登录社区云，与社区用户共同成长
邀请您加入社区
因为，真正坚固的信任，始于对不完美现实的共同面对，并致力于建设一个更清朗的AI认知环境。 这，或许是在AI重构一切规则的时代，最值得进行的一场“优化”。
本文将聚焦医疗行业Agentic AI的法规要求，从全球主要监管框架（如FDA、EMA、HIPAA、欧盟AI法案）出发，拆解提示工程架构师在设计提示时必须遵守的核心规则。我们会结合真实案例和提示设计模板，详细说明如何将“数据隐私”“透明度”“人类监督”等法规要求转化为可落地的提示策略。
《祖冲之数学智慧对AI发展的启示》摘要：本文探讨南北朝数学家祖冲之的数学思想对现代人工智能的启示。祖冲之通过割圆术将圆周率精确到七位有效数字，其"缀术求π"的极限逼近思想、"盈朒二数"的区间算法、"约率密率"的分层精度策略，为AI的数值计算、算法设计和精度控制提供了古典智慧。文章还分析祖冲之《大明历》的长期预测方法、实测验证思想及其机械发
函数 y=f(x)在点x0处的导数定义为：如果极限不存在，则称函数在x0处不可导。几何意义：导数就是切线的斜率。物理意义：导数就是瞬时变化率（如速度）。线积分有两种：对标量场的积分（求曲线质量、弧长）和对向量场的积分（求功、环量）。给定复杂函数 f(x)，我们希望用简单函数（多项式、三角多项式）在某种度量下近似它，且误差尽可能小。这不仅是理论问题，也是数值计算、工程模拟的核心。
摘要：镜像视界提出基于视频空间反演的世界模型构建路径，为PhysicalAI提供真实、动态的三维环境理解。该技术突破传统依赖激光雷达和仿真的局限，通过视频像素反演真实空间结构，建立统一坐标系下的动态三维模型，实现低成本、高适应性的世界建模。核心创新包括：将像素直接映射为三维坐标、多视角空间融合、动态目标建模和行为空间化表达，使世界模型具备"来源真实、结构统一、动态连续、可行动"
提示词不是用来描述画面的,而是用来分配导演任务的。这句话值得反复咀嚼。传统的小说式提示词,本质上是在做结果描述:“我想要一个什么样的画面”。而分镜脚本式提示词,做的是过程指令:“你在第0-3秒做什么,第3-7秒做什么,第7-12秒做什么”。“一个女孩在80年代的香港街头雨中漫步,霓虹灯闪烁,怀旧氛围,电影感,细节丰富”0-3秒:中景,女孩从画面右侧进入,慢速行走,镜头跟随平移3-5秒:特写,雨滴打
本项目开发了一个基于TensorFlow深度学习CNN算法的垃圾分类识别系统。系统采用ResNet50预训练模型，通过图像数据预处理、模型训练（准确率达99.83%）和系统集成等步骤实现高效垃圾分类。项目包含完整源码、开发文档、论文及部署教程，为环保领域提供了AI解决方案。该系统可显著提升垃圾分类效率，减少人工成本，具有实际应用价值。
本文系统剖析AI技术在金融、医疗、教育、制造等行业的15个落地案例，揭示AI如何通过解决实际业务痛点创造价值。在金融领域，智能风控系统使银行审批效率提升40倍，坏账率降低55%；医疗方面，AI辅助诊断系统将肺结节检出率提升至96.7%；教育行业自适应学习平台帮助学生成绩平均提升18.3%；制造业预测性维护系统减少设备故障76%。案例展示了从算法到业务的转化方法论，同时指出数据质量、模型可解释性、组
AI技术深度赋能行业应用 2024年全球AI市场规模突破1.8万亿美元，金融、医疗、教育、制造四大领域成为核心应用场景。 金融领域：AI信贷风控系统通过机器学习模型（如XGBoost）将审批效率提升80%，坏账率降低30%-40%；智能投顾结合Markowitz模型与算法优化，管理资产规模达1.2万亿美元。 医疗健康：AI辅助诊断系统在肺结节检测中敏感性达96.8%；药物研发周期缩短50%，成本降
金融业是AI技术渗透最深的行业之一，其数据密集型特性与风险控制需求天然适配机器学习算法。从智能反欺诈到量化投资，AI正在重塑金融服务的底层逻辑。
摘要：微调技术可将通用大模型转化为个性化"祝福专家"，解决春节祝福群发同质化问题。通过LoRA微调方法，只需几十条高质量祝福样本，就能让AI学会不同场景下的祝福风格（温馨/商务/趣味），确保内容紧扣春节主题且富有真情实感。该技术应用场景广泛，从个人定制到企业拜年均可适用，微调后的模型能生成更具针对性和人情味的祝福语。需要注意数据多样性、质量把控和防止过拟合等问题。（149字）
DWA/TEB：机器人时代产物，自动驾驶里低速园区有用，矿卡基本不用。：现代轻量避障规划器，矿卡局部规划有改造价值。、MPC、采样+优化融合Ego-Planner 适配矿卡的改造点清单TEB/DWA 在矿卡中仅适合的功能范围一套矿区局部规划的算法架构选型与接口设计。
Goodfellow大神 2015年在 ICLR上的 神作。开始拜读。
本文系统讲解了vLLM框架下prefill和decode的完整流程。在prefill阶段：1) 对输入token序列计算隐藏状态并应用RoPE位置编码；2) 并行生成Q/K/V矩阵；3) 计算注意力分数并softmax归一化；4) 加权求和得到输出向量；5) 缓存全部KV对。decode阶段则：1) 仅处理当前token；2) 计算最新Q/K/V；3) 结合历史KV缓存；4) 更新缓存并生成下一t
摘要： 本文分享了VS Code与大语言模型（LLM）深度集成的实战经验，通过代码生成、Bug诊断、文档编写等场景，实现开发效率的显著提升。文章详细展示了配置步骤（如API调用、快捷键设置）和Mermaid流程图，并对比传统方式与AI辅助的效率差异（部分场景提升5-9倍）。核心亮点包括：实时上下文感知的代码建议、一键生成文档、自动化重构等。所有方案均附带可复用的代码示例和优化技巧，为开发者提供开箱
国家"十五五"规划推动自动驾驶向"车路云一体化"转型，某汽车集团构建的智能平台通过边缘计算与可信数据空间技术，实现数据采集、标注、训练到部署的全链路闭环。该平台采用"一底座、一空间、两平台"架构，融合5G-A/C-V2X通信、多源感知预处理、AI自动化标注等核心技术，解决数据孤岛与合规难题。其五层解耦设计确保系统灵活性，高可靠网络架构实现
本文介绍了基于LangGraph+Agent Skills+A2A+MCP技术栈重构购物场景生成AI Agent系统的实践。通过引入Planner节点实现智能规划能力，采用模块化Agent Skills封装工具功能，结合AI Coding工具加速开发，在几天内完成了系统重构。新架构实现了从单体流程编排到模块化技能体系的转变，任务完成率提升20%，为电商运营提供更高效的场景生成解决方案。核心创新包括
支持向量机（Support Vector Machine，简称SVM）是一种强大的监督学习算法，由 Vladimir Vapnik 和他的同事在 20 世纪 90 年代提出。SVM 主要用于分类和回归问题，在文本分类、图像识别、生物信息学等领域有广泛应用。SVM 的核心思想是：在特征空间中找到一个最优的超平面，使得不同类别的样本能够被最大程度地分开。
最近，AI 圈被三个词刷屏了 ——MCP、RAG、Agent！几乎每天都有新的相关工具冒出来，各大技术论坛、行业群聊得热火朝天。但不少朋友一看到这些术语就犯迷糊：它们到底是啥？能干啥？和我们普通人又有啥关系？别慌！今天就用最接地气的方式，带你彻底搞懂这些概念，看完秒变 AI 达人！
AI架构演进：从静态模型到自主智能体 传统AI采用固定管道式架构，依赖历史数据进行训练，但缺乏适应性和自主进化能力。智能体AI实现了范式转变，通过目标驱动和动态循环实现自主决策与实时行动，但存在"幻觉"风险。智能体RAG则融合了检索增强技术，将自主性与事实性结合，形成带记忆的进化系统。未来AI系统将整合三种架构优势：传统AI的预测能力、智能体AI的自主性及RAG的事实依据性。这
简单来说，AI 智能体（Agent）是一种能够感知环境、并采取行动以实现特定目标的系统。它是从传统大型语言模型（LLM）演化而来的新一代形态，具备规划、使用工具、与环境交互的能力。可以把它想象成一个会在工作中学习的智能助手。接收任务（Get the Mission）：你给它一个目标，比如“帮我整理日程”。扫描环境（Scan the Scene）：它会收集所需信息——读取邮件、查看日历、访问联系人等
上一篇我们聊到，AI和传统程序最大的区别是"会自学"。但到底怎么个"自学"法？今天我们就用"教小孩认水果"的例子，把机器学习的三种核心方法讲明白。想象你是一位幼儿园老师，要教小朋友认识苹果、香蕉、橘子三种水果。你会怎么做？不同的教学方法，对应着AI的不同学习方式。
RAG（Retrieval-Augmented Generation，检索增强生成），顾名思义，就是通过“检索+生成”的组合模式，专门解决LLMs上述短板的优化技术，也是目前程序员落地AI应用、小白入门大模型优化的必备知识点。
柔性电子测试迎来爆发期，2026年可穿戴设备市场激增推动弯曲疲劳测试需求。公众号数据显示，AI与自动化测试工具占据40%流量，从业者更关注高效落地方案而非理论。本文解析GAN如何革新柔性电子仿真：通过生成对抗网络模拟真实形变，将测试周期缩短75%，缺陷检出率提升20%。文章结合公众号热点趋势，提出数据驱动选题、工具链集成等实战策略，助力测试团队转型为价值引擎。未来将向量子计算与伦理测试延伸，电子皮
AI驱动软件开发范式变革：多智能体协作架构解析 本文探讨了AI编码工具从辅助角色向自主开发伙伴的演进，重点分析了ClaudeCode提出的多智能体团队架构如何重构软件开发流程。该架构由开发者、主智能体(LeadAgent)和专业子智能体(Frontend/Backend/Test/Docs Agent)组成，形成三层协作体系：开发者设定目标与标准，主智能体统筹任务拆解与分配，专业子智能体并行执行专
智慧工厂大脑：大模型调度产线资源摘要 本文探讨了大模型技术在智慧工厂产线资源调度中的应用。传统依赖人工经验的生产调度已无法应对复杂需求，而大模型凭借多模态信息处理、复杂约束优化和实时决策能力，正成为新一代工厂"大脑"。系统架构展示了大模型作为核心调度引擎，形成从订单解析到方案执行的闭环优化流程。关键技术包括：1）处理文本、结构化和时序数据的多模态理解能力；2）平衡硬约束、软约束
摘要： 随着AI自主决策的普及，算法偏见成为软件质量的关键隐患。金融、招聘等领域的歧视性决策暴露了数据与算法的伦理漏洞。2026年全球监管要求推动公平性测试从可选变为强制，测试重点从功能验证转向决策过程解析。技术层面需关注数据平衡、算法可解释性（如SHAP工具）和动态监控（实时审计日志）。测试人员需转型为伦理审计师，掌握偏见检测工具（如PaddlePaddle可信AI），并参与标准制定。AI伦理审
在教育研究领域，问卷设计始终是横亘在研究者面前的“第一道坎”。传统问卷设计依赖人工经验，从量表选择到选项设置，从逻辑跳转到信效度检验，每个环节都可能因主观偏差导致数据失真。而当书匠策AI携其智能问卷设计功能登场时，这场持续数十年的“手工问卷时代”正迎来颠覆性变革。访问书匠策AI官网（），或微信公众号搜一搜“书匠策AI”，让我们共同揭开这场问卷革命的神秘面纱。
AI技术正在革新短剧创作模式，通过编程与大语言模型结合，可高效生成高质量短剧脚本。本文提出"编程+AI模型"的技术方案，详细介绍了模型选型（GPT、通义千问等）、Python环境搭建、核心代码实现等关键步骤，并重点解析了prompt设计的四大要素：题材风格、人物设定、剧情大纲和格式要求。该方案能显著提升短剧创作效率，降低同质化风险，为创作者提供从技术选型到实操落地的完整指南，助
过去十年的演进轨迹，是将决策控制从一个**“死板的数学计算器”重塑为“赋能全球物理智能化、具备内核级权限感知与实时安全自愈能力的数字决策中枢”**。你在纠结如何写出完美的if-else让车别在左转时由于树影干扰而急刹。你在利用 eBPF 审计下的端到端控制系统，放心地让 AI 处理极端复杂的场景，并看着它在内核级的守护下，安全、丝滑且极具智慧地与物理世界共生。
摘要： 行为预测技术经历了从动作识别到心理博弈的十年演进（2015-2025）。早期（2015-2018）依赖CNN/RNN进行简单动作分类；中期（2019-2023）通过GNN和博弈论实现多智能体交互建模；2025年则整合世界模型、eBPF内核审计和跨模态常识，实现意图推理与逻辑纠错。关键突破包括：从物理轨迹预测转向社会意图理解，通过eBPF实现预测可靠性保障，以及多模态数据融合。该技术已从单一
摘要： 轨迹预测技术十年（2015–2025）经历了三大阶段： 物理模型期（2015–2018）：依赖卡尔曼滤波等数学方法，但无法处理复杂意图； 深度学习期（2019–2023）：通过LSTM、GNN等捕捉交互，实现多模态预测； 世界模型期（2025）：整合生成式AI与eBPF内核级安全审计，实现实时博弈与超视距协同预测。 2025年的技术突破包括：端到端生成预测、eBPF强制安全熔断、LLM社会
AI赋能短剧创作：技术实现与实操指南 摘要： 本文探讨AI技术在短剧创作中的应用解决方案。针对传统短剧创作效率低、同质化严重等痛点，提出"编程+AI模型"的技术组合方案，详细介绍了从模型选型到实操落地的全流程。核心内容包括：1)基于GPT等大语言模型的脚本生成技术选型；2)Python环境搭建与AI接口调用方法；3)prompt设计四要素（题材风格、人物设定、剧情大纲、格式要求
过去十年的演进轨迹，是将目标检测从一个**“静态图像处理工具”重塑为“赋能全球数字化治理、具备内核级安全感知与实时物理重构能力的数字视网膜”**。你在为模型能准确框出一只“猫”而兴奋。你在利用 eBPF 审计下的检测系统，放心地让 AI 接管繁琐的安全生产监控，并看着它在内核级的守护下，精准、安全地“读懂”这个复杂世界的每一个脉络。
空间智能建图十年演进（2015-2025）：从基础SLAM发展到生成式神经重建与内核级安全闭环。早期以稀疏点云为主（ORB-SLAM2/LOAM），2019年后引入语义分割和NeRF连续表示，实现高保真重建。2025年突破包括：1）生成式补全地图，通过空间大模型预测残缺场景；2）eBPF内核审计保障空间数据安全，阻断结构注入攻击；3）4D动态建图支持实时物体追踪。技术跨越体现为：地图精度从厘米级到
VLA模型十年演进：从机械控制到具身智能（2015-2025） VLA（视觉-语言-动作）模型是具身智能的核心技术，其发展经历了三个阶段：2015-2021年的模仿学习阶段，机器人只能执行简单任务；2022-2023年的大模型注入阶段，谷歌RT系列实现动作指令编码；2025年进入原生具身时代，模型具备物理常识和实时安全控制能力。关键技术突破包括：动作Token化、eBPF内核级安全审计、世界模型嵌
摘要： 视觉语言模型（VLM）在2015-2025年间经历了三大技术跨越：从早期的特征对齐（如CLIP）到冻结骨干与Adapter爆发（如LLaVA），最终发展为2025年的原生全模态统一认知。2025年的VLM具备4D时空推理能力，通过eBPF内核审计实现安全交互，并依托1.58-bit压缩技术实现端侧部署。其核心突破在于从“静态图像识别”升级为“实时物理感知”，成为兼具高信度与安全性的“数字视
最强编程Agent Claude Code结合最强国产开源模型GLM4.6部署教程
摘要： 2015-2025年，算法工程化（MLOps）经历了从实验室手动调参到工业级自动化流水线的革命性演进。早期（2015-2018）以Docker和K8s解决环境一致性问题；中期（2019-2022）通过MLOps工具链实现AI生产闭环；2025年进入“自适应工程”时代，依托eBPF内核调度、Auto-Engineering和LLMOps，实现秒级部署、动态资源调度及内核级安全监控。十年间，算
摘要： 2015–2025年，感知算法经历了从2D图像识别（CNN时代）到3D时空融合（BEV+Transformer）再到端到端认知（2025年）的三阶段跃迁。核心突破包括：BEV架构实现多摄像头统一感知、占用网络检测异形障碍物、端到端模型降低系统延迟，以及eBPF内核级安全审计确保实时可靠性。2025年的算法融合了物理引擎、世界模型和语义理解，成为自动驾驶与机器人的“高可信认知引擎”，从单纯模
ControlNet演进史（2015-2025）：从随机生成到精确控制 ControlNet的发展标志着生成式AI从"随机抽卡"向"像素级控制"的转变。2015-2021年为卷积控制期，基于GAN实现初步图像翻译但控制粗糙；2022-2023年ControlNet通过"副本支路"和"零卷积"实现扩散模型的精细控制；到2
摘要：2015-2025年是AI基础设施从通用云计算向AI原生智算范式转变的十年。经历了三个技术阶段：虚拟化云原生期（2015-2018）聚焦容器化和K8s；算力中心期（2019-2022）以GPU为核心，突破网络和存储瓶颈；2025年进入智算原生时代，实现eBPF内核调度、CXL 3.0内存池化等突破。基础设施演变为具备自愈能力、内核级安全审计和极致能效管理的智能系统，支持万亿参数模型的训练。核
这是通过推理层次结构实现的：一个快速异常检测器，用于查询机器人在 LLM 嵌入空间中先前经验的相似性，以及一个慢速生成推理器，用于评估检测到的异常安全影响并选择适当的缓解策略。此外，NVIDIA 的快速异常分类器在资源和时间受限的情况下，也能够提高动态机器人系统的可信度，如四旋翼飞行器和自动驾驶车辆，其性能优于运用最先进 GPT 模型的自回归推理。平台是构建仿真流程以开发和测试 AI 驱动的自动驾
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
科技大视野开发者社区
2048 AI社区
DAMO开发者矩阵
昇腾开源生态专区
NVIDIA DRIVE 智能汽车专区
