准。Benchopt通过提供一个现成的工具来运行、分享和扩展实验,从而简化了社区的基准测试。为了证明其广泛的可用性,我们展示了三个标准学习任务的基准:ℓ2-regularized logistic regression, Lasso, 和ResNet18图像分类训练。这些基准突出了关键的实际发现,对这些问题的最先进水平给出了更细致的看法,表明对于实际评估来说,关键在细节中。我们希望Benchopt能够促进社区的合作,从而提高研究结果的可重复性。

📌 论文:Measuring and Improving the Use of Graph Information in Graph Neural Networks

论文标题:Measuring and Improving the Use of Graph Information in Graph Neural Networks

论文时间:ICLR 2020

所属领域:图神经网络

对应任务:Representation Learning,表征学习

论文地址:https://arxiv.org/abs/2206.13170

代码实现:https://github.com/yifan-h/CS-GNN

论文作者:Yifan Hou, Jian Zhang, James Cheng, Kaili Ma, Richard T. B. Ma, Hongzhi Chen, Ming-Chang Yang

论文简介:Graph neural networks (GNNs) have been widely used for representation learning on graph data./图神经网络(GNNs)已被广泛用于图数据的表示学习。

论文摘要:图神经网络(GNNs)已被广泛用于图数据的表示学习。然而,人们对GNNs从图数据中实际获得多少性能了解有限。本文介绍了一个基于上下文的GNN框架,并提出了两个平滑度指标来衡量从图数据中获得信息的数量和质量。然后设计了一个新的GNN模型,称为CS-GNN,以改善基于图平滑度值的图信息的使用。CS-GNN被证明在不同类型的真实图中取得了比现有方法更好的性能。

📌 论文:Center-Embedding and Constituency in the Brain and a New Characterization of Context-Free Languages

论文标题:Center-Embedding and Constituency in the Brain and a New Characterization of Context-Free Languages

论文时间:27 Jun 2022

所属领域:自然语言处理

对应任务:Dependency Parsing,依存解析

论文地址:https://arxiv.org/abs/2206.13217

代码实现:https://github.com/dmitropolsky/assemblies

论文作者:Daniel Mitropolsky, Adiba Ejaz, Mirah Shi, Mihalis Yannakakis, Christos H. Papadimitriou

论文简介:We address two of the most important questions left open by that work: constituency (the identification of key parts of the sentence such as the verb phrase) and the processing of dependent sentences, especially center-embedded ones./我们讨论了这项工作留下的两个最重要的问题:构词法(识别句子的关键部分,如动词短语)和从属句的处理,特别是中心嵌入的句子。

论文摘要:最近,一个完全通过神经元实现的计算系统被证明能够进行语法,即进行简单英语句子的依存分析。我们讨论了这项工作留下的两个最重要的问题:构词法(识别句子的关键部分,如动词短语)和从属句的处理,特别是中心嵌入的句子。我们表明,语言的这两个方面也可以由神经元和突触来实现,其方式与已知的或广泛认为的语言器官的结构和功能相一致。令人惊讶的是,我们实现中心嵌入的方式指向了无语境语言的新特征。

📌 论文:Endowing Language Models with Multimodal Knowledge Graph Representations

论文标题:Endowing Language Models with Multimodal Knowledge Graph Representations

论文时间:27 Jun 2022

所属领域:自然语言处理

对应任务:Multilingual Named Entity Recognition,named-entity-recognition,+1

论文地址:https://arxiv.org/abs/2206.13163

代码实现:https://github.com/iacercalixto/visualsem

论文作者:Ningyuan Huang, Yash R. Deshpande, Yibo Liu, Houda Alberts, Kyunghyun Cho, Clara Vania, Iacer Calixto

论文简介:We use the recently released VisualSem KG as our external knowledge repository, which covers a subset of Wikipedia and WordNet entities, and compare a mix of tuple-based and graph-based algorithms to learn entity and relation representations that are grounded on the KG multimodal information./我们使用最近发布的VisualSem KG作为我们的外部知识库,它涵盖了维基百科和WordNet实体的一个子集,并比较了基于元组和基于图的混合算法来学习基于KG多模态信息的实体和关系表示。

论文摘要:我们提出了一种方法,通过在外部知识图谱(KG)中存储知识并使用密集索引从该KG中检索,使自然语言理解模型的参数效率更高。鉴于下游任务数据(可能是多语言的),例如德语句子,我们从KG中检索实体,并使用它们的多模态表示来提高下游任务的性能。我们使用最近发布的VisualSem KG作为我们的外部知识库,它涵盖了维基百科和WordNet实体的一个子集,并比较了基于元组和基于图的混合算法来学习基于KG多模态信息的实体和关系表示。我们在两个下游任务中证明了所学实体表征的有用性,并显示在多语言命名实体识别任务中的性能提高了0.3%-0.7% F1,而在视觉意义上的歧义任务中,我们实现了高达2.5%的准确性提高。我们所有的代码和数据都可以在以下网站找到 https://github.com/iacercalixto/visualsem-kg

📌 论文:Fast sequence to graph alignment using the graph wavefront algorithm

论文标题:Fast sequence to graph alignment using the graph wavefront algorithm

论文时间:27 Jun 2022

所属领域:机器学习

论文地址:https://arxiv.org/abs/2206.13574

代码实现:https://github.com/lh3/gwfa

论文作者:Haowen Zhang, Shiqi Wu, Srinivas Aluru, Heng Li

论文简介:Motivation: A pan-genome graph represents a collection of genomes and encodes sequence variations between them./一个泛基因组图表示一个基因组的集合,并对它们之间的序列变化进行编码。

论文摘要:泛基因组图表示基因组的集合,并对它们之间的序列变化进行编码。它是一个强大的数据结构,用于研究多个相似的基因组。序列与图的比对是构建和分析泛基因组图的一个重要步骤。然而,现有的算法产生的运行时间与序列长度和图的大小的乘积成正比,使得它们在对大图进行长序列比对时效率低下。结果。我们提出了图形波前对齐算法(Gwfa),这是一种将序列与序列图对齐的新方法。尽管Gwfa的最坏情况下的时间复杂度与现有的算法相同,但它被设计为对紧密匹配的序列运行得更快,而且它在实践中的运行时间往往只随着最佳对齐的编辑距离而适度增加。在四个真实的数据集上,Gwfa比其他精确的序列到图的排列算法快四个数量级。我们还在Gwfa的基础上提出了一个启发式图修剪,它可以在大图上实现额外的∼10倍的速度提升。Gwfa代码可在 https://github.com/lh3/gwfa 获取。

📌 论文:CLTS-GAN: Color-Lighting-Texture-Specular Reflection Augmentation for Colonoscopy

论文标题:CLTS-GAN: Color-Lighting-Texture-Specular Reflection Augmentation for Colonoscopy

论文时间:29 Jun 2022

所属领域:计算机视觉

论文地址:https://arxiv.org/abs/2206.14951

代码实现:https://github.com/nadeemlab/CEP

论文作者:Shawn Mathew, Saad Nadeem, Arie Kaufman

论文简介:Automated analysis of optical colonoscopy (OC) video frames (to assist endoscopists during OC) is challenging due to variations in color, lighting, texture, and specular reflections./由于颜色、照明、纹理和镜面反射的变化,光学结肠镜(OC)视频帧的自动分析(在OC期间协助内窥镜医师)具有挑战性。

论文摘要:由于颜色、照明、纹理和镜面反射的变化,光学结肠镜(OC)视频帧的自动分析(在OC期间协助内窥镜医生)具有挑战性。以前的方法要么通过预处理去除其中的一些变化(使处理流水线变得繁琐),要么增加带有注释的不同训练数据(但昂贵且耗时)。我们提出了CLTS-GAN,一个新的深度学习模型,对OC视频帧的颜色、照明、纹理和镜面反射合成进行精细控制。我们表明,在训练数据中加入这些结肠镜特有的增强功能,可以改善最先进的息肉检测/分割方法,并推动下一代结肠镜模拟器用于培训医学生。CLTS-GAN的代码和预训练模型可在计算内窥镜平台GitHub https://github.com/nadeemlab/CEP 上获得。

我们是 ShowMeAI,致力于传播AI优质内容,分享行业解决方案,用知识加速每一次技术成长!点击查看 历史文章列表,在公众号内订阅话题 #ShowMeAI资讯日报,可接收每日最新推送。点击 专题合辑&电子月刊 快速浏览各专题全集。点击 这里 回复关键字 日报 免费获取AI电子月刊与资料包。

小爱音箱Play增强版刷机接入大模型:自定义唤醒词与远程控制全攻略 智能音箱作为家庭语音入口,受限于厂商预设技能,难以满足个性化需求。通过串口刷机与Linux系统分区改造,可以完全掌控设备底层,将豆包、通义千问等大模型API接入原有音频链路,实现真正智能的语音问答。自定义唤醒词打破了“小爱同学”的唯一唤醒方式,结合ESP32-S3外挂模块,还能优化远场拾音。更深入的应用在于将音箱打造为家庭中控,通过大模型工具调用解析自然语言指令,实现远程控制电脑、智能灯等设备。本文从设备选型、拆机串口、系统备份到语音链路搭建,完整梳理了小爱音箱Play增强版的改造路径,适合具备动手能力的开 阅读详情

相关推荐

tinkerCAD入门操作(2):移动、旋转和缩放对象

现在您已经学会了如何在工作平面上旋转,是时候真正开始处理对象了。在本课中,您将了解有关对象物理属性的更多信息。

acktomas的博客 4976

多模态知识图谱构建系统论文笔记

知识图谱构建论文小结

SofiaT的博客 2663

读《认知科学导论》(萨伽德) 总结

1. 作者的写作思路 本书是建立在对心智的理解采用表征与计算的方式。对心智表征-计算的理解方式是与计算机的本质相联系。计算机本质上是一个符号系统,符号系统包含两个部分,一个是符号,另一个是建立在符号上的操作。对心智采用表征-计算的方式理解,很容易与计算机建立起类比关系。同时人们在探索人工智能领域采用表征-计算方式已经取得了无数辉煌的成就,故表征-计算式现在研究的主流方法。 本书的有两个部分组成

xiaoqiangXX的专栏 3451

Visual Semantic Role Labeling论文笔记

前言 这是2015年发表在CS上的一篇文章,论文地址点这里 笔记 本篇文章的作者其实是模仿了效仿NLP中的SRL,即语义角色标注,就是给出一段话,要将这句话分词,以谓词为准,得到一系列的agent、instrument、object等。作者所说的VSRL就是给出一幅图片,给出图片中发生的动作,并框出人和与人交互的物体即object。文章反复出现的different semantic role其实就是说一个物体在不同的动作过程中会扮演不同的角色。比如像击球这个动作中,棒球棒扮演的是工具(instr)、棒球

qq_46805191的博客 1390

别再手动算重量了!用C++给UG/NX写个自动计算零件质量与质心的插件(附完整源码)

本文详细介绍了如何使用C++为UG/NX开发智能质量分析插件,实现零件质量与质心的自动计算。通过结合NXOpen和UF_MODL API,设计高效的数据结构和批量处理机制,大幅提升机械设计效率。文章包含完整源码和实用技巧,帮助工程师告别手动计算,适用于复杂装配体的自动化工程计算。

weixin_30247307的博客 137

EB配置I2c - 实现与PF8200的读写操作

①,基于硬件实现IIC通信(硬件GPIO引脚配置为I2c复用引脚)②,基于软件模拟IO实现IIC通信(代码控制SDA和SCL两个IO引脚的电平来模拟IIC时序)本文章基于64pin的恩智浦S32K146型号的芯片作为主机,从机是NXP的供电芯片。在本次实验中,我们将以使用EB工具链来配置硬件IIC通信。1,EB配置2,代码编写3,测试验证话不多说,走你~写操作比较简单,只需要申明一个I2c配置结构体变量即可。

weixin_48498880的博客 3768

教你一行代码自动绘制艺术画 (Discoart)

DiscoArt 是一个很牛逼的开源模块,它能根据你给定的关键词自动绘画。绘制过程是完全可见的,你可以在 jupyter 页面上看见这个绘制的过程:1.准备开始之前,你要确保Python和pip已经成功安装在电脑上,如果没有,可以访问这篇文章:超详细Python安装指南进行安装。(可选1)如果你用Python的目的是数据分析,可以直接安装Anaconda:Python数据分析与挖掘好帮手—An...

Python实用宝典网 1505

风控域——决策引擎系统设计

本文详细介绍了风控决策引擎系统的设计与应用。决策引擎系统是一种智能化工具,可自动化、数据驱动地辅助或替代人工决策,广泛应用于金融、医疗、营销、风控等领域。文章阐述了决策引擎的核心功能,包括自动化决策、动态规则管理、实时处理和模型集成,以及系统组成,涵盖数据输入层、规则引擎和模型服务层。此外,还探讨了决策引擎的典型应用场景、技术架构、组件设计,以及风控决策引擎系统的技术方案、设计难点和重点。

庄小焱 3321

LiteLLM回调系统:企业级AI网关的完整监控与可观测性终极指南

在构建生产级AI应用时,监控与可观测性已成为技术决策者最关注的挑战之一。当业务依赖多个AI服务提供商时,如何统一记录请求、追踪性能、及时发现异常?本文将深入解析LiteLLM回调系统的企业级实现,提供从架构设计到生产部署的完整解决方案。 ## 为什么传统监控方案在AI场景下失效? 现代AI应用面临三大监控挑战:**多厂商兼容性**、**实时性要求**、**成本控制需求**。传统监控工具难以处理

gitblog_00099的博客 553

基于环形槽谐振器与PIN二极管的频率可重构Vivaldi天线设计与CST仿真研究

摘要 本文设计了一种基于FR4基板的频率可重构Vivaldi天线,通过集成环形槽谐振器(CSRR)和PIN二极管开关实现超宽带(UWB,2-8 GHz)与窄带(2.4/3.5/5.2 GHz)模式的电控切换。天线采用指数渐变槽线结构,结合CSRR的滤波特性和PIN二极管的开关功能,利用CST仿真优化参数。结果表明,UWB模式下S11<-10 dB,窄带模式下目标频点谐振显著,其他频段抑制良好,验证了设计的可行性。该方案为多频段无线通信系统提供了紧凑、低成本的可重构天线解决方案。 关键词:频率可重构天线

huanghm88的专栏 222

轴承寿命预测 | 基于BiLSTM双向长短期记忆神经网络的轴承寿命预测附matlab完整代码

轴承寿命预测 | 基于BiLSTM双向长短期记忆神经网络的轴承寿命预测附matlab完整代码

默默科研仔的博客 277

大麦网自动抢票脚本终极指南:如何用Python实现90%成功率抢票

还在为抢不到心仪的演唱会门票而烦恼吗?当周杰伦、TFBOYS等热门演出开票时,你是否总是手速不够快?今天,我将为你揭秘一个改变游戏规则的解决方案——**大麦网自动抢票脚本**。这个基于Python开发的智能工具,通过模拟用户操作和自动化流程,帮你在大麦网实现高效、精准的票务抢购,将抢票成功率从不足10%提升到惊人的90%以上。 ## 🎯 从绝望到希望:为什么你需要自动化抢票工具 在数字时代的

gitblog_00423的博客 350

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

Python3,2分钟掌握Doscoart库,你也能成为艺术家。

Doscoart, 激活了我的艺术细胞。

商务合作 | 面试培训 | 职场规划 ==>主页扫码 7010

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

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

OH回顾 | Jina 全家桶产品最近动态

7 月 14 日 Jina AI 举办了首次面向中文社区用户的 Office Hours 活动,CTO 王楠带领工程师们分享了 Jina 全家桶的最新产品动态,本文为分享回顾。没来得及参与本次 Office Hours 的小伙伴,可点击下方视频号,查看回放:【Show Notes】00:04 DocArray 更新01:15 CLIP as service0...

Jina AI 的博客 547

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

论文笔记:Visual Semantic Navigation Using Scene Priors

Visual Semantic Navigation Using Scene Priors 2018-10-2119:39:26 Paper:https://arxiv.org/pdf/1810.06543.pdf Demo:https://www.youtube.com/watch?v=otKjuO805dE&feature=youtu.be 本文...

a1424262219的博客 654

2小时超1.4亿人观看!AI解锁31年前Beyond演唱会,炸出一代人青春

视学算法报道编辑:桃子 Joey 好困【新智元导读】Beyond 1991生命接触演唱会超清修复版来了!回忆开启,你准备好了吗?7月3日,黄家驹超清回归,炸出了一代人的青春。在Beyond书写音乐的历史上,有两场音乐会最为值得纪念。一场便是1991年,连续举办5天的「Beyond Live1991生命接触」演唱会。29岁的黄家驹率领Beyond成员登上红馆,成为一...

zandaoguang的博客 529

31年前的Beyond演唱会,是如何超清修复的?

7月3日晚,超清修复版的 Beyond 演唱会精选上线直播平台,获得超1.4亿人次收看。

字节跳动视频云 6867

python使用discover方法遍历所有要执行的用例

当我们写了一个单个py的测试文件时直接运行就ok了,但当我们有很多很多个这样的py 时,难道要一个一个的点击来运行吗,当然不是。我们可以通过discover方法来找到所有的 用例。 下面直接举例说明discover用法:一、 准备工作 目录结构: DiscoverCase.py 文件代码 import unittest import os def di...

weixin_34087307的博客 411

揭开周获 18k star 开源项目的神秘面纱「GitHub 热点速览 v.22.28」

作者:HelloGitHub-小鱼干本周 GitHub Trending 的项目重量十足,比如标题的一周获得 18k+ 的高性能 JS Runtime——bun,用性能来体现了它的“含金量”。同样有重量的还有一行代码就能让你生成一幅画作的 discoart,大概这就是艺术。虽然不具有 discoart 那样的趣味性,周获得 3.75k 的 Go 项目 pocketbase...

HelloGitHub 的博客 1049

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 329

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 262

【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 609

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 199

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 333
上一篇: B站UP搭建世界首个纯红石神经网络、基于深度学习动作识别的色情检测、陈天奇《机器学编译MLC》课程进展、AI前沿论文 | ShowMeAI资讯日报
下一篇: 听杰伦新歌发现QQ音乐元宇宙,权游角色关系可视化地图、VNote 工具(Typora:勿cue谢谢)、最新论文 | ShowMeAI资讯日报
ShowMeAI
博客等级 码龄5年 6514粉丝 672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

打赏作者

ShowMeAI

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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