登录社区云，与社区用户共同成长
邀请您加入社区
D这个顺序想让3紧跟着1弹出来，可2还压在底下呢，3根本出不来，所以D是假的。B虽然看着别扭，但1进去马上弹、剩下逆序出，是成立的。我把891这两三年的卷子都收齐了，按数据结构、计组、操作系统分开理的，每道都写了考点和坑。宝子们谁懂啊😭 整理旧资料翻到昆明理工大学2026年891计算机专业核心综合的原卷了，顺手放一道上来给你们练手——就这种选择题，卷子里一大把，不算难，但考试一紧张特别容易手滑。
一场 8 月的“双向奔赴”，炙热而来！创新教育应用《干词》正式加入华为全国零售样机预装阵列！在搭载 HarmonyOS 7.0 的新机主屏桌面【鸿蒙创新应用】大文件夹中，就能直接看见我们！
然后是计组，学了cpu的组成，了解了数据链路，里面的组成单元和时序控制单元，然后还有流水线，了解了load和use的数据冒险，还有使用数据旁路和等待解决冒险。然后是408，学了操作系统，了解了连续存储，连续存储里的大块连续还有伙伴系统，还有页式系统，可以不连续，还有二级页表，是记录页表的页表。今天学了数学的正交变换，了解了只有使用正交变换惊行变换时变换出来的系数才符合特征值，然后是正定之类的概念。
没算力、导师放养？看我如何从3D分割“跳船”CIL实现毕业自救
本文系统讲解了计算机操作系统中进程与线程的核心概念。主要内容包括： 进程管理：从程序到进程的转换过程，进程组成(程序段+数据段+PCB)，五状态转换模型(创建、就绪、运行、阻塞、终止) 线程机制：线程作为CPU调度的基本单位，与进程的资源分配角色区分，以及线程共享与独有的资源 CPU调度：三级调度体系，常见调度算法(FCFS、SJF、优先级、时间片轮转等)及其评价指标 同步互斥
总结：本周我作为后端架构人员完成了数据库表的设计和基本接口的设计，完成了用户登录和注册以及错题功能的大部分功能设计，为之后的继续开发打下了坚实的基础。本周我们小组进行了最基本的功能开发，包括用户注册和登录，以及基本错题本部分的开发。我负责设计最基本的数据库表结构和接口。错题表，用于存储错题的基本信息，包含标题，题干和答案。
408 操作系统 第一章：计算机系统
本周修改了一些历史遗留的问题，并且对于错题的AI模块进行了更加深入的开发，测试了与消息队列和AI端的联调，并取得了良好的效果，这位之后的进一步开发打好了基础。
下一步开发的要点在于AI 能力的深度集成和AI 分析结果的闭环落地，要完善基于 RabbitMQ 的异步通信架构，并打通 Java 后端与 Python AI 服务的交互链路，最终完成错题模块从工具向智能助手的转变。本周我组的任务是推进错题系统AI模块的开发，包含AI智能推题，OCR自动识图，AI智能分析题目并推送相关的题目等AI功能，后端模块和接口的开发，以及。设计topic_label表，作为
本周，小组围绕 “基于 AI 大模型的智能考研社区” 项目，完成后端架构设计、核心接口开发、环境搭建优化、AI 服务接入、前端 UI 开发等全链路关键工作，打通用户体系、错题本基础功能的前后端链路，为后续智能功能迭代打下坚实基础。user 表：存储用户基础信息，包含 id、name、password、avatar、创建 / 更新时间及逻辑删除字段。户端：登录 / 注册、首页推荐、错题本、社区、院校
查询“导数与微分的计算”，系统推送了三道有关联的微积分题目，格式规范统一，具有较好的可读性。完成数据库表结构设计、核心实体类封装，实现登录注册、错题本、错题管理及文件上传等后端接口。用户基础信息（id、name、password、avatar、创建/更新时间、逻辑删除）返回的报告包含：错误类型、错误描述、知识薄弱点、正确解法、学习建议、类似题目推荐。登录/注册、首页推荐、错题本、社区、院校数据、A
作为一名研一新生或准研究生（研0），面对联邦学习（Federated Learning）这个交叉领域，最忌讳的是一上来就啃厚厚的理论书。本文分享一份强调 “理论够用、代码先行、直奔科研” 的学习计划。目标是在 4-6 周内，让你从零基础到能够独立上手实验。
理解缺口Vibe Coding的优势场景AI编程让代码产出量翻了17倍，但这17倍的代码需要用完全不同的方式来管理、审查和维护。
本文系统梳理了操作系统中文件存储的三种主要分配方式：连续分配、链接分配（隐式/显式）和索引分配（单级/多级/混合）。连续分配通过物理块连续存储实现高效访问但存在碎片问题；链接分配采用离散块和指针连接，隐式链接仅支持顺序访问而显式链接（FAT）通过内存驻留表实现随机访问；索引分配为每个文件建立独立索引表，支持随机访问并通过多级/混合索引解决大文件存储问题。文章对比了各方案的优缺点，重点解析地址映射、
文章摘要： 本文系统讲解了请求分页存储管理技术，涵盖核心概念与实现细节。重点包括：1）请求分页页表新增的4个字段（状态位、访问位等）及其作用；2）缺页中断处理流程与分类特性；3）地址变换中快表同步与I/O开销等关键细节；4）五大页面置换算法（OPT、FIFO、LRU、Clock等）的原理与比较，指出改进型时钟算法通过访问位和修改位优化淘汰优先级；5）三种页面分配策略，强调可变分配局部置换的综合优势
本文系统阐述了三种存储管理技术及虚拟内存原理。分段管理按逻辑模块划分，支持段名访问但产生外部碎片；分页管理提高内存利用率但共享困难；段页式结合二者优势，先分段再分页，需三次访存（无快表）。虚拟内存基于局部性原理，通过请求调页和置换机制实现逻辑扩容，打破传统存储的一次性、驻留性限制。关键差异在于：分段支持逻辑共享但碎片多，分页内存利用率高，虚拟内存通过离散分配实现多次调入与交换，显著提升系统资源利用
Model层定义AI考研英语作文模板Data类，承载所有AI生成的输出字段。根据ArkTS不支持对象类型中的调用签名、不支持索引签名的约束，这里使用class而非interface// AI考研英语作文模板Model.etsexport class AI考研英语作文模板Data {所有字段使用string或string[]等显式类型，避免anyunknown每个字段在声明时赋默认值，遵循ArkTS
本文介绍了一个基于HarmonyOS的AI考研择校分析应用开发实践。文章从对齐阶段的需求分析开始，详细阐述了在考研热度持续攀升背景下，考生面临的信息不对称、数据分散等痛点，以及如何通过AI技术提供智能化择校服务。技术架构采用HarmonyOS ArkTS语言开发的MVVM模式，包含Model-Service-Page三层结构，支持单向数据流和响应式UI更新。核心功能包括用户输入收集、AI数据处理和
本文详细介绍了基于HarmonyOS ArkTS技术栈开发AI简历诊断应用的全流程实践。主要涵盖六大阶段：1)对齐阶段明确需求痛点与ArkTS语法约束；2)架构阶段采用MVVM三层架构设计；3)Model层严格定义数据模型；4)Service层封装业务逻辑与AI调用；5)View层实现声明式UI；6)评估阶段进行完整测试验证。文章重点解析了ArkTS开发中的关键约束与应对策略，如显式类型定义、数据
本文介绍了基于HarmonyOS ArkTS框架构建AI短视频脚本生成器的全流程技术实践。文章采用"对齐→架构→原子化→审批→自动化→评估"六阶段方法论，详细讲解了从需求分析到交付落地的完整开发过程。 在需求对齐阶段，通过用户画像矩阵明确三类核心用户需求，并确定技术选型采用ArkTS+ArkUI组合。架构设计采用MVVM模式，实现数据层、业务层与UI层的解耦。原子化开发阶段通过自定义数据模型和Mo
408 专业 135，关于王道 4 本书，我看到最多的误区就是两种要么课全听，要么书全自啃，这两种都很难上 130。我的结论很直接，408 想拿高分不是听不听课的问题，而是精准打击的问题。・40% 的章节自学更快，30% 必须听课，剩下 30% 看基础。下面我直接拆解哪些章可以放心自学，哪些章不听老师讲就是浪费时间。・数据结构部分可自学，冒泡插入选择希尔规定必须听课的有：kmp 算法、平衡二叉树的
文章指出考研并非人生唯一出路，失利者可抓住AI行业风口转行。介绍AI大模型训练师和应用开发工程师两个岗位，强调其门槛相对较低，薪资高，适合普通程序员或小白学习。鼓励读者积极学习，抓住AI发展机遇，实现高薪就业。最近考研成绩一公布，朋友圈和热搜直接被刷屏了。图片来源网络，侵删打开手机，全是“分数线又涨了”“差几分进复试”的感叹，还有“考研下岸了”的欢呼，一对比，没考上的人难免会emo，甚至偷偷怀疑自
摘要：作者在完成学校毕业要求后重新规划学习，计划考研92院校以进入大模型领域。学习计划包括：英语从零开始背单词、读课文；计算机方面学习C语言、数据结构、C++；数学跟随考研课程；后续将学习Python等深度学习工具。每天保持4小时计算机学习、2公里有氧运动，作息调整为11-6点。未来计划每周写博客记录学习进度，既作总结也当放松。面对非科班出身的挑战，作者以"从头再来"的心态坚持
【科研会议精选指南】针对学者选会难题，本文提供2026年8月全球优质学术会议清单，覆盖人工智能、材料科学、电子信息等热门领域。重点推荐IEEE、ACM等权威出版会议，包含桂林ICDLA（8.4）、新加坡ECPDC（8.7-9）、伦敦ICCVDM（8.15-17）等50余场会议，兼具EI/SCI检索保障与产学研对接功能。会议分布中国20+城市及东京、曼谷等国际会场，满足发文刚需、人脉拓展、前沿追踪等
其实 Level I 更适合作为 AI 入门阶段的能力校准，它考察的重点不是“你会不会造一个大模型”，而是你是否理解 AI 的基本逻辑，并能把 AI 工具、数据思维和简单应用放进真实工作场景里。CAIE 的优势在于，它不是单纯偏理论的证书，也不是只教工具的短课，而是把 AI 基础、工程思维和行业应用放在同一套体系里。国家层面持续推进数字中国建设，人社部也已将生成式人工智能系统应用员等新职业纳入职业
本周的任务是完成院校推荐功能模块的设计。这是此系统的最后一个功能模块，主要包含以下内容：用户通过填写自己的个人本科阶段的各种信息（如绩点，校园经历，所修专业）交给AI端进行处理，并且由AI端根据这些信息进行推送相关院校。其具体逻辑为：前端接受到用户提交的信息后传给后端，后端通过消息队列传递给AI端；本次院校推荐功能模块作为系统的收官之作，完成了从用户画像采集到 AI 智能决策再到前端结果展示的全链
最初考虑过向量检索（FAISS），将院校描述文本做embedding后语义匹配——实测发现FAISS返回的是文档片段，同一所学校的多个段落都可能命中，推荐列表里重复出现同一学校，且有些片段只描述某个专业，脱离了院校整体。（2）获取会话列表和聊天记录：优先读Redis缓存，未命中则查MySQL分页查询，组装MessageVO（含发送者姓名/头像、错题卡片信息），标记已读后写入缓存（TTL 30分钟）
本周团队聚焦“院校推荐”这一核心特色功能的端到端打通，并同步完善 AI 对话与管理后台等周边能力：架构侧完成院校推荐模块设计，AI 侧落地多通道数据抓取与网页全局 AI 小助手，后端打通 Dialog 与 Admin 两大模块，前端完成院校推荐与 AI 智能匹配页面。基于 uni-app 完成院校推荐表单页（采集本科层次、GPA、英语水平、专业排名、目标专业与院校层次等画像信息）与 AI 智能匹配
团队对涉及模块做了一轮集成测试，覆盖头像跳转 / 好友状态 / 封禁显示、自动审核开关回显、错题与帖子日期搜索、聊天分享错题与消息对齐、AI 小助手跳转等关键用例，并补充了空值、日期区间非法、接口降级、大 ID 精度等边界场景，主用例与边界用例均通过。本周作为项目的收尾阶段，团队以“填补空白、联调测试”为主线：集中修复了一批影响体验的 Bug，补齐了聊天分享错题等社交闭环，对 AI 小助手做了知识
本文提出了一种基于深度学习的农作物病虫害智能识别系统。该系统采用YOLOv11模型，通过大规模图像数据库训练，实现了多种复杂环境下的高精度实时检测。系统工作流程包括图像采集、预处理（去噪、标准化、色彩校正等）、模型识别（输出病虫害类型、位置及置信度）以及历史记录管理。实验表明，该系统能有效辅助农作物病虫害防治决策。未来将整合物联网技术，拓展为多作物综合监测平台，推动农业智能化发展。系统架构图与识别
集成学习是通过构建并组合多个基础学习器共同完成预测任务的机器学习方法，其核心优势在于能够降低单一模型的过拟合风险，提升整体算法的稳定性与泛化能力。在二手车价格预测这类高维度、非线性、存在数据噪声的回归任务中，单一模型往往难以充分拟合特征与价格之间的复杂关系，而集成学习通过对多个弱学习器进行融合，可显著提升预测精度与鲁棒性。
本文介绍了基于HarmonyOS的AI家居配色应用开发全流程实践。项目采用ArkTS语言和ArkUI框架，遵循Model-Service-Page三层架构模式。通过需求对齐阶段的三轮沟通，明确了核心功能边界，解决了家居配色专业知识门槛高、试错成本大等痛点。技术方案选择ArkUI声明式框架、@State响应式驱动和Service层内置Mock策略，实现了UI与AI服务的解耦开发。架构设计采用MVVM
本文以运行大型游戏为例，用通俗易懂的方式讲解了计算机存储系统的工作原理。文章首先区分了内存（CPU可直接读写）和外存（如硬盘）的特性，然后详细描述了游戏启动时操作系统如何创建虚拟地址空间和页表。重点讲解了CPU访问数据时发生的缺页中断处理过程：当所需数据不在内存时，系统会从硬盘调入数据并更新页表。最后简要说明内存满载时的页面置换机制（如LRU算法）。全文通过实际场景帮助读者理解虚拟内存管理的核心概
2026 年 8 月各类国际学术会议火热征稿进行中，暑期正是产出学术成果的绝佳时机！本次汇总覆盖理工、计算机、生物医药全学科优质 EI/Scopus 会议，名校背书、出版正规、检索稳定，审稿高效、上岸率可观，适配毕业加分、职称申报、课题成果产出，科研朋友尽快规划投稿。
【摘要】本文揭示了考研数学与力扣算法在大模型研发中的核心关联。文章指出，大模型底层公式完全源自考研数学：高数支撑梯度下降与反向传播，线代构建Transformer注意力机制，概率统计指导损失函数与采样机制。同时，力扣算法中的动态规划、树结构、复杂度优化等思想直接对应模型解码、特征提取和轻量化设计。作者强调，研究者只需将论文公式反向映射至已有数学知识体系，即可快速掌握大模型原理。博士的核心竞争力正在
2026年8月将举办多场国际学术会议，主题涵盖人工智能、大数据、计算机科学、材料工程、智能制造等前沿领域。会议地点包括中国桂林、上海、广州等城市，以及新加坡、曼谷、东京等国际城市。征稿范围广泛，涉及机器学习、量子计算、智慧医疗、空天遥感等热门研究方向。投稿者可寻求学术顾问协助以提高录用率。这些会议将为全球学者提供交流最新研究成果的平台。
/ AI单词记忆卡Data - 核心数据模型class AI单词记忆卡Data {cards: string[] // 卡片列表（支持批量）word: string // 单词phonetic: string // 音标pos: string // 词性meaning: string // 中文释义root: string // 词根mnemonic: string // 记忆技巧example:
更实用的是多人发言自动区分功能，10 人以内会议可精准标记发言人，避免内容串混，自动剔除语气词、冗余重复内容，转写文本干净利落，1 小时音频最快 2 分钟即可完成转写，效率远超人工打字数倍，让你无需再为整理文字内容浪费大量时间。同时支持 iOS、Android、鸿蒙、PC 全平台覆盖，多端数据实时同步，手机录音、电脑整理、平板查看，无缝切换，记录随时随地可查，满足不同场景下的使用需求。此外，操作界
摘要： AI驱动的“错题本数字化”正成为考研考公备考新趋势。通过聚合平台（如neneai.cn），考生可拍照上传错题，由GPT-4o精准提取手写内容（OCR识别率达96.8%），再结合DeepSeek的数理推理（正确率94.5%）和Claude的文科解析（批改深度95.2%），实现多维度剖析。三大模型优势互补：GPT-4o擅长视觉提取，DeepSeek提供一题多解，Claude优化逻辑表述。建议分
本文介绍了在HarmonyOS平台上使用ArkTS语言开发「AI公众号涨粉选题」智能应用的完整流程，包括六大阶段：对齐、架构、原子化、审批、自动化执行和评估。重点分析了ArkTS语法约束适配策略，如类型定义、状态管理等技术要点，并采用MVC分层架构设计，结合声明式UI和数据模型规范。文章通过实际代码示例，为零外部依赖的HarmonyOS原生AI应用开发提供了实践指南，适用于创意娱乐类智能应用的构建
接口契约是模块间通信的"法律条文"，明确定义了输入输出的格式、类型和约束。接口方向输入输出说明AI公众号排版方案Data核心数据生成接口View → 系统无无页面返回用户 → Viewstringvoid输入采集回调。
本文系统梳理内存管理核心知识点： 内存基础：编址规则（字节/字）、单位换算（KB/MB/GB）、CPU指令执行流程（逻辑地址→物理地址转换）； 三种装入方式：绝对装入（编译时定址）、静态重定位（装入时修改）、动态重定位（运行时基址寄存器转换，现代OS主流）； 程序运行全流程：编译→链接（静态/动态）→装入→执行，重点区分三种链接方式特点； OS内存管理功能：分配回收、地址转换、内存保护（基址+限长
本文介绍了基于HarmonyOS的AI词根词缀思维导图应用开发实践。该应用采用Model-Service-Page三层架构设计，通过AI提示词工程技术实现词根家族树、衍生词及词义演变的智能生成，解决了传统词根词缀学习效率低、个性化不足等痛点。系统包含输入处理、AI生成、结果展示等核心功能模块，采用JSON结构化输出确保数据质量。在用户体验方面优化了即时反馈、视觉层次和状态管理，并通过数据缓存、条件
本文介绍了一个基于HarmonyOS的AI表情包配文生成项目，该项目通过三层架构设计实现智能配文生成功能。项目针对传统表情包配文生成效率低、个性化不足等痛点，采用结构化提示词工程引导AI生成符合用户需求的幽默配文。系统包含输入参数处理、核心算法实现和结果展示等模块，通过状态管理和组件化设计优化用户体验。文章详细阐述了从需求分析到技术实现的完整流程，包括提示词设计、性能优化等关键环节，并展望了未来集
考研
——考研
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
openEuler 社区
人工智能6S服务平台
AI Agent技术社区
亚马逊云科技技术品牌专区
HarmonyOS开发者社区
EazyDevelop社区
AI编程社区
智能体开发者社区
