AI
刷新
中国电动汽车充换电市场技术趋势、核心挑战与未来竞争格局

博主头像 中国电动汽车充换电市场技术趋势、核心挑战与未来竞争格局1. 市场概述:从基础设施建设到服务生态演进 在中国电动汽车市场以前所未有的速度迅猛发展的宏大背景下,充换电基础设施不仅是关键的配套支撑,更已上升为决定产业成败的核心战略环节。根据国家规划,到“十四五”末期,中国的充电基础设施体系需满足超过200 ...

LightRAG:图增强检索框架,索引速度提升10倍

博主头像 开篇 你的 RAG 系统能回答"人工智能的发展趋势"这类宏观问题吗?传统向量检索在面对复杂查询时往往力不从心。香港大学团队开源的 LightRAG 提供了新思路:用知识图谱双层索引重构检索架构,在保持轻量化的同时,让索引速度比 GraphRAG 快 10 倍。 [attachimg]224[/att ...

吴恩达深度学习课程三: 结构化机器学习项目 第二周:误差分析与学习方法(四)多任务学习

博主头像 此分类用于记录吴恩达深度学习课程的学习笔记。 课程相关信息链接如下: 原课程视频链接:[双语字幕]吴恩达深度学习deeplearning.ai github课程资料,含课件与笔记:吴恩达深度学习教学资料 课程配套练习(中英)与答案:吴恩达深度学习课后习题与答案 本篇为第三课的第二周内容,2.8的内容 ...

用开源模型强化你的 OCR 工作流

博主头像 我们在这篇文章中新增了 Chandra 和 OlmOCR-2,并附上了它们在 OlmOCR 基准上的得分 摘要: 强大的视觉语言模型 (Vision-Language Models, VLMs) 的崛起,正在彻底改变文档智能 (Document AI) 的格局。每种模型都有其独特的优势,因此选 ...

读智能新物种02合作伙伴(下)

博主头像 1. 最初的身体扩展 1.1. 动物和机器人的优势之一是,它们有不同的尺寸、形状和呈现状态,让我们可以扩展自己的物理化身 1.2. 我们利用动物如雪貂来完成我们做不到的事情 1.2.1. 在英国,如果能有一群雪貂,那简直可以称为有一项“生意”了,它们可以帮助人类找到地下管道的破损处,并将电缆穿过地表 ...

基于LLM持续改进文章的方法

博主头像 核心转变:从"被动听摘要"变为"主动提问,让AI当编辑"原创文章起点:待打磨的初稿。NotebookLM自定义音频(评论模式)关键动作:上传文档后,选择自定义提示词,向AI主持人主动提问。示例:"点评第一段是否成功勾起读者兴趣?" 示例:"审阅文档结构,对一般受众来说主要观点明确吗?" 示例:"针对 ...

AI浏览器Comet用户体验测试

博主头像 移动Web应用 UI/UE 测试的 5 大核心痛点移动Web应用(H5/PWA)的 UI/UE 测试与传统的 PC 网页测试截然不同,也比原生 App 测试更具挑战性。以下是 移动Web应用 UI/UE 测试的 5 大核心痛点,这些通常是测试人员和设计师最头疼的地方:1. 极致的“碎片化”兼容性 ( ...

吴恩达深度学习课程三: 结构化机器学习项目 第二周:误差分析与学习方法(三)迁移学习

博主头像 此分类用于记录吴恩达深度学习课程的学习笔记。 课程相关信息链接如下: 原课程视频链接:[双语字幕]吴恩达深度学习deeplearning.ai github课程资料,含课件与笔记:吴恩达深度学习教学资料 课程配套练习(中英)与答案:吴恩达深度学习课后习题与答案 本篇为第三课的第二周内容,2.7的内容 ...

读智能新物种01合作伙伴(上)

博主头像 1. 用动物来思考机器人 1.1. 动物类比更符合目前自动化技术如机器人和人工智能的运作方式,并且可以说是对人类最有帮助的方式,同时这也是一个非常容易理解和应用的比较,能够立即以富有成效的方式改变我们的讨论 1.2. 玛丽·雪莱(Mary Shelley) 1.2.1. 1818年创作的科幻小说《弗 ...

在测试领域,如何写一个更好的prompt来进行测试提效

前言 假设你作为测试团队负责人,要被安排让团队成员接入公司的大模型服务,进行测试工作提效,那么能想到的第一个方向就是让大模型辅助生成测试用例。 在一段时间内使用大模型对话来生成用例,可能大家一开始会有新鲜感多去尝试,但后面可能会渐渐地觉得对话本身也是降低效率的一种表现,并且大模型生成的用例能够被采纳 ...

DeepSeek-V3.2 Speciale介绍

博主头像 DeepSeek-V3.2 Speciale介绍1. 引言当前,大语言模型(LLM)领域正经历一个显著的分化阶段。一方面,以 OpenAI、DeepMind 等为代表的闭源专有模型性能持续加速迭代;另一方面,尽管开源社区不断进步,但两者间的性能差距却日益扩大。行业分析普遍将此归因于开源模型面临的三大 ...

VUE前端项目规范.md---大模型辅助开发使用约束

博主头像 前端代码开发与输出规范 通用要求 语言:思考过程与输出内容一律使用中文。 上下文引用:每次对话必须明确引用项目中的 README.md 相关内容,确保开发行为与项目目标一致。 项目架构:基于Vue.js + ElementUI + Vue Router + Vuex + Axios的前端架构。 文档 ...

吴恩达深度学习课程三: 结构化机器学习项目 第二周:误差分析与学习方法(二)数据不匹配问题

博主头像 此分类用于记录吴恩达深度学习课程的学习笔记。 课程相关信息链接如下: 原课程视频链接:[双语字幕]吴恩达深度学习deeplearning.ai github课程资料,含课件与笔记:吴恩达深度学习教学资料 课程配套练习(中英)与答案:吴恩达深度学习课后习题与答案 本篇为第三课的第二周内容,2.4到2. ...

2025年11月份博文汇总与视频

博主头像 2025年11月份博文汇总与视频一.LLM相关1.如何构建和训练世界级LLM 一份关于如何构建和训练世界级大型语言模型(LLMs)的详细指南,由Hugging Face团队撰写。它涵盖了从模型架构设计、数据准备、训练过程到后处理的全过程,提供了丰富的技术细节和实践经验2.美团多智能体WOWServi ...

Z-Image图像生成模型发布与竞品

博主头像 1. 引言 当前,高性能文本到图像(Text-to-Image, T2I)生成模型市场呈现出一种根本性的二元格局。一方面,是以Nano Banana Pro、Seedream 4.0为代表的专有(闭源)商业模型,它们性能强大,但其技术实现被封装于“黑盒”之内,限制了社区的研究与创新。另一方面,则是以 ...

学习理论:凸代理、代理与估计误差界

博主头像 这学期参加了同研究科的田中研的读书会,所选的是近年出的较新的书《Learning Theory from First Principles》。作者Francis Bach是COLT2025的keynote speaker。我主动承担了4.1-4.4部分(这周做了分享),该部分和我目前的科研方向比较相... ...

使用 Vibe Coding 构建 AI 自动化评测系统

博主头像 1.概述 在当今快速发展的 AI 时代,如何高效、准确地评估 AI 模型的性能已成为一个关键挑战。传统的评测方法往往依赖大量人工干预,不仅效率低下,而且难以保证评测的一致性和客观性。本文将深入探讨如何使用 Vibe Coding 的理念,结合现代 AI 技术,构建一个智能、高效且可扩展的自动化评测系 ...

Google生成式UI下一代人机交互技术

博主头像 Google生成式UI下一代人机交互技术1.0 摘要 在当前的技术浪潮中,大语言模型(LLM)已展现出在内容生成方面的卓越能力,深刻地改变了我们获取与处理信息的方式。然而,这些强大的模型在输出形态上普遍受限于静态、预定义的界面,最常见的便是由标题、列表和代码块组成的Markdown“文本墙”。这种呈 ...

<123···50>