人工智能

1. 首页
2. IT互联网
3. 人工智能

AI Compass前沿速览：IndexTTS2–B站、HuMo、Stand-In视觉生成框架、Youtu-GraphRAG、MobileLLM-R1–Meta、PP-OCRv5

AI-Compass 致力于构建最全面、最实用、最前沿的AI技术学习和实践生态，通过六大核心模块的系统化组织，为不同层次的学习者和开发者提供从完整学习路径。MobileLLM-R1 – Meta推理模型MobileLLM-R1是Meta公司推出的MobileLLM系列中新一代高效推理模型，旨在优化子十亿参数语言模型，以实现在移动设备上的高效运

人工智能 2025年09月17日 131 点赞 0 评论 14628 浏览

Spring AI 发布了它的 1.0.0 版本的第七个里程碑（M7）

Spring AI 发布了它的 1.0.0 版本的第七个里程碑（M7），下个月就是 RC1，紧接着就是 GA！，对于我们 Java 开发者来说，这绝对是个值得关注的好消息！但是对于 Java 学习者来说，内心难免吐槽一句：又有新东西要学啦！像我最

人工智能 2025年05月15日 101 点赞 0 评论 14622 浏览

Kafka笔记

一、背景知识 Kafka定义 传统定义：Kafka 是一个分布式的基于发布/订阅模式的消息队列，主要应用于大数据实时处理领域。 最新定义：Kafka 是一个开源的分布式事件流平台，被数千家公司用于高性能数据管道、流分析、数据集成和关键任务应用。 消息队列 传统的消息队列的主要应用场景包括： 缓存/消峰、 解耦和异步通信。目前企业中比较常见的消息队列产品主要有 ActiveMQ、RabbitMQ、R

人工智能 2025年04月30日 174 点赞 0 评论 14607 浏览

js EventLoop、宏任务和微任务

人工智能 2025年10月25日 189 点赞 0 评论 14600 浏览

基于大数据平台的数据探索模式

公司要进行历史数据分析，以便找到一个合适的模型，对未来的业务进行预测。 现状 企业存在真实历史数据 目标 企业期望通过历史数据分析，找到历史业务规律，用于未来业务月初的 动作 公司要建设数据中台，这个是可以理解的。 以往经验 方案1：建立数据分析专用系统，将已知数据提取后，通过复杂逻辑提取有效数据，然后根据有经验的业务人员，设置分析方法，在通过数据进行验证 方案2：分离数据与分析的过程

人工智能 2025年06月29日 90 点赞 0 评论 14591 浏览

AI 绘制图表专栏：用豆包实现HTML 5 种好看的时间轴曲线图，附详细代码讲解​

AI 绘制图表专栏：用豆包实现HTML 5 种好看的时间轴曲线图，附详细代码讲解​ AI 绘制图表专栏：用豆包实现HTML 5 种好看的时间轴曲线图，附详细代码讲解​​，本文详细介绍用豆包结合 ECharts 实现 5 种时间轴曲线图的方法，先说明前置知识，需明确图表库选择与豆包提问关键信息。

人工智能 2025年09月14日 122 点赞 0 评论 14546 浏览

BSA分析-实战笔记（五）绘图

参考： 以水稻为例教你如何使用BSA方法进行遗传定位（下篇） - 简书 (jianshu.com) 使用QTLseqr进行BSA-seq分析 - 简书 (jianshu.com) 加上拟合线 文献中有拟合线（黑色的那个），如何按照每1Mb为窗口，每次移动10kb计算均值 以KY0DN1为例 calcValueByWindow <- function(pos, value,

人工智能 2025年05月07日 128 点赞 0 评论 14516 浏览

Java开发如何基于 Spring AI Alibaba 玩转 MCP：从发布、调用到 Claude & Manus 集成

0、文章摘要 MCP 基础与快速体验（熟悉的读者可以跳过此部分） 如何将自己开发的 Spring 应用发布为 MCP Server，验证使用 Claude 或 Spring 应用作为客户端接入自己发布的 Java MCP Server。 发布 stdio 模式的 MCP Server 发布 SSE 模式的 MCP Server 开发另一个 Spr

人工智能 2025年05月10日 127 点赞 0 评论 14499 浏览

ai之嵌入模型bge-m3:latest的本地部署

这里写目录标题 BGE-M3 嵌入模型部署方案对比与推荐 ❌ 为什么不推荐 Ollama？ 🔧 备选方案：Sentence-Transformers 方案对比分析 🏆 推荐方案：**Transformers + FastAPI 自定义部署** 一、模型推荐与配置方案 二、具体部署步骤 1. 聊天模型

人工智能 2025年08月06日 131 点赞 0 评论 14489 浏览

sklearn：七、支持向量机（上）—22.9.9~9.12

七、支持向量机 7.1 概述 功能： 用的最多的是分类，不过做其他的也有不错的效果 对于三种不同的输入数据，每种分类器的表现。可以看出SVM最棒 SVM是最接近深度学习的机器学习算法。线性SVM可以看成是神经网络的单个神经元，非线性的SVM则与两层的神经网络相当，非线性的SVM中如果添加多个核函数，则可以模仿多层的神经网络 7.1.1 支持向量机分类器

人工智能 2025年08月21日 47 点赞 0 评论 14480 浏览