登录社区云，与社区用户共同成长
邀请您加入社区
AI与教育的融合：人工智能如何改变学习方式与未来教育发展引言：人工智能正在重新定义教育
人工智能正在改变世界：AI技术的实际应用场景与未来趋势
从语言特性看：Python 是一门动态类型的解释型语言，语法简洁直观，接近自然语言。这意味着开发者可以把更多精力放在算法本身而非语言细节上。快速迭代的能力让 Python 特别适合 AI 领域的探索性工作——你可以快速实验一个想法，看到结果，然后调整优化。从生态角度看：Python 拥有全球最丰富的科学计算和机器学习库生态。几乎所有的 AI 算法、模型、工具，都能找到对应的 Python 实现。这
摘要：本文总结了团队在搭建数据可视化看板过程中的技术选型经验，对比了三类主流方案：1）AI智能图表工具（如百度文库、NapkinAI）适合办公场景快速出图；2）前端开源库（如ECharts、Chart.js）适合系统集成与定制开发；3）零代码BI平台（如九数云、PowerBI）便于业务人员自助分析。测试发现百度文库智能图表支持自然语言生成和多格式导出，ECharts在大数据场景表现优异，而BI工具
具身智能是AI从虚拟走向物理的关键跃升。本文从具身智能架构、视觉运动控制、世界模型、Sim-to-Real迁移、数据采集与仿真、具身评测与边界六个切口，给出源码级实现与企业级决策框架。
AI 导出鸭是一款专为解决AI生成表格导出难题的工具，支持多种格式无损导出，适配全终端设备。用户常面临原生导出功能格式单一、复制错乱、跨端不兼容等问题。该工具采用自研解析引擎，自动识别表格结构，支持Excel、CSV、PDF等格式一键转换，无需依赖办公软件。对比传统方式，AI 导出鸭操作更简便，格式完整度高，批量导出效率显著提升。实测数据显示，其出错率仅3.1%，大幅优于其他方案。适用于职场、学生
龍魂·鸿蒙网络请求工程化摘要 本文档详细阐述了鸿蒙应用中Axios网络请求的工程化封装方案，核心内容包括： 理论价值：通过统一入口管理、底层屏蔽和性能优化，提升网络请求的可维护性和效率。 龍魂语法体系：将通用网络概念转化为具有五行属性的龍魂术语，如"龍魂信使"（Axios实例）、"守门员"（请求拦截器）等。 实战方案： 单例模式构建NetworkService 拦截器实现Token注入和自动刷新
实测数据/案例：我们以“问策AI”为目标品牌，对5个主流AI模型各发送100次相同提示词（提示词内容为“列出你推荐的品牌监控工具”），统计提及率。结果显示：ChatGPT提及率8%，豆包提及率12%，Claude提及率5%，而问策AI自有监控平台（通过模拟用户行为）显示同期真实曝光率为11%。对于需要精确量化AI搜索曝光的团队，使用专业平台能节省70%以上的运维成本。但若需长期稳定监控多品牌、多模
OpenClaw，在开发者社区中常被亲切地称为"小龙虾"，是当前备受关注的开源 AI 智能体项目，其在 GitHub 平台上已累计获得超过 28 万星标。与常规的对话型 AI 工具不同，OpenClaw 能够理解自然语言指令，并自动操控本地计算机执行各类操作，因此被许多职场人士誉为高效的"数字员工"。本文面向零基础使用者整理整合式一键部署资源，全程无需手动输入命令行操作，整套部署流程耗时约 10
AI导出鸭一站式解决ChatGPT文档导出难题，支持Word/PDF/Markdown/TXT多格式无损转换，完整保留表格、代码块等原始格式。该工具通过结构化内容识别和多格式编译内核，实现电脑、手机、平板全终端适配，操作简单无需代码基础。相比手动复制易错乱、专业工具门槛高等传统方式，AI导出鸭在导出完整度、跨端适配性上优势显著，满足职场、学术等场景的高效导出需求。行业数据显示78%用户每周频繁导出
文章摘要：本文通过一个数组越界的面试案例，分析了C风格数组和std::vector的选择策略。作者指出在机器人开发中vector更安全实用，但嵌入式场景仍需C数组。文章重点探讨了数组越界这一隐蔽bug的危害及防范方法（如使用at()和AddressSanitizer），对比了C字符串与std::string的优劣，解析了数组参数传递机制，并强调了多维数组在机器人领域的应用。最后建议开发者培养使用S
世界模型通过构建物理世界的数字化推演系统，解决了具身智能在动态环境中的认知瓶颈。传统具身智能依赖静态规则，缺乏对物理规律的理解和因果推理能力。世界模型通过三层架构（物理规则学习、状态表征建模、未来推演规划）赋予智能体虚拟认知能力，实现动作预判和安全规划。结合TVA的实时感知能力，形成"认知推演+物理执行"的闭环，使智能体能够像人类一样理解并适应复杂环境，突破产业化落地的关键障碍
摘要：本文揭示了Transformer架构在AI视觉（TVA）中的革命性突破，通过自注意力机制实现了从CNN的局部感知到全局时空建模的跨越。TVA将视觉数据转化为包含几何结构、物理属性和动态过程的紧凑表征，为具身智能构建了物理世界的"数字孪生"。这种多模态融合的全息表征，解决了传统视觉系统在理解物体交互、运动预测等方面的局限性，为世界模型提供了高保真的输入基础，成为连接真实物理
本文提出了基于TVA的具身智能实时交互技术方案，突破传统模块化架构的响应延迟瓶颈。TVA通过构建毫秒级"感知-推理-决策-行动-反馈"原生闭环系统，实现任务驱动的主动视觉感知、Transformer实时推理和运动控制一体化协同。该系统在工业检测、柔性操控等场景中展现出三级应用价值：基础视觉检测、具身运动协同到通用智能底座，最终为世界模型提供实时物理数据支撑。TVA通过消除跨模块
本文探讨AI智能体视觉（TVA）与世界模型（WMs）融合对具身智能产业化的突破性意义。传统机器人依赖结构化环境且缺乏物理直觉，而TVA通过时空感知获取环境深度表征，WMs则构建虚拟环境进行动作预演。二者的协同作用解决了三大产业化痛点：1）通过虚拟试错降低数据依赖；2）基于预测的安全机制保障人机协作；3）跨场景泛化能力支持零样本学习。这种"感知-想象"范式将机器人从被动响应升级为
摘要： TVA（Transformer-based Vision Agent）与世界模型（World Models）的双向融合重构了具身智能交互体系，解决了传统模块化系统在物理认知、实时交互和泛化能力上的缺陷。TVA通过毫秒级闭环实现感知-决策-执行全链路协同，而世界模型则构建虚拟推演系统，赋予智能体因果认知与前瞻规划能力。二者的深度结合形成“实时感知+虚拟推演+精准执行”新范式，突破动态不确定环
摘要：具身智能面临的核心挑战是如何让智能体在复杂动态环境中实现类人的感知与适应能力。TVA（Transformer-based Vision Agent）通过自注意力机制和因子分解算法，构建任务驱动的主动感知与决策闭环；而世界模型则建立环境状态转移的内部模拟器，支持预测和规划。二者的深度融合形成"感知-建模-推演-决策-验证"超级闭环，解决了传统系统的模块割裂、虚实脱节和实时性
摘要：当前服务机器人面临跨模态融合不足、场景泛化能力弱等核心痛点，制约其规模化应用。TVA-VLA融合体系通过五大技术创新突破行业瓶颈：1）实现跨模态深度理解与动态动作生成；2）具备零样本泛化能力适配非标场景；3）支持多轮连续自然交互；4）构建端到端自主控制闭环；5）赋予自主进化迭代能力。该体系使机器人能完成家庭服务、民生陪护等复杂柔性任务，大幅提升实用价值。标准化架构降低研发门槛，推动产业从定制
本文探讨TVA技术在家庭服务场景的应用价值与发展前景。家庭环境作为具身智能的"终极考场"，其非结构化特性对机器人提出了跨模态理解、零样本泛化等高要求。TVA通过视觉-语言对齐能力，可精准处理衣物整理等复杂家务，并实现自然的人机陪伴交互。未来，TVA将推动多智能体协同生态建设，通过终身学习持续适应个性化家庭环境，最终成为智能家居的中枢系统，重塑人机共生的生活方式。该技术正在突破服
本文探讨了TVA驱动的端到端智能控制系统如何突破传统模块化架构的局限。传统系统存在集成困难、通信延迟等问题，而TVA通过将感知、规划、控制整合为统一神经网络，实现"感知即控制"的范式转变。这种架构消除了数据转换损耗，实现全局优化，并通过任务导向的训练自动平衡各模块性能。尽管面临可解释性挑战，TVA系统凭借简化开发流程、提升响应速度等优势，有望成为未来机器人控制的主流方案，推动智
本实验基于前两次实验处理的数据表，使用助睿BI完成多维度可视化分析并撰写运营优化报告。实验聚焦同质化内容下标题差异对数据表现的影响，构建包含核心指标卡、排名图表、标题影响分析和趋势分析的综合仪表盘。分析发现CSDN是主要流量来源（占总浏览量90.5%），"零代码"是双平台最有效标题关键词，但平台用户偏好存在差异（B站偏好"教程"类，CSDN偏好"实
本文深入解析了TVA跨模态桥接技术的核心架构与算法实现。基于Transformer的编码-解码框架，系统采用ViT处理视觉输入，预训练模型处理文本，并通过混合嵌入策略统一多模态表示。关键创新在于交叉注意力机制实现视觉-语言精准对齐，以及混合动作空间策略同步处理离散/连续动作输出。训练采用三阶段范式：对比学习预训练、行为克隆和强化学习微调，结合因果掩码确保时序一致性。该架构通过数学建模实现了感知-认
本文探讨了TVA在复杂具身操作任务中的层级规划策略。针对长周期多步骤任务的挑战，TVA通过结合Transformer层次化特征与LLM推理能力，实现了从宏观指令到微观动作的分解：首先利用LLM进行任务分解生成高层规划图，再通过Transformer跨层注意力实现规划指导动作，并采用动态粒度的视觉-动作Token。系统支持基于视觉反馈的动态重规划，同时提供可解释的中间状态。这种自上而下规划与自下而上
最近chatgpt 5.6上线了，号称实现了codex的整合，于是想着试一试看看。打开codex左下角可以看到显示【正在下载】，下载完了就显示【更新】，但是点击【更新】后弹出进度条一直不动，过一会儿就直接闪退了。重启打开后又重复上述过程。开始以为是网络的问题，切换了很多次还是一样，折腾了很久突然想到之前codex官宣支持其他模型，在配置文件中增加过Deepseek，于是考虑配置文件问题。
自动生成文章摘要、智能客服聊天机器人、SEO 标题优化、内容翻译等。插件方案：如 AI Engine、Bertha AI 等。适合非技术人员，开箱即用，但定制化能力弱，且通常需要付费。自定义开发方案：通过 WordPress 的 HTTP API 和 Shortcode/Ajax 机制直接对接大模型 API。适合开发者，完全免费且可控。本文将以自定义开发。
OpenAI重磅发布GPT-5.6及全新产品架构：ChatGPT与Codex完成深度整合，标志着从"聊天时代"正式进入"智能代理时代"。GPT-5.6包含Sol、Terra、Luna三款模型，其中旗舰模型Sol在编程、安全攻防等专业领域展现出卓越性能，55个专业工作流测试得分达53.6分，远超竞品。新版界面将Codex工作流置于核心位置，新增Work办公模式
摘要： FPGA凭借可定制架构和低延迟优势，成为边缘端AI加速的优选方案。本文提供从零搭建FPGA AI加速流程的实战指南： 环境搭建：强调工具链兼容性（如Vivado/Vitis AI）与Linux环境配置； 核心概念：解析并行计算与流水线设计，以空间换时间提升吞吐量； 模型部署：从ONNX导出、INT8量化到编译优化，生成可烧录的比特流； 资源优化：混合精度量化、数据复用与循环展开技巧； 调试
奥特曼瘫坐在椅子上的发布会剧本，大家估计早就看腻了。但说实话，每次 OpenAI 毫无征兆地在半夜扔出新模型，科技圈还是得跟着集体失眠。\x0a这次没有画大饼，GPT-5.6 带着三款新模型直接全量上线。\x0a名字起得挺有意思，分别叫 Sol（太阳）
嵌入式系统作为现代智能设备的核心技术，已形成千亿美元级市场。2024年全球市场规模达1008.6亿美元，预计2033年将突破1675亿美元，年复合增长率9.2%。行业呈现三大技术趋势：边缘AI推动本地化智能决策，RISC-V开放架构打破ARM垄断，MCU向智能化演进融合AI与无线通信。主要应用于汽车电子、工业控制、智能家居等领域，其中汽车电子需求尤为突出。人才市场呈现结构性短缺，具备硬件、操作系统
车控操作系统是支撑智能网联汽车智能化、网联化发展的核心软件底座，是保障整车控制安全、提升硬件适配效率与智能化水平的核心支撑，已成为决定智能汽车产业安全与技术自主能力的关键环节。依托千万级装车量产规模与100余家车企及Tier1客户的规模化落地实践，NeuSAR OS已完成多芯片、多架构、多车型平台的全场景量产验证，广泛应用在智能辅助驾驶、底盘动力、车身控制等核心域控制器产品中，形成标准能力在产业侧
AI写小说的风已经吹了两年，现在的局势早已不是“能不能写”，而是“谁写得更像人”、“谁能帮作者搞钱”。我也懂那种“坐在电脑前两小时蹦不出500字”的痛苦了，尤其是看到同期作者日更过万的时候，焦虑感真的会爆炸。后台每天都有新人问我：👉 市面上ai生成小说的工具几百个，到底哪些能真正帮我搞定连载，而不是生成一堆这就去废话？为了帮大家避雷，我实测了市面上主流的10款写小说软件。这篇测评不整虚的，只讲真
企业级AI Agent测试体系演进与落地实践 随着AI Agent技术从问答系统向业务流程执行演进，2026年《人工智能 智能体互联》国家标准的发布推动行业进入标准化协同阶段。本文系统分析了主流企业级AI Agent平台的测试能力： 平台能力对比：实在Agent通过ISSUT技术实现"生成即校验"测试范式，TestMu AI专注Web集成测试，AutoDev提供IDE级单元测试支持。 技术架构解析
作为一名日常在知乎分享干货的自媒体博主，其实呢，我非常理解大家现在的创作焦虑。现在的网文圈实在太卷了。大家最痛苦的不是没想法，而是脑子里构思得天花乱坠，一动笔就“卡壳”。话说回来，我以前刚开始尝试写小说的时候，为了憋出一个开头，整整熬了三个大夜。结果写出来的东西逻辑稀碎，自己看都觉得尴尬。🤦其实呢，到了2026年，现在的创作环境早就不一样了。现在的写小说软件已经进化到了能帮你梳理逻辑、自动生成细
法国竞争管理局正对英伟达推进反垄断调查，核心指控围绕市场对其 CUDA 平台的高度依赖，以及英伟达对 CoreWeave 等 AI 云计算公司的投资。若落地，法国将成全球首个对英伟达提出反垄断指控的监管机构。Reflect 功能向已开记忆功能的用户开放，可回看过去 1-12 个月的 Claude 使用活动，并按"委派、描述、辨别、审慎"四个维度生成使用总结与改进建议。据 IT之家援引的消息，三星正
摘要： 2026年AI Agent技术将深入生产环境，构建具备“思考、感知、执行”能力的数字员工需突破传统硬件规划。大模型落地趋势从云端转向边缘侧，开发者需应对算力调度、存储隔离及复杂环境兼容性等挑战。当前主流方案分为全栈自动化智能体（如实在Agent）和云原生集成智能体，硬件需求差异显著。核心配置需兼顾CPU/GPU协同、存储架构优化及网络隔离，同时需明确技术边界（如长链路闭环限制）。选型建议根
本文探讨2026年AI Agent在中小企业选型的关键考量。随着技术成熟，选型重点转向成本控制、功能闭环与工程化治理的平衡。文章系统分析四类主流方案特点：全栈通用型（如实在Agent）、云厂商底座型、垂直领域内嵌型和零代码平台型，指出各自适用场景。核心建议包括采用多模型分级调度降本、严谨任务拆解机制，并强调需匹配企业数字化水平。特别提醒需正视AI技术边界，如非确定性风险和执行步长限制。最后提出适配
做网文这行，最残忍的真相是什么？不是你写得不好，而是你的“好”还没被人看到，就被隔壁日更 2 万字的“水怪”淹没在了榜单底端。现在圈里有个怪象：以前骂 ai写小说 没灵魂的大神，新书更新速度突然翻倍。别问，问就是“手速爆发”，实则大家心知肚明：哪来那么多天赋异禀？全是工具换代罢了。 但我见过太多作者，买了 GPT 账
OpenAI将Codex、ChatGPT和Work功能整合到新版ChatGPT桌面应用中。Codex并未消失，而是作为开发模式整合进新应用，Chat用于问答对话，Work处理复杂办公任务，Codex专注代码开发。三大模块定位不同：Chat是聊天助手，Work是通用工作代理，Codex是开发代理。用户可根据需求选择：快速问答用Chat，文档处理用Work，编程任务用Codex。原Codex用户的项目
过去这一年眼看着各种写小说软件拔地而起，为了不落后，我这两个月把市面上能叫得出名字的工具全高强度测试了一遍。我发现，现在的大模型割裂感很强：有的逻辑能力好但文笔太硬，有的适合日常记录灵感但写不了长篇。为了帮大家排雷，我把这10款ai写小说工具的深度体验码了出来。今天统一用「产品定位、核心功能、适用场景、真实缺点」这四个实打实的维度，帮大家筛选出真正能落地、有产出的小说软件生成器。小结：市面上绝大多
说实话，这两年AI工具更新迭代速度确实惊人。我算是最早尝试AI写小说的一批人。刚开始用通用大模型跑正文，十个有九个像在念说明书，根本没有网文该有的爽点和情绪拉扯。稍微写长一点，主角人设崩塌和剧情前后矛盾简直是家常便饭。为了在今年暑假爆更存稿，我花了一个月时间把市面上热度最高的10款工具深度体验了一遍。这篇文章包含6款核心必推和4款辅助神器，不管你想找个靠谱的写小说软件搭框架，还是想了解新手如何开始
科技与经济动态速览（2026.7.10） 科技前沿：①OpenAI全量开放GPT-5.6系列，整合Codex并推出Work智能体，最低定价1美元/百万Token，开启AI办公新场景；②阶跃星辰宣布全球首款AI智能体手机7月13日发布，支持自主任务执行；③特斯拉Optimus机器人9月目标产能1000台/周，量产进程加速。 经济热点：①A股创指单日跌4.37%，半导体回调，商业航天逆势走强；②长鑫科
说句实话，现在的网文环境太卷了。以前我们写小说，纯靠一杯浓茶熬大夜，卡文的时候对着电脑揪头发，连做梦都在想下一个情节怎么圆。但现在时代变了，ai写小说已经成了很多头部作者心照不宣的秘密武器。不过，工具一多，坑也就多了。市面上各种打着一键封神旗号的小说软件生成器满天飞，新手一不小心就会被那种浓烈的AI味带偏，写出来的东西干瘪又套路。我这大半年断断续续把市面上叫得出名字的工具都摸了一遍，有惊喜，也有大
公司电力交易团队的构成充分体现了这一战略：国内TOP1交易策略公司的核心团队带来成熟的交易策略和丰富的市场经验，山西现货交易专家提供对区域电力市场的深刻理解，AI算法专家则负责将前沿的人工智能技术应用于能源交易场景。黄河实业的技术架构以「电力交易+AI调度」为核心，这与章鱼能源Kraken平台的技术逻辑如出一辙。从「电力交易+AI调度」到「智能电网+分布式能源」，黄河实业的技术路线正在为中国能源转
摘要： OpenAI发布GPT-5.6系列，采用三档模型结构（Sol/Terra/Luna），新增Max（深度推理）和Ultra（多智能体协同）模式，并整合Codex至ChatGPT桌面端。实测显示，旗舰模型Sol在编程任务中效率显著提升，能自动识别代码问题并生成完整架构，但核心优势在于性价比——Terra性能对标GPT-5.5而价格减半，Luna成本降至五分之一。开发者建议根据场景选择：复杂任务
说实话，这两年AI写作工具更新得有点夸张，去年不少作者还在研究哪个码字软件顺手，今年作者群里的话题已经变成了：哪个AI写小说比较稳？哪个不会写着写着把主角名字改了？哪个做出来的大纲更接近编辑认可的结构？我自己算是踩坑比较多的一批人，从ChatGPT刚火的时候开始，到后来的DeepSeek、Kimi、豆包，再到各种专门面向网文作者的工具，前前后后试过二三十款。有些宣传页看得人热血沸腾，真用起来三分钟
最普通的行为克隆可以写成：输入当前观测，模型预测当前动作。它通常每次只预测一步。只要某一步出现一点误差，下一步的状态就会偏离训练数据，误差可能不断累积。同时，对于同一个状态，演示者可能有多种合理行为。例如抓取杯子时，可以从左侧接近，也可以从右侧接近。普通均方误差回归可能把两种轨迹平均，生成一条两边都不像的动作。
老实说，这半年我被同行问得最多的一个问题就是：“现在用ai写小说到底靠不靠谱？市面上那么多工具，到底哪个能真正帮上忙？”实话说，目前市面上绝大多数通用大模型在面对长篇叙事时，表现得都像个健忘症患者。很多刚尝试这行的新手，兴冲冲地把设定喂给普通的AI，结果写到第五章，AI彻底失忆，连主角是男是女、前面埋了什么伏笔都忘得一干二净。为了帮大家少走弯路，我花了整整一个月时间，把市面上风很大的各类写小说软件
人工智能
——人工智能
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
亚马逊云科技技术品牌专区
EazyDevelop社区
DAMO开发者矩阵
人工智能6S服务平台
AtomGit AI 社区
openEuler 社区
AI工具分享
