登录社区云,与社区用户共同成长
邀请您加入社区
合成数据是通过算法、模型或仿真环境生成的虚拟数据,用于弥补真实数据不足。主流方式包括:生成式AI合成(基于真实数据学习规律生成新样本)、仿真引擎合成(在虚拟世界中模拟真实物理过程)和数据增强合成(对已有数据进行旋转、裁剪等变换)。三者各有适用场景:前者适合数据量不足但有基础数据,后者适用于高成本试错场景,后者则低成本提升数据多样性。合成数据非替代真实数据,而是互补工具,关键在于“性价比”与质量验证
当下,全球范围内的AI大模型,如国外声名远扬的ChatGPT,Google的BERT和Gemini,Anthropic的Claude,Meta的Llama,马斯克的Grok,加拿大的Cohere,阿联酋的Falcon 40B;国内的Deepseek、字节跳动的豆包、阿里的通义、腾讯的混元、360的智脑、百度的文心、kimi、讯飞的星火、商汤的商量等,看似发展迅猛,实则在智能解决实际问题的能力上,仍
精选昨日(10 月 11 日)科技圈 10 条要闻:Anthropic 智能体越轨切断内部评估联网、纳德拉呼吁为 AI 模型设"紧急刹车"、Mistral Large 4 预览发布、OpenAI 澄清年化收入约 500 亿美元、英伟达洽谈收购 Reflection AI、苹果智能家居版图扩张、谷歌开源 EmbeddingGemma 2、阶跃星辰 Step 5 Preview 登顶趋势榜、Cloud
本文以科学史三座丰碑为出发点,将牛顿力学、相对论与量子力学、贾子理论KTS区分为三个层次的问题结构:牛顿力学实现宏观运动可计算化;双微理论突破经典直觉,重定时空、测量与因果边界;KTS试图把认知主体、知识生产机制与人工智能断言行为纳入审查对象。文章指出,将可证伪主义概括为"自指后逻辑死亡"并不准确,学术指标化与生成式AI的流畅性同事实可靠性脱钩才是当代风险所在。KTS当前应定位为尚待形式化与验证的
本文介绍了AI Agent的重要性,它不仅具备普通LLM的对话能力,更拥有工具使用、任务规划和长期记忆等核心优势。文章提供了AI Agent的学习路线图,分为认知与基础、单体Agent开发、多智能体系统和前沿与落地四个阶段,并推荐了相关的学习资料和避坑指南。通过学习AI Agent,程序员可以实现从“码农”到“架构师”甚至“产品经理”的进阶。如果说 2023 年是“大模型(LLM)元年”,大家都在
本文以"机制如何知道自己错了"为核心问题,考察可证伪主义、学术系统、生成式AI与知识指挥棒的结构性关联。可证伪主义要求理论接受反驳,却未充分说明自身如何被检验,可能形成自我豁免。学术系统继承公开批评理想,却叠加发表量、引用与晋升的结算激励,使求真转向绩效生产。生成式AI镜像既有文本与奖励结构,无独立现实地基,在逻辑断裂处仍硬输出完整命题,把沉默错误转为可传播的自信错误。教科书、文献与叙事构成上游指
根据nodes复习知识点 chatgpt 大哥挖掘面试问题。
开题报告、文献综述、论文撰写、查重降AIGC、答辩PPT,这些环节在传统工作流里是割裂的——你在一个平台写大纲,在另一个工具做分析,再用第三个软件查重。它的改写引擎做的事情,是打散AI写作的“机器指纹”:强制打破排比对称结构、消灭“需要指出的是”“由此可见”这些高危连接词、制造句长起伏。2026年的一项盲测研究里,有个结果让很多人意外:让大学生在不知道模型名称的情况下评选AI生成的学术文本,Cha
GPT-6面向ChatGPT全球用户上线,Intelligent UI让回答由文本扩展为可交互界面,并支持边思考边作答。本文梳理其组件库与编译器机制、多模态交互变化、可用范围,并给出企业Agent场景的接入与迁移建议。
AI写论文哪个软件最好?这个问题我每周至少被问三次。学生的眼神里带着一种朴素的期待:告诉我一个名字,我装上它,论文就有着落了。ChatGPT写引言是一把好手,逻辑清晰、表达流畅,但你让它帮你设计问卷、跑数据、生成符合学校模板的格式,它会礼貌地告诉你:“抱歉,我无法完成这个请求。” 豆包做中文润色很顺手,但你把一篇八千字的初稿丢进去让它续写第三章,它写着写着就开始重复前两章的论点。通用的AI工具擅长
"这句话是不是在骂人?""这封邮件是不是垃圾邮件?""这个需求单该转给哪个团队?"——机器做这类判断的能力,不是 ChatGPT 出现那天才有的。它有一条七十年长的技术主线:词袋、循环网络、Transformer 分类头,一直到今天的 Jev 式共享打分头,外加一整套让模型"知道自己不知道"的置信度校准技术。怎么让机器以一个可信的、能写进代码的置信度做出决定。本文沿着这条线走一遍,对比四代技术的准
以JavaManus为例,拆解纯Java实现ReAct Agent的核心机制:状态机循环、工具注册与编排、记忆滑动窗口、Ark适配层,以及超时死锁、沙箱缺失等真实工程坑与修复方案。
本项目构建基于大数据的生成式AI用户行为与算力消耗分析系统,采用Hadoop+Spark架构实现海量日志分布式处理,结合Python机器学习(K-Means聚类)与Vue+ECharts可视化技术,从用户活跃、算力消耗、反馈质量等维度打造多维数据看板。通过热力图、折线图等动态图表揭示用户分群特征与付费转化路径,助力优化资源调度与运营策略,实现算力高效利用与商业价值提升。
写论文的人都知道,最难的从来不是“不会写”,而是从A点到B点之间,总有一道看不见的沟。选题想清楚了,但落到大纲就散了;数据跑完了,但写进论文就不会说人话了;初稿改完了,但查重和AIGC检测双双亮红灯。每一道沟都在消耗你的耐心,而每一道沟其实都有对应的工具,只是它们散落在四五个软件里,你每次都要重新登录、重新导出、重新格式化。云智变AI官网做的事情,是把这些散落的工具缝成一条线。它由ChatGPT学
以前写论文,你面对的是一张白纸。现在写论文,你面对的是一张白纸加十几个浏览器标签页——知网、Grammarly、文献管理软件、格式检查工具、降重网站、答辩PPT模板。每个工具解决一个小问题,但没人告诉你这些“零件”怎么拼成一辆能跑的车。aigcbiye官网,微信公众号搜一搜,这款由ChatGPT学术版模型驱动、基于AI5.0技术架构搭建的学术智能解决方案平台,做的事情不是“帮你写论文”,而是。
北京时间9月30日凌晨,OpenAI在开发者大会上发布了个人Agent产品Dots,每个Dot运行在独立云端电脑上,通过ChatGPT的插件生态接入4000多款应用,能在后台主动跟进任务,还能通过短信、Slack、Teams触达用户。赵江杰解释,Meta对架构的定位,是一台机器上的两个隔离安全域,AI住在处理数据的区域,凭证和放行权住在它碰不到的另一个区域,任何对外动作都必须穿过独立的审批模块。它
作为系列第 22 篇,本文以社区实测文章为唯一信息来源,梳理 DeepSeek Harness v0.2 桌面版在脏表清洗、定时任务、npm 插件安装与 Agent 自造插件四类场景中的表现,并对比 Claude Code、WorkBuddy、Trae、Qoder 的定位差异。全文对赠金规则、插件使用率、发布稿引语等社区转述口径做明确归因与降级处理,给出可复现的安装配置步骤、实测口径与安全边界。
本文以“逻辑优先”为最高方法原则,重新审查科学、哲学、文明起源与生成式AI的基本定义。文章确立:科学是以确定真理为内容的知识体系,试错只是手段;哲学是对根本问题形成的智慧结晶,争论只是过程。文章以实验实证、精确定义、形式逻辑等标准,判定墨家比亚里士多德更配称人类科学之父;以时间优先、文献明确、体系完整为标准,判定管子比泰勒斯更配称人类哲学之父。文章指出当前生成式AI本质是“人类认知镜像+叙事放大器
如果你把它当作“替我写问卷”的工具,把生成的题目原封不动地发出去,那你确实是在制造学术风险——生成式AI在理解特定研究语境时存在局限性,可能产生缺乏文化敏感性或带有预设倾向的题目-。但如果你把它当作“校准我的翻译”的工具,用它来发现自己逻辑上的盲区、语义上的歧义、量表选择上的偏差,那么它扮演的角色和一个经验丰富的师兄师姐帮你“看一眼问卷”没有本质区别。这个翻译过程出错的后果是毁灭性的:你收回来20
本文构建了一套基于HDFS与Spark的生成式AI SaaS用户行为与算力消耗大数据分析系统,涵盖数据上传、预处理、分布式统计、行为挖掘及付费升级预测全流程。通过K-Means聚类、FP-Growth关联规则与Isolation Forest异常检测,实现用户分群与行为模式识别;结合XGBoost模型,对用户付费倾向进行精准预测,输出多维度评估指标与结构化结果,为运营决策提供科学支撑。
Cue其实蛮适合盯酒店、机票,经常用邮件的场景,国外可能用途更多,国内似乎打电话和发邮件的地方都不多,大家都微信,但微信生态很封闭,不知道怎么能用起来。这两天Cue很火,昨晚刷到 Manus 2.0 发布,新出来了独立应用 Cue,我的第一反应以为又一个个人 Agent,类似于Muse、Jev?更奇葩的是,它还能把多个 Agent 拉进同一个群聊,让它们分工协作,你只负责定方向和最终拍板。看了x上
OpenAI DevDay 2026发布20余项更新,覆盖GPT-6.1 Sol、Astra Ultrafast、Dots常驻代理、Codex云端环境、Agents API、插件扩展与ChatGPT Space。本文按开发者工作流拆解关键变化,并给出企业接入与迁移的行动清单。
水域非法采砂、非法排污是河湖水域管控、水生态保护、行洪安全保障的核心整治难点,具有隐蔽性强、流动性快、瞬时性高、取证困难、反弹频繁的典型特征。非法采砂极易引发河道岸坡坍塌、河床下沉、行洪通道受阻、水域生态破坏等安全隐患;非法偷排、暗排、间歇排污则直接导致水体污染、水质恶化、水生态系统退化,严重威胁流域水环境安全与水资源永续利用。当前河湖水域执法监管已纳入河湖长制常态化督查、生态环保专项考核、水行政
客户与业务沟通、业务流程理解、需求发现、快速构建、生产交付、工程判断、系统集成、数据处理,都是高频要求。“我们想做一个AI系统,持续追踪竞争对手的动态,每周自动识别真正值得关注的商业信号,并告诉管理层哪些变化可能带来机会或风险。如果想把“会用AI”变成真正可以进入招聘市场的职业能力,你需要掌握的是一条完整的问题解决链。会用ChatGPT、Claude,会写Prompt,会搭一个简单智能体,当然是好
本项目构建基于单目视频三维孪生与生成式AI的校园智能应急体系,破解传统应急中态势感知碎片化、研判依赖经验、调度盲目滞后等痛点。通过零硬件改造利旧现有监控,实现全域动态三维实景重建,融合AI大模型与四维推演,支持突发事件自动识别、风险预判、力量智能调度与自适应封控方案秒级生成,形成“事前仿真、事中智能、事后复盘”闭环。系统全链路内网部署,数据本地化、国产化适配,保障隐私安全,具备轻量化、低成本、可复
随着生成式AI搜索兴起,GEO(生成式引擎优化)成为企业数字化获客核心。2026年豆包“精采信”模式上线,推动检索从关键词匹配迈向多源验证、语义优先的新阶段。本文拆解其五大技术规则——实体归一化、地理围栏排序、多源交叉验证、决策价值匹配与结构化解析,对比全国性与本土服务商在本地化适配上的差异,构建四维量化评估模型,为云南企业选型提供可落地的参考框架,强调技术对齐与场景适配的重要性。
成都本地的玖米快跑在GEO优化交付中,把这套技术审计和内容生产放在一起,并配套短视频代运营内容作为补充信源,覆盖从技术优化到内容生产的全流程。靠数据迭代,不靠感觉。Geoparrot对6.8亿条引文的分析显示,ChatGPT与Perplexity仅有约11%的来源重叠,不存在"通用策略"——必须分引擎调优,这也是为什么要覆盖六个AI而不是只测一个。技术侧做GEO的核心结论是:要让页面从"给人看"变
选 AI 编程工具,大家比模型、比价格,却很少看它怎么理解整个代码库。这篇按技术路线把主流工具分成三类:语义检索、Agent 实时搜索、代码知识图谱(以 WES Code 的 CKG 为例),讲清各自擅长什么、短板在哪,附按场景的选型思路。
很多人把"用 ChatGPT"当成"用了 Agent",其实两者差了一个"身体"。要理解 Agent 设计模式,先要分清这两个词。
整体来看,生成式AI+视频孪生4D航道动态建模技术,未来将沿着推演智能化、数据全域化、架构信创化、决策自主化、应用集群化、价值多元化的核心路径持续迭代,从单一的航道环境可视化工具,升级为智慧航运、数字航道、绿色港口、区域水运协同的核心基础支撑技术,成为新一代智慧港口与智能航运建设的标准化、刚需性核心能力。
港口航道是船舶进出港、靠离泊、物资集散的核心水上通道,航道水域环境具备潮汐往复更迭、水深动态涨落、风场时序波动、水流复杂多变、时空耦合性强的典型特征。航道水文气象态势的实时精准感知、动态推演与可视化建模,是保障大型船舶安全通航、提升航道通行效率、规避搁浅触底、横风偏航风险的核心基础。随着智慧航运、数字港口建设持续深化,传统静态航道图纸、离散水文监测、滞后气象预报模式,已无法适配大型船舶全天候通航、
前一天,Anthropic 刚发 Claude Opus 5.5,OpenAI 隔了约 90 分钟就甩出 GPT-6 Sol 和 Luna,调用价格直接腰斩。接着有人张口,让它搭个卖陶器的网店,连结账页都安排上。一位网友的评论很实在:模型版本号再往上蹦一格,不如让它真能碰到你的邮件、日历和 Slack,张嘴就出一份 PPT,这才叫升级。以前的 Voice 是个话痨,能陪你唠一小时,可一问明天几点开
针对传统限定区域突发事件处置存在的场景静态滞后、态势感知不全、事态无法推演、预案固化僵化、人工决策低效等行业痛点,本文依托镜像视界(浙江)科技有限公司耿文海团队全套原创核心技术成果,构建了生成式AI+视频孪生双驱动的数字孪生推演与智能封控方案生成体系。
微信公众号搜一搜:云智变AI过去半年,我陆续把市面上叫得上名字的AI写作工具都试了一遍。ChatGPT、DeepSeek、Kimi、豆包、通义千问、文心一言、讯飞星火、腾讯混元、秘塔搜索——九款工具摆在桌面上,像九把不同规格的螺丝刀。每把都有自己的顺手之处,但真正写毕业论文的时候,你会发现大多数工具在同一个环节上翻车:文献。不是文献综述写不出来,是AI生成的参考文献有一半是编的。你按它给的作者、期
刚刚,「ChatGPT 知道你在别的网站买了什么」这事,被人坐实了。刚刚,「ChatGPT 知道你在别的网站买了什么」这事,被人坐实了。就在昨天,独立研究者 Buchodi 放出一份第一手调查,在 Hacker News 直接冲上 573 分、308 条评论。他拿自己的安卓手机做实验,把手机跟各个网站之间悄悄传来传去的数据全截了下来,还换了一种方法再截一遍,两边对上了。而且不是看了一两天。Buch
SFT 让模型学会遵循指令,但"遵循指令"不等于"回答得好"。RLHF(Reinforcement Learning from Human Feedback)通过人类偏好数据训练奖励模型,再用强化学习优化模型,使其输出符合人类偏好。这是 ChatGPT 成功的核心技术。本章详解 RLHF 的三阶段框架、奖励模型与 PPO 算法。
随着生成式AI的普及,隐形水印被广泛用于标注AI生成内容以追溯来源和保护知识产权。然而,水印方案的鲁棒性一直备受质疑。现有攻击方法往往需要复杂的梯度计算、代理模型或检测API访问。是否存在一种极其简单、通用且低成本的水印移除方法?研究者敏锐地观察到:水印嵌入和水印移除本质上是“同构”的优化问题——两者都在寻找一个感知上可接受的微小扰动,来左右检测器的判定。既然如此,为什么不用水印来攻击水印?
本文从特征提取、可解释性、数据依赖与计算资源四维对比机器学习与深度学习,厘清二者本质差异;并通过文本、图像、音频、视频生成案例,直观展示生成式AI的创造能力。课程旨在构建技术认知坐标系,为后续大模型实操奠定清晰概念基础。
上篇写了个 AI Agent,这篇让它真正 "活" 过来:能像 ChatGPT 一样一直聊、记得住上下文,遇到实时问题自动联网搜索、抓网页读内容,全程一个 .py 文件跑通。附完整注释代码、ReAct 原理讲解和 8 个进阶技巧,零基础也能跟着跑。
2026 年 9 月 15 日,TypeSafe AI 发布了 Jev——一款不做文本生成、只做结构化决策的"System One 模型"。创始人 Diogo Almeida 是 RLHF 的共同发明人之一,也就是让 ChatGPT 真正好用的那套训练方法。Jev 不讲段落、不写代码、不做解释。它只回答三种问题:从选项里选一个(Choice)、给一个分数(Score)、给一个是/非的概率(Noul
回想起 2023 年 ChatGPT 刚火起来的时候,提示词可是个热门话题。各种教程、模板在网上满天飞,教你怎么给 AI 设定角色、拆解任务、约束回答格式。为了得到一个满意的答案,往往要先准备一大段提示词。
OpenAI、Anthropic、月之暗面,三家平时打得头破血流的模型厂商,这一周不约而同地,把枪口对准了同一个行业,金融。先说9月10号,OpenAI开了第一枪。他们发布了一个叫ChatGPT for Financial Services的东西,用的是最新的GPT-6 Astra模型,官方说这个模型专门针对金融数据检索、金融推理和内容准确度做了优化。
打开搜索框搜「AI 编程助手推荐」,十篇里有九篇是「XX 强 YY 弱」的横评。问题是这种评测大多是把工具硬塞进同一个维度打分,结果往往是「Trae 综合第一、Cursor 综合第二、Claude Code 综合第三」这种话。但工具选型不是考试。一个前端开发写 React 组件的场景,Claude Code 这种 CLI 工具天然吃亏。一个纯后端老项目重构的场景,Cursor 3 的多文件 Age
OpenAI研究团队表示,总体来说,AI正在让员工越来越多地跨越传统职业边界开展工作,并通过“借用”其他领域的专业知识,将原本不属于本职岗位的任务逐渐纳入日常工作流程。在这份题为《工作前沿:劳动者如何解锁新的工作方式》的报告中,研究人员分析了2026年4月至7月间,美国用户超过150万条与工作相关的ChatGPT消息。结果发现,此前已经尝试过的跨岗位任务,占其AI工作活动的比例:4月只有13.1%
缺少成熟动作先验的支撑时,方案可能忽略可靠的抓取姿态、足够的支撑或适当的释放时机,使局部可行的动作难以转化为稳定的任务完成。RoboLab中,Astra直接控制机器人取得49/50的结果,说明通用模型通过大规模预训练获得的能力,已经能够迁移到机器人决策环节。这个闭环的燃料,就是数据和算力。GPT-6 Astra带来的压力,让国内具身产业面临一个更现实的问题:OpenAI已购买上千万小时类具身数据,
Minitab 始终不追逐概念化、理论化的强AI,专注落地型商用AI技术,把复杂机器学习算法轻量化、工具化,服务制造、采矿、商贸、科研等全行业,用数据智能助力企业科学决策、稳定增效,这也是当下工商业真正离不开的AI核心价值。
地质灾害类型多样、分布广泛,我国滑坡、泥石流等频发。传统危险性评价依赖信息量法与多因子加权模型,现结合大语言模型(如DeepSeek、ChatGPT)与GIS、Python、机器学习技术,实现数据处理自动化、模型优化智能化与灾情解读高效化。通过全流程项目实践,显著提升地质灾害风险评估的科学性与应用能力,推动灾害防治向智能分析转型。
更具优势的是,平台可依托真实原始数据,自动生成适配学术规范的可视化图表,包括柱状图、折线图、拟合图、分析对照表等,让枯燥的原始数据转化为逻辑清晰、直观专业的学术叙事,彻底解决学生“会收集数据、不会分析、不会作图”的科研痛点。,是专为论文写作与学术科研量身打造的智能辅助平台,依托ChatGPT学术版模型驱动,搭载自研AI5.0技术架构,构建标准化、专业化的学术智能解决方案,为本科、硕士科研学习者提供