从传统到胜利:广汽集团汽车产业创新之旅

【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

广汽

置身于汽车行业百年未有之大变局,作为传统车企中的排头兵,广汽创新可圈可点,广汽近年来取得了骄人业绩,不论是整体产销规模,还是新能源汽车产业化、新技术领域开拓等,都呈现节节攀升的局面。本文奖从产业变局、创新之道、未来展望等多个角度分享汽车行业洞见。

1. 中国汽车行业正在经历“百年未有之大变局”

展望2030年,在产业巨变的背景下,全球汽车产业会呈现怎样的态势,会有哪些发展大方向?

首先是国际形势的变化。早在2017年广汽就开始筹划对某些发达国家市场的出口,但后来由于关税税率的剧烈变化,项目不再可行;之后随着局势的变化,影响不再局限于关税税率,也包括产业政策的剧变等。

其次是汽车行业本身的变局,即所谓的“新四化”,其中又以电动化和智能网联化为核心。就电动化而言,中国市场的变化可谓“一日千里”:目前电动汽车市占率已接近30%,等于提前三年实现了原先政府规划2025年达到25%的目标。在“双碳”大背景下,电动汽车的发展会继续提速,预计到2030年中国的电动汽车渗透率至少达到50%。就智能网联化而言,汽车已逐步从普通交通工具进化为智能移动空间,甚至最终会成为无人驾驶的智能移动空间,后者虽尚未商品化,但趋势已确定无疑。到2030年,即便是连片的城市社区,只要条件合适且具备合适的场景,也必然能实现无人驾驶。除了对人力与时间的解放,无人驾驶也能创造巨大的商业价值:目前,一名全职司机的总用工成本约为每年20万元,五年就是100万元。在无人驾驶的场景下,哪怕相关的软硬件成本达到50万元,车辆运营方还是能实现50万元的盈余。所以到2030年,特定场景下的无人驾驶车队会大量出现。

第三是产业链布局的变化。汽车行业是典型的“全球化”产业,在以本地采购为主的同时,零部件跨国采购也同样普遍。但随着国际局势的变化,叠加芯片短缺及疫情影响,因某些供应节点的停转而导致下游整车停产的现象屡见不鲜。供应链瓶颈本身不是新课题,之前也会零星发生,但几乎都能很快得到解决;而目前的供应危机已持续了近三年,且看不到全面好转迹象,这是我从业30余年来绝无仅有的经历。企业能否实现经营目标,已不再单纯取决于市场接受度,而越来越受到供应链制约。另一个问题是电动汽车快速发展带来的矿物原材料价格上涨。为了确保电池供应,很多主机厂已开始关注最上游的矿业开发,这是之前无法想象的。这些全局性的供应链问题,已脱离了若干临时性应急手段的干预范围,需要我们花大力气去思考与布局。

2.汽车行业逐渐形成了链式布局

传统的说法是“让专业的人做专业的事”,所以汽车行业也慢慢形成了链式布局,即主机厂类似“链长”的角色,通过Tier 1、Tier 2等供应商完成分工。但现在很多车企开始布局一些细分供应链,远超以往主机厂会涉及的范围,给传统格局带来了巨大冲击。

这是由产业变革带来的连带性变革;而连带性变革会持续多久,取决于产业变革何时完成。任何新生事物的发展逻辑都是发端于变化,逐渐企稳,最后固化;后起的新生事物又重复这样的周期。从这个角度看,上述供应链变局不会是一个短期现象,因为整个行业至少还需要十年才能完成电动化、智能化的变革。同时,行业的竞争逻辑也会发生变化,即从之前的拼品质、拼成本、拼交付,过渡到拼创新——哪怕十年后智能电动汽车产品趋稳或固化了,也会有新的创新点成为衡量竞争力的新标杆,例如拼用户运营、拼场景等。无论如何,汽车行业已不可能回到之前那种极其稳定的状态了。

3.成功之道:创新是穿越周期的护身符

3.1科技创新

最近几年,广汽集团在产销规模、电动汽车产业化、新技术及新业态的开拓等方面取得了骄人业绩,这背后的成功秘诀是什么?

最关键的还是创新能力。之前提到了新生事物“变化、企稳、固化”的周期,想要成功穿越这个周期,创新是最可靠的护身符。具体而言,包括科技创新、商业模式创新、管理与机制创新等。

首先说科技创新,这是其他体系能力的根本支撑,如电动化、自动驾驶、软件定义汽车、场景设计及洞察、用户关系重构等。

广汽在两大核心技术领域进行了重点布局,即动力电池和智能网联。动力电池是最核心的零部件,会根本性地决定企业今后在电动汽车领域的竞争力,我们不能将如此重要的业务完全交给产业链去实现,所以在电池领域持续投入。但电化学本身,光靠车企自身的投入,不可能涵盖所有细分技术,由此我们解决电池需求的策略是:三分之一由自己生产,以确保技术领先、供应稳定以及成本优势;三分之一来自与优秀企业的合资合作;还有三分之一从市场上采购。智能网联是另一个重点领域,特别是以“中央集成+域控制器”为核心的新一代电子电器架构。这是无人驾驶的核心,而我对无人驾驶的信心是坚定不移的。

广汽研究院在2021广州车展发布星灵架构

以上是广汽的两个重点领域,进行了大手笔投资;在其他领域则会通过战略合作的方式来达成共赢,比如,与头部企业成立了智能座舱合资公司,入股了一些高级辅助驾驶领域的初创企业,在自动驾驶领域也开展了一些合作项目。

这些重点领域全球范围内很多车企也在布局。大家都做类似的事情,最终会不会出现每家车企都在“重复发明车轮”的局面,造成资源的浪费?

究竟要自己做,还是依靠别人,取决于这项技术到底能否买来,是否关乎品牌特色和竞争力。即使在燃油车时代,由于动力的输出特性是燃油车时代的核心特色,大家都希望“人无我有,人有我优”,因此市场上很难批量购买到高质量的发动机,车企几乎都对发动机进行了高强度投入。归根结底,是否需要对某项技术进行布局,首先取决于技术本身的独特性,其次是车企能否具备掌控力。这里的掌控力并非某种野心,而是对车企业务连续性的基本保障。为什么大家对传统的Tier 1很放心,就是因为他们能保证持续供应。但经历了这么多的供应链危机后,这样的稳态显然被打破了,不可能不影响车企的投资决策。

3.2商业模式创新

关于商业模式创新,埃安在构筑新型顾客关系方面取得了一定成效。通过用户访谈发现,有些竞品在顾客关系重构方面做得相当突出,总结来说就是“顾客直联、顾客直服、顾客直营”。过去讲“最好的服务就是没有服务”,但没有服务是相对的,是追求的目标,并非绝对的、现实的。而要达成这个效果,就必须基于互联网、数字化以及人工智能手段去进行综合价值锻造。只有具备体系化创新能力的车企才能做到这一点,所以即便是商业模式创新,也离不开科技创新的铺垫。

当然,不是说传统的品质保证能力不再重要了,质量水平仍然至关重要。但在保证原有的高品质的同时,通过对新型顾客关系的构筑,厂家能够取得更好的客户满意度及口碑。

市场上有所谓的新势力与传统势力的划分。新势力的特色之一就是更贴近顾客,更以顾客为中心,但传统势力难道就不以顾客为中心吗?“顾客第一,顾客就是上帝”,这已被传统势力念叨了一辈子。但在传统模式下,厂家对接经销店,经销店对接顾客,所以厂家事实上接触不到顾客,其命运完全取决于经销商的质量,而经销商的行为并不一定能真实反映厂家的心态和想法。这种旧模式不能再继续下去,我们必须做到厂家直接联结顾客,直接服务顾客,直接经营顾客。只有构筑这样的新型互动,才能透明化顾客需求并积极应对,才能提高顾客的接受度及满意度,才能将厂家的服务质量和理念不打折扣地传递给顾客。所以我认为,新势力和传统势力之间的区别,不是谁更有“顾客至上”的意识,而是谁更能通过“直联、直服、直营”的手段,将对顾客的关爱与感激完整传递出去。

在《营销金三角》一文中,车企在销售及服务模式方面的革命,一定是从“厂家-经销商-顾客”的“直线型模式”,转变为“三角形模式”。谁能率先建立三角形关系,谁就能在顾客服务上拔得头筹。从这个角度看,埃安应该被归为新势力,而非传统势力,因为埃安正逐渐从传统的“直线型模式”,转变为“直联、直服、直营”的“营销金三角”模式。

过去一百多年来,经销商模式对车企发挥了巨大作用。经销商的价值,很大一部分是所谓的“缓冲带”,即帮助车企弥补生产制造的连续性要求与市场实际需求的离散性现实之间的背离。这个想法一定会被历史淘汰,这是明确的。为什么需要经销店的缓冲,是因为以前还做不到顾客直联。顾客复杂多样且分布各地,如此的复杂性是旧技术无法及时掌握并有效梳理的。但在网络与大数据技术的加持下,如今我们可以及时汇总各种消费需求并分析归类,远比通过经销商获取数据更准确高效。所谓的缓冲带,看似带来了厂家利益的缓冲,但也导致了对顾客利益的忽视。如果说,之前没有人能做到顾客直联,大家只要能“矮子里拔高个”,就能得过且过。但一旦有车企做到了,而你还没有,那消费者就会立刻离你远去。

前面提到埃安向“营销金三角”模式的转型:目前埃安执行的仍是经销店与直营店并列的模式,但我们正努力推动改革,逐步实现经销店的直营式管理,即厂家线上获取顾客需求,并将相关指令发给经销商,由经销商线下执行。在向“营销金三角”转型的过程中,也必须充分照顾到经销商伙伴的利益。比如,消费者APP下单后被导流到经销店,或在实体经销店直接下单,经销商在两种情况下获得的收益不应有明显差距。线上线下分工的改变,不代表经销商价值的大幅缩水,更不代表利益格局的根本性改变。“营销金三角”的改革,要确保经销商与主机厂能“心往一处想,劲往一处使”。

3.2管理与机制创新

管理与机制创新方面,广汽在股改、股权激励,乃至埃安分拆上市等方面也取得许多新进展,尤其在国企推动机制创新方面。

国企的许多建章立制,初衷是为了防范风险,但不能因此被束缚手脚。

由于文章篇幅有限,完整文章点击:

创新案例|传统车企广汽集团的成功之道:创新是穿越周期的护身符

《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

CCF201803-2 碰撞的小球 python

一些话:已经不知道是第几次做这道题了(大概第三次吧),真的常做常新,每次都有新的细节想法。虽然方法简单粗暴,但好在方便理解,对于我这种菜鸟选手而言。 但在做的过程中,最开始还忽略了输入的小球初始位置有可能是无序的,输出的时候要保持相对位置。CCF真的考验细节,希望上考场时能够认真仔细一点。就酱… #碰撞的小球 #当小球坐标为0或L时,会朝相反方向移动 #当两个小球坐标相等时,会分别转向相反的方向 #计算t秒之后小球的位置 n,L,t = map(int,input().split()) location .

tanya_dre的博客 349

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 269

管理信息系统(MIS)设计

一名读者可以借阅多本图书,而一本图书也可以被不同的读者借阅,所以读者与图书之间存在着多对多的借阅关系,读者与图书之间存在着多对多的联系,即m:n的联系。每一种图书属于一种图书类型,而一种图书类型可以包含很多本图书,因此可以得到图书类型与图书之间也存在着一种一对多的联系,即图书类型与图书是1:n的联系。系统应该实现以下功能:图书管理员可以维护图书信息,包括增加新书、修改图书信息、办理图书借阅登记、图书归还登记、过期图书处理、丢失图书处理及读者借阅证件信息的维护等;

m0_69718745的博客 2475

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+

Windows 10/11 下用 Docker 一键部署 CVAT 标注工具(附 WSL2 配置指南)

本文详细指导如何在Windows 10/11系统上,通过配置WSL2和Docker Desktop,实现CVAT标注工具的一键部署。内容涵盖从环境准备、Docker安装、CVAT服务启动到性能优化与安全配置的全流程,为计算机视觉开发者提供稳定高效的本地标注平台解决方案。

weixin_28839601的博客 461

深入Linux内核:PTP硬件时间戳(HW Timestamp)是如何炼成的?

本文深入探讨了Linux内核中PTP硬件时间戳(HW Timestamp)的实现原理与实战应用。通过分析IEEE 1588协议在网络时间同步中的关键作用,详细解析了硬件时间戳在Linux内核中的架构设计、驱动开发及性能优化技巧,帮助开发者实现纳秒级精度的时间同步。

weixin_30727835的博客 650

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 216

基于FreeRedis实现的.NET Redis客户端缓存缓存键条件优雅过滤

在.NET开发中,使用Redis作为缓存解决方案是很常见的。FreeRedis是一个功能强大的Redis客户端库,它提供了丰富的功能和灵活性,使我们能够轻松地与Redis进行交互。在本文中,我们将探讨如何使用FreeRedis实现缓存键条件的优雅过滤,以提高缓存的效率和准确性。

RzuScala的博客 328

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

VAY 是 SAP 自动科目确定(OBYC-GBB)中的科目修改码,专用于带科目分配对象的销售订单发货场景,核心是触发 “Dr 成本要素科目(如销售费用 / 特定成本对象) Cr 库存商品” 的分录,

摘要:VAY是SAP中用于带科目分配对象(如成本中心、WBS)的销售订单发货的科目修改码,与标准VAX场景不同,它生成"借成本要素科目/贷库存商品"的分录。配置路径为OBYC-GBB-VAY,需确保借方科目为成本要素。典型业务场景包括免费样品、项目专用发货等。常见问题包括VAY未触发或科目记账错误,需检查销售订单科目分配、移动类型设置及OBYC配置。特殊场景建议单独配置科目以便费用分析。

金牌架构师 1252

微软推出突破性AI医疗诊断系统MAI-DxO:诊断准确率85.5%,是医生的4倍,成本更低

微软推出医疗AI系统MAI-DxO,通过多AI模型协作实现高效诊断,准确率达85.5%,是传统医生团队的4倍。该系统整合自然语言处理、计算机视觉等技术,模拟专家会诊流程,显著降低医疗成本60%。具备罕见病识别、基层医疗支持等功能,同时注重伦理安全和可解释性。微软计划开放部分架构,推动医疗AI普惠化。这一突破标志着医疗AI从单点工具向系统级智能的跨越,有望重塑更精准、高效的智能医疗未来。

这里汇聚了前沿的技术分享与实用的开发技巧,带你探索从创意到企业的技术创业之路。 634

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 187

以太网MII、RMII、GMII、RGMII(三)

RMII接口收发的数据位宽为2bit,因此管脚数目大为减少,在高密端口PHY中应用较多,但是由于其是MAC和PHY共用一个参考时钟,接口之间的距离不能太远;一般的GMII接口都有两个发送参考时钟:TX_CLK和GTX_CLK,两者的方向是不一样的,前者有PHY提供(同MII),后者由MAC或外部参考时钟源提供,绝大多数GMII接口都是兼容MII接口的,在用作MII模式时,使用TX_CLK和8根数据线中的4根。MII接口中的接收时钟和发送时钟是分开的,而且都是由PHY芯片提供给MAC芯片的。

qq_42357877的博客 2329

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 169

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

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 471

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

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

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

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 225

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 589

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 309

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 136

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

深入理解 Transformer:Decoder 与 Masked Attention 速查手册

写Decoder时直接套用Encoder自注意力代码,训练loss秒降、推理却不会生成?😵 这份速查手册按“症状→诊断→改法→代价→边界”组织,30秒帮你定位masked_fill、tril、causal_mask的正确写法,附可跑代码与对照表,让你彻底搞懂“为什么不能看到未来”。🔧

2601_94912102的博客 236

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 3607
上一篇: 迈向成功:解读新能源汽车企业竞争优势策略
下一篇: 驾驭苹果的人工智慧模式:克服反击与应对挑战
Runwise 即能创新
博客等级 码龄8年 2645粉丝 515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