- 综合排序
- 最热优先
- 最新优先
- 来自专栏钱塘大数据
【PPT下载】徐工集团的工业大数据之路
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?
1.2K70发布于 2018-03-05 - 来自专栏软件测试那些事
临时工 - PowerMock系列4
import org.powermock.core.classloader.annotations.PrepareForTest; import org.powermock.modules.junit4. 临时工，不背锅
1.1K30发布于 2020-12-01 - 来自专栏月色的自留地
从锅炉工到AI专家(4)
但这个分类在我们做数学模型设计的时候，可能包含了所有需要的可能。比如本例中的字符0-9。 分别用于对算法模型进行训练、微调算法参数用验证集样本选择最优的算法以及对一个训练完成的模型使用测试集样本计算这个模型的正确率。 回忆一下第一篇中的内容，机器学习最重要的假设就是，我们认为一切问题都是可以用数学模型所描述的。引申到MNIST案例中，因为我们要分类10组，就可以列出一个包含10项的方程式。 ，交互模式可以一边构建模型，一边做一些运算比如插入一些图。 个方程式中， #每个方程最后的常数，b是bias的缩写 #b是参与运算和返回结果用的，不需要输入数据，因此是变量不是占位符 b = tf.Variable(tf.zeros([10])) #定义核心数学模型
80070发布于 2018-06-20 - 来自专栏最新最全的大数据技术体系
助力工业物联网，工业大数据之工单事实指标需求分析【二十】
待派工数量 one_make_dwd.ciss_service_workorder、eos_dict_type、eos_dict_entry派工单状态：待派工（status=4） alread_complete_num 3 || 4） people_num 工单人数数量（一个工单由多人完成） one_make_dwd.ciss_service_workorder、ciss_service_workorder_user默认为 ciss4.ciss_service_remould inspection_num 改造单数量 ciss4.ciss_service_inspection workorder_trvl_exp 工单差旅费 (通过工单id与ciss4.ciss_service_trvl_exp_dtl关联，取submoney5即可) ciss4.ciss_service_trvl_exp_dtl 数据来源 ciss_service_workorder status = '-1' then 1 else 0 end) abolished_num --待派发工单数量 , sum(case when status = '4' then 1 else
36130编辑于 2023-07-31 - 来自专栏读书会
十问农业大模型的当前和未来
袁媛 腾讯研究院资深专家11月6日OpenAI开发者大会带来的GPT-4 Turbo多模态能力升级和GPT Store生态策略,再次引起业界关注热潮。 例如可以一段话提出某农产品供需方面的需求，通过大模型来寻找和推荐供应商。四、农业大模型落地关键点、如何解决幻觉问题？刘桂才：农业大模型训练的数据要准确。 周取辉：惠农网不会自研底层大模型，而是选择与头部AI模型团队联合，通过私有化部署大模型的方式，结合行业场景及行业大数据, 沉淀出行业大模型。行业大模型的核心是平台积累的丰富行业数据。 如果整体做一个农业大模型来解决农业全产业链的问题，是最理想的，但是谁来做？目前大企业对农业大模型较为关注，每个单位在做自己擅长的。 九、是否需要出台支持农业大模型的政策、标准或规划？许世卫：行业内对农业大模型较为关注，但由于大模型尚在发展中，不同单位认知不一致，大家还在寻找落地案例。
77420编辑于 2023-11-16 - 来自专栏资讯分享
携手AIIA，助推行业大模型安全高效落地
中国信通院联合腾讯云等行业头部企业，启动“人工智能基础平台工作组”，着眼于全技术栈维度（硬件/软件）和全流程维度（AI开发、部署、服务、运营全生命周期），旨在解决当前AI基础平台面临的技术和产业挑战，并依托工信部重点实验室进一步推动大模型时代下 一直以来，腾讯云积极迭代大模型产品技术，参与行业大模型标准建设，助力实体产业高质量发展。我们依托腾讯云TI平台，打造行业大模型精选商店，提供MaaS一站式服务，助力客户构建专属大模型及智能应用。 这一方案不仅将文生文领域成本降低到原来的1/4，还增强了服务吞吐量，并在模型推理加速的过程中动态加载了不同的LoRA模型，显著降低了部署维护成本。政务领域需要大模型深入应用场景，更加专业、可靠。 不断为千行百业打造行业大模型解决方案的同时，腾讯云一直以来还在积极参与大模型标准建设。 在金融领域，腾讯云作为推动行业大模型发展的核心单位，联合信通院发布国内首个金融行业大模型标准，为金融行业智能化的高质量发展提供了重要支撑，为全面促进大模型安全合规和可信发展提供了重要保障；前不久，腾讯还联合信通院
44110编辑于 2023-12-13 - 来自专栏机器之心
以落地考验价值，大模型的产业大考来了
更多行业大模型的发布彰显出百度文心大模型践行自身产业级特性的决心，无论是从如今行业大模型的数量还是覆盖行业范围而言，百度显然已经初步形成自身大模型产业化落地的行业布局。 以百度联合吉利发布的知识增强的汽车行业大模型 ——吉利 - 百度 · 文心为例，它基于文心 NLP 大模型 ERNIE 3.0，结合了吉利汽车专业领域行业数据（汽车领域媒体知识、客服工单、法律法规以及汽车售后维修手册 从开启先河到体系初成，文心行业大模型内外两手抓 随着业界越来越认可行业大模型的发展模式，趋同在所难免，因此发展自己的核心竞争力尤为重要。 在百度看来，行业大模型是结合行业落地过程中非常重要且有效的方式，今年以来陆续发布的 11 个行业大模型即是最好的例证。 一方面，百度有自研的深度学习平台 ——百度飞桨，包括其上开发、训练、推理部署的能力、高效的工具与组件、广泛的硬件适配和生态等，所有这些为包括行业大模型在内的文心大模型提供支撑；另一方面，行业大模型自身也具有强沉淀性
1K40编辑于 2022-12-16 - 来自专栏资讯分享
2023金融业大模型报告重磅发布 | 附全文下载
11月9日，在2023金融街论坛“构建数实融合新模式，助力产业数字金融新发展”分论坛上，中国银保传媒与腾讯研究院联合发布《2023金融业大模型应用报告》，深入解析大模型发展趋势，建立金融业大模型应用体系化蓝图 在金融领域，行业大模型为金融市场带来了前所未有的机遇，从精准营销、客户服务、代码生成等多个场景，助力金融机构在服务和管理方面实现“效率革命”。 大模型领域持续发展衍生出两个概念，“通用基础大大模型”和“垂直行业大模型”。基础大模型的定位是通用的技术底座，行业大模型的定位是在不同的专业领域推动行业数字化再升级、进入到智能化的引擎。 以基础大模型作为技术底座的时候，更多的是考虑它的通用性，但是相对来讲它的专业度可能会欠佳。行业大模型会更加专业、更加聚焦，成本也更低。基础大模型的关键词是创造性、体验式，更强调体验。 在将大模型应用到行业之前，需要对技术成熟度、需求频次和场景价值三个方面进行思考。通过对金融机构、大模型服务商、腾讯内部技术团队的调研，本报告形成了金融业大模型应用体。
4.8K00编辑于 2023-11-24 - 来自专栏DrugOne
Patterns | FoodSky：面向食品营养领域的专业大语言模型
受医学、教育、金融等领域专用大语言模型成功的启发，开发食品领域的基础模型成为可能。 此外，使用GPT-4作为评判者的主观评估进一步证实，FoodSky模型在生成流畅、逻辑、专业且信息丰富的回答方面具有优势。 图4 不同模型在FoodLongConv基准上的性能比较（百分比）。 图5 FoodSky-Qw-7B与不同基线模型在FoodQA基准上由GPT-4评估的比较。 GPT-4根据模型答案的质量给出流畅度、逻辑性、专业性和信息性评分，并判断每个评分上哪个模型胜出。报告了来自CDE问题的平均胜率。 图6 训练集中指令数量的消融研究。 表3 FoodSky-CL-7B模型结构的消融研究。 表4 在FoodSky-CL-7B上比较RAG、RAFT和HTRAG的消融研究，该模型在FoodEarth-680K数据集上训练。
14520编辑于 2026-03-02 - 来自专栏腾讯云TI平台
腾讯云公布行业大模型最新进展
今天，腾讯云披露行业大模型方案进展，并公布MaaS（Model-as-a-Service）能力全景图。 我们希望“大模型”更懂行业、更易落地，帮助企业打造出专属的行业大模型。 1 “量体裁衣”打造专属模型 基于企业痛点和需求，依托腾讯云TI平台打造的行业大模型精选商店，提供涵盖模型预训练、模型精调、智能应用开发等一站式行业大模型解决方案。 内置多个高质量行业大模型，涵盖金融、传媒、文旅、政务、教育等多个行业场景。兼容支持多模型训练任务，企业可以按需取用。 “ 生态共建是AI发展的有效路径，腾讯将坚持生态开放，为企业提供高质量模型服务，同时支持客户多模型训练任务，加速大模型在产业场景的创新探索。 未来，腾讯云将继续和伙伴们一起推动行业大模型的生态共建，让AI为产业带来更多的创造力。
1.4K10编辑于 2023-07-25 - 来自专栏机器之心
坚持做行业大模型，竹间智能给大模型造了一座「模型工厂」
最近，竹间智能也官宣了自己大模型产品矩阵「1+4」，希望解决大模型落地行业「最后一公里问题」。 这套「1+4」产品的逻辑关系，简明清晰。 「1」指 EmotiBrain ，一个大模型微调训练平台，专注降低大模型训练的成本，提供从模型选择、微调训练、评测、部署到最后接入企业应用的一站式服务。 比如，可以接竹间大模型魔力写作与 ChatLLM，华为盘古大模型的 API，海外用户可以去接 GPT-4 或 GPT3.5 Turbo的 API，甚至包括企业自己训练出来放到 EmotiBrain 里的大模型 现在，从「工厂（factory）租金」来看，根据所需GPU的数量不同，「1+4」PaaS 年订阅服务的费用也有两个档次。 如果仅需 1-8 个GPU，一年订阅价格 99 万。 「相比花 2000 万买个行业大模型，还冒着走弯路的风险，我们的产品用起来比较安心」，简仁贤认为，「你只用花 99 万，就可以定制出适合你的模型，而且没有限制模型数量，并可以立刻在现实应用中看到它的价值
53630编辑于 2023-08-07 - 来自专栏软考网工笔记
【25软考网工】第七章（4）DHCP、DNS
可扩展协议：DHCP、TCP（20~60字节）、IPv4（20~60字节）、IPv6、BGP、ISIS 4. DHCP relay server-select HW 考试要点：2024年5月网络工程师案例分析题涉及中继配置流程描述（占4分） 8. 配置流程： 全局启用DHCP功能：dhcp enable 开启Snooping功能：dhcp snooping enable 指定信任端口：dhcp snooping trusted 答案：B 4） 3）服务器到服务器查询 本地DNS服务器无法查询到，服务器到服务器查询： 再查转发器（运营商DNS服务器） 查找根、com顶级域名服务器 查找test.com权限/授权域名服务器 4）DNS查询方式 DNS查询过程： DNS服务器/转发器：递归查询 根域名服务器：全球13台IPv4根服务器，必采用迭代查询。 顶级域服务器：通常采用迭代查询（如.com域）。
36910编辑于 2026-01-13 企业大模型服务合规指南：深度解析备案与登记
同时满足以上三个条件，必须进行算法备案（通常也需大模型登记/大模型备案）。 大模型备案类型(视具体情况而定)：自研大模型商用： 企业自主研发的大模型，并将其用于商业经营活动（无论是核心业务还是辅助功能）。 符合地方网信办要求： 如果企业所在地的省级或市级网信办、工信局等部门明确发文通知或推荐特定范围的企业进行备案，应按规定执行。 这类产品本身没有独立的大模型研发和训练过程，只是利用第三方已有的、且已备案的大模型能力来实现自身的功能，需要进行大模型登记及算法备案。 材料非常可能因为格式不规范、内容不清晰或深度不够、缺失文件、合规漏洞等问题被反复驳回要求修改（通常需要4-5次修改）。企业需保持耐心，根据反馈意见认真修改完善。
1.7K20编辑于 2025-06-10- 来自专栏Michael阿明学习之路
4. 训练模型
线性模型正则化 4. 早期停止法（Early Stopping） 本文为《机器学习实战：基于Scikit-Learn和TensorFlow》的读书笔记。 中文翻译参考 1. (100,1) y = 4+3*X+np.random.randn(100,1) plt.plot(X,y,"b.") plt.axis([0,2,0,15]) ? 上图显示训练集和测试集在数据不断增加的情况下，曲线趋于稳定，同时误差都非常大，欠拟合 欠拟合，添加样本是没用的，需要更复杂的模型或更好的特征 模型的泛化误差由三个不同误差的和决定： 偏差：模型假设不贴合 ，高偏差的模型最容易出现欠拟合 方差：模型对训练数据的微小变化较为敏感，多自由度的模型更容易有高的方差（如高阶多项式），会导致过拟合 不可约误差：数据噪声，可进行数据清洗 3. ElasticNet(alpha=0.1, l1_ratio=0.5) elastic_net.fit(X, y) elastic_net.predict([[1.5]]) # array([4.99822842]) 4.
60040发布于 2021-02-19 - 来自专栏数据猿
数据集基础这么弱，还谈什么行业大模型的商用？！
尤其是现在行业大模型盛行，很多企业将行业大模型视为将大模型技术商用的关键。在这样的背景下，我们为什么需要共建行业数据集呢？它怎么就成了构建大行业模型的关键所在？ 没有足够高质量的行业数据，我们怎么可能推动行业大模型的发展呢？ 所以说，现在是时候行动起来了。我们需要放下门户之见，联合起来建立行业数据集。这不仅是为了每个行业自己，更是为了整个社会的进步。 总的来说，不管是国内的《“数据要素×”三年行动计划》，还是国外的各种数据政策，我们都能看到一个共同的趋势——那就是通过政策推动，促进数据的开放和共享，从而为行业大模型的建设提供强有力的支持。 4、推动行业数据数据集成和标准化 每个公司、每个机构都有自己的方式来记录和存储数据，有的数据格式是这样的，有的数据格式又是那样的。要是把这些数据都放在一块儿，一开始肯定是一团糟。 有了这些数据，各种行业大模型就能运转得更顺畅，不管是在医疗、金融还是制造业，都能搞出不少新意。 这事儿不光是技术上的突破，它还能帮助社会变得更好。
42610编辑于 2024-01-24 - 来自专栏PaddlePaddle
百度吴甜提出大模型落地关键路径 业内首发行业大模型
百度集团副总裁、深度学习技术及应用国家工程研究中心副主任吴甜发布飞桨文心最新全景图，提出支撑大模型产业落地的3个关键路径，并在业内首发行业大模型。 在模型层，一次性发布10个大模型，形成了涵盖基础大模型、任务大模型、行业大模型的三级体系，全面满足产业应用需求；配套工具与平台层，发布大模型开发套件、API和内置了文心大模型能力的EasyDL和BML开发平台 文心大模型迎来十大新成员 业界首发行业大模型 本次峰会上，吴甜带来了文心大模型发布以来的最大一次升级，其中最值得关注的是，业界首发的文心 · 行业大模型。 文心 · 行业大模型基于通用数据训练的文心大模型，加上行业应用场景中大量存在着行业特有的大数据和知识，结合行业相关的创新算法设计，将进一步提升大模型对行业应用的适配性。 未来，浦发银行将与百度继续深入合作，在现有金融行业大模型的基础上不断迭代，持续地降低金融AI应用落地的门槛。
38110编辑于 2022-08-31 - 来自专栏CreateAMind
实现最小意识模型-4 自我模型和世界模型
3.2自我模型和世界模型 我们在这里归类的模型都有一个共同的想法，那就是，对于一个有意识的事物来说，这个事物必须能够塑造它自己和它的世界:换句话说，有意识就是成为那种参与情境自我塑造的事物。 因此，所提出的MUM可以被视为生成类似IWMT的模型的尝试，尽管该模型具有更少的理论假设集，专注于意识体验所必需的核心组件，并进一步描述如何从其他理论中找到趋同支持。 根据IWMT的观点，意识是一个整合世界模型的过程。 更确切地说，意识将对应于正在进行的关于被体现的主体的可能感觉状态的推论或预测的产生；这些推论是以因果世界模型为条件的，而因果世界模型又是从生态位内的目标追求历史中训练出来的。 这些世界模型具有空间、时间和因果的一致性。
65130编辑于 2023-11-01 - 来自专栏软考网工笔记
【25软考网工】第五章（4）ARP和RARP
4）ARP响应 报文特点: 目的MAC明确指定为请求方地址(00−01−02−03−04−AA) 源MAC为响应方自身地址(00−01−02−03−04−CC) 操作类型为Reply(响应) 类比"张三大喊'谁是张三'"的场景 应用场景： 路由器接口：配置IP地址后立即发送 DHCP过程：成功获取地址后自动发送检测 报文特点：源IP与目的IP相同，属于特殊ARP请求类型 4. 根据MAC地址查找IP地址 典型应用: 无盘工作站启动时，通过广播报文获取IP地址 工作原理: 设备无本地存储（无硬盘） 启动时发送包含MAC地址的广播请求 RARP服务器响应分配的IP地址 4） 命令分析: arp -s IP MAC: 静态绑定 arp -a: 显示ARP表 arp -d: 删除ARP记录 正确答案: D(arp -s) 实际应用: 静态绑定可防止ARP欺骗，但维护成本较高 4） 目标主机单播回复ARP响应; 4.
44910编辑于 2026-01-13 - 来自专栏AI科技评论
面壁李大海：行业大模型是历史阶段性产物
我会认为我们一定要做大模型原生的应用，将应用建立于大模型之上，如果没有大模型，应用就不应该存在。 Q：您如何看待 B 端的大模型业务，以及行业大模型发展？ 李大海：B 端业务我们在同步开展，但是现阶段我们更侧重 C 端。 过去半年我们看到很多同行被需求追着走，有很多客户非常希望使用大模型。 现阶段行业大模型可以用更小规模的模型承载垂直领域的应用，所以在成本上更有优势。 并且通用大模型的能力也没有那么强，但是我相信未来一定会产生既能力强，成本也低的通用模型，这个通用模型会把所有的行业模型的空间抹杀。 行业大模型是现在阶段性的产物，我尊重现在的历史阶段。 我们现在的千亿模型是 Decoder-only 网络结构的千亿模型。 值得一提的是，CPM 大模型是面壁智能从零自主研发的预训练大语言模型，其中包括国内首个中文大模型 CPM-1。
35940编辑于 2023-09-07 - 来自专栏小雨的CSDN
4. 软件测试 —— 测试模型（V模型 W模型）
【软件开发的周期：、需求分析、设计、实现、测试、安装部署、运行维护】 【软件测试的周期：、需求分析，测试计划，测试设计/测试开发，测试执行，测试评估】 软件测试v模型 （v模型是瀑布模型的变种） 优点：后期的测试阶段和前期的阶段可以一一对应起来，清楚的标注每一个测试阶段的依据 缺点：不利于项目前期风险的及时发现 软件测试W模型（双V模型） 特点:测试在项目前期介入，对需求，系统设计等都会进行验证
1.8K30编辑于 2022-10-26
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号