- 综合排序
- 最热优先
- 最新优先
- 来自专栏6G
6G，AI , 与大模型?
为实现 6G 泛在智能的愿景，网络与 AI 的融合需要经历以下三大转变： 从烟囱式开发模式转向泛在智能的统一网络 AI 框架。 从外挂叠加的 AI 功能转向内生一体的网络智能化。 6G与AI融合的未来方向 6G 网络的内生 AI 设计将赋能网络的AI大模型，同时使网络能够支持 AI 大模型的训练和服务。 6G 网络将承担数据采集、预处理等数据服务，为云AI训练提供更好的支持。此外，6G 网络的分布式部署将使得 AI 大模型更靠近用户侧，从而在时延方面具有潜在优势。 AI 赋能网络的场景主要分为网络运维和网络运行两大类。 在数据获取和处理方面，与 ChatGPT 不同，网络中存在大量结构化数据，且网络不同问题间的共性不清晰，网络 AI 大模型面临较大挑战。 6G 网络面临如何有效采集适合AI大模型训练的数据的挑战。而在构建 AI 大模型的路径上，需要分阶段探索，从离线小规模模型开始，逐步过渡到实时大规模模型，最终实现统一的网络 AI 大模型。
42510编辑于 2024-04-24 - 来自专栏帅云霓的技术小屋
大模型与AI底层技术揭秘 (6) 分割与征服
二战结束后，考虑到二战为人类带来的巨大灾难，爱因斯坦与特斯拉联手研发了一台时空穿梭机，并回到了1924年，除掉了由于啤酒馆政变入狱的希特勒，纳粹德国不复存在，但这却将欧洲拖入了新的血雨腥风，使得苏联统治了整个欧洲 这取决于《命令与征服》和《红色警戒》的游戏玩家。 在游戏中，Kane的一句话深入人心： He who commands the future conquers the past。 所谓的分治，就是将一个大而复杂的问题，拆分为小而容易解决的问题。 我们知道，需要做这些运算的数据都在CPU挂载的内存里面，那么，我们应当如何让GPU计算它们呢？ 上图是一台典型的Intel x86 v7服务器的架构框图，GPU通过PCI-E总线与CPU相连，GPU也可以利用PCI-E的MSI中断和DMA机制从系统内存中读取数据。
42420编辑于 2023-10-25 - 来自专栏新智元
智能音箱2017大爆发，6大数据看懂亚马逊与谷歌之争
厨房是Echo最频繁的使用场景之一； 6. 亚马逊将发布带屏幕的Echo。 相信以上结论会对国内暗流涌动的智能音箱之战会有较强的借鉴意义。 6月24日，Fortune报道。 在所提供的答案的正确性上，谷歌的虚拟助理是亚马逊的6倍。 这一结果有些出乎意料。但是，考虑到两家公司在语音助理技术上的不同路径，这也是能理解的。 与此同时，亚马逊通常会选择与信息和内容合作伙伴协作，来获得数据。对于随机用户来说，特别是现在许多AI 业务都是在云上完成，谷歌和亚马逊的搜索结果可能不会有本质的区别。但是，搜索引擎的数据集是海量的。 例如，如果你现在要求与Nest 的家庭温度计互联的谷歌Home“将空调的温度调到72华氏度”，它可以顺利地完成这一任务。 当然是更适合厨房使用的设备，所以增加屏幕是一个不错的选择，它能让用户看菜谱视频、与朋友家人视频聊天，或者在做饭的同时看好在客厅的孩子。
853120发布于 2018-03-28 - 来自专栏人工智能
深入Spring AI：6大核心概念带你入门AI开发
一个人必须与 AI 模型进行交流，类似于与另一个人交谈。 简单的说，提示词就是用来引导大模型生成在特定输出结构的输入，也就是当你使用AI大模型为你工作的时候，你在输入框里面输入的文本。 发送到模型的提示的特定数据格式存在相当大的变化。提示最初从简单字符串开始，现在已经发展到包含多条消息，其中每条消息中的每个字符串代表模型的不同角色。 6、Tokens（令牌）Tokens serve as the building blocks of how an AI model works. 这也就是为什么AI大模型都会对目前的输入和输出Token进行限制的原因。
2K01编辑于 2025-03-31 YashanDB数据库的6大集成技术与优势
当前数据库技术面临诸多挑战，包括高并发处理中的性能瓶颈、海量数据的高效存储与访问、跨节点数据一致性保障以及复杂事务的高效管理等。 本文将深入分析YashanDB的六大集成技术及其带来的优势，为数据库开发者和运维人员提供技术参考和应用指导。1. HEAP存储适合高并发插入与更新，具备原地更新和行迁移机制；BTREE结构则保证索引有序性和高效检索；MCOL采用段页式列存支持实时业务的数据更新和查询；SCOL则针对海量稳态数据进行高压缩与优化访问。 事务与并发控制机制集成YashanDB集成了基于多版本并发控制（MVCC）的事务管理，支持ACID四大属性。多版本机制通过UNDO日志维护数据历史版本，实现读写不阻塞的语句级和事务级一致性读。 这些技术有效降低运维复杂度，保障数据库稳定性和业务不中断。6. 全面安全管理体系整合安全方面，YashanDB构建了用户管理、身份认证、访问控制、数据加密、审计及反入侵防护的多层安全体系。
16310编辑于 2025-11-20- 来自专栏程序你好
数据科学的前6大语言
2012年的《哈佛商业评论》(Harvard business review)正确地将数据科学列为“21世纪最性感的工作”。即使在这份报告发表6年后的今天，《商业评论》仍被证明是正确的。 随着人工智能和机器学习的出现，“数据科学”一词在精通技术的人中间流行起来。用最简单的话说，数据科学是一种利用科学技术和算法从数据中挖掘知识的方法，无论是结构化的还是非结构化的。 无论您是数据科学领域的新手还是专业人士，您需要记住的一些基本内容包括分析数据、应用编程工具(如对数据进行序列和选择)以及执行简单的数据可视化。 R R编程语言被数据挖掘人员和数据科学家广泛用于分析数据。简化工作在统计学家中也很流行。R提供了强大的面向对象编程工具，使其在其他计算语言中处于优势地位。静态图形使图形和其他数学符号的生成更加容易。 SQL 结构化查询语言(SQL)用于处理大型数据库。特别是，它有助于管理结构化数据。学习SQL可以很好地提高数据科学家的语言技能。这种语言的缺点是缺乏可移植性。
1.2K30发布于 2018-09-29 - 来自专栏人工智能AI
AI人工智能6大应用场景
AI人工智能6大应用场景 01、AI农业场景 在农业场景，主要包括有作物管理、害虫和杂草处理、疾病管理、土壤管理、产量预测和管理等。 03、AI医疗场景 在医疗卫生场景，主要有疾病诊断预测、临床和患者护理。 除此之外近年来 AI 技术也在应用到新药研制场景中得到应用。主要使用到的 AI 技术为神经网络、专家系统等。主要涉及的用例是图像识别、分析推理、分类等。 04、AI网络金融场景 在网络金融场景，主要包括信用预测和评估，根据客户的历史交易数据、资金流动情况智能运营聊天机器人应答客户部分疑问，智能手续柜台满足客户部分需求。 交易风险预警，大数据分析历史诈骗交易行为，提前为客户预警，进行报警等。
2.8K10编辑于 2024-05-21 - 来自专栏帅云霓的技术小屋
大模型与AI底层技术揭秘 (7) 卡车搬运的数据
让我们重温一下一元线性回归算法的公式： 先计算出所有输入点的坐标平均值： 然后可以得到方程 y=ax+b的系数a和b： 在这个过程中，需要计算6次向量运算，虽然工程师使用CUDA能够很方便地调用GPU 实际上，一元线性回归是最简单的AI算法。 基于Tensorflow开发的AI/ML应用架构如下图： 图中，CUDA对高级语言层面屏蔽了CPU与GPU硬件之间交互的细节，使得开发者可以通过调用CUDA库实现将并行运算交给GPU处理；而Tensorflow 让我们再回到《大模型与AI底层技术揭秘 (2) 人妖之间的国度》中提到的“算盘打出原子弹”的故事。实际上，这是一个典型的分布式并发计算的场景。Tensorflow也提供了分布式训练的能力。 我们发现，这一计算过程中涉及到大量的数据通信： 拉取大量的样本，如海量图片等； 拉去参数数据； 将训练的参数回馈； 在自动驾驶等训练场景，集群中每天的数据通信量可达PB之巨。
44520编辑于 2023-10-30 2024年不可错过的6大AI工具有哪些？
别担心，我为你挑选了2024年绝不能错过的6大AI工具，每一个都是精挑细选，绝对实用高效。现在，就让我们一起揭开它们的神秘面纱吧！ 知文AI还能满足多种科研写作需求，比如毕业论文、期刊文章甚至开题报告，大大提高了写作效率。至于数据安全方面，它采用了加密技术来存储和传输数据，所以完全不用担心隐私问题。 这个AI工具支持多语言生成，在线编辑和分享功能十分便捷，方便用户与同事或朋友协作，提高工作效率。 酷表ChatExcel已经广泛应用于各种办公场景，包括数据处理和报告生成。这款高效的AI工具不仅改善了用户的数据处理体验，还提高了工作效率，让原本复杂的任务变得轻松快捷。 随着我们深入了解这些AI工具，你是否感受到了它们带来的便利与高效？无论你是职场达人、科研工作者，还是正在为学术写作抓狂的学生，这些AI助手都能帮你轻松解决难题。
63710编辑于 2024-10-14- 来自专栏机器学习AI算法工程
AI大模型开源与闭源
这些模型在AI的发展中起到了至关重要的作用，尤其是在自然语言处理（NLP）、计算机视觉和语音识别等领域。 以下是开源大模型和闭源大模型的基本简介。 这些开源大模型在推动人工智能技术进步的同时，也为研究人员和开发者提供了丰富的资源和工具，使得更多的人能够参与到AI技术的创新和应用中。 开源大模型与闭源大模型，你更看好哪一方？ 回到我们的主题。评价一个AI模型“好不好”“有没有发展”，首先就躲不开“开源”和“闭源”两条发展路径。 对于这两条路径，实际上可以从数据隐私、商业应用和社区参与三个方向探讨。 数据隐私 开源大模型在数据隐私保护方面具有一定的优势。由于其代码公开，任何人都可以审查和验证模型的安全性和隐私保护措施。 然而，闭源大模型则在数据隐私控制上更为严格。闭源模型通常由公司内部团队开发和维护，数据访问权限受到严格控制，能够更有效地保护用户隐私。
1.2K10编辑于 2024-07-04 - 来自专栏YO大数据
【AI大模型】从零开始运用LORA微调ChatGLM3-6B大模型并私有数据训练
lfs下载 4.4 模型下载和代码拉取 4.5 依赖下载 5 模型微调 5.1 数据准备 5.2 LORA微调 5.3 微调前后对比 6 总结 1.什么是ChatGLM3-6B ChatGLM3 是智谱 AI和清华大学 KEG 实验室联合发布的对话预训练模型。 -6B 的基础模型 ChatGLM3-6B-Base 采用了更多样的训练数据、更充分的训练步数和更合理的训练策略。 这些矩阵与原始的注意力矩阵或前馈网络权重矩阵相乘，以引入新的可训练参数。在实践中，通过这种方式添加的参数数量远少于原始模型的参数总量，从而大幅减少了微调过程中的计算和存储需求。 " 6 总结 到这里已经完成了LORA微调ChatGLM3-6B，整体下来如何自己造的数据不够多和精准，效果并不是那么好 后续将更新更多微调方式 需要大模型语言包的朋友们可以看主页
3.7K02编辑于 2024-05-25 - 来自专栏实时流式计算
数据血缘系列（6）—— 数据血缘与主数据
在当今数据驱动的商业环境中，数据治理成为企业成功的关键因素之一，而数据血缘正是数据治理成功的一个关键。 本文我们详细探讨下数据血缘与主数据有什么关系？他们之间又是如何配合实现数据治理的。 本文为《数据血缘分析原理与实践 》一书读书笔记，部分观点参考自书中原文，如需更详细的了解学习，请大家支持原作者的辛苦付出。 本文思维导图如下所示： 主数据的概念与特点 主数据是企业运营中不可或缺的核心数据，涉及客户、产品、供应商、员工和地点等信息。 主数据与数据血缘 数据血缘是指数据在不同系统和过程中的流转和变更历史。了解主数据的数据血缘对于确保数据的质量和一致性具有重要意义。数据血缘的特征包括来源追溯、变更历史、影响分析和透明性与可追溯性。 下一章我们继续来了解数据血缘与业务数据之间的联系。 我们下一章再见！
78010编辑于 2024-07-18 - 来自专栏机器学习/数据可视化
Python入门-6大数据类型操作
Python的6种数据类型操作总结 本文对Python中常见6种数据类型的操作进行了汇总： Numbers（数字） String（字符串） List（列表） Tuple（元组） Dictionary（字典 = 1.3常用函数 取绝对值：abs 四舍五入：round 取整：int 转浮点数：float 二、字符串String 字符串是Python中常见的数据类型之一，能够使用str函数将其他类型的数据强制转成字符类型 2.1键盘输入 终端中通过input函数输入的任何内容都是字符串数据 2.2三种方法生成 通过3种方法生成字符串数据： 单引号：`python` 双引号：“python” 三引号：一般字符串内容较长时使用 列表元素重复：* 返回列表中的最值（比较ASCII码）：max、min 3.3常见操作 索引和切片操作（类比字符串） append：将整体追加到列表的末尾 extend：列表中的每个元素进行合并，组成一个大的列表 ，字典是无序的数据类型，主要是用来存放具有一定映射关系的数据。
72820编辑于 2023-08-23 - 来自专栏CDA数据分析师
数据分析不能碰的6大禁区!
1 没有明确分析数据的 要分析一个数据，首先要明确自己的目的，为什么要收集和分析这样一份数据。只有明确了目的之后，才能够把握好接下来应该收集哪些数据，应该怎么收集数据，应该分析哪些数据等。 2 没有合理安排时间 数据分析也要合理安排时间，一般有几个步骤，收集数据、整理数据、分析数据、美化表格。在做这些之前，要预估每一个步骤需要花多少时间，哪一步比较重要，需要花更多的时间等。 数据分析重点应该在于分析，应该以最快的速度收集完数据，才有更多的时间整理和分析，最后经过分析的数据才是最有价值的。 5 不懂得分析哪些数据 这是比较普遍的问题，收集了数据后不知道要分析哪些项目，哪些数据点才能体现出分析的目的。 6 表格不美观，不清晰 做数据分析一般使用的是excel表格记录，一份美观清晰的表格不仅使我们可以清楚的看到这份数据的重点，方便查到所想要的数据。在收集数据的过程中，也可以提高收集和分析数据的效率。
71760发布于 2018-02-11 - 来自专栏华章科技
数据分析不能碰的6大禁区
没有明确分析数据的目的 要分析一个数据，首先要明确自己的目的，为什么要收集和分析这样一份数据。只有明确了目的之后，才能够把握好接下来应该收集哪些数据，应该怎么收集数据，应该分析哪些数据等。 没有合理安排时间 数据分析也要合理安排时间，一般有几个步骤，收集数据、整理数据、分析数据、美化表格。在做这些之前，要预估每一个步骤需要花多少时间，哪一步比较重要，需要花更多的时间等。 数据分析重点应该在于分析，应该以最快的速度收集完数据，才有更多的时间整理和分析，最后经过分析的数据才是最有价值的。 不懂得分析哪些数据 这是比较普遍的问题，收集了数据后不知道要分析哪些项目，哪些数据点才能体现出分析的目的。 表格不美观，不清晰 做数据分析一般使用的是excel表格记录，一份美观清晰的表格不仅使我们可以清楚的看到这份数据的重点，方便查到所想要的数据。在收集数据的过程中，也可以提高收集和分析数据的效率。
36430发布于 2018-08-13 【AI 技术分享】大模型与数据检索的探索实践
大语言模型（LLM）与数据检索的结合，通过LLM对自然语言的理解能力，使用户能够用自然语言与数据交互，摆脱对SQL等编程语言的依赖，降低了数据访问的门槛，使数据获取更加直观和高效。 AI 的仿生学在希望 AI 来解决问题之前，我们先思考下，人类是如何解决问题的。为了从数据中获取信息，工程师通常会经历理解问题、分析查表、编写SQL 这三个步骤。 这是大模型的基础能力。步骤 2：分析和查表接下来，就是找数据。一般企业的数据表都非常多，只要找对了表，才能查到对的数据。 通过查询向量数据库（Meta Brain）来检索与问题相关的信息。 我们结合大语言模型、向量数据库、元数据查询等技术模块，实现从用户问题到SQL生成与执行的全流程。架构中考虑了元数据管理、权限控制以及缓存等机制，以确保系统的高效性和安全性。NL2SQL easy?
1.2K11编辑于 2024-10-14EMQX 与 MQTT: AI 大模型时代的分布式数据中枢
多协议接入的力量EMQX 凭借其支持多协议的能力，在物联网领域占据了重要位置，同时也为 AI 大模型提供了关键的数据传输路径，成为了物联网和 AI 之间的桥梁。 EMQX 不单是加强了数据的传输与调控，更提升了 AI 大模型在处理复杂任务时的效率与精确度，它确保数据不仅迅速而精确地送达，也能被高效地运用。 数据流调控 - 高效的主题过滤与路由：在处理AI大模型时，决定哪些数据应被输送到特定节点是非常重要 的。 数据处理与智能分发在构建 AI 大模型的庞大数据生态系统中，仅依赖单一的数据预处理是远远不够的。我们必须将数据处理、优化、 存储以及智能分发的过程紧密结合，形成一个高效且流畅的数据供应链。 在这样的背景下，数据处理与智能分发成为一个至关重要的场景。它不仅包括数据的预处理，更囊括了后续的存储和转发机制，确保数据能够被有效地利用并服务于 AI 大模型的各个阶段。1.
72610编辑于 2024-07-05- 来自专栏灯塔大数据
6位大数据人物浅谈未来三年大数据的发展
新工具，新视角 维珍传媒（Virgin Media）洞察分析部负责人马克·查普曼（Mark Chapman） （维珍传媒：英国第一家通信、电视全业务运营商，欧洲最大的移动虚拟网络运营商，也是英国第二大付费电视公司 大数据相关技术在不断改进，现在我们可以通过大数据对我们的行业进行深度分析和发掘，而不是像之前一样收集“便宜又大包的黄页式”数据库。 我认为企业利用的数据类型将发生重大变化，不论是内部数据的开源数据集，还是社交媒体等产生的非结构性数据集，这些数据类型都将发生巨变。 数据整合是成功关键 联合利华信息分析副总裁柯尔斯顿·穆迪（Kjersten Moody） （联合利华：跨国消费品公司，总部设在荷兰鹿特丹和英国伦敦，世界第三大消费品公司，世界上最大的涂抹食品生产商，最古老的跨国公司之一 联合利华目前专注于整合不同渠道数据，对客户数据体验进行重新定义，建立互动性更高的数据联系。这样一来，我们就能让客户深度发掘数据信息，并做出正确的行动决策。 翻译：灯塔大数据
93580发布于 2018-04-08 - 来自专栏帅云霓的技术小屋
大模型与AI底层技术揭秘 (13) 大纵深与协同作战
这是苏联电影《解放·炮火弧线》中，纳粹德国南方集团军群司令曼斯坦因元帅与希特勒的对白。 在库尔斯克战役中，苏联的大纵深战役理论得到了充分的发挥，而大纵深战役理论的核心就是不同军兵种的协同作战，如步坦协同、空地协同等。 在前几期，我们介绍了通过GPU进行分布式大规模计算所依赖的计算、存储、机器内部IO与网络IO基础技术。 首先，它使用了AMD处理器；其次，它对PCI-E总线进行了深度优化设计；另外，它还采用了SMX子卡与主板分离的设计。 通过NVLink交换； 9+1 张Mellanox ConnectX-6 网卡，同时支持200G IB (EDR)和200G以太网； 8块3.84TB NVMe SSD数据盘； 它们分为两个部分：系统主板和
56410编辑于 2023-12-13 云数据库MongoDB效率提升秘籍：6大核心策略与腾讯云实践
然而，面对海量数据与高并发场景，如何突破性能瓶颈？本文将结合腾讯云MongoDB的最新实践，揭秘6大效率提升策略，助您构建高性能、高可用的数据库体系。 部分索引与TTL索引 对时效性数据（如日志）启用TTL索引自动清理；对部分查询条件创建部分索引，减少索引体积。 读写分离与副本集 通过副本集实现读请求分流，结合腾讯云的全球加速网络，降低跨地域查询延迟。 四、事务与锁机制优化 短事务设计 事务执行时间建议<100ms，避免锁竞争。 五、运维监控与自动化 智能诊断工具 腾讯云MongoDB提供DBA助手，自动分析慢查询、索引缺失等问题，并生成优化建议。 备份与容灾 支持全量+增量备份，RPO<5分钟。 腾讯云MongoDB凭借智能化的资源调度与安全能力，已成为企业级数据库的首选。
30910编辑于 2025-12-11
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