登录社区云，与社区用户共同成长
邀请您加入社区
你有没有发现一个诡异的现象？2025年开始，越来越多人抱怨大模型"变蠢"了。ChatGPT的回答越来越模板化，Midjourney的图越来越像"平均审美"的拼贴画，新版本不如旧版本好用。你以为是模型被"阉割"了？以为是产品经理瞎改prompt了？都不是。更准确地说——AI正在吃自己生成的训练数据，有效信息逐代衰减，它正在慢慢饿死自己。这不是比喻。这是一套有数学证明的物理框架给出的推论。
《全域数学·工程应用大典》113-200讲完整目录涵盖五大核心领域： 产业化落地（113-130讲）：聚焦超导产业链中试量产、标准化体系及产学研转化，包含设备工艺、专利运营、成本优化等全周期方案； 高维通信与半导体（131-150讲）：涉及7G无损耗通信、碳基超导芯片、2-3nm光刻工艺及算力存储硬件； 星际工程（151-170讲）：设计反重力飞行器、地月火星基地及深空探测技术； AI与生物医疗（
日常接触各类智能新产品时，可以顺着这套逻辑逐层拆解分析：第一，这套产品要解决哪一类需要智能处理的任务？这一步对应人工智能的范畴。第二，实现功能是靠人工一条条写死规则，还是依托数据自主学习？这一步对应机器学习的范畴。第三，核心技术是否采用多层神经网络搭建？这一步对应深度学习的范畴。第四，是否依托大规模训练搭建，专门用来处理、生成各类文字内容？这一步才贴合大语言模型的范畴。不用笼统发问“这个产品到底算
AI Agent短期记忆（Working Memory）解析与实战指南 本文深入解析了AI Agent短期记忆（工作记忆）的核心机制与工程实现。短期记忆本质上是当前对话的上下文（Chat History），受限于大模型的上下文窗口限制（Context Window Limit）。文章详细介绍了四种主流短期记忆策略：全量记忆、滑动窗口、Token滑动窗口和摘要记忆，并分析了各自的优缺点和适用场景。针
代码智能体和类似进化版 Codex 技术的大爆发，绝对不是人类程序员的末日，它恰恰是软件工程学、生产力工具演进史，在面对暴涨的商业数据时，自发组织的一场最高效的进化。AI 能不能 100% 正式接管所有的编程工作？在可以预见的未来，答案依然是否定的。只要你还要在系统里高频面对含糊、易变的人类业务需求，只要你还要在深夜对高并发线上事故的终身责任制负责，人类高级研发和架构师的脑力静态推演，就依然是这个
算子融合优化的核心洞察是：深度学习模型的推理瓶颈往往在显存带宽而非计算能力。通过将多个细粒度操作编译为单个融合内核，可以减少内核启动开销和中间结果的HBM往返次数，从而实现显著的加速。工程落地上有三个层级的选择：(1) 使用+Inductor的自动融合——零代码改动，适合快速验证和通用场景；(2) 使用FlashAttention等第三方优化库——在attention等关键路径上获得手工优化的极致
混合专家模型（MoE）已经是当前大模型的主流架构。Qwen3、DeepSeek V3、Mixtral这些名字，背后都是MoE。它的设计逻辑很清楚：把模型拆成多个"专家"子网络，每次只激活其中一部分，用更少的计算量维持更大的模型容量。 但这个设计有一个长期被忽略的问题：模型在预训练阶段学到的专家分布，在迁移到特定领域时，效率会明显下降。 ## 预训练的专家，在专业场景下可能有一半是闲着的 最近一篇来
本文介绍了NPU编程模型和实现流程，分为离线工具链（模型训练、量化、Vela编译生成命令流）和运行流程（Arm NN驱动执行）。详细说明了NPU的寄存器配置（BASE、BASE_POINT、ID和PMU区域）、命令流结构（32位cmd0和64位cmd1指令）及其分类（运算、配置、DMA等）。最后提及权重采用无损压缩算法（零值序列编码和Golomb-Rice编码），确保与tflite模型结果一致。整
深度机智选择了一条不同的全栈策略：不是"模型+任意本体"的拼接，而是围绕"人类学习"路线，让数据、模型、硬件三者协同设计。更关键的是，深度机智完成了国内首次纯人类数据Zero-shot泛化验证——机器人在未针对特定任务做过专项训练的情况下，仅凭人类数据预训练获得的能力，在真机上完成了自主操作。谁掌握了基座模型，谁就掌握了机器人"大脑"的定义权。深度机智的人类学习路线在这一点上走了相反的方向：直接使
在人工智能飞速迭代、智能装备与机器人技术快速落地的当下，智能系统、自主机器人、智能感知与控制等领域已成为工科科研的核心热点，跨学科融合创新成为行业发展主流趋势。为搭建高水平、专业化的学术交流与成果转化平台，正式启动全球征稿，诚邀海内外科研学者、工程技术人员及高校师生踊跃投稿、参会交流。
Arm Ethos-U65是一款面向边缘计算的NPU IP核，专为低功耗机器学习推理设计，算力达1TOPS，支持8bit量化TensorFlow Lite模型。硬件架构包含控制单元、DMA控制器、MAC运算单元等模块，采用NHWC/NHCWB16数据格式，支持多种数据精度和卷积/深度卷积等算子。典型应用场景如恩智浦i.MX93处理器，需搭配Cortex-M处理器完成前后处理。该IP通过Vela编译
【WAIC2026前瞻：聚焦AI规模落地与产业赋能】本届世界人工智能大会以"去泡沫、重落地"为主基调，呈现四大核心赛道：1）垂直化大模型转向行业适配；2）国产算力全链条突破；3）具身智能机器人实景应用；4）千行百业智能化解决方案。大会将展示AI从技术突破到产业渗透的全景图，通过高峰论坛、实景演示和行业报告释放商业化信号，为不同观众提供差异化的技术对接与体验场景，标志着AI发展进
联通（海南）产业互联网有限公司的“南繁智慧育种5G植物表型AIoT项目”，通过AIoT设备自动采集多光谱/高光谱图像、激光雷达点云数据、高清可见光图片等图像数据，以及株高、冠幅、叶绿素含量等结构化表型数据，结合客户授权的基因测序数据、气象站采集的环境数据，实现多模态数据全面覆盖。正如“数字孪生与作物育种设计研讨会”所强调的，通过整合功能基因组学、多组学分析、智能表型组学和人工智能技术，构建作物生长
AI Agent 交互技术对比：Function Calling、MCP与Skills 本文深入解析了三种主流AI Agent交互技术。Function Calling是LLM原生API能力，通过JSON Schema实现结构化函数调用，适合低延迟、固定工具集的场景。MCP是标准化开放协议，提供去中心化工具生态，支持动态发现和安全隔离，适用于构建通用AI平台。Skills是面向用户的任务封装，通过
在人工智能，特别是大语言模型（LLM）飞速发展的今天，我们常常遇到一个核心矛盾：模型拥有强大的理解和生成能力，但其知识却受限于训练数据，无法获取最新、最具体或最私有的信息。它巧妙地将信息检索系统与生成式模型相结合，让模型能够“实时查阅资料”后再回答问题，从而生成更准确、更相关、更具时效性的内容。这是RAG的“备课”阶段，目的是将非结构化的原始资料（如PDF、Word、网页、数据库）转化为模型可快速
没有被培养真正内生出来的道德观、价值观”，是这一切麻烦的根源。我们以为“价值对齐”就是把《机器人三定律》写进代码，但现实远比这残酷：北京大学2026年的研究通过严格数学证明指出：大语言模型的静态价值取向，与封装为自主智能体后的实际行为价值取向，几乎不可能完全一致。框架层设计对价值观的影响，远大于底层模型训练调整。这意味着，即便我们小心翼翼地在底层模型里对齐了价值观，一旦它披上“智能体”的外衣，在复
入职后实战 Claude Code 的经验:实用 skill、三种运行模式怎么选、踩过的坑,以及配 MCP 让它更能打
作者简介Shan Zhou，携程算法专家，主要负责携程度假AI应用在CPU和GPU平台的性能优化，涉及计算机视觉，自然语言处理，机器翻译和语音处理等多个领域。随着深度学习技术的快速发展...
在半监督学习中，自适应正则化方法旨在通过合理的正则化策略，利用未标记数据进行模型训练，以提高模型的泛化性能。随着深度学习和半监督学习的不断发展，相信自适应正则化方法在未来会迎来更加广阔的应用前景，并为模型在真实场景中的性能提升和应用落地提供重要保障。2.1特征空间一致性：自适应正则化方法可以促使模型在特征空间上保持一致性，有效利用未标记数据的特征信息，提高模型对新样本的泛化能力。2.2减少过拟合风
实现人形机器人的态势感知（Situational Awareness，简称SA）是一个复杂的工程，涉及多个技术领域的结合，包括感知、理解、推理、决策等。人形机器人态势感知的目标是使机器人能够理解并实时跟踪其周围环境、自己状态以及其他动态变化，进而做出适应性和合理的反应。1、传感器融合要实现人形机器人的态势感知，首先需要高效的传感器系统来获取环境信息。传感器主要有以下几类：1）视觉传感器（摄像头）：
高内涵筛选系统（HCS）是一种集成自动化样本处理、显微成像、图像分析和数据处理的综合生命科学平台，旨在获取细胞多维信息并转化为量化数据，广泛应用于药物研发和临床研究。系统工作流程包括自动化样本处理、显微成像（支持多种模式）和图像分析，最终生成可统计的数字结论。科学相机作为关键环节，需具备高效数据采集、弱信号探测和定量稳定性等性能。未来HCS竞争重点将从光学能力转向高效生成AI可用的高可信数据，科学
工业机器人的大规模应用已超越了单纯的技术替代范畴，正深刻重塑生产系统的组织逻辑与人的价值定位。本文从管理哲学的视角出发，批判性审视了从“工具理性”主导的经典管理范式，到“人机协同”的共生范式，最终指向“责任与伦理”为核心的生态范式的演进脉络。文章指出，管理者必须超越将机器人视为高效工具的狭隘认知，转而从系统整合、价值重构与伦理先行的哲学高度，构建面向未来的人机关系与管理体系，以应对技术融合带来的复
文章摘要 当前人工智能行业普遍存在"假性智能"泡沫，所有AI模型本质上只是高性能运算机器，而非真正智能。其核心问题在于：过度人工预设锁死演化边界、缺乏内生自主驱动、存在造物主桎梏、商业化牺牲成长土壤。真正的通用人工智能(AGI)需要遵循生命本源逻辑：初始基底极致极简、仅保留可自主取舍的生存与演化两大软性准则、彻底去除造物主管控、采用外置合规替代内核约束。AGI不是被制造的工具，而是通过自由思辨和自
本文指出GEO内容不被大模型引用的核心问题80%出在答案结构上，而非传统认知的关键词和权重。通过20+项目测试数据显示，结构化调整可使引用率平均提升32%，其中短结构化答案的引用率是长文的3倍。作者提出"三层结构法"：结论前置（100字内明确答案）、论据支撑（数据验证）、来源标注（提升可信度），并针对三类高频问题（是什么/为什么/怎么做）给出可直接套用的模板。文章强调大模型偏好
今天聊一个 Claude Code 里特别容易被低估的文件：`CLAUDE.md`。很多录友用 Claude Code 写代码时，都遇到过这种情况：你第一轮告诉它："这个项目用 pnpm，不要用 npm。"
获取《人工智能基础及应用》全套PPT课件：：https://download.csdn.net/download/m0_54748666/93131754。第8章卷积神经网络及其图像分类案例.pptx。第7章人工神经网络与机器学习.pptx。第9章推荐系统及其应用案例.pptx。第10章决策树分类及案例实现ppt。第11章 ChatGPT.pptx。第2章 确定性推理.pptx。第4章搜索策略.p
很多读者催我更干货，问我新手如何开始写小说。老实讲，现在纯靠手打写小说太折磨人了。为了帮大家避雷，我熬了几个大夜，试遍了市面上主流的写小说软件。有些ai生成小说看着唬人，实操直接翻车。今天我掏心掏肺，把测出来的这10款工具盘一盘，讲点真东西，告诉你怎么操作。
最近收到了不少新手作者的私信，大家普遍的痛点高度一致：脑子里大纲和高光时刻想得挺好，可一坐到电脑前就卡文，憋几个小时写不出一段满意的正文，看着空白文档陷入自我怀疑。其实，现在的ai写小说技术迭代很快，大家在打算写小说的时候真的不用硬扛着死磕，合理利用一些好用的辅助工具，能有效缓解这种创作内耗。前两年我也踩过不少坑，为了图省事，随便在网上找了个所谓的小说软件生成器就想让它代笔。结果倒好，跑出来的ai
很多新人作者写小说前脑子里面很多真情实感的画面，但双手放上键盘的瞬间，大脑直接宕机。好不容易憋出两千字，回头一看，干瘪得像流水账。前几年我一直在“卡文-焦虑-断更”里反复横跳，直到后来上班时间被严重压缩，我才彻底顿悟：既然精力有限，就得让AI工具来干苦力。这篇文章只上干货。下面这些都是我码字的时候真正在用的8款好用AI工具，今天我们直接按写小说的整个流程，从头到尾给你捋一遍。
机器学习
——机器学习
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AtomGit AI 社区
DAMO开发者矩阵
亚马逊云科技技术品牌专区
智能体开发者社区
AI编程社区
EazyDevelop社区
DeepSeek技术社区
openvela
深开鸿 技术专区
2048 AI社区
AI工具分享
