在本轮评测中，我们从数据计算、数据洞察两个方面对大模型评测结果进行了归类，并提出不同方向的优化建议。如果您正在对大模型进行技术选型，或正在探索大模型在数据分析场景的应用落地与优化方案，欢迎与我们联系沟通。11月21日，Kyligence 将举办。

该评测方案是从我们开发 Kyligence Copilot 期间对各类大模型进行能力评测的工作总结而来，希望对您有所帮助。如果您正在对大模型进行技术选型，或正在探索大模型在数据分析场景的落地应用，欢迎点击。

下一代智能应用的成长，将在于观察人类如何解决问题、如何做决策。AI 需要成为工作流的参与者，而不仅仅是工具栏里的按钮。

AGI 尚未到来，通用智能体在行业落地中的实际效果仍面临诸多限制。在这样的现实背景下，我们究竟能获得哪些启发？第一篇年末观察由此展开。

MLSQL 社区于日前宣布： MLSQL 2.1.0 正式发布！ 欢迎大家下载使用。MLSQL 是一门面向大数据和 AI 的分布式编程语言，能够帮助用户更好地实现数据分析和 AI 落地。用户既可以像使用 SAS 软件一样，在自己的笔记本上安装和使用；也可以一键将算力和存储扩展到云端，同时还支持私有分布式集群部署。1. Release NotesMLSQL 2.1.0 距离上一版本 2.0.1 经历

本文详细讲解基于 Ollama+Docker+OpenWebUI 的本地化部署流程，并通过实例代码演示。

在训练人工智能时，一般需要经过数据收集、数据清洗、特征提取、模型选择、模型训练、模型测试、部署等一系列步骤。在这一过程中，数据质量的高低对于人工智能的更新迭代极为重要。这也和企业日常数据分析类似，高质量的数据才能更好地支撑用户进行准确的分析和预测，从而帮助企业做出更好的业务决策。

近几年，汽车行业全面拥抱电气化和数字化，一方面有行业先行者和政策法规的激励作用，另外一方面随着无线网络升级换代以及云计算技术越发成熟，车机端到企业端能够更加实时稳定传输丰富数据。如何利用好这些数据，为生产、营销决策提供支持是各大车企都迫切关心的问题。大数据分析对于车企的价值也更加凸显。对企业来说如何搭建一个可应对未来数据量几何级增长的数据分析平台？是选在在本地搭建还是云上？在数据湖上如何构建？..

近几年，“私域流量”一词大火，更多企业开始将目光对准已有客户的运营，希望能在自己的流量池中挖掘更多潜在商机，想要牢牢把握如何在适当的时机，把合适的商品带给正有采购需求的客户，而客户运营正是其中的关键。

在 1 月 4 号 ECUG 技术大会的分享中，Kyligence 的 CEO Luke Han 为大家带来了主题为《Apache Kylin 云原生架构的思考及规划》的精彩演讲，分享了 Kylin 如何拥抱云原生这一趋势。欢迎希望参与打造云原生Kylin 的同学踊跃联系我们 shaofengshi@apache.org，邮箱主题请备注「参与 Kylin 云原生开发」，下一代 Kylin 等着你.