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(7)人工智能(7)

语言

全部中文(简体)(5)中文(简体)(2)

格式

全部PDF文档 PDF(7)
 
本次搜索耗时 0.024 秒,为您找到相关结果约 7 个.
  • 全部
  • 综合其他
  • 人工智能
  • 全部
  • 中文(简体)
  • 中文(简体)
  • 全部
  • PDF文档 PDF
  • 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 DeepSeek从入门到精通(20250204)

    语境理解能力使设计者能够在复杂的社会和文化背景 下工作;抽象化能力有助于提高工作效率和拓展应用 范围;批判性思考是确保AI应用可靠性和公平性的关 键;创新思维能力推动了AI应用的边界拓展,而伦理 意识则确保了AI的发展与社会价值观相符。 提示语的DNA:解构强大提示语的基本元素 提示语的基本元素分类 信息类元素决定了AI在生成过程中需要处理的具体内 容,包括主题、背景、数据等,为AI提供了必要的知 识和上下文。 产品的主要功能 b. 核心价值主张 要求:用一句简洁有力的话概括,确保包含[关键词1]和[关键词2] (2)功能详解(次优先级,总计150字以内): a. 主要特性1:[特性名](20字描述) b. 主要特性2:[特性名](20字描述) c. 主要特性3:[特性名](20字描述) 要求:每个特性都要与核心价值主张有明确的逻辑关联 (3)目标受众说明(50字以内): 提炼2—3个最具竞争力的产品优势 要求:使用对比或排他性表述,如唯一、领先等 (5)记忆点设计(20字以内): 创作一个朗朗上口的产品标语或口号 要求:包含产品名称和核心价值主张 额外要求: - 使用简洁的句式,避免复杂从句 - 每个部分之间使用明确的视觉分隔,如---" - 对每个部分的关键信息使用加粗标记,每部分不超过3个加粗点 - 确保整体可读性指数控制
    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

    语境理解能力使设计者能够在复杂的社会和文化背景 下工作;抽象化能力有助于提高工作效率和拓展应用 范围;批判性思考是确保AI应用可靠性和公平性的关 键;创新思维能力推动了AI应用的边界拓展,而伦理 意识则确保了AI的发展与社会价值观相符。 提示语的DNA:解构强大提示语的基本元素 提示语的基本元素分类 信息类元素决定了AI在生成过程中需要处理的具体内 容,包括主题、背景、数据等,为AI提供了必要的知 识和上下文。 产品的主要功能 b. 核心价值主张 要求:用一句简洁有力的话概括,确保包含[关键词1]和[关键词2] (2)功能详解(次优先级,总计150字以内): a. 主要特性1:[特性名](20字描述) b. 主要特性2:[特性名](20字描述) c. 主要特性3:[特性名](20字描述) 要求:每个特性都要与核心价值主张有明确的逻辑关联 (3)目标受众说明(50字以内): 提炼2—3个最具竞争力的产品优势 要求:使用对比或排他性表述,如唯一、领先等 (5)记忆点设计(20字以内): 创作一个朗朗上口的产品标语或口号 要求:包含产品名称和核心价值主张 额外要求: - 使用简洁的句式,避免复杂从句 - 每个部分之间使用明确的视觉分隔,如---" - 对每个部分的关键信息使用加粗标记,每部分不超过3个加粗点 - 确保整体可读性指数控制
    0 码力 | 103 页 | 5.40 MB | 8 月前
    3
  • pdf文档 【周鸿祎清华演讲】DeepSeek给我们带来的创业机会-360周鸿祎-202502

    发挥举国体制优势,打赢 追赶之战 • 大模型带来前所未有安全 挑战 • 外挂式传统安全手段难以 应对 • 应对模型安全新挑战,打 赢未雨绸缪之战 • 大模型是能力而非产品, 结合场景才能发挥价值 • 中国拥有最完整的产业链、 最全的工业门类、最丰富 的场景 • 发挥场景优势,加速传统 产业数转智改,打赢弯道 超车之战 AGI是全球少数玩家的游戏,政府、企业、创业者更多创新的机会在应用之路 预训练大模型难以通往AGI之路  推理模型如R1——通过逻辑链条推导答案, 分解规划,自我反思  预训练范式像是记忆和模仿,强化学习范 式更像探索实践  记住很多东西只是基础,真正有价值的是 融会贯通 R1找到了人类通往AGI的方向 DeepSeek颠覆式创新——技术创新 27 DeepSeek-R1和GPT-4o不是同一个物种政企、创业者必读 快思考 慢思考 快 慢 能源自由 宇宙探索 生命科学 科学 能力 6 AI Fo r Science 知识管理( 内部知识管理、 外部情报分析、 大数据分析、 工作流知识) 专家经验模型( 专业模型训练) 业务流程自动化( A g e n t框架) 组织协同( 工作流) 人机交互 赋能个人和 企业员工 生产力提升 多模态 能力 3 图片理解和处理 视频理解和处理 音频理解和处理 非结构化文档处理 47政企、创业者必读
    0 码力 | 76 页 | 5.02 MB | 5 月前
    3
  • pdf文档 清华大学 DeepSeek+DeepResearch 让科研像聊天一样简单

    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 少停机时间,提高生产效率。 • 高频交易数据分析:利用o3mini快速处理 更新中解决这一局限。 场景拓展:创新推动,垂直深耕 医疗领域 D e e p S e e k 已 经 在 医 疗 辅 助 诊 断 方 面 有 所 应 用 , 未 来 有 望 进 一 步 深 化 , 如 通 过 流 程 优 化 , 提 高 诊 断 的 准 确 性 和 效 率 。 通 过 与 医 疗 设 备 的 结 合 , 实 现 更 精 准 的 医 学 影 像 分 析 和 疾 病 预 测 。 金融领域 未 务 。 工业领域 D e e p S e e k 在 工 业 质 检 智 能 化 方 面 已 经 取 得 显 著 成 效 。 未 来 , 其 可 能 会 进 一 步 拓 展 到 工 业 生 产 流 程 优 化 、 设 备 故 障 预 测 与 维 护 、 供 应 链 管 理 等 领 域 , 提 供 更 高 效 的 工 业 生 产 和 运 营 的 解 决 方 案 。 DeepSeek R1将通
    0 码力 | 85 页 | 8.31 MB | 8 月前
    3
  • pdf文档 清华大学 普通人如何抓住DeepSeek红利

    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辅助的时代,通过决策行为实现价值创造,成为社会发 展的持续动力。 善用DeepSeek的两大关键:提出问题 鉴别答案 DeepSeek是什么? • DeepSeek是一家专注通用人工智能(AGI)的中国科技公司,主攻大模型研发与应用。 你:感谢您的反馈。我理解您说的团队合作和沟通的问题,但我也觉得在 项目执行中,我提出了很多实际的解决方案,虽然可能在表达上不够清晰。 您觉得我可以在哪些方面做得更好呢? 领导:是的,你的方案确实有价值,但在团队中,沟通和协调同样重要。 也许你可以多关注团队成员的需求,提前与大家沟通你的想法,这样大家 会更容易理解和支持你的方案。 你:明白了,我会注意这方面的改进。同时,我也希望在未来的工作中, 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 文本质量的评估提供了量化依据。 AI的内容生成的边界如何判断 50 智能体认知循环边界并非终点,而是人类探索未知领域和创造 新价值的起点。研究提出基于“自指性”和“循环性”的测量 机制,识别智能体生成内容触及边界的临界点,为优化生成内 容提供量化依据。这一框架可扩展至多模态生成系统,并在教 育、科研和创新领域推动知识生成模式从常规化迈向创新化。
    0 码力 | 65 页 | 4.47 MB | 8 月前
    3
  • pdf文档 开源中国 2023 大模型(LLM)技术报告

    LLM 从传统的模型训练和应用模式,转向以 Agent 为中心的智能化模 式。 LLM Agent 打破了传统 LLM 的被动性,使 LLM 能够主动学习和执行 任务,从而提高了 LLM 的应用范围和价值;它为 LLM 的智能化发展提 供了新的方向,使 LLM 能够更加接近于人类智能。 AutoGPT 就是一个典型的 LLM Agent。在给定 AutoGPT 一个自然 语言目标后,它会尝试将其分解为多个子任务,并在自动循环中使用 的工具和平台:开发工具 比较有代表性的 LLM 开发工具有: :帮助用户极致优化 给大模型的提示词(prompt),使得对大语 言模型提问时,可以获得更理想的输出。 :用于语义搜索、LLM 编排和语言模 型工作流的一体化嵌入数据库,可以使用 SQL、对象存储、主题建模、图形分析和多模 态索引进行矢量搜索。 :专注以 Sketch、PSD、静态 图片等形式的视觉稿作为输入,通过智能化技 术一键生成可维护的前端代码,包含视图代码、
    0 码力 | 32 页 | 13.09 MB | 1 年前
    3
  • pdf文档 人工智能安全治理框架 1.0

    人工智能安全治理框架 图像、音频、视频等,宣扬恐怖主义、极端主义、有组织犯罪等内容,干涉他 国内政、社会制度及社会秩序,危害他国主权;通过社交机器人在网络空间抢 占话语权和议程设置权,左右公众价值观和思维认知。 3.2.4 伦理域安全风险 (a)加剧社会歧视偏见、扩大智能鸿沟的风险。利用人工智能收集分析 人类行为、社会地位、经济状态、个体性格等,对不同人群进行标识分类、区 别对待,带 的数据安全和个 人信息保护要求。 5.4 构建负责任的人工智能研发应用体系。研究提出“以人为本、智能 向善”在人工智能研发应用中的具体操作指南和最佳实践,持续推进人工智能 设计、研发、应用的价值观、伦理观对齐。探索适应人工智能时代的版权保护 和开发利用制度,持续推进高质量基础语料库和数据集建设,为人工智能安全 发展提供优质营养供给。制定人工智能伦理审查准则、规范和指南,完善伦理 审查制度。 止下线时妥善处理用户数据。 (c)研发者应确保模型算法训练环境的安全性,包括网络安全配置和数 据加密措施等。 (d)研发者应评估模型算法潜在偏见,加强训练数据内容和质量的抽查 检测,设计有效、可靠的对齐算法,确保价值观风险、伦理风险等可控。 (e)研发者应结合目标市场适用法律要求和风险管理要求,评估人工智 能产品和服务能力成熟度。 (f)研发者应做好人工智能产品及所用数据集的版本管理,商用版本应 可以回退到以前的商用版本。
    0 码力 | 20 页 | 3.79 MB | 1 月前
    3
共 7 条
  • 1
前往
页
相关搜索词
DeepSeek入门精通20250204清华华大大学清华大学周鸿祎演讲我们带来创业机会360202502DeepResearch科研普通通人普通人如何抓住红利开源中国2023模型LLM技术报告人工智能人工智能安全治理框架1.0
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