对于分布式系统的架构师来说，CAP 定理所描述的一致性和可用性是一个较大的挑战。网络远程跨机房是不可避免的，数据中心之间的高延迟总是导致数据中心之间在短时间内出现某种断开。因此，传统的分布...

大模型会改变整个软件行业， 其中具有代表性的产品之一是数字人， 那么，什么是数字人呢？数字人涉及了哪些关键技术呢？大模型对数字人的发展带来哪些影响呢？1. 什么数字人？数字人目前还缺乏一个相对统一的定义， 有人把人类的数字孪生体定义为数字人，有人把虚拟世界中具有人类行为的实体定义为数字人，有人将3D人体模型称为数字人，例如，韩国学界对数字人的定义是：用数字化技术，打造具有逼真人类长相、语言、动作姿

开源的LLM已经成为程序员、爱好者和希望在日常工作中使用生成式AI并保持隐私的用户的最佳选择，对于企业的私有化部署而言也是如此。这些模型提供了优秀的性能，有时在许多任务中可以与大型的闭源模型 (如 GPT-4o 或 Claude Sonnet 3.5) 相媲美。这些LLM是开源的，但并不意味着它们可以开箱即用，需要一个运行框架在本地或服务器上运行大模型以获得特定的用例。另外，兼容 OpenAI 的

数据资产已经成为产品和服务设计的关键工具，但是集中采集用户数据会使个人隐私面临风险，进而使组织面临法律风险。从2016年开始，人们开始探索如何在用户隐私保护下使用数据的所有权和来源，这使得联邦学习和联邦分析成为关注的热点。随着研究范围的不断扩大，联邦学习已经开始应用到物联网等更广泛的领域。那么，什么是联邦学习呢？联邦学习是在中心服务器或服务提供商的协调下，多个实体协作解决机器学习问题的一种机器学习

许多嵌入式系统部署在人类操作员很难或无法访问的地方。 对于物联网应用程序来说尤其如此，物联网应用程序通常数量较大，电池寿命有限。 一些例子是监视人或机器健康状况的嵌入式系统。 这些挑战，再加上快速的软件生命周期，导致许多系统需要对OTA更新提供支持。  OTA更新以新的软件替代了嵌入式系统中单片机或微处理器上的软件。 虽然许多人非常熟悉他们的移动设备上的 OTA 更新，但是在资源受限的系统...

FPGA通常是面向通信行业，尽管其主要开发者仍然专注于通信应用, 但他们越来越关注存储和服务器市场。但是, 广阔的工业市场又如何呢？ 通常, 工业市场的要求并不像存储、服务器或通信应用程序所要求的那样...

本质上，人们需要需要精确的信息。从广义上看，数据分析由来已久，例如，会计和财务就是分析性很强的领域，在向公众报告有关公司财务状况的指标时有严格的定义和规定。虽然软件工程创建的代码片段是确定的，并且可能是幂等的，但是数据流水线可以并且确实会随着数据采集过程的变化而变化。到目前为止，流程中的差异已经允许数据团队在创建表格方面拥有比以前更多的自主权，将数据传递给业务用户的速度有了明显的提高，但还是太慢了

【引子】 关于大模型及其应用方面的文章层出不穷，聚焦于自己面对的问题，有针对性的阅读会有很多的启发，本文源自Whyhow.ai 上的一些文字和示例。对于在大模型应用过程中如何使用知识图谱比较有参考价值，特汇总分享给大家。在基于大模型的RAG应用中，可能会出现不同类型的问题，通过知识图谱的辅助可以在不同阶段增强RAG的效果，并具体说明在每个阶段如何改进答案和查询。知识图谱更类似于结构化数据存储，而不

深度学习中已经成为了人工智能领域的必备工具，源于人工神经网络的研究，含多个隐藏层的多层感知器就是一种深度学习结构。寻找隐藏层的权重参数和偏置的过程，就是常说的“学习”过程，其遵循的基本原则就是使得网络最终的输出误差最小化。在神经⽹络中，激活函数是必须选择的众多参数之⼀，从而使神经⽹络获得最优的结果和性能。经常用到的激活函数有哪些呢？如何进行选择呢？关于激活函数激活函数（Activation Fun

在《神经网络中常见的激活函数》一文中对激活函数进行了回顾，下图是激活函数的一个子集——而在神经网络领域中的另一类重要的函数就是损失函数，那么，什么是损失函数呢？损失函数是将随机事件或其有关随机变量的取值映射为非负实数以表示该随机事件的“风险”或“损失”的函数，用于衡量预测值与实际值的偏离程度。在机器学习中，损失函数是代价函数的一部分，而代价函数是目标函数的一种类型。在应用中，损失函数通常作为学习准