大型语言模型（LLM）的训练体系可划分为三个关键阶段：预训练（Pre-training）、后训练（Post-training）与微调（Fine-tuning）。这三个阶段既相互独立又紧密衔接，共同构建了从通用模型到垂直领域应用的完整技术链路。

工业生产流程工业检测中的问题数据分析在工业检测中的作用质量管理产品质量影响因素分析机器设备诊断与维保分析能耗分析生产工业及流程改进其他...

本文是对西藏大学信息化工作专题讲座《2025新一代人工智能技术发展及其应用》的总结和摘要，并提供相应的思维导图及原报告PDF下载。

本文是对厦门大学发布的《DeepSeek大模型赋能政府数字化转型》的总结和摘要，并提供相应的思维导图及原报告PDF下载。

RAG（检索增强生成）系统工作流程主要包括查询解析、文档检索、信息整合和回答生成四个关键环节。核心组件涵盖数据预处理（文本分块）、嵌入技术（BERT、BGE等模型）、向量存储与索引、检索优化（查询分解、多向量检索）以及信息整合（重排序、摘要生成）。RAG结合了信息检索的精确性和大模型的生成能力，有效提升了问答系统的准确性和可靠性。

本文是对北京大学DeepSeek内部研讨系列《AI Agent与Agentic AI原理与应用（上）》的总结和摘要，并提供相应的思维导图及报告PDF下载。

在AI原生应用落地过程中，“工具调用”与“流量管理”是两大核心难题：工具调用面临协议碎片化、安全治理难的挑战，流量管理则需应对AI场景下长连接、大带宽、高延时的特殊需求。《AI原生应用架构白皮书》围绕MCP协议（AI工具标准化方案）与AI网关（AI流量治理核心）展开，本文将提炼核心逻辑，带您掌握从工具标准化到网关落地的全流程实践。

当智能体技术从概念走向产业，其价值不再局限于“效率提升”，更在于重构业务流程、创新服务模式。本章聚焦12大行业、15个标杆案例，从文旅、医疗、出行到金融、政务、制造，拆解智能体在真实场景中的落地方案、核心能力与业务成效，展现AI如何从“辅助工具”升级为“业务核心引擎”，为不同行业提供可复用的实践参考。

语音处理（Speech Signal Processing）是研究语音发声过程、语音信号统计特性、语音自动识别、机器合成及语音感知等各类处理技术的总称，核心目标是让机器具备“听”（理解人类语音）和“说”（生成人类可懂语音）的能力，属于人工智能中的“感知智能”范畴。

本文基于实测数据，聚焦3款主流大模型管理与应用工具（CherryStudio、LMStudio、Chatbox），从核心功能、实测效果、易用性、场景适配性等维度展开客观测评，所有结论均来自实际场景验证，为不同需求用户提供可落地的选型参考。