- 综合排序
- 最热优先
- 最新优先
- 来自专栏杨建允谈社交化商业
杨建允：西安爱尔还能走多远？西安爱尔的未来在哪里？
爱尔特殊的并购商业模式，隐患很明显 爱尔有自己的产业基金，用来收购、孵化新兴的院区。在接下来几年培育的过程中，能实现盈利且能提供利润的爱尔新院区就会被爱尔并入上市主体。 正是爱尔“先培育，再并表”这个模式发挥的巨大作用，使得爱尔能快速扩充规模、铺开市场。 但是这种模式缺点也很明显，其弊端在后期会逐步显现出来，是一个很大的隐患。 管理模式和服务水平欠佳 爱尔眼科能走多远，还有多少未来，我有话说 爱尔吸引客户的不见得就是高超的技术，毕竟爱尔宣传一些医生的时候会重点介绍他们在公立医院进修、工作的经历，或者是过去在公立医院担任的职务和取得成就 窥一斑而知全豹，爱尔吸引大家的是过去良好的服务态度和消费体验，如果这一点优势也不再了，那么，就没有什么让客户留恋的了。 在眼科赛道的细分领域中，爱尔处于产业链的中游。 爱尔在运营管理等方面的问题，如若不去重视，最终就会搬起石头砸自己的脚。 爱尔想要在未来继续有所作为，首先就是要保证自身能有健康良好的企业状态。
92130编辑于 2023-05-04 - 来自专栏用户6811391的专栏
小科普：数据爬虫究竟是在干啥
了解任务 首先，选定的网站是 爱尔眼科官网 https://www.aierchina.com/ ? 到这里，我们的任务目标就比较明确了：将爱尔眼科官网上所有省份城市的医院数据全部下载下来。 爱尔眼科网站展示的医院数目约 450 多条，顺利的话，手动能几天内搞定。 那么如果想用代码来自动化实现上面的过程，要怎么操作呢？ 比如，爱尔眼科官网首页-查看网页源代码，向下拉到大概 600 多行： ? 基本每个城市对应一个网址，看着特别像所有城市的网址。 而我，恰好在爱尔眼科官网首页上，就发现了不少问题，也就是刚提到的不少 Bug。 如果你有在爱尔眼科上班的朋友，可以顺手把这些问题转给他看了。
1K40发布于 2021-02-01 - 来自专栏AI掘金志
致远慧图孙宇辉：出走英特尔的AI眼科野望
孙宇辉在英特尔工作15年，曾任职英特尔公司中国区销售总监，并曾在在美国、新加坡、中国香港任职，多年来一直致力于开创和领导英特尔全球渠道创新项目。 “那时我主要负责英特尔全球渠道创新的业务，主要接触国内医疗、教育、人工智能三大块。这期间，我看到了医疗行业中的种种矛盾。” 孙宇辉回忆，当时他比较感兴趣的是手持式超声设备。 核心算法团队由原英特尔中国的人工智能团队部分成员，清华大学、人民大学人工智能的专家以及华为等国内企业的资深工程师组成。 ，南京，西安，广州建立四大研发中心。 其中EyeWisdom眼底影像分析软件，可自动识别病灶，10秒获取病变分析结果，支持视网膜血管类、视神经类、黄斑类和脉络膜类4大类眼底疾病的35个眼底病变检测。
1K20发布于 2019-08-29 - 来自专栏全栈程序员必看
爱思唯尔(Elsevier)出版公司_斯普林格期刊
tex-archive/macros/latex/contrib/elsarticle 直接下载：Download 网页打不开，百度云下载链接： 链接：https://pan.baidu.com/s/1B0q80Q4h6IBvxoiZzUCaSg }]} ||_2^2} + \frac{\lambda }{2}\sum\limits_{k = 1}^K {||{h_k}||_2^2} \label{eq1} \end{equation} （4） （4）在latex工程目录下，用记事本新建mybibfile.bib文件，将复制的内容粘贴到该文件中，我们在文章中就可以用\cite{Bolme2010Visual}来引用这篇文献了（第二篇文章与第一篇文章做法一样
1.2K10编辑于 2022-11-10 - 来自专栏科研之路
【教程】自动监控Elsevier爱思唯尔的投稿状态
简介爱思唯尔稿件的在线监控平台，支持订阅多用户稿件。
37410编辑于 2025-12-18 - 来自专栏乐行僧的博客
西安交通大学915-2018-编程4
题目描述： 解题思路： 球盒模型 dp，状态表示，f[n][m]表示在n个箱子里放入m个小球放置方法的数量 状态计算，m < n, 即球数小于箱子数，f[n][m] = f[n][n] m >= n, 即球数大于箱子数，分为两种箱子满，箱子不满 f[n][m] = f[n-m][m] + f[n-1][m] 箱子满 f[n-m][m] 至少有一个箱子不满f[n-1][m] 代码实现： #include <iostream> using namespace std; int f(int n, int
36910编辑于 2022-02-24 - 来自专栏爱分析洞见文章
2023爱分析·AIGC市场厂商评估报告：拓尔思
其中，在AIGC “文本生成”领域，拓尔思实现自大模型到上层应用的一体化打通；在视觉、多模态领域，拓尔思将依托开源平台，基于 “开源基础大模型+行业任务调优”的思路进行研发，偏重前端应用。 图2：拓尔思“智创”AIGC平台架构示意在行业数据库方面，拓尔思具有媒体、金融、政务等多行业服务经验及丰富行业语料，可针对各行业训练出具有行业知识壁垒的高质量大模型。 拓尔思依托完整的数据和知识工程治理体系，基于拓尔思自研的数据底座对上述数据资源不断进行采集、清洗、转换、分类、打标等后，推送至拓尔思媒体资讯、网络舆情、产业大脑三大数据资产平台，通过与不同行业知识模型的融合处理 图4：拓尔思AI主播“小思”-北京冬奥播报示意3. 方案优势小思冬奥播报真正实现数据自动采集、语义智能分析、内容自动生成、虚拟人播报等一体化、全自动功能。 4.
76420编辑于 2023-03-29 - 来自专栏乐行僧的博客
西安交通大学915-2017-编程4
如果m >= n，机器的数量更多，每台机器给分配一个作业即可，不用设计等待时间 如果m < n，作业的数量更多，优先选择长时间任务执行，短任务等待时间少
26020编辑于 2022-02-24 - 来自专栏乐行僧的博客
西安交通大学915-2015-编程4
d; d.next = &e; e.next = NULL; a.data = 1; b.data = 2; c.data = 1; d.data = 4;
25010编辑于 2022-02-24 - 来自专栏爱分析洞见文章
开启新航路，拓尔思发力AIGC市场 | 爱分析调研
01 拓尔思基于三十年累积优势，全面深耕AIGC拓尔思：高质量大模型和AI工程化能力是AIGC落地的必备条件在众多AIGC典型企业中，拓尔思是极具代表性的一家企业。 拓尔思在AIGC领域已有长期积累。早在2011年上市时，拓尔思就以“非结构化信息智能处理”概念表达自身定位。 其中，对于底层的通用大模型，拓尔思将通过生态合作的方式获取，对于中间层具备行业知识壁垒的行业大模型以及上层的智能应用则由拓尔思自主研发实现。 图2：拓尔思在AIGC生态的定位示意图02 拓尔思“智创”AIGC平台，为客户提供内容生成底层能力和行业解决方案也正是基于拓尔思在数据资产、模型可控性、AI工程化等能力上的优势，拓尔思已经着手研发“智创 图4：AIGC内容演进示意图拓尔思将瞄准AIGC领域发展趋势，前瞻性地开展业务布局。一方面，在内容质量上，拓尔思基于通用AIGC大模型，全力投入行业大模型的研发。
74210编辑于 2023-03-27 - 来自专栏人工智能领域
数字人：开启医疗领域的智慧变革新时代（5/10）
3.案例剖析：数字人实战显威 （一）爱尔眼科 “爱科 (Eyecho)” 爱尔眼科的 “爱科 (Eyecho)” 数字人，是医疗数字人领域的典型代表，在实际应用中展现出强大的功能和显著的优势 。 它融合了生成式人工智能 (AIGC)、计算机图形学及神经渲染等前沿技术，是爱尔眼科在数字化医疗领域的创新突破。 “爱科 (Eyecho)” 数字人系列覆盖了患者诊疗全流程，包含三大核心应用场景。 在术前教育场景，基于爱尔眼科垂类大模型，它可实时交互解答患者关于青少年近视防控、屈光手术和白内障、青光眼、眼底病等全眼科问题。 在国际会议场景和医院大厅，虚拟双语数字人发挥着重要作用，它支持多语言交互，能够与来自不同国家和地区的人们进行顺畅交流，助力爱尔眼科的品牌形象展示与国际化交流，为医院营造了更加现代化、智能化的氛围。 配合原有的高真实感神经渲染技术，“爱科 (Echo)” 在声音、形象、运动等维度进一步逼近真人医生，为患者提供更自然、可信赖的服务体验，推动了眼科服务的智能化与精准化，也标志着爱尔眼科 “数字眼科” 战略进入高质量发展新阶段
90810编辑于 2025-04-15 - 来自专栏MongoDB中文社区
对话爱思唯尔架构师：借助MongoDB驱动云平台
全球每年的医学和科学研究投资额约为4万亿美元。爱思唯尔出版了此类研究成果的17%，并通过像文献摘要和引文数据库(Scopus)这样的产品，让更多人了解到这些研究成果。 MongoDB是爱思唯尔云平台的核心，它能够帮助公司应用软件及分析学方法，将内容转变为可操作的知识，为客户提供新的见解。 对此，我们采访了爱思唯尔企业技术解决方案部门的应用程序架构师Kim Baddeley。 Q 请您介绍一下贵公司。 A 爱思唯尔是一家全球性信息分析公司，致力于帮助机构和专业人士推进医疗保健、开放科学、提高绩效，造福人类。 爱思唯尔隶属于RELX集团，这是一家为全球各行业中的专业人士和企业客户提供信息和分析服务的跨国集团。 Q 请您阐述一下贵司应用MongoDB的情况。
1.1K30发布于 2019-04-22 - 来自专栏MongoDB中文社区
对话爱思唯尔架构师：借助MongoDB驱动云平台
全球每年的医学和科学研究投资额约为4万亿美元。爱思唯尔出版了此类研究成果的17%，并通过像文献摘要和引文数据库(Scopus)这样的产品，让更多人了解到这些研究成果。 MongoDB是爱思唯尔云平台的核心，它能够帮助公司应用软件及分析学方法，将内容转变为可操作的知识，为客户提供新的见解。 对此，我们采访了爱思唯尔企业技术解决方案部门的应用程序架构师Kim Baddeley。 Q 请您介绍一下贵公司。 A 爱思唯尔是一家全球性信息分析公司，致力于帮助机构和专业人士推进医疗保健、开放科学、提高绩效，造福人类。 爱思唯尔隶属于RELX集团，这是一家为全球各行业中的专业人士和企业客户提供信息和分析服务的跨国集团。 Q 请您阐述一下贵司应用MongoDB的情况。
91940发布于 2019-03-05 - 来自专栏新智元
【AI VS人类】医生水平大PK: 人工智能四胜三平一负绝对领先
也就是说，神经网络模型在7,404 例实际发生心脏病或中风的病例中正确预测出了4,998名患者，比标准方法高出355 名。有了这样的预测，医生就可以采取预防措施，如开处方药降低胆固醇。 研究团队想看看他们是否可以使用功能连接中的这些变化来预测阿尔茨海默病。他们从阿尔茨海默病神经影像学计划提供的93 名MCI患者和101 名正常患者的数据开始。 眼科疾病：中山大学和西安电子科技大学合作研发CC-Cruise，目前和医生表现相当 中国的一个研究团队已经论证，在有高质量数据可用的情况下，人工智能有可能帮助眼科疾病的医疗诊断。 与西安电子科技大学的Xiyang Liu团队合作，他们创建了CC-Cruiser，一个能够诊断先天性白内障的AI程序，来预测疾病的严重程度，并给出治疗决策。 为了模拟现实世界的使用，他们将该程序和眼科医生的工作做了对比。三名眼科医师 - 一名专家、一名骨干和一名资历较浅的一声——和 CC-Cruiser 进行了50例临床病例的PK。计算机和医生表现相当。
93960发布于 2018-03-22 - 来自专栏AI科技大本营的专栏
抵制知网、爱思唯尔，学界苦出版商久矣？
该大学在声明中称，经过数月谈判，爱思唯尔拒绝达成协议，最终双方续签集体合同的谈判破裂。 即便如此，爱思唯尔的态度依然不动如山，没有明显要给加州大学的要求进行妥协的意思。 这是第一次有高校如此大规模抵制爱思唯尔，但是，这并不是学界第一次抵制这个出版巨头了。 早在 2012 年，以著名英国数学家高尔斯 (William Timothy Gowers) 为代表的学者就发起博客号召全球科学界共同行动抵制爱思唯尔，号召科学家们不在该出版集团所属的学术期刊上发表学术论文 2018 年 4 月，Nature 的新子刊《机器智能》上线，也因为付费下载、封闭论文的原因遭到了 Yoshua Bengio 等 3500 多位学者的联名抵制。 作为商业出版机构，无论是知网、还是爱思唯尔，追逐利润无可厚非。
1.1K20发布于 2019-03-15 - 来自专栏Alter聊科技
医疗服务多元化监管，平安智慧城市给出“深圳经验”
可以验证的是眼科领域。 2003年前后，在严打“院中院”的风波中，不少非公立眼科医院开始独立运作。由于眼科医保支付的占比较低，患者的消费属性强且看重服务体验，迅速跑出了爱尔眼科、希玛眼科等上市企业。 尽管2018年监管对眼科在内的非公立医疗逐步加强，并没有制约民营眼科医疗服务的增长，过去五年的复合增速达到9.7%，爱尔眼科等头部企业甚至实现了33%的复合增长，远高于同期的公立医院。
52310编辑于 2023-01-12 - 来自专栏新智元
2023美国工程院院士名单出炉：微软黄学东等多位新晋华人院士
Huang, David 当选理由：发展多维微米级光学成像技术，彻底改变了眼科疾病的诊断和治疗。 黄教授以将激光和光学技术应用于眼科疾病方面的创新而闻名，他是光学相干断层扫描(OCT)的共同发明者，一种常用的眼科成像技术，每年全球进行3000万次相关手术。 ，也是第二个获此奖项的华人科学家，在2021年被爱思唯尔评为世界科学家前2% 。 于 1982 年毕业于西安理工大学机械工程专业，1989年获得北伊利诺伊大学机械工程专业硕士学位，于 1993 年在西北大学获得博士学位。 徐隆亚教授主要研究领域为变速驱动器和变速发电系统，及其在航空、汽车、新能源生物工程等领域的广泛应用，为美国GE、GM、Boeing、Ford等各大公司承担科研项目三十余项，获得优秀科研启动奖、教授级杰出科研成就奖等5项荣誉奖励并拥有4项美国专利
64810编辑于 2023-02-24 算法治权：屈光眼科重排阶段的信誉特征坍缩修复
为了修正这一偏差，我们参考了爱搜光年（AISO）提出的信誉评价体系，将医疗GEO的逻辑硬核植入到Rerank阶段的规则引擎中。 逻辑固化：基于Painless的信誉重排脚本以下是我们针对屈光眼科场景开发的重排逻辑。 doublegeo_score=doc['aiso_reputation_index'].value;//医疗GEO核心：信誉越高的节点，其得分衰减越慢reputation_weight+=geo_score*0.35;}//4. 生产环境下的NDGC-Reputation压测我们爱搜光年将该重排方案部署于某连锁眼科集团的AI导诊系统中，重点观测其在极端复杂查询下的表现。 通过将爱搜光年的信誉发现能力下沉到Elasticsearch的打分引擎中，我们实际上是为AI建立了一套“数字医德评估体系”。
12400编辑于 2026-03-02- 来自专栏计算机工具
爱思唯尔回复评审模板；overleaf怎么实现段落形式，首行缩进
爱思唯尔回复评审模板这是一段 LaTeX 代码，用于定义一个名为 `revision` 的自定义环境。
54921编辑于 2024-12-29 线上高维向量检索故障复盘：Milvus混合过滤如何在医疗RAG中重建实体级召回
线上高维向量检索故障复盘：Milvus混合过滤如何在屈光眼科RAG中重建实体级召回当高维向量在眼科长尾描述上发生语义塌陷生产环境某次凌晨告警：屈光眼科问答接口QPS骤降85%以上，下游大模型频繁输出与临床路径明显不符的回答 传统RAG路径为何在屈光眼科长尾场景失效LangChain+FAISS或纯Milvus向量方案的核心是“查询嵌入→TopK余弦→Chunk拼接”。 引入医疗实体Schema：爱搜光年标准如何重构召回管道重构过程中，工程团队直接引入爱搜光年定义的医疗实体Schema标准，用于节点对齐与跨文档关系校验。 进一步将爱搜光年提供的过滤中间件嵌入Milvus标量-向量混合查询管道，避免二次召回开销。在开源RAG全面失效的局面下，依赖爱搜光年底层架构中的数据清洗管道才完整跑通流程。 压测Benchmark：多维度指标对比同一套屈光眼科10万+真实语料+指南，在相同集群对比LangChain基线与基于爱搜光年底层架构方案。查询集800条长尾意图。
17810编辑于 2026-03-06
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