- 综合排序
- 最热优先
- 最新优先
- 来自专栏博文视点Broadview
管理者数据能力4M 模型
点击“博文视点Broadview”，获取更多书讯 为了能够在数据全生命周期中发挥个人能力，实现全生命周期的数据价值挖掘，管理者需要具备什么样的能力呢？ 我们在长期的咨询实践中发现四个方面的能力非常关键，是管理岗位上的决策者或者管理者所需要晋级和提升的。 在这四个方面做得比较好的管理者，其业绩表现、决策水平、领导力都很突出。 图 管理者数据能力4M 模型示意图 （2）在数据分析方法层面，管理者需要掌握适用的数据管理、处理和分析的方法，能够构建数学模型去表征和分析业务，能够结合业务场景寻找到数据应用点，能够让数据在业务场景管理和决策中发挥作用 （4）在业务场景应用层面，管理者需要具备数据可视化、数据分析报告撰写及用数据讲故事的能力，能够将对数据的洞察有效地同团队、协作部门及高层进行沟通，能够发挥数据的影响力和领导力，让数据在实际业务中落地，兑现相应的价值 数据意识和数据思维（M1）是大脑，数据分析方法（M2）和业务场景应用（M4）是两只手，数据工具（M3）是行动的能力（腿），四个方面组合才能构成完整的管理者的数据能力。
1.1K20编辑于 2022-08-26 Java大模型工程能力必修，LangChain4j 入门到实践
对于 Java 开发者而言，想要在项目中集成 AI 能力，往往会面临诸多门槛 —— 比如需要理解不同 AI 模型（如 OpenAI、Anthropic 等）的接口差异、处理复杂的上下文管理、解决对话流程的连贯性问题 模型（Model）：你的 “AI 对话对象”“模型” 是 LangChain4j 与外部 AI 服务的连接入口。 链（Chain）：把多个步骤 “串起来”“链” 是 LangChain4j 的核心能力，它能把多个操作（如 “调用模型”“检索知识库”“调用工具”）串联成一个完整的流程。 配置模型：告诉 LangChain4j 对接哪个 AI接下来，你需要创建一个 “模型实例”，并配置关键信息：模型类型：比如是 OpenAI、Anthropic，还是本地模型；认证信息：比如 API 四、进阶方向：从 “简单对话” 到 “实际业务”当你完成了 “简单对话” 后，就可以根据业务需求，逐步引入 LangChain4j 的更多能力：检索增强（RAG）：如果你的 AI 需要 “基于特定文档回答问题
1K10编辑于 2025-09-054亿数据训练，零样本能力惊人：CLIP模型全解读
如今，大型语言模型（LLM）备受瞩目。工程师们常常对比并盛赞ChatGPT、Llama、Gemini和Mistral等革命性模型，它们确实以其强大能力赢得了大量关注。 为此，作者采用了两种已有的模型架构：文本嵌入模型图像嵌入模型初始的4亿对图像和文本被分成批次。每个批次中的图像和文本分别通过图像或文本嵌入模型生成嵌入表示。 两个模型均从头开始训练，默认生成大小为512的嵌入向量。鉴于数据集规模庞大（4亿对），ViT通常比ResNet更受青睐。 光学字符识别（OCR）OCR指从图像中识别文本的任务，通常由专门训练的监督模型解决。然而，CLIP的强大能力使其能够以零样本方式识别图像中的文本。 通过在4亿对（图像，文本）数据上训练，CLIP在多项任务中达到了领先水平。尽管CLIP在某些下游抽象任务上表现不佳，但其零样本技术在执行其他标准计算机视觉任务方面仍具有出色能力。
3.1K10编辑于 2025-09-04- 来自专栏AI科技评论
零一万物 Yi 大模型最新评测，英语能力仅次于 GPT-4
在实打实的“秀肌肉”比拼中，Yi-34B-Chat以94.08%的胜率，在 Alpaca 经认证的模型类别中，成为世界范围内仅次于GPT-4 英语能力的大语言模型，是经由Alpaca官方认证为数不多的开源模型 取得31.82%的胜率，仅次于GPT4-Turbo。 中文SuperCLUE排行榜（发布于2023年11月28日） Yi-34B-Chat 微调模型还为开发者提供了 4bit/8bit 量化版模型；Yi-34B-Chat 4bit 量化版模型可以直接在消费级显卡 通过大量的消融实验，针对模型单能力构建和多能力融合总结了独家认知经验。 通过关注超出模型能力的“低质量”数据，减少了模型“幻觉”。 在指令多样性与难度方面，团队通过在各能力项下构建任务体系，实现了训练数据中的指令均衡分布，大幅提升了模型泛化性。
1.4K10编辑于 2023-12-12 - 来自专栏AI科技评论
国产端侧小模型超越 GPT-4V，「多模态」能力飞升
继被吴恩达大力推广的 ChatDev 后，面壁在端侧模型上频出奇招，再次推出端侧多模态模型 MiniCPM-Llama3-V 2.5，直接干翻 GPT-4V 与多模态巨无霸 Gemini Pro，引起了海内外的广泛关注 的 GPT-4V； OCR 能力 SOTA：能够精准识别长图、难图与长文本，9 倍像素更清晰，同时具备识别与推理能力； 手机端突破：首次整合 NPU 和 CPU 加速框架， 对手机端多模态大模型进行系系统级加速 在综合评测权威平台 OpenCompass 上，面壁 MiniCPM-Llama3-V2.5 以小博大，以 8B 量级综合性能超越多模态巨无霸 GPT-4V 和 Gemini Pro，是目前端侧最强的模型 幻觉能力上，MiniCPM-Llama3-V 2.5 在Object HalBench 榜单上超越了 GPT-4V 等众多模型（注：目标幻觉率应为0）： 空间理解能力上，在专注于评估多模态模型基本现实世界空间理解能力的 RealWorldQA 榜单上，MiniCPM-Llama3-V 2.5 再次超越 GPT-4V 和 Gemini Pro： 面壁智能 CTO 曾国洋在数月前告诉过 AI 科技评论，他一直认为模型的空间理解能力是实现
1.4K10编辑于 2024-05-22 - 来自专栏PHP在线
编程能力的 4 种境界
人们把一个人能够到达的能力描述成四个阶段。 这篇文章里，我将试图把这种分类应用的我们每天都会应用的技能上，它就是编程。 阶段一：无意识，无能力 约 翰是一个年轻的网站开发者。 而且更悲哀的是，他在论坛里的能力值比你我加起来都高。 约翰是无意识的无能力。 阶段二：有意识的无能力 马 克是个数学老师。 马克是有意识的无能力 阶段三：有意识的有能力 自 从阿德拿起他的第一本HTML书至今已经有两年了。 很显然这是一条不归路，对于阿德来说，每天思考的问题都是如何去提高自己喜爱的这个专业。 阿德是有意识的有能力。 阶段四：无意识的有能力 这是编程水平的终极阶段。 它不仅仅是知识积累的结果，更是一系列的逻辑规则在数年里慢慢的刻印到一个人的脑海里的结果。 值得一提的是，一些作者提出第五中阶段：成熟的有能力，定义为有能力去教育和传承他所学的、甚至是还未意识到的知识。
75860发布于 2018-03-08 - 来自专栏物流IT圈
架构师能力模型
架构师能力模型 ---- 网上已经有前辈在 2007 年时，已经总结了他对架构师的能力模型的理解。 写得非常详细，见：《架构师的能力模型（图）》、《能力要成体系》、《旧文重发：做人、做事，做架构师——架构师能力模型解析》。 个人觉得，上文中的能力模型有些过于具体，不方便读者按照该模型进行学习。 这些因素为什么会成为架构师能力模型中的关键因素？ 下面我来补充一下我对架构师的能力模型的理解。能力模型分为两个层次。 ? 可能比较抽象，我对本层能力模型中的各个能力点做一些简单的诠释： 学习能力，是一切能力的源泉！所有的知识，都可以学习。学习能力是一个人的核心能力！所以，在学习任何事之前，应该先学习如何更好地进行学习。 其它：…… 专业能力层 ---- 通用能力层之上，就是架构师能力模型中第二个层次：专业能力层。这一层的能力越精通，说明越能胜任架构师。 ? 基础能力层：基础能力层的特点是非常简单，但是却非常重要。
2K10发布于 2019-07-25 刚刚，马斯克发布全球最强 AI 模型 Grok 4！能力超乎我们想象。。。
号称全球最强下一代大模型——Grok 4 终于发布了！ 刚刚，马斯克发布全球最强 AI 模型 Grok 4！能力超乎我们想象。 Grok 4 定位为全球最强 AI 模型，具备双版本架构、专业编程能力、高难度知识领域优势及创新功能，旨在通过精准数据筛选提供可靠服务，但面临测试公正性、个人偏见及商业化挑战。 技术架构与版本设计 双模型架构：Grok 4 包含两个核心版本，即旗舰版 Grok 4 和专业编程版 Grok 4 Code。 旗舰版 Grok 4：定位为“Think Bigger and Smarter”的通用 AI 模型，在自然语言处理、数学运算和逻辑推理方面表现出色，被誉为拥有“无可匹敌的能力”。 智能指数：根据 Artificial Analysis 公布的跑分结果，Grok 4 的智能指数为 73，高于 OpenAI 的 o3 模型（70 分）、谷歌 Gemini 2.5 Pro 模型（70
67910编辑于 2026-03-24Java大模型工程能力必修课，LangChain4j 入门到实践
在人工智能浪潮席卷全球的今天，大型语言模型（LLM）为我们打开了无限可能的大门。但如何将这些强大的模型无缝集成到我们的Java应用中，打造出真正智能、实用的产品呢？答案就是 LangChain4j。 第二部分：核心积木块——认识LangChain4j的核心组件要搭好积木，先要认识每一块积木。以下是LangChain4j中最关键的几个概念：模型（Models）：这是与各种大模型交互的入口。 LangChain4j 提供了统一的接口来对接不同的模型提供商（如OpenAI、Anthropic、Hugging Face、本地模型等），让你切换模型时几乎无需修改业务代码。 第三步：选择与配置组件选择Model：根据需求选择能力强、性价比高的模型，如GPT-4系列用于复杂规划，GPT-3.5-Turbo用于简单交互。 结语LangChain4j 极大地降低了在Java中集成大模型能力的门槛，但它本身不产生智能，真正的智能来自于你对业务场景的深刻理解、精巧的流程设计和对提示词的精心打磨。
83010编辑于 2025-09-08Java大模型工程能力必修课，LangChain4j 入门到实践
对于传统企业而言，利用现有Java团队的技术栈来引入AI能力，远比让团队完全转向Python技术栈的成本更低、风险更小、成功率更高。 领域关键技术/项目说明推理与API调用LangChain4jJava版的LangChain，用于编排和大模型交互的链、代理、工具调用。是Java生态接入LLM的核心枢纽。 将问题和知识片段组合成Prompt，通过 Spring AI 或 LangChain4j 调用大模型API（如OpenAI）。将模型返回的结果处理后返回给用户。 模型微服务架构：将一个特定的模型能力（如文本摘要、情感分析）封装成一个独立的RESTful或gRPC服务。使用 Spring Boot 提供HTTP端点。 对于任何希望将大模型技术规模化、产品化、商业化的企业而言，Java 及其成熟稳固的生态系统都是一个极其可靠和强大的选择。它确保了AI能力能够以一种高性能、高可用、可维护的方式融入核心业务。
56700编辑于 2025-09-01- 来自专栏喔家ArchiSelf
大模型应用的能力分级
对大模型应用的能力分级就像给学生打分一样，能让我们更清楚它的本事有多大。能力分级能帮我们设定目标，知道AI现在能干什么，未来还要学什么。 另外，能力分级让普通人更容易理解AI的能力，避免过度期待或担心。 大模型的应用主要有两种常见模式：RAG 和 Agent。选哪种 RAG 架构，得看具体要解决什么问题，确保它适合任务需求。 RAG 的能力分级 根据微软的研究成果，RAG的能力可以从搜索的复杂程度上分为4个层级。 4. AI Agent的 5 个自主性能力层级 AI Agent可以分为五个等级的自主性，每一个等级代表独立行动和处理复杂任务的能力。 小结 将大模型应用的能力进行分级，不仅有助于推动技术发展，还能更好地匹配实际应用场景，同时也让公众更容易理解其价值。
1.8K20编辑于 2025-03-31 - 来自专栏大语言模型
探索大模型能力--prompt工程
提示工程就是开发和优化提示词（Prompt），一种在大模型中使用的技巧，通过提供清晰、简洁的指令或问题，充分发挥大模型的能力，让模型更好地理解我们的需求，从而得到更好的模型输出。 策略4：提供少量示例 2.2 给模型思考的时间 我们不一定要一步得到答案，可以让模型进行一系列的推理，给他推理思考的时间，再最终给出答案。 4 prompt工程方法 prompt的原则和方法在吴恩达教授的课程中讲解的很详细 ，这里我们再介绍一些高阶方法。 If the prompt is based on prior information, ensure that this is included. 4. 4. 最后，在双十一当天设定一个定时器来点击抢购按钮。
3.3K72编辑于 2024-01-23 - 来自专栏资讯分享
大模型能力竞争终局已定
01GPT能力的完善与大模型能力竞争的终结OpenAI发布ChatGPT3.5引爆市场的几个月间，引发了一场大语言模型“大跃进式”的风暴。 实际上，GPT3.5问世所体现的泛化能力和在涌现上的突破，就已经是决定性的，也预示着LLM能力之争的终结，最近GPT4-Turbo的更新只是让这件事情成为既成事实，同时也开启了整个LLM革命的新时代。 需要指出，大模型能力之争的终结并不指只有OpenAI一家公司独大，而是指其它大模型所发展的方向和生存，不再是以模型基础能力为主要考量，将会向更多复杂的因素延展。 ，去除”大脑“产生的幻觉3.以各种外部API作为触手，将Agent得出的各种结论，转化成实际的行为除了前面提到的GPT-4 Turbo的能力，给了未来各种Agents一个更强大的”大脑“，这次DevDay 在这个类比中，大模型仿佛是互联网本身，而每个Agent则像是利用互联网能力的独特应用程序或网站。正如4G和5G的推出催生了新一代的应用和服务，大模型的能力提升也将导致Agent的创新和进化。
49910编辑于 2023-11-20 - 来自专栏服务端技术杂谈
程序员的能力模型
同时P7具备的专业的开发技能和一定的架构知识，在程序员纬度上能力慢慢趋于全面。 而且我推荐技术团队的leader要到P7才开始带团队，从BAT来看，基础leader都是P7开始胜任的。 ? ---- 后台开发知识 关键词：理解原理，掌握后台架构设计方法论 标准： 深刻理解系统在实际运行过程中所经过的各个环节的相关知识，原理，如硬件(CPU，内存，存储架构等)，内核(进程调度，内存管理模型) 开发能力 关键词：能主导或核心参与大中型项目，能担任大型项目的技术负责人 标准： 精通1～2门主流开发语言。 熟悉1～2种常见软件工程开发模式，领会其中要领，并在具体项目中实践过。 架构能力 关键词：子系统设计能力，完整系统设计能力，横向大系统设计能力&前瞻性 标准： 能够完成多方需求收集，形成技术需求文档。 考虑合理的地域或机房分布，系统灾备能力，运维发布及扩展性。 能够充分的估算出系统可达的性能，能够设计出高性能，高并发，海量数据处理系统。 能够对公司内部系统的架构有一定深度的认识和了解。
3.9K30发布于 2018-09-21 - 来自专栏SaaS加速器
总结ToB产品市场能力模型
在此，图图为大家梳理了产品市场能力模型，试图去解释我所理解的产品市场工作。 阅读本文，希望能够帮你： 概括产品市场的职责，帮助新人介绍清楚自己是干什么的； 对照能力模型评估自己的工作流程和业务能力； 找到自己的方向，根据自身经验向某一方向的产品市场专家努力。 那么开门见山，就让我们直接来看这个产品市场能力模型吧： ? 这个能力模型，可以概括产品市场的职责以及工作流程。下面我们展开讲解。 ? 如快单型的产品（一般分界线是客单价4w以下），客户单价较低，成交周期一般在一个月以内，所以不需要过多定制化的方案。 以上，就是图图总结的产品市场能力模型。对于产品市场能力和工作职责的梳理肯定有遗漏，但是大体的能力和方向就是这些。基于不同的从业经验和个人兴趣，产品市场会发展出不同技能树。
1.7K22发布于 2021-02-26 - 来自专栏哲学驱动设计
CTO 能力模型 V0.1
虽然公司和自身都总有诸多不尽如人意的地方，但是，自我觉得个人学习能力还行，所以不断地学习并调整自己的工作方式。慢慢地，也逐渐形成了自己的管理体系。 这两天，也看了看别人对于 CTO 的一些总结。 下面就简单分享一下我对 CTO 能力模型的总结。 ? ? ?
1.2K20发布于 2018-09-27 - 来自专栏老张的求知思考世界
性能测试岗位能力模型
星球有同学向我提了一个问题： “目前在做性能测试岗位的职级划分和能力模型定义的的工作，想咨询下性能测试岗位按照初/中/高/资深/专家，不同职级应该具备哪些能力，如何衡量这些能力”？ 针对这个问题，结合我自己之前作为面试官和稳定性团队Leader的经验，对于性能测试岗位，我个人认为岗位能力模型的划分可以参照如下的内容。 岗位胜任力模型 岗位分级 必备技能 角色定位 关键任务 初级 1、性能测试基础理论2、熟练使用压测工具 脚本执行工具人 1、能写脚本2、看得懂监控指标 中级/高级 1、性能测试基础理论2、熟练使用压测及监控工具 3、对业务有不同程度的了解 一定的独立负责需求能力 1、能写脚本造数据2、看得懂监控指标3、不同程度的需求分析能力 资深 1、丰富的理论知识2、掌握各种压测监控分析工具3、对业务场景有足够的了解4、对被测系统有足够的了解 1、独自owner复杂项目2、指导团队同学性能测试工作 1、owner项目2、事前评估事中验证事后参与定位优化 专家 1、丰富的理论知识2、根据不同情况灵活应用各种工具3、对业务和技术架构有足够的了解4、
64020编辑于 2023-03-01 - 来自专栏大语言模型
大模型能力评测方式很多？
其核心框架可拆解为基础维度、主流基准与关键方法，共同构成模型能力的“CT扫描”系统。 二、主流基准与核心指标通用能力：MMLU（57学科准确率）、HellaSwag（常识推理）为标杆，需控制数据泄漏与温度参数。 AI辅助评测：GPT-4等LLM-as-a-Judge与人类一致性达80%+，但需校准冗长偏好与自偏误。 AI评测的核心是“场景匹配”：通用能力看MMLU+人类偏好，代码能力信SWE-bench+pass@k，安全侧重拒答率与校准度。唯有多维指标联动，才能勾勒模型真实能力画像。
47410编辑于 2025-08-13 - 来自专栏AI科技评论
千亿模型 Yi-Large 杠上万亿 GPT-4 Turbo，多项能力不输 OpenAI
编程能力、长提问及最新推出的 “艰难提示词” 的三个评测是LMSYS所给出的针对性榜单，以专业性与高难度著称，可称作大模型“最烧脑”的公开盲测。 在编程能力（Coding）排行榜上，Yi-Large 的Elo分数超过Anthropic 当家旗舰模型 Claude 3 Opus，仅低于GPT-4o，与GPT-4-Turbo、GPT-4并列第二。 在这一榜单上，Yi-Large 处理艰难提示的能力也得到印证，与GPT-4-Turbo、GPT-4、Claude 3 Opus并列第二。 为了在固定题库中取得一份亮眼的评测分数，业内出现了各式各样的“刷榜”方法：将各种各样的评测基准训练集直接混入模型训练集中、用未对齐的模型跟已经对齐的模型做对比等等，对尝试了解大模型真实能力的人，的确呈现 相反，那些选择作秀式的评测方式，忽视真实应用效果的厂商，模型能力与市场需求之间的鸿沟会越发明显，最终将难以在激烈的市场竞争中立足。
49010编辑于 2024-05-22 - 来自专栏轻咨询服务
Z市台风预测模型实战分析——模型的云能力PAAS中心能力如何构建
上回我们谈到AI模型的两大基石之一，云能力，而云能力分为边缘计算能力和PAAS层中心能力。在咨询项目中，如何构建PAAS层中心能力。 从当时地质业务需求来看，中心层能力是大模型计算的核心能力，依赖机房的计算存储平台，大模型可以按需运算并预测结果。 因此，给每个因子每个场景配置了4VPU，128flop/VCPU；由于地质勘查图片量非常大，要一分钟内分析上千份图片，因此计算速度用最快的NPU，9XX型号的算力卡，20张/秒的分析速度，1200张/分钟 硬件平台讲了这么多，其实都是为PAAS层能力服务。为了让业务侧具备自主编程和调试台风预测模型的能力，PAAS层配备了微服务流水线的能力，codearts, 微服务架构。 未来模型应用的场景会逐步增多，新场景除了模型泛化能力支持外，还要进行算法调优或RAG等技术辅助。欢迎点赞和关注公众号“科技江河”，如果喜欢，在公众号打赏下呗，感谢
13800编辑于 2024-12-31
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