积分充值
 首页
前端开发
AngularDartElectronFlutterHTML/CSSJavaScriptReactSvelteTypeScriptVue.js构建工具
后端开发
.NetC#C++C语言DenoffmpegGoIdrisJavaJuliaKotlinLeanMakefilenimNode.jsPascalPHPPythonRISC-VRubyRustSwiftUML其它语言区块链开发测试微服务敏捷开发架构设计汇编语言
数据库
Apache DorisApache HBaseCassandraClickHouseFirebirdGreenplumMongoDBMySQLPieCloudDBPostgreSQLRedisSQLSQLiteTiDBVitess数据库中间件数据库工具数据库设计
系统运维
AndroidDevOpshttpdJenkinsLinuxPrometheusTraefikZabbix存储网络与安全
云计算&大数据
Apache APISIXApache FlinkApache KarafApache KyuubiApache OzonedaprDockerHadoopHarborIstioKubernetesOpenShiftPandasrancherRocketMQServerlessService MeshVirtualBoxVMWare云原生CNCF机器学习边缘计算
综合其他
BlenderGIMPKiCadKritaWeblate产品与服务人工智能亿图数据可视化版本控制笔试面试
文库资料
前端
AngularAnt DesignBabelBootstrapChart.jsCSS3EchartsElectronHighchartsHTML/CSSHTML5JavaScriptJerryScriptJestReactSassTypeScriptVue前端工具小程序
后端
.NETApacheC/C++C#CMakeCrystalDartDenoDjangoDubboErlangFastifyFlaskGinGoGoFrameGuzzleIrisJavaJuliaLispLLVMLuaMatplotlibMicronautnimNode.jsPerlPHPPythonQtRPCRubyRustR语言ScalaShellVlangwasmYewZephirZig算法
移动端
AndroidAPP工具FlutterFramework7HarmonyHippyIoniciOSkotlinNativeObject-CPWAReactSwiftuni-appWeex
数据库
ApacheArangoDBCassandraClickHouseCouchDBCrateDBDB2DocumentDBDorisDragonflyDBEdgeDBetcdFirebirdGaussDBGraphGreenPlumHStreamDBHugeGraphimmudbIndexedDBInfluxDBIoTDBKey-ValueKitDBLevelDBM3DBMatrixOneMilvusMongoDBMySQLNavicatNebulaNewSQLNoSQLOceanBaseOpenTSDBOracleOrientDBPostgreSQLPrestoDBQuestDBRedisRocksDBSequoiaDBServerSkytableSQLSQLiteTiDBTiKVTimescaleDBYugabyteDB关系型数据库数据库数据库ORM数据库中间件数据库工具时序数据库
云计算&大数据
ActiveMQAerakiAgentAlluxioAntreaApacheApache APISIXAPISIXBFEBitBookKeeperChaosChoerodonCiliumCloudStackConsulDaprDataEaseDC/OSDockerDrillDruidElasticJobElasticSearchEnvoyErdaFlinkFluentGrafanaHadoopHarborHelmHudiInLongKafkaKnativeKongKubeCubeKubeEdgeKubeflowKubeOperatorKubernetesKubeSphereKubeVelaKumaKylinLibcloudLinkerdLonghornMeiliSearchMeshNacosNATSOKDOpenOpenEBSOpenKruiseOpenPitrixOpenSearchOpenStackOpenTracingOzonePaddlePaddlePolicyPulsarPyTorchRainbondRancherRediSearchScikit-learnServerlessShardingSphereShenYuSparkStormSupersetXuperChainZadig云原生CNCF人工智能区块链数据挖掘机器学习深度学习算法工程边缘计算
UI&美工&设计
BlenderKritaSketchUI设计
网络&系统&运维
AnsibleApacheAWKCeleryCephCI/CDCurveDevOpsGoCDHAProxyIstioJenkinsJumpServerLinuxMacNginxOpenRestyPrometheusServertraefikTrafficUnixWindowsZabbixZipkin安全防护系统内核网络运维监控
综合其它
文章资讯
 上传文档  发布文章  登录账户
IT文库
  • 综合
  • 文档
  • 文章

无数据

分类

全部综合其他(137)Weblate(67)人工智能(14)Blender(12)KiCad(12)产品与服务(10)亿图(10)Krita(8)版本控制(2)GIMP(1)

语言

全部中文(简体)(129)日语(5)中文(简体)(2)英语(1)

格式

全部PDF文档 PDF(97)其他文档 其他(39)TXT文档 TXT(1)
 
本次搜索耗时 0.037 秒,为您找到相关结果约 137 个.
  • 全部
  • 综合其他
  • Weblate
  • 人工智能
  • Blender
  • KiCad
  • 产品与服务
  • 亿图
  • Krita
  • 版本控制
  • GIMP
  • 全部
  • 中文(简体)
  • 日语
  • 中文(简体)
  • 英语
  • 全部
  • PDF文档 PDF
  • 其他文档 其他
  • TXT文档 TXT
  • 默认排序
  • 最新排序
  • 页数排序
  • 大小排序
  • 全部时间
  • 最近一天
  • 最近一周
  • 最近一个月
  • 最近三个月
  • 最近半年
  • 最近一年
  • pdf文档 2023年中国基础软件开源产业研究白皮书

    开源产业链关系 以开源社区及代码托管平台为中心,各方合力促进产业源与端共生共长 发起者可以将源代码放在代码托管平台上,结合开发者的代码贡献进一步提升源代码质量。在这个代码优化的过程中,也有其他力 量辅助:1)开源基金会可选择性接受项目的捐赠并运营项目;2)开源技术论坛通常会提供更广阔的开发者交流平台,提升开发者 能力水平;3)开源社区评估机构可对开源社区进行评分,辅助开发者选择要参与的开源项目;4)开源产业联盟往往会对行业贡献 无法看到明确的项目回报而以失败告终,逐渐被开源发起者抛弃。正因如此, 企业应转变短视思路,认识到开源是一种长期行为,对应制定长期战略。仅以投入产出比衡量开源项目收益将忽视开源对于企业在 提升技术领导力、增进创新力、构建活力生态、树立行业标准方面的贡献,短视的战略部署无法支撑企业持续投入,等到开源项目 的最终开花结果。 来源:根据专家访谈、公开资料,由艾瑞咨询研究院自主研究及绘制。 开源项目长期投入要素及长期收益 企业组织重组 开源板块规划 合作伙伴联结 开源长期投入要素 开源项目长期收益 构建活力生态 提升技术领导力 增进企业创新力 树立行业标准 降低开发费用 间 接 收 益 企 业 长 远 发 展 持 续 动 力 收 益 直 接 企业倾向在自身技术实力较强、产品能 力较扎实的领域选择开源 社区运营是开源人力投入的焦点,头部 企业社区人员投入量超过千名 为方便各职能开源人员交流和开源业务
    0 码力 | 43 页 | 4.69 MB | 1 年前
    3
  • pdf文档 人工智能安全治理框架 1.0

    2.1 安全风险方面。通过分析人工智能技术特性,以及在不同行业领域 应用场景,梳理人工智能技术本身,及其在应用过程中面临的各种安全风险 隐患。 2.2 技术应对措施方面。针对模型算法、训练数据、算力设施、产品服务、 应用场景,提出通过安全软件开发、数据质量提升、安全建设运维、测评监测 加固等技术手段提升人工智能产品及应用的安全性、公平性、可靠性、鲁棒性- 3 - 人工智能安全治理框架 的措施。 务 与用户交互过程中,存在未经同意收集、不当使用数据和个人信息的安全风险。 (b)训练数据含不当内容、被 “投毒” 风险。训练数据中含有虚假、偏见、 侵犯知识产权等违法有害信息,或者来源缺乏多样性,导致输出违法的、不良 的、偏激的等有害信息内容。训练数据还面临攻击者篡改、注入错误、误导数 据的“投毒”风险,“污染”模型的概率分布,进而造成准确性、可信度下降。 (c)训练数据标注不规范风险。训练数据标注过程中,存在因标注规则 执行平台可能存在逻辑缺陷、- 5 - 人工智能安全治理框架 漏洞等脆弱点,还可能被恶意植入后门,存在被触发和攻击利用的风险。 (b)算力安全风险。人工智能训练运行所依赖的算力基础设施,涉及多源、 泛在算力节点,不同类型计算资源,面临算力资源恶意消耗、算力层面风险跨 边界传递等风险。 (c)供应链安全风险。人工智能产业链呈现高度全球化分工协作格局。 但个别国家利用技术垄断和出口管制等单边强制措施制造发展壁垒,恶意阻断
    0 码力 | 20 页 | 3.79 MB | 1 月前
    3
  • pdf文档 DeepSeek从入门到精通(20250204)

    数学推导、逻辑分析、代码生成、复杂问题拆解 文本生成、创意写作、多轮对话、开放性问答 劣势领域 发散性任务(如诗歌创作) 需要严格逻辑链的任务(如数学证明) 性能本质 专精于逻辑密度高的任务 擅长多样性高的任务 强弱判断 并非全面更强,仅在其训练目标领域显著优于通用模型 通用场景更灵活,但专项任务需依赖提示语补偿能力 • 例如:GPT-3、GPT-4(OpenAI),BERT(Google), 链式推理(慢速思考模型,如OpenAI o1) 性能表现 响应速度快,算力成本低 慢速思考,算力成本高 运算原理 基于概率预测,通过大量数据训练来快速预测可能 的答案 基于链式思维(Chain-of-Thought),逐步推理 问题的每个步骤来得到答案 决策能力 依赖预设算法和规则进行决策 能够自主分析情况,实时做出决策 创造力 限于模式识别和优化,缺乏真正的创新能力 能够生成新的创意和解决方案,具备创新能力 策略四:控制提示语长度,确保生成的准确性 策略五:灵活运用开放式提示与封闭式提示 分解任务的技巧:分段生成、逐层深入、设置逻 辑结构 引导性问题的设计要点:设置多个层次的问题、 促使AI对比或论证、引导思维的多样性 控制提示语长度的技巧:避免嵌套复杂的指令、 保持简洁性、使用分步提示 开放式提示:提出开放性问题,允许AI根据多个 角度进行生成 封闭式提示:提出具体问题或设定明确限制,要 求AI给出精准回答
    0 码力 | 104 页 | 5.37 MB | 8 月前
    3
  • pdf文档 清华大学 DeepSeek 从入门到精通

    数学推导、逻辑分析、代码生成、复杂问题拆解 文本生成、创意写作、多轮对话、开放性问答 劣势领域 发散性任务(如诗歌创作) 需要严格逻辑链的任务(如数学证明) 性能本质 专精于逻辑密度高的任务 擅长多样性高的任务 强弱判断 并非全面更强,仅在其训练目标领域显著优于通用模型 通用场景更灵活,但专项任务需依赖提示语补偿能力 • 例如:GPT-3、GPT-4(OpenAI),BERT(Google), 链式推理(慢速思考模型,如OpenAI o1) 性能表现 响应速度快,算力成本低 慢速思考,算力成本高 运算原理 基于概率预测,通过大量数据训练来快速预测可能 的答案 基于链式思维(Chain-of-Thought),逐步推理 问题的每个步骤来得到答案 决策能力 依赖预设算法和规则进行决策 能够自主分析情况,实时做出决策 创造力 限于模式识别和优化,缺乏真正的创新能力 能够生成新的创意和解决方案,具备创新能力 策略四:控制提示语长度,确保生成的准确性 策略五:灵活运用开放式提示与封闭式提示 分解任务的技巧:分段生成、逐层深入、设置逻 辑结构 引导性问题的设计要点:设置多个层次的问题、 促使AI对比或论证、引导思维的多样性 控制提示语长度的技巧:避免嵌套复杂的指令、 保持简洁性、使用分步提示 开放式提示:提出开放性问题,允许AI根据多个 角度进行生成 封闭式提示:提出具体问题或设定明确限制,要 求AI给出精准回答
    0 码力 | 103 页 | 5.40 MB | 8 月前
    3
  • pdf文档 清华大学 DeepSeek+DeepResearch 让科研像聊天一样简单

    数据采集 数据预处理 数据分析 可视化呈现 新思路:DeepSeek R1的数据应用 中 文 数 据 处 理 优 势 创 意 写 作 生 成 能 力 数 据 读 取 分 析 能 力 低 成 本 高 性 能 优 势 编 程 代 码 生 成 能 力 • 智 能 中 文 古 籍 修 复 与 注 释 : 利用 DeepSeek R1强大的中文理解能力,自动识 别并修复古籍中的破损文字,同时生成准确的 智能广告创意生成:根据产品特点和目标 受众自动生成创意广告文案和宣传语,提高广 告创作效率。 • 中小企业AI定制化服务:为中小企业提 供定制化的AI解决方案,如智能客服、营销 和办公工具,提升企业竞争力。 • 开源AI教育平台:借助DeepSeek R1 的低成本特性,创建开源AI教育平台,提供 免费课程和实验资源,促进AI教育普及。 • 智能编程教育助手:为编程学生提供实 时编程指导,自动生成代码示例,帮助解决 自动化代码审查工具:自动审查代码, 发现潜在问题并提供优化建议,提升开发效 率与代码质量。 新思路:Open AI o3mini的数据应用 推 理 响 应 速 度 快 写 作 情 感 表 达 能 力 格 式 化 输 出 能 力 数 据 分 析 效 率 高 数 据 可 视 化 优 势 • 实时数据流处理与决策:利用o3mini在物 联网和工业自动化领域,快速处理来自传感器 和设备的实时数据,进行即时分析和决策,减
    0 码力 | 85 页 | 8.31 MB | 8 月前
    3
  • pdf文档 2023 中国开源开发者报告

    提供了全新的人机交互方式。而 2023 年 3 月,同系 GPT-4.0 的发布则将 LLM 的规模和能力提升到一个新 的台阶,为 LLM 的广泛应用奠定了基础。再之后的 11 月份,OpenAI 再发力,GPTs 的到来,“用户自定义 ChatGPT”的能力,更是让世人领略了 OpenAI 作为 LLM 一哥的宏大叙事能力与强劲技术实力。 二、 New Bing(Bing AI)代表了微软在 这两大图像生成系统 的出现,极大地拓展和加速了 LLM 在计算机视觉领域的应 用,它们突破了传统图像生成方式的局限,仅需要用户提供 文字描述,就可以生成高质量的数字艺术作品。它们的图像 生成质量、样式多样性和用户便捷性都是极大的突破。这为 广大的个人用户和创意行业提供了强有力的工具,彻底改变 了数字艺术内容的创作方式。同时,它们也引发了人工智能 在创作领域的伦理和法律讨论。LLM 杀进多媒体领域。往 亿美元的风险投资和企业投资。 O'Reilly 发 布 的 “ 2023 Generative AI in the Enterprise”报告显示:  54% 的 AI 用户预计 AI 的最大好处是提高生产力。  77% 的受访者使用 AI 来辅助编程。其中提到的具体 应用包括欺诈检测、教学和客户关系管理。  AI 用户表示,AI 编程(66%)和数据分析(59%) 是最需要的技能。  许多
    0 码力 | 87 页 | 31.99 MB | 1 年前
    3
  • pdf文档 2021 中国开源年度报告

    …………………………………………………………………………………… 116 四、国际基金会的左右博弈 :RMS 重回自由软件基金会与 Rust 社区争议 ……………………… 116 五、中国开源走向世界,塑造新时代影响力 …………………………………………………………… 117 六、开源新创投资持续发光发热 ………………………………………………………………………… 117 七、开源操作系统迎来新一轮繁荣期 ………… …………………………………………………………………………………… 120 四、 国际基金会的左右博弈 :RMS 重回自由软件基金会与 Rust 社区争议 ……………………… 121 五、中国开源走向世界,塑造新时代影响力 …………………………………………………………… 122 六、开源新创投资持续发光发热 ………………………………………………………………………… 126 七、开源操作系统迎来新一轮繁荣期 ………… adme 简介、 开源许可证以及核心开发者的及时回复都能够影响其是否会留下成为项目的贡献者。 超过 9 成以上的参与者们开源社区的度量是非常有必要的,并且比较认可度量项目活跃度、 健康度、影响力以及开发者活跃度和贡献度的意义。 2021 中国开源年度报告 13 3 受访者群体特征 3.1 受访者年龄 & 性别 受访者的年龄集中在 20-39 岁,受教育程度普遍在本科及以上,其 中男性占比约为
    0 码力 | 132 页 | 14.24 MB | 1 年前
    3
  • pdf文档 2021 中国开源年度报告

    they will stay as a contributor to a project.  超过 9 成以上的参与者们开源社区的度量是非常有必要的,并且比较认可度量项目活跃 度、健康度、影响力以及开发者活跃度和贡献度的意义。  More than 90% of participants agree that open source community metrics are necessary 指标上的优势。客观来看,这对开源的发展有利有弊。利的一面在于,技术产品的提供 方,在相关的开源领域的贡献可以被视为技术竞争力;弊的一面在于让部分厂商为了取得 差异化的竞争优势,把本应开源出来的特性或者优化,来闭源处理,从而不利于开放式创 新,也降低了可维护性。更为健康的针对开源产品的采购模式,应该平衡产品指标,技术 竞争力以及产品本身的可维护性。 Du Junping: Due to the rapid development need to measure the open source community 超过 9 成以上的受访者认为度量开源社区是有必要的,并且认可度量项目/开发者活跃度,项 目健康度,项目影响力和开发者贡献度的意义。 More than 90% of respondents believe it is necessary to measure the open source community
    0 码力 | 199 页 | 9.63 MB | 1 年前
    3
  • pdf文档 清华大学 普通人如何抓住DeepSeek红利

    xNpNsPuOqQpN p 提示词驱动的新生产力 在AI时代,知识的获取成本趋近于零,拥有知识不再是核心竞争力。利用提示词创造知识,引领创新、明确 方向,成为社会与个人竞争力的关键。 p 选择中的再创造 面对AI提供的多种解法,人类需具备批判性思维与逻辑判断能力,通过选择最优答案,实现解决方案的创新 性再生。 p 智慧赋能的决策力 提出问题与甄别答案的能力,使人类在信息爆炸与AI 然语言处理领域,可有效评估文本内容的相似程度。 重复率计算 使用n-gram方法(n=2),将生成文本分为连续的2-gram片 段,统计重复片段的比例。这个方法能够识别文本冗余信息并 评估内容多样性,特别适用于长文本生成。 最终智能体知识循环边界公式如下。其中,权重w1=0.6,w2=0.4,参考Kleinberg (1999) 的社交 网络分析研究,强调相关性优先于冗余性。这一配比平衡了生成内容的创新性与冗余性,为AI生成 在非收敛性提示词下,AI展现出更多的多样性和创新性,超越现有知识框架,尝试生成新的组合。问题类型对生成文 本的重复率有显著影响,但对相似度的影响不明显。重复率的变化更多受到提示词的影响,而相似度的变化则主要源 于问题类型以外的其他因素。 p 通过调整提示词收敛性和对话轮次,AI从依赖已有知识的固定模式向创新性生成内容逐步转变,显示提示词设计和交 互频率的影响力。 结合自适应反馈和递进式提示链
    0 码力 | 65 页 | 4.47 MB | 8 月前
    3
  • pdf文档 中国开源软件产业研究报告

    费提供给使用者,同时要求使用者遵循一定的开源规范。开源的发起者可以是个人、企业等 各种主体,聚焦企业开源领域,企业开源与商业化并不矛盾,开源软件的“引流”作用能够 帮助企业实现周边产品的增收、市场影响力的提升以及产业生态的协同构建。 3 开源软件概念铺陈 1 开源软件与云计算的关系 2 3 开源软件基金会前瞻 5 中国的开源软件法治建设状况 4 中国的开源软件产业发展洞察 4 ——《大教堂与集市》中文版,机械工业出版社 实现的发展模式;然而,自由软件理念与企业 商业化运营背道而驰。随着计算机产业的发展,软件作为一种产品的商业价值显著提升,在当时的微软、IBM等IT龙头企 业的影响下,市场亟需一种结合了自由软件的创造力和私有软件的商业性的发展模式,1998年,“开源软件”理念在这一 背景下应运而生。 全球范围内开源软件理念发展历史简述 开源软件的【理念萌芽期】 1970s-1998 • 软件开源理念可以追溯到美国的计算 从商业成功的角度上看,企业发布开源软件能够为自身带来直接商业化收益、渠道收益和市场影响力提升带来的产业协同 收益。其中,直接商业化收益包含企业提供开源软件的收费版本、专业服务和引流广告收入;渠道化收入主要包含开源软 件具备一定的“流量”后为企业的其他产品产生的广告效应;产业协同主要是开源软件形成足量的规模和市场影响力后, 带动产业形成创新的产品和服务形式,进一步反哺企业自身而产生的收益。然而,为了产生上述效果,项目需要成功的开
    0 码力 | 68 页 | 3.63 MB | 1 年前
    3
共 137 条
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 14
前往
页
相关搜索词
2023中国基础软件开源产业研究白皮皮书白皮书人工智能人工智能安全治理框架1.0DeepSeek入门精通20250204清华华大大学清华大学DeepResearch科研开发开发者报告2021年度年度报告普通通人普通人如何抓住红利软件产业
IT文库
关于我们 文库协议 联系我们 意见反馈 免责声明
本站文档数据由用户上传或本站整理自互联网,不以营利为目的,供所有人免费下载和学习使用。如侵犯您的权益,请联系我们进行删除。
IT文库 ©1024 - 2025 | 站点地图
Powered By MOREDOC AI v3.3.0-beta.70
  • 关注我们的公众号【刻舟求荐】,给您不一样的精彩
    关注我们的公众号【刻舟求荐】,给您不一样的精彩