登录社区云，与社区用户共同成长
邀请您加入社区
在评审专家眼中，一份来自陌生名字的申请书，如果不能在短时间内展现出严密的逻辑、扎实的研究基础和极高的完成度，很难在激烈的竞争中脱颖而出。这或许需要借助外力的辅助。对于缺乏经验的“三无”人员来说，这种基于海量真实科研数据和历年中标数据训练出的工具，能提供更具指导性的建议，帮助规避很多因“不懂行”而犯的低级错误。MedPeer-AI国自然申请书并不是要代替科研人员去思考，而是通过强大的数据底座和智能化
本文探讨了大模型呼叫中心系统中延迟问题的创新解决方案。研究发现，用户对AI对话的延迟感知与传统电话不同，适当背景噪声能显著改善体验。文章详细分析了环境声学的心理学基础，包括听觉注意力分配和对话节奏模拟，并介绍了动态背景噪声工程的技术实践。同时提出了多感官协同策略和伦理考量，强调透明度和用户控制权。研究表明，巧妙运用背景声学可有效降低用户对延迟的主观感知，为AI客服系统提供了一种经济高效的体验优化方
文章探讨了大模型在垂直领域的应用挑战，包括幻觉和时效性问题，提出了检索增强生成(RAG)和微调(Fine-tuning)两种解决方案。详细介绍了微调的种类、工具框架及费用估算方法，以及实际操作流程。通过这些技术手段，可以增强大模型在特定领域的专业知识掌握能力，减少幻觉现象，提供更准确且最新的内容。
文章系统介绍了大模型微调技术的发展历程，从2018年全参数微调到2023年的偏好对齐技术，包括特征提取、Adapter、LoRA、提示微调、指令微调等方法。分析了各种微调技术的原理、特点和适用场景，解释了微调为何在大模型时代取代从零训练，并提供了根据实际业务需求选择合适微调方法的实用建议。
你让它做一个小说人物名字生成器，它给出的名字都是“叶凡”、“萧炎”这种玄幻大男主风，绝对不会给你整出个翻译腔的名字。把它当成一个“资料库”来用非常顺手，查历史资料、查专业术语作为小说的素材，问它比去百度搜快多了，还能帮你整理成表格，它的下限很高，但想让它写出惊艳的ai的小说，你得费点心思调教它。比如描写一个“心碎”的场景，别的AI可能只会写“他很伤心”，Claude能写出“心脏像被浸泡在冰水里收缩
这几个是我最后答辩前真正敢用的，虽然要掏钱，但降AI率效果靠谱，不会给你整出幺蛾子。测完这12个降AI率工具预算紧张？先用必过AI的免费降AI率工具或查查呗测一遍，看看AI率具体多少。不严重就手动改，严重了再上付费工具。赶deadline？别犹豫，直接上笔灵。我在前期试错上浪费的时间和钱，早够买好几次付费服务了。论文有大量图表公式？优先选笔灵或PaperPro，能保住格式，省去返工时间。写英文论文
OpenAI近日宣布即将在2026年Q1推出新一代语音AI模型。本文将结合ZEGO Express SDK和AI Agent方案，详细拆解实时互动语音智能体的搭建流程，帮助开发者快速实现“用户-智能体”实时语音互动。
使用 Agent-Lightning 编写第一个算法
LLM（Large Language Model，大语言模型）是指使用大量文本数据训练的深度学习模型，能够生成自然语言文本或理解语言文本的含义。LLM的核心思想是通过大规模无监督训练学习自然语言的模式和结构，模拟人类的语言认知和生成过程。Transformer是一种在自然语言处理（NLP）领域具有革命性意义的神经网络架构，主要用于处理和生成语言相关的任务。
我们将使用 LangChain、LangGraph和 RAGAS（评估工具），模拟真实世界的挑战，并展示开发者在构建 RAG 机器人时可能遇到的实际问题及其解决方案。
每年我都会说，2025 年对于 LLM 和 AI 来说依然是极为动荡且充满突破的一年，今年的进步依旧没有任何放缓或触顶的迹象。
本文系统介绍了大模型发展历程、分类及核心技术，涵盖基础模型、通用模型和推理模型的区别，详细解析了Transformer架构、MOE架构以及预训练、微调、对齐等构建流程。特别介绍了DeepSeek-V3和DeepSeek-R1两种典型模型的特点与应用场景，以及指令微调、RLHF等关键技术，为开发者提供了全面的大模型学习指南。
2025年AI领域迎来重大范式转变，从"暴力堆参数"转向精细化智能提升。基于100+篇顶会论文分析，四大技术突破尤为突出：流体推理通过Test-Time Compute让AI学会思考推演；长期记忆技术治愈模型"健忘症"；空间智能补足视觉处理短板；元学习实现持续自我进化。其中，MoE架构、强化学习革新（如GRPO算法）和记忆系统升级成为关键驱动力。研究显示，AI在推理、长期记忆和视觉处理等原"零分项
将大语言模型（Large Language Models, LLMs）与外部工具相结合，为复杂任务提供了一种极具潜力的解决范式。然而，在某些特定下游任务中，仅依赖工具调用仍难以应对真实世界的复杂性。本文聚焦于医疗计算这一典型下游任务——医疗计算器（medical calculators），该任务通常通过标准化测试对患者健康风险进行量化评估。我们提出 MeNTi，一种面向医疗计算场景的智能体框架，通
本指南中详细介绍的21种模式是代理开发的综合工具包。虽然每个模式都针对特定的设计挑战，但可以通过将它们归类为反映智能代理核心能力的基本类别来加以整体理解。
对于想入手降噪蓝牙耳机的用户，目前市面上的选择虽然很丰富，但是好的产品还是需要用心甄别的。在这里，我向大家推荐两款当前畅销的500内降噪无线耳机产品——NANK南卡A2和vivo TWS 2。NANK南卡想必就不用多说了，作为平价无线耳机的代表，NANK南卡A2拥有精致的外观设计，搭载的专属降噪芯片带来了更强悍的降噪运算力，结合内外麦克风的双重主动降噪技术，实现了更“静”一步的降噪效果，降噪深度最
今年4月，某证券有限公司决定就“企业级”人工智能平台产品及技术服务进行招标采购，天云数据中标。标书发出日期为4月1日，投标截止时间为4月21日15:00。不足21天的准备，什么样的公司能构建出一个符合大型股份制证券公司所期待的“企业级”人工智能平台？什么是“企业级” 人工智能平台？“企业级”人工智能平台不难定位：构建一个以算力平台和算法平台及分布式数据库为底座的企业通用AI能力基础设施，以统一、标
从Runway到可灵，从Vidu到百度“蒸汽机”，AI视频生成赛道正以前所未有的速度演进。它既是AI商业化的先行者，也面临技术、隐私和商业模式的多重挑战。在这场“暗战”中，大厂与初创公司、国内与海外厂商、平台与基础设施提供者，都在寻找属于自己的位置。而像大多专注于为企业提供底层AI算力与多模态服务的厂商，或许将在这股浪潮中扮演一个低调却关键的角色——推动AI视频生成真正从“卖家秀”走向“买家秀”。
大模型技术正在迅速崛起，对汽车行业的设计、制造、运营和服务环节产生深远影响。这项技术不仅为智能座舱和自动驾驶带来颠覆性变革，还对新能源汽车智能化进程中的“下半场”发挥重要作用。然而，大模型的应用也伴随着数据、算力、算法及系统安全等多重挑战。本文将深入探讨大模型在汽车行业的应用前景及面临的难题，并提出相应建议。大模型技术的迅猛发展已超越了汽车产业的创新速度，成为解决汽车行业难题的关键推动力。具有毁灭
看了那么多chatGPT的文章，作为一名不精通算法的开发，也对大模型心痒痒。但想要部署自己的大模型，且不说没有算法相关的经验了，光是大模型占用的算力资源，手头的个人电脑其实也很难独立部署。就算使用算法压缩后的大模型，部署在个人电脑上，还要忍受极端缓慢的计算速度以及与chatGPT相差甚远的模型效果。————————————————
事实上，技术进步能够给我们带来的好处是，变量X的提高使得我们训练模型所需要的时间正在逐步减少，因此对于搭建自有的大模型来说，训练多大的规模参数就需要有多大规模的算力。初代大模型的推出是具有跨时代的意义，这不仅仅是让人们充分利用到大语言模型的便利性，也为更多大语言的推出铺平了道路，例如：ChatGPT训练了几乎所有能在公开渠道找到的数据，包括全部的推特数据（事实上，今年马斯克已经限制了推特API的采
我们也许无法相信自己能开发出这样的工具来，但一定要相信年轻的学生们，不要让他们被“外语专业”束缚住自己，就像潘展乐说的那样，“人类是不可能游到那个速度的”是人类设置的框而已，跳出这个框，还会看到更大的潜能。基于对大模型有限的认知，我觉得我是没有能力去研发大模型的，正如上图最左侧所示，我没有数据、没有算力、不懂算法、没有人力，更没有天量的经费，所以不可能参与到研发大模型的环节。劝是没有用的，一定要自
AI大模型是“大数据+大算力+强算法”结合的产物，是一种能够利用大数据和神经网络来模拟人类思维和创造力的人工智能算法。它利用海量的数据和深度学习技术来理解、生成和预测新内容，通常情况下有数百亿乃至数万亿个参数，可以在不同的领域和任务中表现出智能。
随着ChatGPT引爆全球AI热潮，国内“百模大战”方兴未艾。当大语言模型（LLM）的通用能力逐渐被验证，行业目光开始转向垂直领域的深度应用。其中，“体制内”领域（包括党政机关、事业单位、大型国企）因其拥有海量的高价值数据和迫切的提效需求，成为了LLM落地的“深水区”。本文将从技术视角出发，深度剖析大语言模型在体制内领域的核心应用场景技术架构选型数据安全挑战以及未来演进趋势，为开发者和IT管理者提
DeepSeek大模型
grad = preds - labels # 一阶梯度hess = np.ones_like(preds) # 二阶梯度适用于 Quantile Regression、Focal Loss 等场景。梯度提升树不仅是算法，更是一种认知范式：承认当前模型的不完美，以谦卑之心，一步步修正偏差。复杂问题，可以分解为一系列简单修正；最优解，往往藏在误差的梯度方向里；真正的强大，源于对细节的极致把控。
本文介绍了在SNLI数据集上微调预训练BERT模型进行自然语言推断的方法。通过加载小版本BERT，构建包含多层感知机的分类器，处理文本对数据，并进行训练优化，最终实现序列级文本分类任务，提升推断准确性。
医疗AI项目组织架构采用多专业协作模式，包含临床、技术、管理和合规四大团队。开发流程规范涵盖需求分析、迭代开发和变更管理三大环节，采用质量门禁和临床验证机制。培训体系针对不同用户群体设计分层课程，技术支持采用四级响应机制。风险管理覆盖技术、组织和合规三大领域，重点关注模型性能、数据安全和法规合规。项目成效通过技术指标（如一致性率、响应时间）和业务指标（如编码准确率、文档时间节省）进行量化评估。
AI 产品冷启动的本质，是 “用最低成本获取高质量数据，用最小范围验证核心价值”。小数据快跑，小范围验证，快速迭代。小数据快跑：无需追求大规模数据，通过公开数据复用、用户行为采集、小样本标注、数据增强，用最少的数据搭建模型基础，快速实现 “可用”；小范围验证：聚焦精准种子用户，验证模型效果和用户需求，避免大规模推广后的方向错误；快速迭代：建立数据闭环，根据技术指标和用户反馈，持续优化模型和产品，逐
25年12月来自香港科大（广州）、中关村学院、中关村AI研究所、北京机智赛博智能科技有限公司（DeepCybo）、哈工大和华中科大的论文“PhysBrain: Human Egocentric Data as a Bridge from Vision Language Models to Physical Intelligence”。机器人泛化依赖于物理智能：即在以自我为中心的感知和行动框架下，推
RT-04 MDE Training Data Speech（LDC2005S16，RT-04 MDE Training Data V1.2）是 LDC 为 DARPA EARS 项目 RT-04（Rich Transcription 2004）MDE（Meeting/Diarization/Extraction）任务构建的英文电话语音训练数据集，核心为 40 小时会话语音与配套 MDE 标注，适
Levantine Arabic QT Training Data Set 4 (Speech + Transcripts)（LDC2005S14）是 LDC 发布的黎凡特阿拉伯语 QT 系列训练集，聚焦电话场景自然口语，含语音与文本转录，适配 ASR 模型训练与方言语音研究，2006 年发布。
北大联合腾讯AI Lab提出DocDancer，首个端到端训练的文档问答Agent。通过"搜索+阅读"双工具设计，将文档问答形式化为信息寻求过程，实现高效定位与深度理解。创新性提出"探索-综合"数据合成框架，自动生成高质量训练数据。在MMLongBench-Doc和DocBench两大基准测试中表现优异，超越现有方法并接近人类水平。案例分析显示，DocDan
本系统是一个基于Flask开发的智能招聘平台，集成了AI匹配引擎、数据预测分析和可视化展示功能。系统采用前后端分离架构，支持用户、企业、管理员三种角色，为求职者提供智能职位推荐和简历分析服务，为企业提供高效的招聘管理和人才筛选工具，为管理员提供完善的平台监管能力。系统融合了DeepSeek大语言模型、XGBoost机器学习算法和ECharts数据可视化，打造全流程智能化的招聘生态。
BERT（Bidirectional Encoder Representations from Transformers）是Google在2018年提出的一种预训练语言模型，它在自然语言处理（NLP）领域引起了广泛的关注和应用。BERT的核心思想是通过双向Transformer编码器（双向的编码器部分）来捕捉文本中的上下文信息，从而生成更丰富的语言表示。
本文介绍了语言模型的发展历程，从传统的N-gram模型到基于神经网络的改进方法。N-gram模型通过马尔可夫假设计算词序列概率，但存在数据稀疏和泛化能力差的问题。神经网络语言模型引入词嵌入技术，将词语表示为连续向量，解决了泛化问题。随后出现的RNN和LSTM通过记忆机制处理序列数据，但仍面临长期依赖和并行计算困难。Transformer架构完全基于注意力机制，实现了并行计算，其核心是多头自注意力模
谷歌推出通用商务协议UCP，旨在让AI直接执行购物交易，将推荐、下单和支付整合到对话流程中。类似地，小程序灵机一物;已实现通过自然对话完成购物全链路，压缩传统跳转步骤。该模式不仅优化用户体验，还改变商家上架方式——通过AI自动识别商品信息。未来，多智能体协作将覆盖试穿、本地服务等场景，由开源项目AgenticCommerce提供底层交易支持。这一趋势标志着购物入口从App转向AI交互，核心在于AI
自然语言处理
——自然语言处理
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
2048 AI社区
AI工具分享
即构开发者社区
九章云极普惠算力
网易云信开发者社区
松山湖开发者村综合服务平台
