本文介绍了使用PyTorch实现前馈神经网络(FNN)和卷积神经网络(CNN)在MNIST数据集上的对比实验。实验内容包括：1)数据预处理和加载；2)FNN和CNN模型构建；3)训练和测试流程实现。结果显示，CNN的准确率(>98%)显著高于FNN(~92%)，验证了CNN在图像任务中的优势。结论指出，CNN通过卷积和池化操作能有效提取空间特征，因此成为计算机视觉任务的首选架构，而FNN虽然

8月30日，AI行业延续“开源模型+资本加码”主线。腾讯混元Hy4 Preview、智谱GLM-5.3等模型密集开源，国产模型持续刷新性能与价格边界；英伟达收购Hugging Face传闻引发开源生态讨论，DeepSeek、小鹏机器人等融资消息持续升温。同时，AI Agent、具身智能、医疗与办公应用加速落地，政策、数据与安全监管同步推进。

8月30日，AI行业延续“开源模型+资本加码”主线。腾讯混元Hy4 Preview、智谱GLM-5.3等模型密集开源，国产模型持续刷新性能与价格边界；英伟达收购Hugging Face传闻引发开源生态讨论，DeepSeek、小鹏机器人等融资消息持续升温。同时，AI Agent、具身智能、医疗与办公应用加速落地，政策、数据与安全监管同步推进。

8月30日，AI行业延续“开源模型+资本加码”主线。腾讯混元Hy4 Preview、智谱GLM-5.3等模型密集开源，国产模型持续刷新性能与价格边界；英伟达收购Hugging Face传闻引发开源生态讨论，DeepSeek、小鹏机器人等融资消息持续升温。同时，AI Agent、具身智能、医疗与办公应用加速落地，政策、数据与安全监管同步推进。

大模型开源与资本盛宴同频共振，政策监管同步提速——今天的 AI 圈，每分钟都有大事发生。国产大模型开源与融资双线狂奔，国际巨头在模型、芯片、生态上激烈交锋，监管则一边为创新松绑、一边为风险上锁。AI 不再只是"聊天"，它开始写代码、做手术、管理设备——属于 Agent 的时代，正在加速到来。

今天是国产大模型的"高光日"：腾讯混元上新、智谱重磅开源、阿里再放"价格屠刀"，同一天具身智能赛道融资超70亿元。AI 圈的热闹，一篇文章带你看懂。一天之内，开源模型"神仙打架"、物理 AI 边界拓宽、硬科技融资狂飙、财报冰火两重天——2026 年的 AI 行业，正在用最快的速度自我迭代。模型越来越强、越来越便宜，真正的大戏，或许才刚刚开始。

本文介绍了大模型与RAG结合构建私有领域专家系统中的关键组件：句向量嵌入(Sentence Embedding)和向量数据库(Vector Database)。句向量嵌入将文本转换为语义向量表示，支持相似度计算和检索；文中列举了BAAI/bge、m3e等常用中文模型。向量数据库则通过高效索引结构实现大规模向量快速检索，对比了FAISS、Milvus等不同方案的特点。最后说明了二者在RAG中的作用流

RAG（检索增强生成）是一种将大语言模型与外部知识库相结合的技术，通过PromptEngineering、向量检索和知识库增强生成效果。其核心流程包括：用户查询→向量编码→知识检索→Prompt构造→模型生成。相比传统LLM，RAG能显著减少幻觉问题，支持私有数据调用，且更新成本更低。中文常用BGE等Embedding模型进行语义检索。该技术为LLM私有化落地提供了高效解决方案，在保持模型通用能力

本文介绍了如何利用通义千问API构建RAG（检索增强生成）系统，实现私有领域专家问答功能。通过将专业文档向量化存储到FAISS数据库，在用户提问时检索相关文档并注入到Prompt中，增强通义千问模型在特定领域的回答能力。文章详细演示了环境配置、向量化存储和RAG推理流程的实现方法，展示了在金融等专业领域的应用效果。该方案无需微调模型即可快速构建企业级智能问答系统，具有灵活性高、成本低的优势。

本文介绍了一种混合RAG（检索增强生成）架构的实现方案，通过结合通义千问API的云端向量检索能力和本地部署的大模型生成能力，既保证了高质量的检索效果，又满足了数据隐私和合规性需求。系统工作流程包括文档切片、向量编码、构建向量数据库、检索相关文档、拼装Prompt和本地模型生成答案等关键步骤。文章详细说明了各环节的实现代码，并提出了优化策略，如使用Milvus提升检索速度、reranker精排、量化