- 综合排序
- 最热优先
- 最新优先
2025 工业大模型应用报告
以生成式AI为主的大模型应用呈现U型分布 2.3. 大模型与小模型将长期共存并相互融合 工业大模型应用的三种构建模式 3.1. 模式一:预训练工业大模型 3.2. 模式二:微调 3.3. 三种模式综合应用推动工业大模型落地 大模型应用探索覆盖工业全链条 4.1. 大模型通过优化设计过程提高研发效率 4.2. 大模型拓展生产制造智能化应用的边界 4.3. 大模型基于助手模式提升经营管理水平 4.4. 大模型基于交互能力推动产品和服务智能化 工业大模型的挑战与展望 5.1. 工业大模型应用面临数据质量和安全、可靠性、成本三大挑战 5.2. • 定量分析： • 样本规模：统计分析 99个工业大模型应用案例；引用中国信通院 507个AI小模型应用案例 作为对比基准。 报告详细对比了预训练工业大模型、微调、检索增强生成（RAG）三种模式的数据需求、优缺点及适用场景。
20310编辑于 2026-05-31腾讯云教育行业大模型概要
一、 产品定位与核心亮点 腾讯云教育行业大模型是基于大语言模型技术，面向教育行业特定需求优化的专业模型。其核心技术属性为依托“知识引擎”平台对外提供服务的知识应用构建平台。 场景：通过数智人形象搭载大模型，提供有“温度”、有“速度”的专业招生咨询。 三、 应用框架和功能介绍 功能框架 教育行业大模型是腾讯云知识引擎平台的核心组成部分。 知识引擎是一个基于大语言模型的知识应用构建平台，提供知识问答、知识总结等开箱即用的应用类型及原子能力服务。教育行业大模型作为平台模型层的一个专项选择，服务于教育场景。 支持动漫、水墨、油画等20+种风格，出图时间约5~10秒。高级版支持Prompt智能扩写。 智能图生图：输入图片，输出风格转化后的图片。支持5种风格，针对人像优化，出图时间约5~10秒。 牵头国内首个金融行业大模型标准，并作为核心编写单位参与中国电子工业标准化技术协会和中国人工智能产业发展联盟的大模型技术标准制定。 沙利文2024年大模型评测中，腾讯混元大模型能力领先。
21910编辑于 2026-05-31《工业大模型应用报告》核心概览
以判别式AI为主的小模型应用呈现倒U型分布 2.2. 以生成式AI为主的大模型应用呈现U型分布 2.3. 大模型与小模型将长期共存并相互融合 工业大模型应用的三种构建模式 3.1. 模式一:预训练工业大模型 3.2. 模式二:微调 3.3. 模式三:检索增强生成 3.4. 三种模式综合应用推动工业大模型落地 大模型应用探索覆盖工业全链条 4.1. 大模型基于交互能力推动产品和服务智能化 工业大模型的挑战与展望 5.1. 工业大模型应用面临数据质量和安全、可靠性、成本三大挑战 5.2. 工业大模型应用将伴随技术演进持续加速和深化 方法论说明 研究方法：定性分析与定量分析相结合。定量分析基于对99个工业大模型应用案例的收集与统计分析；定性分析结合行业专家观点进行深度解读。 模式路径：工业大模型的构建存在三种主流模式：预训练工业大模型、微调与检索增强生成（RAG）。这三种模式往往综合应用，而非孤立选择，以平衡成本、精度与泛化能力。
20910编辑于 2026-05-31腾讯云教育行业大模型产品概要
一、产品定位与核心亮点 腾讯云教育行业大模型是基于大语言模型（LLM）打造的垂直领域知识应用构建平台，依托腾讯云知识引擎对外输出服务。 教师 80% 精力用于书写教案；教学案例更新慢（教育部要求高职资源年更新率不低于10%）；多媒体素材缺失。 大模型助力教师备课：智能生成教案PPT大纲、智能文生图/图生图补充课件素材。 功能框架 产品基于知识引擎平台构建，架构分为三层： 模型层：混元大模型、精调知识大模型、教育行业大模型、医学/金融行业大模型等。 配置层：知识库管理、应用评测、审核发布、数据看板、运营调优。 硬核指标 文生图/图生图性能：出图速度约 5~10秒。 文生图风格：支持 20+ 种风格（动漫、水墨、油画、赛博朋克等）；图生图支持 5 种风格（针对人像优化）。 信通院认证：入选信通院首批优秀大模型案例；牵头国内首个金融行业大模型标准；作为核心编写单位参与信通院《大规模预训练模型技术和应用评估方法》及中国电子工业标准化技术协会《人工智能大模型 第一部分 通用要求
20310编辑于 2026-05-31- 来自专栏算法channel
10 行实现最短路算法
使用优先队列之后这段代码会变得非常简单，同样也不超过十行，为了方便同学们调试，我把连带优先队列实现的代码一起贴上来。 0 que = PriorityQueue() INF = sys.maxsize edges = [[], [[2, 7], [3, 9], [6, 14]], [[1, 7], [3, 10 ], [4, 15]], [[1, 9], [2, 10], [6, 2], [4, 11]], [[3, 11], [5, 6]], [[4, 6], [6, 9]], [[3, 2], [5, 9]
1.1K20发布于 2020-08-21 - 来自专栏大猫的R语言课堂
10行代码搞定【滚动回归】
在今天的大猫课堂中，大猫教大家用10行代码搞定它！ PS：由于微信的限制，给大猫留言的小伙伴超过48小时后大猫就不能回复你们了。所以如果想联系大猫，可以按照文章最后的微信号加大猫微信哦。 解 题思路 解决的思路并不复杂，假设我们现在要处理的是第t行，自变量和因变量分别是x和y，滚动窗口是n天，那么我们只要能够取到x[t-n, t]以及y[t-n,t]两个向量，把他放到lm函数中就可以进行回归得到结果 此处每个id有n = 1000天观测，由于窗口期为100天，因此最终每个id会有1000 - 100 = 900个回归结果 keyby语句将原数据集按照id进行分组，具体作用可以看上期的《一行代码搞定分组回归 关于.SD的具体使用可以见上期《一行代码搞定分组回归》 rbindlist()语句：上面对于每一天t我们都生成了一个回归，rbindlist语句将这些回归结果打包起来输出。 总 结 是不是很简单？ 但是，这个滚动回归的代码也不是完美的，最大的劣势就在于我们的滚动窗口是用“期”而不是用“天”来定义的，也就是说，程序在每次滚动的时候都会固定找前面n期的观测，而不管这n期之间可能间隔的是10天，20天还是一个月
2.5K20发布于 2020-10-23 - 来自专栏量子位
一行代码提高大模型10%性能，开发者：免费午餐
克雷西 发自 凹非寺 量子位 | 公众号 QbitAI 大模型微调有“免费的午餐”了，只要一行代码就能让性能提升至少10%。 这是一种新的正则化技术，可以用于提高微调监督（SFT）模型的性能。 这种方法已经被HuggingFace收录进了TRL库，只要import再加一行代码就能调用。 有网友试着用这种方法微调了基于Guanaco（一种羊驼家族模型）的Mistral-7B，结果性能提升明显。 那么，NEFTune是如何用一行代码给一众大模型“打鸡血”的呢？ 结果在不同的训练数据集中，Llama 2调整后都有至少10%的性能提升，在Alpaca数据集上更是直接翻倍。 推广到OPT和Llama 1，NEFT方法同样可以带来一定的性能提升。 结果显示，NEFT方法在不同的数据集和模型上，对模型的其他能力均没有显著影响。 实验过程中，作者还发现，模型生成的文本和并不是照搬训练数据，提示了模型具有一定泛化能力。
54620编辑于 2023-10-25 - 来自专栏python3
利用itchat 10行python代
使用的是python第三方库itchat，itchat模块是一位叫littlecodersh的大神写的模块，附上大神的github地址,有兴趣的朋友可以去尝试玩一下itchat模块，很有趣的！！！https://github.com/littlecode...
1.8K30发布于 2020-01-02 - 来自专栏读书会
十问农业大模型的当前和未来
农业是国民经济的基础，“大国小农”是我国的特色，大模型和AIGC的浪潮下，是否在农业也会带来一些实质性价值和机会？农业需要什么样的行业大模型？带着10个问题，腾讯研究院访谈了6位农业领域专家。 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。 率先发布大模型会有好处，基于用户输入的内容，也可以对用户画像，有利于企业占领市场。申斌：目前产品是免费的。除了智能问答服务之外，农业+大模型技术还有很多想象空间，可能需要10-20年逐步成熟。
89420编辑于 2023-11-16 - 来自专栏小明的数据分析笔记本
南京林业大学正版win10系统安装
我安装 windows10 系统 软件下载地址 https://net.njfu.edu.cn/c10/index.html 下载iso文件 使用UltralSO软件制作U盘启动盘 UltralSO 4b07be3c79863648b380f314.html对磁盘进行分区 按照小娜的提示一步一步完成设置 根据 http://software.njfu.edu.cn/zbh/jh.zip 说明激活windows10 学校的公众号为了方便大家在家办公好像推送了校园V**的使用方法 如果遇到报错参考常见问题 http://software.njfu.edu.cn/faq.htm 我最开始安装windows7,一直遇到报错无法激活；后来尝试了安装windows10 html 按照这篇文章将我的电脑添加到桌面 更改主题设置需要在激活以后 下载office2016进行安装 首先将iso文件解压出来，然后按照普通软件的方式双击setup.exe直接安装 和win10
1.2K20发布于 2020-03-03 - 来自专栏面试指北
10 行 Python 代码构建你的第一个深度学习模型
使用 10 行 Python 代码构建你的第一个深度学习模型 今天的我们的目标是使用最少的代码，实现一个深度学习模型，完成手写数字识别的功能。 1. 数据内容是手写体的 0-9， 我们接下来的任务是使用 10 行代码实现神经网络，完成数字的识别。 3. tf.keras.layers.Dense(128, activation='relu'), tf.keras.layers.Dropout(0.2), tf.keras.layers.Dense(10 检验模型 利用之前的测试数据，对手写数字分类模型的效果进行检验。 至此你的第一个深度学习模型已经完成。 4. 作者介绍 本人曾就职于海康威视，目前从事数据开发，专注于 Python，人工智能，大数据领域。
4.1K21发布于 2021-07-23 - 来自专栏量子位
10行代码媲美RLHF！谷歌DeepMind用游戏数据让大模型更像人类
克雷西 发自 凹非寺 量子位 | 公众号 QbitAI 只需10行代码，就能对齐大模型，效果媲美 RLHF（基于人类反馈的强化学习机制）！ 而且整个训练过程就像我们日常打游戏一样。 传统上，大语言模型（LLM）的对齐过程常采用“打分”的方式，所谓的价值判断其实就是一个量化分数。 但研究团队对此发出了相应的疑问： 人类大脑中真的存在一个打分模型负责价值判断吗？ 基本思想可以理解为将训练阶段的奖励模型和生成式模型的在线交互 （低采样率，存在奖励破解问题）转移到游戏中大量自主智能体之间的离线交互之中（高采样率，提前预演博弈）。 在实验中作者使用 10x10 的格点沙盒（一共100个社交体）进行社会仿真，且制定了一个社会规则（即所谓 Sandbox Rule）：所有社交体必须通过使自己对于问题的回答更加 socially aligned 性能上方面，团队在训练过程中一共使用了8块A100显卡，总训练时长约为10小时。 此外，作者通过消融实验证明这种大量自带渐进式 （step-by-step）改进的数据是稳定训练的关键。
38630编辑于 2023-08-03 - 来自专栏机器之心
10行代码媲美RLHF，用社交游戏数据训练社会对齐模型
机器之心专栏 机器之心编辑部 人类大脑中真的存在一个打分模型负责价值判断吗？ 让语言模型的行为符合人类社会价值观是当前语言模型开发的重要环节。 代理模型产生的奖励很容易被破解或者篡改。比如如果代理模型的训练语料中，比较长的并且详细的文本大部分被标记为高分，那么代理模型很可能错误奖励冗长但是却不切题的回复。 为了保证高质量的监督信号，代理模型不应小于生成式模型，这也就意味着在强化学习优化过程中，至少有两个比较大的模型需要交替进行推理（判断得到的奖励）和参数更新（生成式模型参数优化）。 价值模型本身并无和人类思考模型上明显的对应。我们脑海中并没有一个单独的打分模型，而且实际上长期维护一个固定的打分标准也非常困难。 将游戏数据转化为 alignment 数据 在实验中作者使用 10x10 的格点沙盒（一共 100 个社交体）进行社会仿真，且制定了一个社会规则（即所谓 Sandbox Rule）：所有社交体必须通过使自己对于问题的回答更加
43830编辑于 2023-08-04 - 来自专栏喔家ArchiSelf
10行Python代码的词云
十行代码 但是作为一个老码农，还是喜欢自己用代码生成自己的词云，复杂么？需要很长时间么？ 很多文字都介绍过各种的方法，但实际上只需要10行python代码即可。 读一下这10行代码： 1～3 行，分别导入了画图的库matplotlib，词云生成库wordcloud 和 jieba的分词库； 4 行，是读取本地的文件,代码中使用的文本是本公众号中的《老曹眼中研发管理二三事 5～6 行，使用jieba进行分词，并对分词的结果以空格隔开； 7行，对分词后的文本生成词云； 8～10行，用pyplot展示词云图。 这是我喜欢python的一个原因吧，简洁明快。 执行环境 如果这十行代码没有运行起来，需要检查自己的执行环境了。对于完整的开发学习环境，可以参考本公众号《老曹眼中的开发学习环境》。 这十行代码构建的词云，没有通过API从公众号(wireless_com)直接获取,简化和抽象是工程化的典型方式，这里至今复制粘贴，甚至省略了correct的过程，直接将数据存储在纯文本文件中，通过jieba
3.6K30发布于 2018-08-22 - 来自专栏python爬虫实战之路
10行代码实现python人脸识别
训练数据 训练数据就是我们把一些图片交给训练模型，让模型熟悉她，这样它就能更加准确的识别相同的图片。训练的数据一般我们可以从网上搜索：人脸识别数据库，或者从视频中保存美帧的数据作为训练集。 使用LBPH训练模型 def getImageAndLabels(path_list): faces = [] ids = [] image_paths = [os.path.join faces, np.array(ids)) # 保存训练特征 recognizer.write('trains/trains.yml') 基于LBPH的人脸识别 LBPH将检测到的人脸分为小单元，并将其与模型中的对应单元进行比较 所有的算法都有一个置信度评分阈值，置信度评分用来衡量图像与模型中的差距，0表示完全匹配。LBPH有一个好的识别参考值要低于50。
5.6K32发布于 2020-05-22 - 来自专栏资讯分享
携手AIIA，助推行业大模型安全高效落地
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。 此外，我们联合生态伙伴，将大模型技术与20多个行业结合，提供超50个行业大模型解决方案，帮助客户提质增效。内容创作领域对大模型的生成速度、理解能力要求高，是最能验证大模型场景广度的领域之一。 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 未来，腾讯云也将协同产业伙伴，持续升级产品、技术能力，加速千行百业应用落地，助力更多实体实现高质量的数智化转型升级。
51810编辑于 2023-12-13 - 来自专栏【腾讯云开发者】
1000行代码 VS 10行代码，解决同样问题谁绩效更好？
点赞收藏转发，一键三连，为好文章的传播扩散添砖加瓦～ 01、前言 开篇抛出几个思考题，大家可以想一想： 如果 1000 行代码和 10 行代码都能解决同一个问题，哪个版本的代码应该得到更好的绩效？ 比如，有的团队瓶颈在于研发环境糟糕，一次编译需要10分钟，那么其中一条KR可能就是：编译耗时缩短到2分钟以内。至于如何落地，那可能又要把KR当成目标，对实际情况进行细化分析。
89831编辑于 2024-02-27 - 来自专栏算法channel
搞懂这10 行代码，究竟有多难？
今天我拿出2个多小时总结一个函数，一共10几行代码，并添加详细注释，希望能帮助到更多人！ 2 例子 这是zip的加强版函数大概实现过程，下面逐行分析每行代码含义。 if not num_active: return while和yield tuple(values)组合后，控制着yield的继续执行后，下一行代码在values=[] 同时组成 try… except是异常捕获的标准模板，next(it)第一次执行返回it的第一个元素，a=[1,2,3]，所以value值为1. (10)计数 num_active表示当前存活的列表个数，一旦一个列表迭代到终点 ，此处yield的下一行是values = [] a = [1, 2, 3] b = [4, 5, 6,7,8,9] r = zip_longest(a, b, fillvalue='-') while `， #此处yield的下一行是`values = []` yield tuple(values) 以上，通过一个函数zip_longest，我们就能学到很多个Python
78620发布于 2019-11-14 - 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
在仅仅半年的时间里，百度文心行业大模型的数量已经达到了 11 个，覆盖能源电力、金融、航天、传媒、影视、汽车、城市管理、燃气、保险、电子制造和社科等多个领域，进一步丰富了行业大模型的应用场景，在产业化落地的过程中使大模型真正赋能千行百业 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。 在峰会上，百度首席技术官、深度学习技术及应用国家工程研究中心主任王海峰博士表示，具有算法、算力和数据综合优势的企业，可以将模型生产的复杂过程封装起来，通过低门槛、高效率的生产平台，为千行百业提供大模型服务 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。
1.1K40编辑于 2022-12-16 腾讯云教育行业大模型产品价值与能力概要
10%）及置课件内容质量低且创新性不足的痛点。 功能框架 基础支撑层：底层依托腾讯自研混元大模型、开源大模型及教育行业大模型，结合高性能计算（HCC）、高速互联网络（RDMA）及高性能数据库（向量数据库）提供算力基础。 AI for Science：支持教育、医疗（整合53+医学教材、8000+常见病、6万+独家授权医典数据）、金融、交通等领域行业大模型。 2. 三重安全防护矩阵：在问题侧、模型侧及答案侧建立合规过滤，利用强化学习避免垃圾数据生成，拒绝涉黄、涉暴、辱骂等不适宜文本，保障行业大模型可信、可靠、可用。 4. 担任 信通院大模型标准核心编写单位 及 中国电子工业标准化技术协会大模型标准核心编写单位。 牵头国内首个金融行业大模型标准制定。
22210编辑于 2026-06-01
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