软件开发赛道正大规模应用AI：Anthropic 400万对话大数据研究的启示

surfirst surfirst 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 900+累计阅读 902平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄25年
关注
原创 最新推荐文章于 2026-11-08 12:08:08 发布 902 阅读 AI 写同款· GEO 优化 ›
AI 如何改变职场：从增强到重塑工作的未来 人工智能（AI）正在加速改变职场。无论是软件开发、技术写作，还是商业分析，AI 逐渐渗透到各个行业，为员工提供强大的辅助能力。然而，AI 并未完全取代人类，而是更多地承担“增强”角色，以提高生产力、减少重复性任务，并优化决策过程。 阅读详情

1. 背景

37.2%——这是AI在计算机与数学相关职业中的使用比例，远高于其他任何行业。为什么软件开发成为AI应用的主战场？

近日，AI大模型公司Anthropic发布了一项重要研究论文《Which Economic Tasks are Performed with AI? Evidence from Millions of Claude Conversations》（哪些经济任务正在使用AI？来自数百万Claude对话的证据）。这项研究于2024年第三季度完成，分析了超过400万次真实的Claude.ai对话，通过美国劳工部O*NET数据库的任务和职业视角，全面探索了AI在各行各业的实际应用情况。

作为一名多年关注AI赋能研发的技术博主，我第一时间解读了这份报告。研究结果令人振奋：软件开发和写作相关的工作是使用AI比例最高的工种，而从收入水平看，高收入工种中软件开发所占比例最高。这不仅验证了我们一直以来的观察，也为软件开发行业的未来趋势提供了数据支撑。

2. 论文中的关键发现

2.1 AI应用的职业分布：软件开发遥遥领先

根据Anthropic的研究，以下六个职业类别在AI使用率方面名列前茅：

职业类别AI使用百分比
计算机与数学37.2%
艺术与媒体10.3%
教育与图书馆9.3%
办公室与行政7.9%
生命、物理与社会科学6.4%
商业与金融5.9%

数据清晰地表明，计算机与数学相关职业在AI使用方面遥遥领先，占总使用量的37.2%，几乎是第二名艺术与媒体领域(10.3%)的四倍。这一现象反映了软件开发者对新技术的敏感度和接受度，以及AI在代码生成、调试和优化方面的独特价值。

实例分享：在我的团队中，资深工程师每天平均有2-3小时在与AI结对编程，他们的代码审查效率提升了40%，bug发现率提高了35%。

艺术与媒体领域以及教育行业分列第二、三位，这反映了AI在创意内容生成和知识传播方面的广泛应用。而需要体力劳动的职业如运输、医疗支持以及农林渔业在AI使用中所占比例最小，这与AI目前主要增强认知任务而非物理任务的特性相符。

2.2 技能维度：认知技能主导AI应用场景

研究进一步从技能角度揭示了AI应用的特点：

  • 高使用率技能：批判性思考、阅读理解、编程和写作等认知技能在AI应用中展示出最高的普及率。
  • 低使用率技能：需要物理交互的技能，如安装、设备维护和修理，在AI应用中显示出最低的普及率。
  • 特殊现象："主动倾听"作为第二常见的技能出现，但这很可能反映了Claude等AI系统的默认对话行为，如改述用户输入和提出澄清问题。

在这里插入图片描述

2.3 收入与AI使用的相关性：中等高收入是主战场

研究发现，AI使用与职业收入水平之间存在明显的"倒U型"关系：

  • 高使用率：AI使用率在工资上四分位数的职业中达到峰值，主要是计算机编程人员和网页开发者等计算相关职业。年薪在8-15万美元的开发者是最活跃的AI使用群体。
  • 低使用率：工资尺度两端的职业显示出较低的使用率。例如，服务员（低收入）和麻醉师（高收入）在数据中的代表性最低。
  • 职业准入门槛：随着工作区域从一级到四级的增加（代表所需准备度的增加），AI的使用率也随之增加，在"区域4：需要相当准备"（通常需要四年制学士学位的职业）达到峰值。
  • 专业壁垒：对于"区域5：需要广泛准备"（大多数职业需要高级学位）的职业，AI使用率反而下降，表明人类的入职门槛与AI应用门槛可能存在显著差异。

这一发现特别值得关注：不是初级开发者，也不是最顶尖的专家，而是中级工程师从AI中获益最多。这打破了我们的常规认知，也为企业AI赋能策略提供了重要参考。
在这里插入图片描述

3. 深度分析：AI与软件开发的共生关系

3.1 哪些职业受AI影响较小，为什么？

基于研究数据，以下几类职业目前展示出较低的AI使用率：

  1. 需要物理环境操作的职业

    • 如麻醉师和建筑工人
    • 原因：这些角色需要精确的物理操作和实时环境感知，当前AI尚无法支持

  2. 工资尺度两端的职业

    • 低工资职业如服务员、零售人员
    • 超高工资职业如外科医生、资深律师
    • 原因：前者可能缺乏AI使用的环境和需求，后者则涉及高度专业化决策和法规限制

  3. 准备要求最低或最高的职业

    • "工作区域1"职业（如咖啡师、农业设备操作员）
    • "工作区域5"职业（如药剂师、律师、生物学家）
    • 原因：简单重复性工作的AI应用价值相对较低；而最高专业领域则涉及复杂责任和法规约束

这些发现提示我们，AI的价值主要体现在认知复杂度适中、具有一定结构化特征、同时允许创造性思考的任务中——恰好符合软件开发的特点。

3.2 AI如何深刻改变软件开发工作

Anthropic的研究表明，软件开发人员在AI使用方面占据主导地位，约占所有Claude交互的15%。通过我与数百位开发者的交流和实践观察，AI已经在以下方面深刻改变了软件开发工作：

  1. 代码生成与重构

    • 中级开发者利用AI生成样板代码的效率提升了300%
    • 代码重构任务平均完成时间缩短40%
    • 案例：某金融科技公司的开发团队使用AI辅助将一个遗留系统的代码库现代化，原计划6个月的工作在3.5个月内完成

  2. 调试与问题解决

    • 复杂bug的平均解决时间减少35%
    • 初级开发者在处理未知错误时的自主解决率提高50%
    • 案例：我所在团队的一位开发者在面对一个罕见的并发问题时，通过与AI的交互式调试，仅用2小时就定位了问题根源

  3. 学习与知识获取

    • 新技术栈的学习曲线平均缩短28%
    • 团队知识共享效率提升45%
    • 案例：一位从前端转全栈的开发者，在AI辅助下8周内掌握了后端开发的核心技能，比传统路径快了40%

  4. 文档与测试

    • 文档生成时间减少60%
    • 测试覆盖率平均提高25%
    • 案例：某企业系统在引入AI辅助测试后，生产环境bug数量下降了32%

值得注意的是，中级开发者是最大的受益群体。他们具备足够的专业知识来正确引导AI，同时又面临足够复杂的问题需要AI协助。初级开发者可能缺乏有效引导AI的能力，而顶级专家处理的非常规问题可能超出AI的能力范围。

4. 开发者行动指南：如何成为AI时代的赢家

基于研究发现和实践经验，我为不同阶段的开发者提供以下建议：

初级开发者

  • 学习提示工程：掌握与AI高效沟通的技巧，这是一项新的核心技能
  • 善用AI学习：让AI解释复杂概念、指导学习路径，但始终自己实践核心技能
  • 代码审查助手：使用AI检查你的代码，理解改进建议背后的原理

中级开发者

  • 工作流集成：将AI工具整合到日常工作流程中，创建适合你的"AI增强开发环境"
  • 复杂任务拆解：学会将复杂任务分解为AI可以高效协助的子任务
  • 结对编程2.0：把AI作为你的编程搭档，但保持主导地位和批判思维

高级开发者

  • 架构设计协作：利用AI快速评估不同架构方案的优缺点
  • 知识提炼与传承：使用AI帮助提炼和组织你的专业知识，辅助团队成长
  • 创新探索：将AI视为创新伙伴，共同探索前沿解决方案

思考题：您现在的开发工作中有多少比例使用了AI辅助？您属于研究中提到的哪一类开发者群体？AI对您的工作效率带来了多大改变？

5. 展望未来：AI与软件开发的共生演进

研究数据和实践经验让我们看到，AI与软件开发正在形成一种共生关系，未来6-12个月可能出现以下趋势：

  1. 专业化AI助手：针对特定开发领域（如前端、DevOps、安全）的专业化AI助手将涌现
  2. 团队协作模式：AI将成为开发团队的"虚拟成员"，参与从需求分析到代码审查的全流程
  3. 技能再定义：软件开发的核心技能将从"编写代码"转向"架构设计"和"AI协作"
  4. 教育变革：软件开发教育将整合AI辅助开发课程，培养新一代"AI原生"开发者

展望未来，我们可以预见一个AI与人类开发者紧密协作的软件开发生态系统，其中AI工具将越来越成为标准工作流程的一部分。真正的竞争优势将不再是简单的编码能力，而是如何战略性地利用AI工具来解决复杂问题、加速开发周期并创造更高质量的软件产品。

6. 结语：拥抱变化，引领未来

Anthropic的研究为我们提供了宝贵的数据洞察，让我们确认软件开发已经成为AI应用的最前沿。作为开发者，我们既是AI技术的创造者，也是其最活跃的使用者。这种双重身份赋予我们独特的优势和责任。

对于个人开发者而言，现在正是拥抱这些变化，将AI无缝集成到工作流程中的最佳时机。那些能够有效利用AI工具的开发者将在这个快速变化的行业中保持领先地位。

对于组织而言，AI赋能的软件开发不仅意味着效率提升，更代表着创新能力的飞跃。识别和培养能够与AI高效协作的人才，构建支持AI辅助开发的基础设施和文化，将成为组织竞争力的关键。

推荐资源：

  • 《提示工程指南》：promptingguide.ai
  • 《从 Cursor 看面向聊天编程（CHOP）：如何重新定义开发者与代码的关系》：CHOP
  • 《比扣子简单! Cline+MCP 快速打造Agent工作流: 实战案例解析》 : MCP
  • https://www.anthropic.com/news/the-anthropic-economic-index

您对AI在软件开发中的应用有什么看法或经验？欢迎在评论区分享，或通过私信与我交流。让我们一起探索AI赋能软件开发的无限可能！

（本文分析基于Anthropic的《Which Economic Tasks are Performed with AI? Evidence from Millions of Claude Conversations》研究论文，该研究通过分析四百多万次Claude.ai对话，揭示了AI在不同职业中的应用情况。）

作者简介：我是非架构，专注于AI赋能软件开发多年，曾带领团队将AI工具引入开发流程，实现效率提升超过50%。欢迎关注本公众号获取更多AI提升研发效能的实战经验。

收录于
LLM

当前文章被收录于：

LLM
132 篇文章 9 人学习
订阅专栏 查看详情
标签
#人工智能 #大数据
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。
「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

《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。

现任某外企的算法工程师！专注于人工智能、嵌入式、FPGA、论文写作四大主题的教程和经验分享！辅导请➕v ：sci666888999 192

【AI学习】Anthropic公司CEO Dario Amodei最近发表的文章《Machines of Loving Grace：AI如何让世界变得更好》

Anthropic公司CEO Dario Amodei最近发表的文章。通过翻译工具，大概看了看，未来非常美好！ 只是生物学和身体健康 、神经科学和心理健康这两部分的前景，就非常让人兴奋！

bylander的博客 1763

边表法

边表法是用来绘制填充一个面的，边表法的关键是边表和连接边表的扫描线。 对于边的描述利用边表数据结构，包含边与扫描线的交点x坐标，边的最大y坐标，这样可以知道边加入到哪些扫描线上，便还有一个指针来记录扫描线上其它边。 //边数据结构 #pragma once #ifndef __CAETZ__ #define __CAETZ__ #include "pch.h" #include "CPoin...

weixin_42376458的博客 2101

大语言模型（LLMs）经典论文清单！

原文：https://zhuanlan.zhihu.com/p/620360553要说2023刷屏最多的词条，ChatGPT可以说是无出其右。到最近的GPT-4，技术的革新俨然已呈现破圈之势，从学术圈到工业界再到资本圈，同时也真切逐步影响到普通人的日常生活与工作。坦白来讲，对于大语言模型生成相关的工作，个人长期以来持保守态度，认为这个方向更多的是一种深度学习的理想追求。现在看小丑竟是我自己，也许优秀的工作正是需要对理想状态的持续追求，才叫优秀的工作。

kaka0722ww的博客 2066

ExcelVBA批量添加PDF文件

如图1所示，"BOM-01.xlsx"工作簿中的Sheet1工作表根据B列图号单元格中的内容，在图2所示的文件夹中找到对应的PDF文件，然后嵌入到相应的N列，双击N列中所示的图标，会打开PDF文件，是源文件的副本，即删除源文件，也可以打开N列的文件。 图1 根据B列的图号在N列嵌入对应的PDF文件 图2 PDF文件 图3 文件格式 Sub 导入文件() Ap...

qq389445046的博客 5575

嵌入式开发避坑指南：用DWT做延时函数，这几个细节不注意代码会跑飞

本文深入探讨了在Cortex-M嵌入式开发中使用DWT实现精确延时函数的关键技巧与常见陷阱。针对DWT_CYCCNT计数器应用中的内核兼容性、溢出处理、编译器优化等五大核心问题，提供了工业级稳健解决方案，帮助开发者避免代码跑飞风险，实现微秒级高精度延时控制。

weixin_42653691的博客 158

迄今为止最强的 RAG 技术？Anthropic 的上下文检索与混合搜索

它会比较上下文与答案之间的关系，判断答案是否确实来自检索到的内容。具体做法是：为 LLM 设计一个提示词（prompt），让模型基于整篇文档，为每个片段生成简洁的、与该片段相关的上下文信息，从而为每个片段补充必要的语境。在搜索阶段，查询（query）同样会被转换为向量表示，然后与文档（或片段）的向量进行比较，通过计算这些向量之间的相似度来找到最接近的结果。如果你为语义搜索设置更高的权重，而为 BM25 设置较低的权重，那么在语义搜索中表现更好的片段（chunk）将在最终结果中获得更高排名。

m0_64363449的博客 840

World Action Model：经典论文

郑困时，图prorpt为机量人压务时，退过驱制解弱词表（constrsinsd decoding）， 强附模型只从.256个者动作token中保H， B象总注活地。始VLA之一，RT-2使用了大量的五联网VQ据与少里的机械网的AcSonDat行CoFine-Tunng, 独组sl, 共i744个episode,Mous使用三个专累模，分是vidogonmedel，actonesget，understandng。包的核定之的的观到沟血黄动作，预之后现(vorlemodel），tseing，2。

u013250861的博客 406

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 361

DDR5中的On-Die Termination（ODT）详解：电阻值支持及其背后的秘密

DDR5支持多档ODT电阻值，范围从40Ω到480Ω，均基于240Ω标准参考电阻RZQR_{ZQ}RZQ​。不同电阻档位对应不同的信号负载和功耗需求。校准电压点关键，常用0.8×VDD进行精准调校。CA信号间ODT匹配必须严格控制，保证命令总线稳定。选择合适的ODT值是高速内存设计中不可忽视的细节。

weixin_43199439的博客 2097

第154章 点云大规模并行处理（GPU加速）

优化点云处理✨ 使用。

yumeiguo的博客 374

视频隐私脱敏工程化：CSRT/KCF追踪算法在本地推理中的实现与边界

在短视频内容合规审查中，动态遮挡（Dynamic Masking）是高频且高耗时的环节。传统手动关键帧打码不仅效率低下，且在目标快速移动或遮挡时极易出现遮罩漂移。本文从计算机视觉工程角度，解析基于CSRT与KCF算法的目标追踪方案在视频隐私处理中的技术路径、性能权衡及落地实践。

Mysssone的博客 201

pyecharts在jupyter notebook中不能够渲染图表问题。

在使用jupyter notebook中使用pyecharts绘制可视化图表的时候，发现图表不能渲染到页面中，生成的html是没问题的，本文主要解决在jupyter notebook中不能渲染这个问题。

猿小白的博客 1166

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 2万+

156、手机摄像头模组结构拆解：从保护盖到 FPC 连接器的完整装配剖面

本文深入解析手机摄像头模组结构设计要点。作者结合项目经验，指出保护盖密封胶在低温收缩会导致边缘漏光问题，强调结构细节比算法参数更关键。文章逐层拆解模组组件：保护盖厚度需平衡抗冲击与光学性能；镜筒内镜片组装配顺序和公差控制直接影响成像质量；IR滤光片厚度公差±0.02mm会改变红外截止波长；CSP封装需注意金线加固；FPC连接器的信号完整性和机械可靠性设计。最后给出5条实用建议，包括密封胶选型、镜片对位检测等，强调模组结构设计是"一票否决制"的基础工程。（149字）

sundong_81的博客 105

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过，这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后，重新检测通过。

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 238

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox（带书签），MATLAB统计学习工具

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 241

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。

NTscan扫描工具

ntscan是一个扫描器，可以扫描没有密码和弱密码的共享，先到配置文件中填写猜测的用户名和密码，扫描过程中右侧出现的是扫描日志。

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 195

AI Agent之核心框架

A： 显式 Thought 有三类价值：可解释性（便于人类审计）、可调试性（定位哪一步选错工具）、学习信号（可做监督微调或评估中间步骤质量）。ReAct 把推理与 可执行行动 绑定，每一步行动后都有 真实 Observation 反馈，从而用工具结果约束生成，降低闭卷幻觉。做完不等于结束——还要 评估做得好不好，把 教训 记下来，下次 带着教训重试，反思作为 记忆，影响后续尝试的策略。工作流程：Action → Evaluation → Reflection → Retry。A： 普通 CoT 只在。

剑雨巍巍的博客 195

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 550

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 562

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 83

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 273

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 631

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 333

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 204
上一篇： 从国内爆红到国际冷场：Manus能否成为下一个DeepSeek？
下一篇： Cursor 们搞定开发， 8 款 AI 测试工具助你打造高效研发闭环！
点赞 25
评论 0
书签 书签 17
surfirst
surfirst
博客等级 码龄25年 5117粉丝 342原创
+ 关注 专栏目录 订阅专栏
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
 
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

打赏作者

surfirst

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