- 综合排序
- 最热优先
- 最新优先
- 来自专栏自动化控制技术控
AR（增强现实）的相关知识
概 述 增强现实（Augmented Reality，简称AR），增强现实技术也被称为扩增现实，AR增强现实技术是促使真实世界信息和虚拟世界信息内容之间综合在一起的较新的技术内容，其将原本在现实世界的空间范围中比较难以进行体验的实体信息在电脑等科学技术的基础上 增强现实技术不仅能够有效体现出真实世界的内容，也能够促使虚拟的信息内容显示出来，这些细腻内容相互补充和叠加。 在视觉化的增强现实中，用户需要在头盔显示器的基础上，促使真实世界能够和电脑图形之间重合在一起，在重合之后可以充分看到真实的世界围绕着它。 增强现实技术中主要有多媒体和三维建模以及场景融合等新的技术和手段，增强现实所提供的信息内容和人类能够感知的信息内容之间存在着明显不同。 和AR的区别 区别一：定义 AR是Augmented Reality的字母缩写，中文名字是“增强现实”，是一种全新人机交互技术。
2.1K20发布于 2019-08-12 - 来自专栏CSDN小华
Unity引擎基础知识
Unity基础知识概要 1. 创建工程 在Unity中，首先需要通过Unity Hub创建一个新的项目。点击“New Project”按钮，然后为项目命名并选择保存路径即可完成创建。 2. 反射与特性：反射允许程序在运行时检查和操作类型信息，而特性（Attribute）则是一种元数据机制，用于增强代码的可读性和可维护性。 在Unity中实现高级UI设计和交互，需要掌握多个方面的知识和技能。 可以通过官方手册或相关教程来学习这些基础知识。 参考和应用实际的示例和源代码可以加深理解。 通过学习如何在Unity中实现对象交互，可以增强玩家的参与度和沉浸感。 观看相关的视频教程可以帮助快速上手并解决具体问题。例如，Bilibili上的基础UI教程可以让你了解如何叠加和排版UI元素。
1.5K10编辑于 2024-10-16 - 来自专栏迁移内容
MySQL：引擎知识点盘点
本篇内容包括：MySQL 引擎简介、InnoDB与MyISAM存储引擎之间的比较以及其他常用引擎。 一、MySQL 引擎简介 存储引擎是数据库的核心，MySQL的存储引擎架构被设计为可插拔式架构模式，也就是在不影响任何业务逻辑的情况下，我们可以随时替换当前的存储引擎，以达到以存储和性能方面的需求。 MySQL的Server层与存储引擎层通过MySQL服务器提供统一的API接口与存储引擎进行交互,Server不关心底层存储引擎的实现细节，而不同的存储引擎对数据的存储与处理、查询都有自己的实现。 虽然mysql支持种类繁多的存储引擎，但是常用的就那么几种：MyISAM、InnoDB、MEMORY、ARCHIVE 查看存储引擎：MySQL支持多种存储引擎，如果我们想查看自己的MySQL服务器支持多少种存储引擎 Innodb存储引擎，如果中间有MyISAM存储引擎的数据表，如果进行事务回滚，MyISAM并不会回滚到之前的状态，因此MyISAM不支持事务。
38320编辑于 2022-12-01 知识图谱增强大模型应用架构
完善的系统管理为知识增强应用的稳定运行提供了保障。 四、增强方法的关键技术概要 当前增强大模型，为其提供知识的主要方法有知识图谱、向量检索、搜索引擎以及和为特定业务开发业务引擎。 对向量检索、搜索引擎以及大模型如何增强知识图谱的RAG和GraphRAG等技术，可参与即将出版的《知识增强大模型导论》一书。下面简要介绍这几种技术。 1. 搜索引擎 搜索引擎是知识增强大模型中的一个重要组件，主要负责实时获取互联网或特定领域的信息。 搜索引擎的引入极大地扩展了知识增强大模型的知识库，使得模型能够及时获取和利用最新的事实和数据。例如，用户提问关于当天新闻或特定领域最新进展的问题时，搜索引擎可以帮助大语言模型实时获取并提供答案。 业务引擎 业务引擎是知识增强大模型中面向具体行业或应用场景的一个模块，专门处理与特定业务相关的知识。
85110编辑于 2024-12-24- 来自专栏开源部署
MySQL存储引擎入门基础知识
两种：MyISAM: MyISAM是默认的存储引擎。 每个MyISAM在磁盘上存储成三个文件，每一个文件的名字均以表的名字开始，扩展名指出文件类型。 InnoDB（MySQL5.7支持的版本）： 事务型数据库的首选引擎，支持ACID事务，支持行级锁定。InnoDB是为处理巨大数据量时的最大性能设计。 InnoDB存储引擎完全与MySQL服务器整合，InnoDB存储引擎为在主内存中缓存数据和 索 引而维持它自己的缓冲池。 查看表使用的存储引擎类型的方法： 1.show table status from 库名 where name = ‘表名’ 2.use 数据库； show create table 表名； 修改表使用的存储引擎类型的方法： 1.alter table table_name engine =引擎 2.vim /etc
61310编辑于 2022-08-16 - 来自专栏DrugOne
NAACL 2025 | 知识增强下的智能体规划
为了解决这一问题，我们提出了KnowAgent，旨在通过利用外部动作知识来增强轨迹合成，缓解其中出现的规划幻觉问题。我们的方法包括几个关键步骤。 这一过程不仅增强了智能体的规划能力，也提升了其在复杂情境中的应用潜力。在HotpotQA和ALFWorld数据集的实验中，KnowAgent具有不错的性能表现。 二、方法 如图所示，我们的方法首先定义了动作知识这一概念。接着，我们让模型利用这些知识生成规划路径，并通过知识型自我学习机制不断优化这些路径，从而迭代地增强模型能力。 1. 结果也验证了动作知识本身的有效性。 对于实验结果，我们进行了以下分析： 1. 动作知识的增强作用：如图所示，在HotpotQA数据集上使用Llama系列模型进行的消融实验证明了动作知识的效果。 与以往研究相符，论证了迭代自学习能有效增强模型对训练数据的理解。这也反映了“温故而知新”的学习原则。
32210编辑于 2025-03-31 - 来自专栏JadePeng的技术博客
知识图谱增强的KG-RAG框架
我们找到一篇论文： https://arxiv.org/abs/2311.17330 ，论文的研究人员开发了一种名为知识图谱增强的提示生成（KG-RAG）框架（https://github.com/BaranziniLab /KG_RAG），该框架利用生物医学知识图谱SPOKE与大型语言模型相结合，有效的提升了LLM在医疗领域的问答效果。 KG-RAG框架介绍 KG-RAG框架，较好的结合了生物医学知识图谱SPOKE和LLM的优势。 SPOKE是一个开放知识图谱，提供数据下载和开放API，整合了超过40个公开可用的生物医学知识源，涵盖了基因、蛋白质、药物、化合物、疾病等概念和概念之间的关系，可以为LLM提供一个强大的医疗领域知识。 上下文提取：从SPOKE知识图谱中提取与疾病节点相关的上下文信息，并将其转换为自然语言。 提示组装：将提取的上下文与原始prompt结合。
2.4K10编辑于 2024-04-12 - 来自专栏深度学习自然语言处理
【ERNIE】深度剖析知识增强语义表示模型——ERNIE
哈尔滨：sub-word 哈##尔##滨 Sub-word :预测可以通过word的 局部信息完成 模型缺乏全局建模信息的能力 针对BERT mask sub-word 任务存在的问题，百度提出基于知识增强的语义理解模型 ERNIE mask word & entity 强迫模型通过全局信息去预测mask掉的内容，学习序列里mask信息里蕴含的知识 ERNIE学到全局的信息，使它能学习到非常先验的结果，已经进行了大量的自然语言处理的分词模型
2.4K20发布于 2019-12-23 - 来自专栏编程心路
语言小知识-MySQL数据库引擎
MySQL 数据库支持插拔式的存储引擎，可以很方便的更换不同的数据库引擎，相比较而言，赛车手更换引擎就没那么方便了。 查看MySQL包含的数据库引擎.png 下面我将一一介绍这些数据库引擎。 InnoDB 引擎： 自从 MySQL5.6 后，InnoDB 就是 MySQL 默认的存储引擎，在这之前是 MyISAM 引擎。 从上图中可以看到，社区版的 MySQL 并不支持 FEDERATED 引擎。 除了上面这些数据库引擎，你还可以使用自己开发的数据库引擎，MySQL 提供了很好的扩展性。 3、怎样选择 MySQL 数据库引擎？ 根据自己的需要使用数据库引擎，才能发挥出数据库的性能和满足实际的需要。在选择 MySQL 数据库引擎之前，你要考虑下面几个问题。 1、是否需要支持事务？
2K40发布于 2018-12-18 - 来自专栏DBA随笔
关于Memory存储引擎的知识点
关于Memory存储引擎的知识点 Memory存储引擎在日常的工作中使用的是比较少的，但是在MySQL的某些语法中，会用到memory引擎的内存表，它有以下几个特点： 1、内存表的建表语法是create 这种数据和索引分开存放的数据组织形式，我们称之为"堆组织表"，这点区别于Innodb 存储引擎的"索引组织表" Innodb和memory存储引擎的区别 1、Memory存储引擎的数据存储顺序和插入顺序相同 2、当数据文件有空洞的时候，innodb存储引擎插入数据需要在指定的位置插入，而memory存储引擎只要找到空隙就可以插入 3、当数据位置发生变化的时候，memory存储引擎需要修改所有的索引，而innodb 4、innodb存储引擎查询的时候有"回表"，而memory存储引擎不需要回表。 5、innodb存储引擎支持varchar，而memory存储引擎不支持，所有的varchar都当做char处理，除此之外，memory存储引擎还不支持blob和text字段。
1.3K10发布于 2020-06-28 - 来自专栏我爱计算机视觉
做更好的“教练”，用对抗训练增强“知识追踪”
作者提出了ATKT，通过联合训练原始输入和相应的对抗样本来增强KT模型的泛化能力。为了更好地实现 AT，作者引入了一个高效的attentive-LSTM模型作为KT的主干。 因为这里的知识技能不像图像是连续的，直接对其进行对抗攻击无法生成对抗样本，因此这里采用了对特征表示加扰动来构造对抗样本。） 是知识技能的特征表示，是回答的特征表示，和是特征维度。 KHS Attention: 可以很容易知道由于不同的知识技能对为解决的题目影响不一样，因此本文使用了一个attention机制来自适应控制每个知识技能对解题的影响。 上图是预测学生在锻炼过程中每一步对各种知识技能的掌握情况，第一行记录学生在每个练习中的表现，每种颜色表示该练习包含的不同知识技能。 中间的热图是学生对一步步知识技能的掌握程度，颜色越深代表掌握程度越高。 上图展示了最初的和最终的知识技能掌握程度，通过这个图，学生可以知道自己掌握了多少知识技能然后进行有针对性的练习。
87520编辑于 2022-03-30 - 来自专栏云云众生s
使用领域特定Jenkins知识增强现有的LLM模型
Google Summer of Code 2024 使用特定领域 Jenkins 知识增强现有 LLM 模型。 关于项目 JenAI 是一款开创性的聊天机器人，经过专门训练可以回答用户关于 Jenkins 技术的查询，从而增强软件的可访问性和可用性。 我们的目标是为用户提供更快、更可靠的帮助。 该项目将 Jenkins 知识与人工智能相结合，为所有用户提供 Jenkins 专家通常拥有的知识，提供完整的解决方案。 我们授权用户通过流畅的用户界面与这些知识进行交互，而不是到处寻找答案。 里程碑 该项目包括我们已经经历的几个阶段： 阶段 #1：数据收集 使用不同的来源来收集 Jenkins 知识，例如 jenkins 文档和博客、discource 社区问题 以及许多外部来源，例如 stack JenAI 作为一种系统 深色模式下的 JenAI 登录页 浅色模式下的 JenAI 登录页 JenAI 聊天页面 后续步骤 这个想法可以进一步增强，并且提供了许多方法来实现相同的目标： 使用检索增强生成
43010编辑于 2024-08-27 - 来自专栏Lcry个人博客
RAGFlow 开源检索增强 AI 知识库部署教程
使用过 dify 和 fastgpt 的产品大家都知道还有一款增强 RAG 平台 RAGFlow，博主早在 2023 年 AI 盛行的时候就调研过这款产品，现在已经 2025 年，截止目前最新版本已经来到了 介绍 RAGFlow 是一个领先的开源检索增强生成（RAG）引擎，将前沿的 RAG 与代理能力融合，为大型语言模型创建了更优越的上下文层。它提供了一套精简的 RAG 工作流程，适用于任何规模的企业。 RAGFlow 依靠融合上下文引擎和预构建的代理模板，使开发者能够高效且精准地将复杂数据转化为高保真、生产准备的 AI 系统。 数据源也可以根据实际添加，可以使用 S3 协议自建 minio 或者 rustfs 初体验 知识库 创建一个知识库，上传一些文档试试。 聊天 创建一个聊天助手，配置引用知识库，然后进行问答。 搜索 搜索可以选择多个知识库进行检索，支持 AI 总结以及引用原文。
1.2K10编辑于 2026-01-09 - 来自专栏圆圆的算法笔记
ACL 2022 Tutorial解析——知识增强自然语言理解
相比而言，直接从数据库、知识图谱、搜索引擎等引入外部知识进行知识增强，是一种更直接、节省资源的方法。 知识增强也是NLP未来的重要发展方向，由于在NLU这种需要理解、常识性知识的领域，知识增强更加重要。 3 总结 知识增强方法是解决自然语言理解的核心方法，重点在于研究从哪获取知识、如何获取知识以及如何融合知识。 使用知识增强的方法可以帮助模型更直接获取预测需要用到的外部知识，也能缓解需要越来越大的预训练模型提升下游任务效果的问题。 知识增强+预训练语言模型起到互补的作用，知识增强方法可以给模型提供预训练阶段没见过或者忘记的信息，提升预测效果。 END
1.6K30编辑于 2022-09-22 - 来自专栏#大模型热点基础知识
知识图谱如何增强RAG系统？
本文收录于Github：AI-From-Zero项目——一个从零开始系统学习AI的知识库。如果觉得有帮助，欢迎⭐Star支持！什么是GraphRAG？知识图谱如何增强RAG系统？ 这就是传统RAG（检索增强生成）面临的困境。传统RAG系统通过向量相似度检索文档片段，就像用关键词搜索这些散乱的资料。它能找到语义上相似的内容，但无法理解这些内容之间的逻辑关联。 GraphRAG是一种将知识图谱与检索增强生成相结合的技术方案。 ：传统RAG就像用搜索引擎找资料——输入关键词，得到一堆独立的网页片段，你需要自己去判断这些片段之间的联系。 总结：GraphRAG通过将知识图谱与检索增强生成相结合，实现了从语义检索到关系推理的跨越，让RAG系统具备了理解和推理知识关联的能力。思考：知识的价值不在于它的数量，而在于它的连接。
70810编辑于 2026-03-31 - 来自专栏AI 创作日记
AI 创作日记 | 摆脱知识孤岛的困境，DeepSeek推动四阶知识增强
一、引言 当传统医疗AI还在机械地罗列相似病例时，搭载DeepSeek知识增强引擎的新系统，已经能像资深专家般展开推理："患者血小板骤降，结合近期抗生素使用史，考虑药物性血小板减少症可能性，建议立即检查肝素抗体 这种场景在金融风控、法律咨询等专业领域同样常见——知识碎片化、推理链条断裂、答案可解释性缺失，构成了当前知识增强技术的三大痛点。 本文将揭示从传统向量检索到思维链推理的技术跃迁。 缺乏因果推理：无法串联"视力模糊→眼压升高→青光眼"逻辑链 语境缺失：忽略患者用药史等上下文 2.2 方案对比矩阵 维度 向量检索 知识图谱 DeepSeek增强模式 响应速度 ＜200ms 500ms 300-800ms 推理深度 单跳检索 多跳查询 动态推理链 数据需求 无结构文本 结构化三元组 混合数据 可解释性 低 高 可视化推理路径 维护成本 低 极高 中等 三、DeepSeek进化论：四阶知识增强 四、实施路线图：从0到1构建增强系统 4.1 五步落地法 4.2 阶段1：知识库建设 - 多模态医疗知识融合 prepare_data( format='混合数据', sources=
59310编辑于 2025-03-17 - 来自专栏网络安全技术点滴分享
Amped DVRConv与引擎更新38103：音频转视频容器与解码增强
Amped DVRConv和引擎更新38103本次发布为您带来了将纯音频文件封装为视频容器的能力，并支持多种新的专有格式变体。
9300编辑于 2025-10-31 - 来自专栏phodal
面向 Workspace 知识增强：AutoDev 领域知识生成、动态项目规则、提示词优化器
提示词优化器：识别领域意图，增强 AI 的理解能力 如何正确地识别用户的意图是一件痛苦的事，特别是，当用户说的是中文，而代码中只有拼写缩写时，主流的 RAG 方式都开始抓瞎。 领域知识生成：降低 AI 的幻觉 知识的管理是 AI 智能体成败的关键之一，当用户的提问过于模糊时，AI 往往会产生幻觉。从自然语言到代码中的转换，往往需要一些领域知识来帮助 AI 理解用户的意图。 因此，我们引入了领域知识生成的能力，用户可以在项目的 prompts/domain.csv 中引入相关的领域知识，来帮助 AI 理解用户的意图。 或者，你也可以直接在 Project 的 Toolbar 中直接点击 AutoDev 的 Generate domain.csv 来生成领域知识。 AutoDev 将会结合 README.md、文件名等信息，为您生成一个领域知识文件。 PS：我们建议用户对该文件进行修改，以修正不正确的 AI 翻译。
30000编辑于 2025-04-11 - 来自专栏SEO
「知识」2018年搜索引擎优化指南
最近有空时，就在看Brian Dean写的有关SEO相关的文章，个人觉得写的非常不错，虽然内容写的仅仅是针对Google搜索引擎的SEO优化内容，但在这里面有着很不错的想法，同样适合百度搜索引擎优化，在这给各位同学分享有关 2018年搜索引擎优化指南 时本文总计约1600个字左右，需要花6 分钟以上仔细阅读。 2018年搜索引擎优化（SEO）需要从哪几方面开始优化呢？ 在下面，我给大家逐条的分析解释下，希望每次SEO知识的分享，都能让你学到新的东西。 重点：Baidu、Google等搜索引擎的首要任务就是向用户展示最佳结果。在大多数情况下，“最佳”结果不是关键字填充内容。 相反，最好的网页是涵盖了整个主题。 6 关注语音搜索优化 对于，语音搜索，在之前也多次提到过，对于，还不是很熟悉的同学，可以看看我前面写的有关语音搜索的文章：“「知识」语音搜索将是SEO新的挑战与机遇”和“「研究」分析语音搜索排名因素”
1.1K80发布于 2018-05-17 - 来自专栏DBA随笔
Innodb存储引擎的几个小知识点
// Innodb存储引擎的几个小知识点 // 01 innodb_old_blocks_time参数 在Innodb存储引擎中，采用LRU算法来来对热数据进行管理的。 innodb存储引擎本身是多线程模型，因此，后台有多个不同的线程，它们各司其职，互相配合，完成内存池的刷新操作。 02 Checkpoint的分类 今天翻看《MySQL技术内部Innodb存储引擎》一书时，发现书上讲Checkpoint动作分成了下面几类，这里记录下： ? 除此之外，还查到一个知识点，就是可以通过参数来关闭这个异步IO的功能,如下： mysql> show variables like "%use_native%"; +-----------------
1K10发布于 2020-02-27
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