团队人员情况

最新推荐文章于 2025-11-27 14:26:48 发布
原创 最新推荐文章于 2025-11-27 14:26:48 发布 · 773 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

linux底层技术团队：李华生 朱寅寅 戴贤俊 殷中宏 杨雷

docker API研究团队：龙善敏

GO语言研究团队：章海怒

docker应用研究团队：魏帅 江玉八 高臻

【人工智能教育应用】DeepSeek大模型赋能高校教学与科研：多模态教学资源融合及智能学伴系统设计了文档的核心内容
08-08
内容概要：本文介绍了厦门大学林子雨副教授关于DeepSeek大模型赋能高校教学和科研的相关内容。DeepSeek系列报告涵盖大...文中详细阐述了人工智能发展简史、大模型的概念与发展历程、大模型分类（语言、视觉、多模态）、
厦门大学deepseek大模型概念、技术与应用实践（140页PPT读懂大模型）
02-17
厦门大学deepseek大模型概念、技术与应用实践（140页PPT读懂大模型） 在数字化浪潮汹涌澎湃的当下，大模型如同一颗璀璨新星，强势崛起并迅速成为科技领域的焦 点。从最初的理论探索到如今在各个行业的广泛应用，大...
新书速览|DeepSeek大模型高性能核心技术与多模态融合开发
quanzhankaifaqua的博客
03-11 976
内容涵盖高性能注意力与多模态融合概述、PyTorch深度学习环境搭建、DeepSeek注意力机制详解（包括基础篇、进阶篇、高级篇及调优篇）、在线与本地部署的DeepSeek实战（如旅游特种兵迪士尼大作战、广告文案撰写与微调、智能客服等），以及多模态融合技术与实战应用（如Diffusion可控图像生成、多模态图文理解与问答、交叉注意力语音转换、端到端视频分类等）。DeepSeek多模态大模型正备受瞩目，而其背后的高性能注意力机制与多模态融合技术更是成为了深度学习研究领域的热点。
DeepSeek大模型高性能核心技术与多模态融合开发
热门推荐
weixin_43178406的博客
04-01 12万+
本文主要介绍了DeepSeek大模型高性能核心技术与多模态融合开发，希望能对学习大模型的同学们有所帮助。 文章目录 1. 前言 2. 书籍推荐 2.1 内容简介 2.2 本书作者 2.3 本书目录 2.4 适合读者 3. 购买链接
DeepSeek 大模型高性能核心技术与多模态融合开发【好书推荐】
一键难忘的博客
03-27 5547
DeepSeek大模型高性能核心技术与多模态融合开发》共分15章，内容涵盖高性能注意力与多模态融合概述、PyTorch深度学习环境搭建、DeepSeek注意力机制详解（包括基础篇、进阶篇、高级篇及调优篇）、在线与本地部署的DeepSeek实战（如旅游特种兵迪士尼大作战、广告文案撰写与微调、智能客服等），以及多模态融合技术与实战应用（如Diffusion可控图像生成、多模态图文理解与问答、交叉注意力语音转换、端到端视频分类等）。近年来，人工智能领域的快速发展推动了大规模预训练模型的演进，其中。
揭秘DeepSeek大模型！高性能核心技术+多模态融合全面解析
Python、C++、HTML、Java
03-17 7187
在人工智能迅猛发展的时代，大模型技术正逐步成为推动智能化应用的重要驱动力。从自然语言处理到多模态融合，从文本生成到代码理解，深度学习的突破正在不断改变技术生态。近年来，以Transformer架构为核心的大规模预训练模型（如GPT、DeepSeek等）在全球范围内引发了广泛关注，它们在自然语言处理、图像识别、代码生成等多个领域展现出了前所未有的性能和泛化能力。DeepSeek大模型作为国产开源大模型的代表之一，凭借高效的预训练方法、强大的推理能力和多模态融合技术，在全球人工智能竞赛中崭露头角。
‌破界创新，智领未来——《DeepSeek大模型高性能核心技术与多模态融合开发》重磅发布！
颜颜yan_的博客
03-31 6万+
从理论到实战，解锁国产大模型技术密码，领航多模态智能新时代！‌作为国产大模型的标杆，DeepSeek以卓越的性能与创新架构引领人工智能技术浪潮。本书由DeepSeek核心研发团队倾力打造，首次系统性揭秘其核心技术——‌多头潜在注意力（MLA）‌与‌混合专家模型（MoE）‌，并深入解析多模态融合的实践方法论，为开发者提供从原理到落地的全栈指南。《DeepSeek大模型高性能核心技术与多模态融合开发》
《DeepSeek大模型高性能核心技术与多模态融合开发》-15.2节 带有跨平台客户端的智能客服开发实战
✨ 欢迎来到【Seal ^_^ 的优快云博客】！✨
06-19 5499
本文介绍了如何利用DeepSeek大模型和Gradio框架构建电商智能客服系统。系统采用模块化设计，包含商品查询、订单跟踪等核心功能，通过DeepSeek-R1模型实现自然语言交互。
电力人工智能多模态大模型创新技术与应用
04-03
电力人工智能多模态大模型是一种综合人工智能技术的创新应用，它在电力系统运行中发挥着重要的作用。人工智能的概念最早可以追溯到20世纪50年代，经历了多个发展阶段，包括推理期、知识期、统计学习时期、集成方法...
DeepSeek：引爆全球的高性能AI大模型及其技术创新、应用场景与未来展望
01-29
内容概要：文章介绍了DeepSeek这款由杭州深度求索人工智能基础技术研究有限公司开发的大模型及其广泛应用。自从DeepSeek推出以来，它在全球AI领域引发了广泛关注和热议，尤其以其极低的成本和卓越的性能脱颖而出。...
【高性能计算】Deepseek R1本地部署指南：多模态大语言模型的硬件配置与云端替代方案综述了文档的核心内容
05-18
内容概要：《Deepseek R1本地部署完全手册》为技术团队提供了完整的本地部署指南，涵盖了硬件配置、国产芯片适配、量化方案、云端替代方案及完整671B MoE模型的Ollama部署方法。手册详细列出了不同模型参数对应的...
基于学习的人工智能（1）为什么学习？
致力于大数据+AI 的应用创新。
11-24 276
学习是人类最重要的认知活动之一，贯穿我们的一生。出生后，我们无时无刻不在学习：从父母那里学说话，自己尝试走路，从小伙伴那里学会折纸飞机，从老师那里学到语文、数学等各种知识。研究人员始终将光源和风扇放在同一侧，经由学习，玉米幼苗逐渐学会了“有风的地方就会有光”的规律。之后，研究人员移去光源，并改变风扇方向，玉米幼苗依然按照所学知识，向风扇方向生长。1959 年，美国计算机学家亚瑟·塞缪尔设计了一款可以自我学习的跳棋程序，并将这一新方法称为“机器学习”，从而开启了机器自我学习的道路。
三大空间信息焕新：辉视让酒店服务、教育通知、监所管控更智能高效
CalebLXL的博客
11-24 804
走访这些场所后我发现，系统的真正价值不在于那些炫目的屏幕，而在于它构建了一套"空间信息免疫系统"——就像人体淋巴网络般，能智能识别各区域的信息需求，精准输送"营养"，快速清除"毒素"。当我们在酒店大堂不再错过末班机场大巴，在学校走廊偶遇恰好需要的竞赛通知，甚至在高墙内获得规整的信息权时，或许该重新思考：所谓智能化，本质是对空间信息代谢效率的一次外科手术式改造。这种荒诞的割裂感，正是传统信息分发模式崩溃的缩影——直到我最近走访数家采用辉视系统的场所，才意识到我们早已进入"精准信息触达"的新纪元。
（116页PPT）关于5G和新基建赋能智慧工地整体解决方案（附下载方式）
2501_92808811的博客
11-25 566
在整体架构方面，方案以“5G智慧工地平台”为核心，依托多类感知设备（如传感器、摄像头、AI眼镜、智能安全帽等）采集数据，通过5G网络实时回传至云平台，再借助大数据、云计算、人工智能等技术进行分析处理，最终在PC、手机、监控大屏等多终端进行可视化展示。此外，文件还详细列举了传统智慧工地子系统（如深基坑监测、升降机监控、扬尘噪音监测、智能水电计量等）的功能与部署方式，并补充了如5G企业专网、实测机器人、智慧科技体验中心等延伸应用，体现出方案的系统性与前瞻性。详细资料请看本解读文章的最后内容。
信息检索13
2301_80828873的博客
11-26 966
最近邻检索的方法，PQ，IVF,HNSW
RAG 的诞生：为了让 AI 不再“乱编”
weixin_44876263的博客
11-24 746
RAG全称，中文为“检索增强生成”。其核心思想是：在生成答案时，不仅依赖大模型内部的训练知识，还能够实时访问外部知识库或文档，从而生成更加准确和可靠的内容。就像一个学生回答问题，不仅依靠自己记忆，还会去图书馆查资料，然后结合记忆和查到的资料回答问题。你问模型：“请告诉我最新的新能源补贴政策。纯模型可能只靠训练记忆，回答的是过时或模糊的信息。RAG 模型会先去查最新政策文件，再结合训练知识生成答案，因此更准确。检索资料：先找到相关文档或信息。结合生成：把找到的资料和问题一起输入模型，让模型生成答案。
RAG信息检索全解析：从Embedding到Reranker的超详细教程1
最新发布
Trb201013的博客
11-27 289
文章介绍了RAG系统中信息检索环节的核心技术，包括文档段落嵌入和用户查询嵌入，将文本转换为向量表示；详细解释了相似度检索的多种方法，如Top-K检索、MMR策略和Reranker二次排序技术；强调了合理切分策略对嵌入效果的重要性，以及查询扩展技术对提高检索准确度的作用。指出RAG的本质是"开卷考试"，检索质量直接影响最终生成效果。
【LoRA（低秩适应）技术详解：原理、公式与实践】
m0_46882548的博客
11-26 728
参数高效：可训练参数量通常仅为全量微调的0.01% - 3%，极大降低了计算和存储成本。内存友好：由于大部分原始权重被冻结，无需存储其优化器状态，显著减少了训练时的显存占用。无推理延迟：训练后可将LoRA权重合并回原模型，推理速度与原始模型一致。模块化与灵活性：一个基础模型可以搭配多个针对不同任务的、体积很小（几兆字节）的LoRA适配器，轻松切换任务。减轻灾难性遗忘：因为原始权重基本不动，模型在适应新任务时更不容易遗忘预训练时获得的通用知识。
【NullSwap】NullSwap: Proactive Identity Cloaking Against Deepfake
人生不是轨道，是旷野。希望每天都有好心情。
11-23 411
由于生成模型的进步，被动检测高质量Deepfake图像的性能瓶颈，主动扰动提供了一种有前途的方法，通过将信号插入良性图像来禁用Deepfake操作。【生成模型的发展，使得生成高质量伪图越来越难被检测】然而，现有的主动扰动方法在以下几个方面仍然不能令人满意：【当前主动扰动存在的问题】1）由于直接元素添加而导致的视觉退化;2）对交换操纵的有效性有限;3）不可避免地依赖于白盒和灰盒设置，以在训练期间涉及生成模型。我们分析了深度伪造swap技术的本质，并论证了保护源身份而非目标图像的必要性。
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
 
红包 添加红包
表情包 插入表情
表情包 代码片
 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