-
-
1吧u们有没有好玩的skill
-
0
-
8
-
4
-
3
-
2今天我发生了一件特别有趣的事情,我想了想感觉很有意思,所以我决定发出来独乐乐,不如众乐乐事情是这样子的,我在刷抖音的时候发现有人回复了我一条视频评论是前几天我发的评论有关于马斯克的评论,大致意思是这样子,马斯克作为Open AI早期的联合创始人,他很懂AI,然后那个视频的意思是这样子的,马斯克在2022年的时候,他的工程师给他提出了一个意见使用某种算法来优化自动驾驶,然后就有了评论,后面我发现那个人给我回复的评论
-
0本人是牢心理学的研一学生,看了一圈现有的心理学就业方向,心有点死了。 然后我就在想,现在人工智能爆火的同时,也存在一些衍生的问题,比如说怎么让ai表达的更像人(我想给她完整的一生?)、ai应该通过哪些数据和指标来分析用户当前心理,并进一步分析怎么调整沟通策略或者进行某种干预之类的。总之,鉴于ai如日中天的同时,心理学不温不火的状态,我推测国内心理量化(专业词汇:心理测量)好像有点薄弱,或者说方向没主要往这边靠
-
2让glm5.2调用工具,每次都有大概百分之一二十的概率失败是怎么回事?而且调用失败之后会输出一段神秘字符串,疑似是工具的调用过程 图片为一个例子:我让glm5.2调用知识库搜索代码,它调用了两次知识库搜索工具,其中第二次失败了,ai在输出了一段疑似工具调用的字符串后对话直接终止 希望有大佬能解答
-
29灵魂设计的路与坑,看后更懂灵魂,你也能理解,因人人多有个大脑,人人多可以感知自己条件反应背后的因果机制 - - 吧主别删帖,我没发广告,也没骂人,就发一点自己的小发现。不能因为我的观点不符合主流观点,就把我的帖删了。而人工灵魂恰恰是人人多可以研究,因人人多有个脑子,人人多可以感知自己反应的前因后果。 就好有人说铁比水重,然后认为让铁浮在水上就是一派胡言。那样就造不出轮船了。 有比如有人说能让几十吨重的金属
-
10
-
3
-
6各位老师好,孩子考上了大学,人工智能专业。想给孩子买一台电脑,不知道什么样的够用。想请教一下大家用的是什么型号的?孩子需要笔记本。1万块钱够用吗?
-
1077
-
0
-
1
-
0
-
188本人 211 大二学生,充了一个月的 plus,也尝试用了 codex,但是感觉也没网上宣传的那么惊艳啊。感觉国内外 AI 差距很小。我没有编程需求,其他 codex 干的活,workbuddy 也能干。 而且用国外 AI 还要配置网络环境,很麻烦。但我看网上大学生人均 plus,不禁问一句有必要吗?(仅本人观点不喜勿喷)
-
0AI时代,中国复杂的社会结构不会改变,但会与崭新的生产及组织方式不协调 AI:AI时代的中国,社会结构不会一夜之间被技术改写,但新的生产方式和组织方式会先跑出来,于是旧结构和新能力之间会出现明显错位。 社会结构为什么不会轻易改变 中国的社会结构不是单纯由技术决定的,它背后有户籍、单位、编制、教育、社保、房产、家庭、城乡关系、区域差异等一套长期形成的制度安排。AI可以让一个人一天完成过去一周的工作,但很难立刻改变
-
8我特别喜欢干一件事,就是把一段话发给AI,然后反复反复再反复地刷新,让它不断地围绕这段话进行输出,我称之为“给AI做阅读理解”这不是为了产出什么,也没有完整的对话,我个人是把这件事当做一件消遣的,就是在AI不断地解读我的一段话的过程中我会感受到一种不是很好描述的乐趣一直以来我用的都是DeepSeek,但是现在d老师有6次刷新上限,我得反复创建新对话才行,不是很方便;RikkaHub是接API的,硅流给的那点免费额度略显不够用,充钱去
-
0
-
20sense knowledge net sense 单个节点 knowledge 若干个节点的串联 net 所有节点连接成网 in 跳跃入sense out 从knowledge跳出 multi-points 多点同时激活以期触发活动 cache 等待激活 any-deep 任意层与深层 value 激活节点加权value与可激活节点之比 repeat-base 重复基 In outs: 假设有A,B,C,D,E,F等若干个sense,那么例如A-B-C为一个knowledge,将该例三个sense均标记为D这个sense,当激活并扫描到这三个D时,就意味着从A-B-C这个knowledge跳跃到D这个sense,那么同时,假若A-B-C当中的A,B这两个sense
-
0前阵子看苏州一个小工作室理内部帮手,记给同好。不是广告。 人不多。活靠以前的案子,还有跟客户聊过的那些话。东西散在网盘和旧方案里。新人来了,还得抓着熟手再讲一遍。 他们没先追装软件。资料尽量放自己能管的地方,谁能看,负责人定。对外介绍和内部旧案子别搅一堆。过期稿也别塞进还在用的。 旧案子按客户或按项目留着,换个人也能问到前因。问出来指回哪份文件、哪一版、原文在哪。没依据就说资料不够,别顺嘴补型号、金额
-
0明厨亮灶的检查表上,着装、有害生物、用火安全是三大板块。单买一个"口罩识别"只能解决一小格,管理价值有限;把四类识别组合成一套值守体系,才真正对齐检查表本身。本文给出这套组合方案的设计要点。 为什么是这四件 口罩佩戴识别:接触直接入口食品人员的强制项,检查频次最高的违规类型; 厨师帽佩戴识别:与口罩并列的着装强制项,防发丝掉落污染; 鼠患检测:食安一票否决项,夜间发生白天难查,AI 值守 + 抓图留证价值
-
2
-
7
-
26我建了个技术交流群有没有要进的,想进的加我。ai,编程,电脑等相关知识,比赛,信息等相关的都可以交流
-
2
-
2"我们想做个 AI 识别"——这句话离可训练的任务还差一步拆解。拆错了任务类型,数据量、标注成本、硬件要求全部跟着错。这篇给一套三问拆解法。 分类与检测的本质差异 分类(classification):输入一张图,输出"它属于哪个类别"。假设画面里只有一个主体(或整图就是要判断的对象)。例:这张抓拍里的人戴没戴口罩。 检测(detection):输入一张图,输出"哪里有什么"——框出目标位置 + 类别 + 置信度,画面里可以有多个目
-
0🔥 刚入行时以为这行拼的是手速,做久了才发现,真正拼的是另外几样东西。 📌 1. 质量稳,比速度快重要 一开始总想多做点,结果返工一堆。后来才懂,做十个合格的,比做二十个被打回来强。稳,才是快。 📌 2. 结算靠谱,比单价高重要 见过不少人冲着高价去,结果结算拖拖拉拉,算下来还不如找个稳当的。活干完了能顺顺利利结,比什么都实在。 📌 3. 培训到位,比人多重要 人多不一定出活。新人没人带,做出来的东西质检过不了,全组跟
-
0🚨 干数据标注最崩溃的不是没单, 是兄弟们辛辛苦苦干完一批,结果被上游批量打回重做。 工资照发,工期耽误,利润直接干没。 很多团队以为返工是员工手笨, 其实大概率是质检环节没搭对。 📌 1. 质检不是最后挑错,是过程控制 等全部做完再查,错已经错一片了。 正确做法:前10%全检,中间抽检,最后再总检。 越早发现问题,返工成本越低。 📌 2. 标准要拆成“能执行的动作” “拉框要准”这种话等于没说。 要说清楚:贴边算不算过?遮
-
0现在ai可以帮忙开户嘛,很好奇
-
1又是一家你肯定听过名字的青岛家电巨头,这次是空调板块在招人。他们家空调在国内市场占有率一直不低,产品线从家用挂机到商用中央空调都有。 但说实话,家电行业这几年卷得厉害,光靠硬件已经拉不开差距了——压缩机、换热器大家用的都差不多。差异化在哪里?软件。更智能的温控算法、更省电的运行策略、更懂用户的使用体验……这些都靠嵌入式软件来实现。 所以这次不是"写代码的",而是能从架构层面重新设计嵌入式软件体系
-
1模型上线那天,不是项目结束,而是数据开始替你工作的第一天。线上跑出来的错误样本(badcase)是全世界最值钱的训练数据——它精确告诉你模型缺什么。这篇讲我们把 badcase 变成新版本的完整闭环。 把上线当作开始 传统的交付观是"验收通过即终点",于是模型上线后精度停滞甚至缓慢劣化(场景会漂移:换了灯具、换了员工、上了新品)。数据飞轮的交付观是"验收通过即起点":v1 的使命之一就是替你收集 v2 需要的数据。 badcase
-
1
-
9最快2027年
-
4
-
0把一个训练好的模型交给客户跑起来,中间隔着三道关。跳过任何一道,都会在客户现场连本带利地还回来。 训练完成只是半成品 训练产出的是框架私有的权重文件:它依赖训练时的框架版本、模型定义代码与预处理逻辑。客户的系统是另一个世界:可能是 Go 写的流媒体服务、Java 的业务后端、安卓的端上 App。从"我的环境里能跑"到"你的环境里也能跑出一样 results",中间就是这三道关。 第一道关:导出 导出是把权重固化为通用格式
-
1我想做个饿殍的二创,但是没有好用的Ai辅助,目前在用元宝,我不求AI给我做出来一个完整游戏,我只想让它能一步步正确教我去做
-
2如果一个城市的生产物流都能够完全自动化,产品生产出来之后,被机器人转移,被自动物流车运出去,全程不需要人。 整个城市都不需要人了,那么那里的那服务业也不需要存在了吧,那他是不是就变成死城了? 将来高度自动化以后,现在的城乡形态会变成什么,在这里人是处在什么位置?
-
1
-
0
-
0
-
0你们要知道,18、19世纪欧美资产阶级的核心价值观就是:自由、平等与民主,人人生而平等,每个人都拥有自己受到法律保护的自由和权利,每个人的私人财产权也同样神圣不可侵犯
-
0




