登录社区云，与社区用户共同成长
邀请您加入社区
从工具调用的两种常见失败出发，比较 SFT 与在线 RL 的训练信号和适用场景，解释为什么常用 SFT 冷启动，以及什么条件下可以直接做 RL。
输出扭矩是指传动系统或电机实际传递给负载端的旋转力矩。它决定了机械系统能否克服负载阻力、完成加速、维持稳定运行，以及在减速或制动过程中是否会产生回馈能量。对于电机、减速器、皮带轮、齿轮箱、滚珠丝杠、机器人关节和车辆驱动系统来说，输出扭矩都是最核心的性能指标之一。输出扭矩不仅与电机本身有关，还与减速比、传动效率、负载惯量、摩擦阻力、加速度需求和控制策略密切相关。实际工程中，不能只看电机额定扭矩，也不
触觉与多模态感知：具身智能的感官基础一、为什么具身智能离不开触觉二、触觉感知的技术路径三、多模态融合的必要性四、感知—行动闭环中的学习五、通向灵巧操作的感知挑战#多模态 #具身智能 #人工智能 #大模型。
VLA（视觉-语言-动作模型）正推动具身智能范式变革，实现“看懂、听懂、执行”端到端融合。通过统一跨模态表征、语言任务条件化与因果建模，VLA将语言从描述工具变为控制指令。技术演进经历动作语言化、连续控制、多时间尺度分层三大迁移，代表性模型如Google RT-2、Pi0、小米Xiaomi-Robotics-0等已在产线分拣、家庭任务中验证应用。然而，泛化物理可靠性不足、延迟与安全瓶颈、仿真-现实
不妨设想一次常见协作：你在 GitHub 上让 Agent 修分页 Bug。它开始改代码，同事补充了一个边界条件；PR 提交后还要等评审，服务中途又重启了一次。**dsh-superagent 要接住的，就是这段持续变化的工作。** 它把新请求变成有授权的任务，让后续讨论找到负责人，再把可审查的结果或需要人决定的问题送回原会话。
让机器人学会"开柜门、拉抽屉、拿水壶"这类日常操作，主流做法是模仿学习（Imitation Learning，IL，即从专家示教中学习策略）：研究者通过遥操作（teleoperation，人类远程操控机器人）采集示教数据，再训练策略网络。然而 Open X-Embodiment、DROID 这类大规模机器人数据集虽然体量惊人，依然无法回避"具身（embodiment）× 任务 × 环境"组合爆炸的
随着视觉大模型（如 ViT、DINOv2、SAM 等）在表征与生成任务上的快速发展，"预训练 + 微调"已经成为计算机视觉领域的主流范式。然而，全量微调（Full Fine-Tuning）需要为每一个下游任务存储一份完整的模型副本，参数量动辄上亿，在资源受限的场景中难以落地。参数高效微调（Parameter-Efficient Fine-Tuning，PEFT）正是为解决这一问题而提出的技术方向：
这半年看着各种大模型不断更新，很多同行都在问我到底哪个写小说的软件靠谱。为了给大家探路，我把市面上常见的工具全都深度测试了一轮。说实话，很多宣称十分厉害的工具只是简单的聊天机器人，根本不懂网文读者的真实痛点。[图片]今天我就从产品定位、核心功能、适用场景和真实缺点四个维度，给大家盘点10款能落地的工具，顺便分享一些我踩过的坑。不管你是遇到卡文的老作者，还是想知道新手如何开始写小说，或者需要找小说大
这半年看着各种大模型不断更新，很多同行都在问我到底哪个写小说的软件靠谱。为了给大家探路，我把市面上常见的工具全都深度测试了一轮。说实话，很多宣称十分厉害的工具只是简单的聊天机器人，根本不懂网文读者的真实痛点。今天我就从产品定位、核心功能、适用场景和真实缺点四个维度，给大家盘点10款能落地的工具，顺便分享一些我踩过的坑。不管你是遇到卡文的老作者，还是想知道新手如何开始写小说，或者需要找小说大纲范例超
一个编程智能体花了约一小时四十分钟改进压缩方案。小规模测试支持这个改动，可把它装进完整模型，旧方案反而更好。智能体最后退回了旧版本。
通宵赶完几万字内容，结果系统一查提示飘红，那种心情不用多说。不少人情急之下会病急乱投医，在网上到处搜免费降ai率偏方。我当初为了降低ai率也吃过大亏，熬夜纯手工倒装语序，结果改得语句支离破碎，复测数值却几乎没动。市面上各种打着免费降ai率工具旗号的软件鱼龙混杂，踩坑的概率极高。这篇测评整理了我实测过的10款工具，拆解它们的真实表现与短板，帮大家少走冤枉路。
通宵赶完几万字内容，结果系统一查提示飘红，那种心情不用多说。不少人情急之下会病急乱投医，在网上到处搜免费降ai率偏方。我当初为了降低ai率也吃过大亏，熬夜纯手工倒装语序，结果改得语句支离破碎，复测数值却几乎没动。市面上各种打着免费降ai率工具旗号的软件鱼龙混杂，踩坑的概率极高。[图片]这篇测评整理了我实测过的10款工具，拆解它们的真实表现与短板，帮大家少走冤枉路。
现在各类内容审核对于文本表达痕迹的识别标准持续收紧，降AI慢慢变成很多内容创作者都要面对的事。纯手工一句一句重写，不光消耗大量精力，还很容易打乱原本想好的行文逻辑。我前后断断续续测试了不少线上辅助的降AI工具，有的改写之后语句读起来很别扭，有的没有办法保留原有排版，还有的只能粘贴小段文字，处理长内容很麻烦。想要做好内容表达优化，找到适配自己使用习惯的工具，能省下不少反复调整的时间。下面这七款降AI
现在各类内容审核对于文本表达痕迹的识别标准持续收紧，降AI慢慢变成很多内容创作者都要面对的事。纯手工一句一句重写，不光消耗大量精力，还很容易打乱原本想好的行文逻辑。我前后断断续续测试了不少线上辅助的降AI工具，有的改写之后语句读起来很别扭，有的没有办法保留原有排版，还有的只能粘贴小段文字，处理长内容很麻烦。想要做好内容表达优化，找到适配自己使用习惯的工具，能省下不少反复调整的时间。下面这七款降A
另一种做法是保留比如前两个词（例如「I」和「a」），然后在下一步中，运行模型两次：一次假设第一个输出位置是单词「I」，另一次假设第一个输出位置是单词「a」，并保留在考虑位置 #1 和 #2 两者时产生更少错误的那个版本。一个真实的位置编码示例，对应 20 个词（行），嵌入大小为 512（列）。当我们编码单词「it」时，一个注意力头主要聚焦在「the animal」上，而另一个聚焦在「tired」上
突触场 AI 是一套自研大模型机制设计。它不以“下一个 token 的概率”作为唯一中心，而是把结构、突触权重与稳定性判据写进场里：沟通不记录，训练才记录；读出只交付达到稳定性阈值的结果。文章最底部附带实验性测试结果。理论指导。先写它依据的本体论和要解释的问题，再写与 Transformer 同一层级的机制。大模型在沟通时不记录结构。实验模型把沟通和训练当成同一件事，任何结构都记下，认不认可只看稳
网络 “长眼睛、有大脑”，可以实现厘米级定位、障碍物探测、动态环境识别，支撑自动驾驶、低空无人机、工业机器人、沉浸式XR等业务，也是AI-RAN的底层核心能力新华网。6G的核心目标：万物智联，网络原生具备感知、计算、AI推理能力，服务对象从人、机、物延伸到智能体，覆盖空间从地面拓展到空、天、地、海全域国际科技创...。面向6G通信、通感一体、毫米波 / 太赫兹、信道仿真、相控阵雷达全场景，模块化可
触觉与多模态感知：具身智能的感官基础
大模型技术演进始于1943年M-P神经元模型，历经感知机、多层网络与反向传播突破，解决线性不可分问题。1980年代CNN与RNN分别应对图像与序列任务，但受限于梯度消失/爆炸。LSTM通过门控机制缓解长程依赖难题。2017年Transformer以自注意力机制实现并行计算，彻底打破序列依赖瓶颈，奠定大模型基础。2018年GPT（生成式）与BERT（理解式）双星崛起，开启大规模预训练时代。后续架构持
本文提出“协作评价框架”，聚焦人与AI在高维可视分析中的协同过程，而非单一智能体性能。通过五个可日志计算的维度（互补性、效率、恰当依赖、知识保留、主体感），量化协作质量。仿真实验表明，仅34.7%条件下协作优于单方，且反馈留存显著降低干预次数。研究强调：指标需结合任务基准，干预频次不等于劳动成本，记忆收益须警惕固着风险。核心贡献在于为真实协作评估提供可操作、可比较的过程度量工具，推动从“测智能体”
数据分析统计学# 论文知网选题，从大方向到具体题目 & 零基础AI Agent完成实证分析秘籍论文知网选题，从大方向到具体题目& 零基础AI Agent完成实证分析秘籍不少同学在写论文时，常常卡在选题、实证分析这两大难关：不知道怎么在知网挖掘合适的研究方向，又被复杂的统计操作劝退。这篇文章，就沿着完整的论文实证思路，带你从知网选题入手，再借助 SPSSAU AI Agent 实现零门槛对话式实证分
一个新Agent路由正在出现。
浙江企业AI转型进入“找谁做”阶段，服务商分四类：头部平台（如阿里云、中控）、工业硬核厂商（如海康威视）、集成与智能体公司（如幂链、实在智能）、区域垂直服务商。选型关键在四步法：明确可验收痛点、验证真实接口、确保数据安全、厘清权属与迁移。避免六大误区，聚焦业务闭环。未来趋势为：从模型可用转向流程通达，Agent需可审计，私有化与轻量化并行，多模态融合深化。
本文围绕 AI 大模型全生命周期的隐私保护展开，按预训练、微调、推理三个阶段梳理关键技术。预训练阶段以数据清理（匿名化、假名化、数据最小化、数据聚合）、联邦学习与差分隐私为核心，并给出基于 Opacus 的 DP-SGD 最小实现；微调阶段重点讨论联邦学习的任务化定位与知识遗忘（梯度更新、模型剪枝、重训练/微调重置）；推理阶段则覆盖同态加密、安全多方计算、函数秘密共享（FSS）、推理期差分隐私以及
深度学习
——深度学习
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
北京朝阳AI社区
DAMO开发者矩阵
AI工具分享
