自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

<blockquote id="qejxj"><i id="qejxj"></i></blockquote>

AI.x社區(qū)

軟考社區(qū)

企業(yè)培訓

鴻蒙開發(fā)者社區(qū)

WOT技術大會

公眾號矩陣

移動端

視頻課免費課排行榜短視頻直播課軟考學堂

全部課程軟考華為認證廠商認證 IT技術 PMP項目管理免費題庫

文章資源問答課堂專欄直播

51CTO

鴻蒙開發(fā)者社區(qū)

51CTO技術棧

51CTO官微

51CTO學堂

51CTO博客

CTO訓練營

鴻蒙開發(fā)者社區(qū)訂閱號

51CTO軟考

51CTO學堂APP

51CTO學堂企業(yè)版APP

鴻蒙開發(fā)者社區(qū)視頻號

51CTO軟考題庫

賬號設置退出

譯文

7529內(nèi)容??

關注

匯聚51CTO網(wǎng)站的優(yōu)秀譯文內(nèi)容，具體領域有開發(fā)、移動開發(fā)、系統(tǒng)、網(wǎng)絡、安全、數(shù)據(jù)庫、大數(shù)據(jù)、人工智能、區(qū)塊鏈、云計算、物聯(lián)網(wǎng)、數(shù)字化轉型、服務器、存儲、商務辦公、運維、開源、智能汽車等。

共 7529 條

借助AI工具和版本控制實現(xiàn)代碼庫改進與重構

隨著時間的推移，代碼庫有可能會變得混亂且難以管理。造成這種狀況的原因包括快速修復（quik fixes：指當開發(fā)者面臨時間壓力時，他們經(jīng)常會采用快速修復的方式來解決問題，例如臨時性解決方案、不完整的修復或缺乏整體考慮，這些均會導致代碼出現(xiàn)問題）、過時的功能或者僅僅是沒有充足的時間來清理代碼。

2025-02-21 08:00:00

人工智能代碼審查技術債務

六大訣竅幫你釋放擴散模型的創(chuàng)造力

本文將介紹提升擴散模型質量的六種方法，從而幫助終端用戶達到畫家級的精準作圖水平。

2025-02-20 10:14:04

擴散模型 DALL-E模型 Imagen模型

十個助力數(shù)據(jù)導航的小眾Python庫

本文介紹了每個數(shù)據(jù)科學家都應該知道的10個鮮為人知的Python庫。

2025-02-20 10:13:54

Python 數(shù)據(jù)導航數(shù)據(jù)科學家

一文說清楚分布式思維狀態(tài)：由事件驅動的多智能體系統(tǒng)

本文聊聊事件驅動型設計如何協(xié)調多個AI智能體，進而建立起高效、可擴展的推理系統(tǒng)。

2025-02-19 10:49:24

事件驅動 AI智能體大語言模型

系統(tǒng)零停機的分階段遷移策略

對于企業(yè)來說，軟件遷移在所難免，但干凈利落的執(zhí)行對于避免未來出現(xiàn)的回滾或回填等混亂局面至關重要。本文將介紹一系列確保軟件順利遷移的技巧。

2025-02-19 10:17:39

軟件遷移分布式系統(tǒng)系統(tǒng)零停機

OpenAI揭示o3的推理過程，以彌合與DeepSeek-R1的差距

OpenAI公司推出o3-mini推理模型，展示了更詳細的思維鏈軌跡，并希望以更透明的方式彌合與顯示其全部思維鏈的DeepSeek-R1的競爭差距。

2025-02-18 08:15:03

o3-mini OpenAI DeepSeek

不可信任的人工智能：如何處理數(shù)據(jù)中毒？

你在信任你的人工智能助手之前應該三思而后行，因為數(shù)據(jù)庫中毒會顯著改變其輸出。

2025-02-18 08:00:00

人工智能數(shù)據(jù)集安全

大模型前綴緩存技術，有望將服務成本降低90%

大模型應用程序中的提示詞重復率高達70%。前綴緩存機制能夠將推理成本降低達90%，顯著優(yōu)化性能并節(jié)約資金。

2025-02-17 10:49:49

大模型前綴緩存 ChatGPT

如何將機器學習模型部署到生產(chǎn)環(huán)境？

本文介紹了如何將模型從開發(fā)環(huán)境部署到生產(chǎn)環(huán)境。

2025-02-17 08:00:00

機器學習開發(fā)Docker

改進云基礎設施以實現(xiàn)通用人工智能AGI?

為實現(xiàn)通用人工智能（AGI），需要改進云基礎設施，包括提升計算能力、優(yōu)化算法、實現(xiàn)實時數(shù)據(jù)處理以及提高能效。?

2025-02-14 16:08:19

通用人工智能 AGI 云基礎設施

從零到規(guī)?；?AWS 無服務器（AWS Serverless）之旅?

AWS 無服務器架構能夠輕松實現(xiàn)從零到峰值的擴展，借助 DynamoDB 和 Lambda 等工具，可以為數(shù)據(jù)處理和實時工作流構建成本高效且自動擴展的應用程序。?

2025-02-14 15:36:05

AWS 無服務器 Serverless

分布式系統(tǒng)中的冪等性：何時以及為何重要?

本文探討了分布式系統(tǒng)中的冪等性問題，闡述了在多次執(zhí)行操作時如何確保結果的一致性，并涉及其實現(xiàn)方法及面臨的挑戰(zhàn)。?

2025-02-14 14:22:40

分布式系統(tǒng)冪等性

云安全的本質上數(shù)據(jù)問題?

隨著云數(shù)據(jù)的不斷發(fā)展，我們亟需了解數(shù)據(jù)集成、人工智能和機器學習如何助力降低復雜云環(huán)境中的風險，并有效防止漏洞的出現(xiàn)。?

2025-02-14 10:25:53

數(shù)據(jù)集成人工智能機器學習

多代理微調如何克服 LLM 的數(shù)據(jù)瓶頸

本文介紹了多代理微調的基本概念，框架組成，以及在實際應用中的優(yōu)勢。

2025-02-14 08:18:33

LLM 大語言模型多代理微調

本地輕松使用Gemini 2.0 Pro

本文介紹了本地使用最先進的谷歌實驗模型的最簡單方法。

2025-02-14 08:00:00

人工智能 Gemini 2.0 LLM

OpenAI全新智能體評估報告：Operator在軟件測試中表現(xiàn)如何？

Openrator是一款由AI驅動的智能體，旨在以擬人方式與數(shù)字系統(tǒng)進行交互。與需要明確編寫腳本及預定義規(guī)劃的傳統(tǒng)自動化工具不同，Operator利用自然語言處理（NLP）與機器學習技術來理解指令、動態(tài)執(zhí)行操作。

2025-02-13 09:09:58

Openrator AI驅動智能體

利用AI、表觀遺傳學和生物工程開創(chuàng)下一代醫(yī)療保健

生物工程正矗立于變革時代的風口浪尖，通過生物學、工程學與先進技術的深度融合，它預示著一場有可能重塑人類生存結構的革命。

2025-02-13 08:00:00

人工智能生物工程再生醫(yī)學

如何為生成式人工智能應用構建堅實的數(shù)據(jù)基礎

生成式人工智能的應用需要構建堅實的數(shù)據(jù)基礎。而構建健壯的數(shù)據(jù)基礎、選擇最佳模型、優(yōu)化訓練技術、部署策略及解決監(jiān)控問題，是應用成功的關鍵。

2025-02-12 08:07:39

生成式人工智能 GenAI 管理大數(shù)據(jù)

簡易指南：運用AI/ML技術檢測實時欺詐行為

隨著技術的飛速發(fā)展，欺詐檢測的重要意義也日益凸顯。根據(jù)注冊欺詐審查師協(xié)會（ACFE）公布的數(shù)據(jù)，全球范圍內(nèi)的欺詐活動給企業(yè)造成的損失高達數(shù)萬億美元，占年銷售總額的近5%。

2025-02-12 08:00:00

AI 機器學習學習模型

新的訓練范式可以防止機器學習模型學習虛假相關性

記憶感知訓練（MAT）這種訓練范式通過修改模型邏輯以防止機器學習模型學習虛假相關性，提高了泛化能力，縮小了平均準確率（AVG）和最差群組準確率（WGA）之間的差距。

2025-02-11 08:11:56

大型語言模型神經(jīng)網(wǎng)絡機器學習

檢索增強生成（RAG）過時了，緩存增強生成（CAG）上位

檢索增強生成（RAG）已成為為定制信息定制大語言模型（LLM）的事實上的方法。然而RAG帶來了前期技術成本，并且速度可能很慢。由于長上下文LLM方面取得的進步，企業(yè)可以通過在提示中插入所有的專有信息來繞過RAG。

2025-02-11 08:00:00

大語言模型檢索增強生成 CAG

如何使用Postgres DB實現(xiàn)混合搜索

本文解釋了如何在單個PostgresDB中使用全文搜索和pgvector實現(xiàn)混合搜索（詞法和語義）。

2025-02-10 10:54:53

PostgresDB pgvector 數(shù)據(jù)庫

使用語義模型和場景感知NLP的個性化搜索優(yōu)化以改進搜索結果

在本指南中，將使用Hugging Face Transformer為旅游住宿領域構建一個生產(chǎn)就緒(Production-ready)的語義搜索引擎。其目標是創(chuàng)建一個能夠解釋用戶查詢并返回最相關結果的系統(tǒng)，考慮查詢的語義含義，而不僅僅是精確的關鍵字匹配。

2025-02-10 08:19:09

語義模型語義搜索場景感知

你了解布隆過濾器（Bloom Filters）嗎？

本文將對布隆過濾器（Bloom Filters）數(shù)據(jù)結構進行介紹，解釋了它是什么、何時使用它，以及其實現(xiàn)和功能的關鍵技術細節(jié)。?

2025-02-08 17:30:00

布隆過濾器數(shù)據(jù)結構

成功云遷移策略的5個關鍵步驟?

在將公司從本地遷移到云端或從一個云端遷移到另一個云端時，采用正確的策略至關重要。?

2025-02-08 11:23:55

關于現(xiàn)代隊列模式的開發(fā)人員指南

在當今的分布式系統(tǒng)中，隊列是構建可靠、可擴展架構的支柱。它們不僅僅是簡單的數(shù)據(jù)結構，更是強大的工具，可以幫助管理系統(tǒng)負載、確?？煽啃?，并在復雜的分布式應用程序中維護數(shù)據(jù)一致性。

2025-02-08 11:02:57

分布式系統(tǒng)隊列數(shù)據(jù)一致性

如何運用DeepSeek R1構建一款全棧簡歷篩選應用

在本文中，我們將學習如何在個人設備上本地運行開源模型，進而構建一款由React和NodeJS驅動的全棧應用程序。它能幫助大家快速分析簡歷內(nèi)容，并做出明智的招聘決策。在構建之前，我們先聊聊開源大模型的優(yōu)勢所在。

2025-02-08 08:18:39

開源大模型 DeepSeek NodeJS

無服務器（Serverless）人工智能推理?

無服務器平臺隱藏了機器學習模型部署過程中的復雜性，管理計算需求，并有助于降低基礎設施成本。

2025-02-07 16:45:21

無服務器 AI推理

基于Langbase Memory Agents將任意LLM轉為可對話式AI文檔助手

在本教程中，筆者將詳細指導你如何借助Langbase（一個流行的開發(fā)工具平臺，它提供了一套用于構建 AI 應用的工具和基礎設施）內(nèi)存代理，把大語言模型轉變?yōu)橐粋€能夠與你的個人文檔進行交互對話的人工智能。

2025-02-07 08:44:46

大型語言模型內(nèi)存代理 Langbase

充分利用人工智能代理實現(xiàn)DevOps與云服務無縫集成

在DevOps和云交付中，人工智能代理可以幫助組織獲得成功。本文將探討組織如何在DevOps和云環(huán)境中使用人工智能。

2025-02-07 08:00:00

人工智能 DevOps 智能自動化

充分發(fā)揮人工智能代理（AI Agents）的能力，以此實現(xiàn)DevOps和云的無縫銜接?

將人工智能代理引入企業(yè)處理DevOps和云交付的流程，是邁向高效運作的一大步。這些代理能夠處理特定任務，適應新環(huán)境，并做出明智決策，使其在當今的工作流程中變得不可或缺。?

2025-02-06 10:45:43

AI Agents 云 DevOps

基于AG2+ChromaDB開發(fā)多代理RAG系統(tǒng)

本文中，我們將介紹如何使用開源的AI多代理框架AG2和開源的向量數(shù)據(jù)庫ChromaDB構建一個多代理RAG系統(tǒng)。

2025-02-06 08:26:21

AG2 ChromaDB RAG

如何利用Polaris Catalog革新數(shù)據(jù)湖屋的目錄管理

本文介紹了如何利用Polaris Catalog實現(xiàn)跨查詢引擎互操作性和構建零數(shù)據(jù)復制架構，增強數(shù)據(jù)管理，并簡化工作流程。

2025-02-06 08:00:00

大型語言模型人工智能數(shù)據(jù)湖屋

用Ray觀測和監(jiān)控大語言模型工作負載

本文探討了Ray托管的LLM工作負載中可觀測性的重要性、需要監(jiān)控的關鍵度量指標以及使用Prometheus和Grafana搭建可觀測性機制的詳細指南。

2025-01-27 08:23:41

LLM Ray 大語言模型

十大機器蜜蜂：機器蜜蜂能拯救地球上所有的植物嗎？

作為一個幾乎每天都要吃蜂蜜吐司的人，在過去的幾年里，我一直非常關注全球蜜蜂種群持續(xù)減少這個話題。

2025-01-27 08:00:00

機器蜜蜂機器昆蟲機器人

探索向量數(shù)據(jù)庫中的二進制量化

向量數(shù)據(jù)庫中的二進制量化提高了效率，優(yōu)化了性能，并改進了數(shù)據(jù)存儲，從而實現(xiàn)高級信息檢索和分析。

2025-01-26 10:21:54

向量數(shù)據(jù)庫二進制量化存儲

操作指南：如何部署AI進行實時內(nèi)容審核

構建和部署由AI驅動的實時審核系統(tǒng)可確保數(shù)字平臺的可擴展性與安全性。本指南努力在速度、準確性與人工監(jiān)督等要素之間尋求平衡，確保內(nèi)容符合平臺政策與價值主張。

2025-01-26 08:05:20

AI驅動機器學習實時審核系統(tǒng)

基于Gemini 2.0和LangGraph實現(xiàn)自主多工具AI代理

本文旨在探討基于Gemini 2.0和LangGraph構建一個自主型多工具AI代理的關鍵過程，并提供示例程序的完整代碼。

2025-01-24 08:20:59

Gemini 2.0 LangGraph LLM

奮力反擊深度偽造的五個有效措施

公司企業(yè)正在竭力跟上網(wǎng)絡犯罪分子不斷創(chuàng)新的步伐。據(jù)本人所在公司VikingCloud的報告顯示，53%的公司承認自己沒有準備好防御新的基于人工智能的網(wǎng)絡攻擊方法。

2025-01-24 08:00:00

深度偽造人工智能網(wǎng)絡安全

推薦系統(tǒng)中的 Scaling Law : 看特征維度如何影響推薦系統(tǒng)準確性

推薦系統(tǒng)在互聯(lián)網(wǎng)行業(yè)應用廣泛。根據(jù)亞馬遜和Netflix 等公司的經(jīng)驗，推薦系統(tǒng)可以給公司帶來大幅度的流量提升，從而起到開源節(jié)流的作用。

2025-01-23 09:00:00

推薦系統(tǒng)大模型算法

我構建了一個自動生成提案的LLM，并拿到GitHub上開源了它

我決定使用Python和兼容的大模型（與ChatGPT兼容），開發(fā)一個基于大模型的提案生成工具。這個工具可以自動從你的產(chǎn)品文檔生成提案，將產(chǎn)品手冊分解為特征點。

2025-01-23 08:22:22

大模型 ChatGPT LLM

2025年及以后的開源發(fā)展趨勢

在人工智能和有望解決可持續(xù)性問題的變革性融資解決方案的推動下，開源軟件將繼續(xù)在企業(yè)技術堆棧中推行。

2025-01-23 08:00:00

開源人工智能大型語言模型

Meta公布BLT新架構：告別token，擁抱patch

未來的語言模型可能不再需要僵化的標記化機制。通過以動態(tài)方式直接處理字節(jié)，我們或將構建起效率更高、更善于處理人類語言復雜要素的新一代大模型。

2025-01-22 08:17:03

語言模型 BLT架構 token

不要陷入“微服務很酷”的陷阱，要知道何時堅持使用單體架構

單體架構和微服務架構是當今軟件開發(fā)中的兩種主要范式。人們常把它們分別視為傳統(tǒng)和現(xiàn)代的開發(fā)方式，但實際情況要復雜得多。選擇合適的架構需要權衡諸多因素，每種方案都有其獨特的優(yōu)劣勢。

2025-01-22 08:00:00

單體架構微服務架構開發(fā)

機器學習的下一個前沿—量子擴展

本文將和你探討量子擴展的基本概念，它在機器學習中的優(yōu)勢，以及我們將如何從中獲益。

2025-01-21 08:11:24

機器學習量子擴展 PyTorch

探索自適應框架的演變之路

自適應框架通過提供可解決傳統(tǒng)工具限制的實時、個性化更新，重新定義了協(xié)作。

2025-01-21 08:00:00

自適應框架框架開發(fā)

使用AI優(yōu)化SQL Server性能：自動化查詢優(yōu)化和預測性維護

AI通過查詢優(yōu)化、預測性維護等方式提升SQL Server性能，提高效率、降低時延、提高系統(tǒng)可擴展性。

2025-01-20 08:00:00

AI SQL Server 數(shù)據(jù)庫

大語言模型推理框架llama.cpp開發(fā)實戰(zhàn)

本文旨在讓讀者詳細了解如何使用直接來自llama.cpp的低級函數(shù)執(zhí)行LLM推理。具體地講，我們將詳細探討llama.cpp框架開發(fā)程序的詳細流程、llama.cpp框架的架構，最后實現(xiàn)一個簡單的聊天應用程序。

2025-01-20 07:58:51

llama.cpp LLM 大語言模型

生成式人工智能時代的數(shù)據(jù)治理挑戰(zhàn) ?

應對隱私、安全和合規(guī)性挑戰(zhàn)以推動創(chuàng)新。有效的數(shù)據(jù)治理由于生成式人工智能的最新發(fā)展變得更加關鍵。?

2025-01-17 14:03:02

數(shù)據(jù)治理生成式AI

什么？推薦系統(tǒng)未必數(shù)據(jù)越多，效果越好！

這篇論文的作者沒有用到任何高深的數(shù)學知識或者工具，只是利用最普通的數(shù)據(jù)分析的方法對算法的結果進行統(tǒng)計并用最簡單的圖形圖像工具進行可視化，從而得到了推薦系統(tǒng)不是數(shù)據(jù)越多越好的重要結論，值得推薦系統(tǒng)從業(yè)者認真學習。

2025-01-17 08:16:53

算法大模型推薦系統(tǒng)

上一頁 1 2 3 4 5 6 ··· 151 下一頁

51CTO技術棧公眾號

業(yè)務
速覽

媒體

51CTO CIOAge HC3i

社區(qū)

51CTO博客鴻蒙開發(fā)者社區(qū) AI.x社區(qū)

教育

51CTO學堂精培企業(yè)培訓 CTO訓練營

^{<thead id="djavb"></thead>}