- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI算法札记
导轨设计的基本要求
最近设计的产品需要上下滑动，设计导轨，把导轨设计的基本要求和大家分享一下，希望对大家有所帮助。 1.导向精度 导向精度是指运动构件沿导轨导面运动时其运动轨迹的准确程度。 7.结构工艺性 结构工艺性是指导轨副（包括导轨副所在构件）加工的难易程度。在满足设计要求的前提下，应尽量做到制造和维修方便，成本低廉。
92130编辑于 2022-08-02 - 来自专栏机器人网
机械臂部设计的基本要求
承载能力足： n手臂是支承手腕的部件，设计时不仅要考虑抓取物体的重量或携带工具的重量，还要考虑运动时的动载荷及转动惯性。 刚度高： 为了防止臂部在运动过程中产生过大的变形，手臂的截面形状要合理选择。
1.4K50发布于 2018-04-25 - 来自专栏博客园迁移
业务开发的基本要求
这里指的业务系统，特指web层业务系统，不包括底层基础服务（比如商品中心等提供dubbo服务的系统）这类系统的特点是直接面向B端商家或者C端用户，很多时候需要用户登录，大多提供http（https）服务，流量来源有PC页面、APP和H5。对于这类系统的开发，有一些通用的原则（或者叫必须知道的事情）需要大家关注，如果你不知道这些，那就不是一个合格的业务开发，需要反思！
81220发布于 2019-04-01 - 来自专栏云计算linux
IDC运维工程师的基本要求
这是一个非常头痛的问题；往往时间非常紧迫，如限1周内完成，这种情况下，运维工程师的主动性及执行力就有很高的要求了：计划、方案、服务无缝迁移、机器搬迁上架、环境准备、安全评估、性能评估、基建、各关联部门扯皮,7X24 7、技术发展方向、网站/系统架构师。
77910编辑于 2024-12-13 - 来自专栏魏艾斯博客www.vpsss.net
腾讯云网站备案咨询：网站命名基本要求
一、网站名称基本要求 非国家级单位网站名称不能包含“中国”、“中华”、“国家”、“人名”、“地名”等字样。
7K30发布于 2019-10-22 - 来自专栏数控编程社区
立式加工中心的数控加工对刀具使用基本要求
因而立式加工中心对所使用的刀具要求有足够的刚性和较高的强度，进而为了保持工件加工尺寸的一致性，立式加工中心的加工刀具一定要具有加工的耐用度，从而本文进行具体介绍关于立式加工中心的数控加工对刀具使用基本要求 综上即是对立式加工中心的数控加工对刀具使用基本要求的介绍，并且信誉好的立式加工中心是一种配置有刀库及自动换刀装置的数控型铣削加工设备。
98110编辑于 2022-06-30 - 来自专栏C++核心准则原文翻译
C++核心准则C102-109:容器的基本要求
Example(示例) Sorted_vector<int> sv {1, 3, -1, 7, 0, 0}; // Sorted_vector sorts elements as needed Enforcement
34420发布于 2020-03-25 - 来自专栏数通
定义、等级划分、基本要求和未来趋势
四、基本要求 等保2.0从技术和管理两个维度构建安全框架，覆盖传统系统及新兴技术场景： ①技术层面 三重防护结构：在安全管理中心支持下，强化安全通信网络、安全区域边界、安全计算环境
6.7K30编辑于 2025-04-16 - 来自专栏月色的自留地
从锅炉工到AI专家(7)
说说计划 不知不觉写到了第七篇，理一下思路： 学会基本的概念，了解什么是什么不是，当前的位置在哪，要去哪。这是第一篇希望做到的。同时第一篇和第二篇的开始部分，非常谨慎的考虑了非IT专业的读者。希望借此沟通技术人员和产品人员，甚至管理和销售人员。我信服“上下同欲者胜”，所以也非常害怕因为大家对概念完全不同的理解而影响到团队的合作。 从最简单的部分入手，由概念到代码，完成技术破冰。这是第二、三篇希望做到的。 逐步迭代，从简单概念到复杂概念，从简单算法到复杂算法，接触到机器学习现实最常用的技术。这是四、五、六篇希
73260发布于 2018-06-20 - 来自专栏Go语言学习专栏
7 - AI 智能体构建 - AI 超级智能体项目教程
本节重点 学习 AI 智能体的概念和构建方法，掌握如何实现具有自主决策能力的 AI 系统。 1）首先是 AI 大模型，这个就不多说了，大模型提供了思考、推理和决策的核心能力，越强的 AI 大模型通常执行任务的效果越好。 三、使用 AI 智能体 有 3 种方式可以使用 AI 智能体，之前的教程中其实我们已经有接触过，这里再快速复习一遍。 也可以直接使用专门的 AI 智能体工作流编排框架，比如 LangGraph 和 Spring AI Alibaba Graph。 2）Spring AI Alibaba Graph 目前 Spring AI 官方还没有提供工作流编排能力，但是国内的 Spring AI Alibaba 已经提供了工作流编排框架 Spring AI
66310编辑于 2026-03-17 - 来自专栏RTSP/RTMP直播相关
GB28181-2022注册注销基本要求、注册重定向解读和技术实现
规范解读GB28181-2022注册、注销基本要求相对GB28181-2016版本，做了一定的调整，新调整的部分如下：——更改了注册和注销基本要求（见 9.1.1，2016 年版的 9.1.1）。 这里，我们来看看GB28181-2022针对注册和注销的基本要求：a)SIP客户端,网关、SIP设备、联网系统等SIP代理(SIP UA)应使用IETF RFC 3261定义的REGISTER方法进行注册和注销 相对GB28181-2016，注册和注销基本要求，主要增加了NAT模式下的网络传输要求，建议增加TCP传输模式。 errorInfo :""));}总结以上是GB28181-2022注册注销基本要求和注册重定向相关的调整，感兴趣的开发者，可以直接阅读相关规范，总的来说GB28181-2022更全面，2016版忽略的细节
1.9K50编辑于 2023-02-14 - 来自专栏『学习与分享之旅』
AI编码焕新：用Context7
最近，一款名为 Context7 MCP 的工具备受瞩目。网络上流传着各种说法，比如它解决了大语言模型的痛点、革新了 AI 编码方式，甚至能让 Cursor 效率提升十倍。 18 project with the new createRoot API. use context7 Context7 会自动获取 React 18 的最新文档，AI 便会生成正确的代码： // Context7 网站介绍 除了 MCP 集成，Context7 还提供了一个便捷的网站服务：https://context7.com 网站功能特点 Context7 网站的核心功能是为 LLM 和 AI 时可能遇到的问题： ❌ 训练数据包含过时文档 ❌ 生成不存在的虚假代码示例 ❌ 提供不针对特定版本的通用答案 ❌ 浪费时间验证 AI 生成的响应 ❌ 因与 LLM 反复沟通而感到挫败 使用 Context7 无论你使用 Cursor、Claude 还是其他 LLM 工具，它都能帮助你获得更好的答案，避免 AI 产生幻觉，让 AI 真正理解你的技术栈。
11.2K21编辑于 2025-08-12 - 来自专栏网络时间同步
IRIG-B码对时是变电站自动化系统的基本要求
时间的精确和统一是变电站自动化系统的最基本要求。 当并行D触发器的输出“Q9Q8Q7Q6Q5Q4Q3Q2Q1Q0”为“0011111111”时，对应的码元信息为标识位；同理，“0000011111”对应码元“1”，而“0000000011”对应码元“0 4)码元记录单元码元记录单元根据码元识别结果和码元位置来组合产生时间信息，包括7位秒信息、7位分信息和6位时信息。 5)信息处理因为当前解出的时间是上一秒的时间信息。
2.6K00发布于 2020-07-23 - 来自专栏云云众生s
剖析Altman 7万亿美元AI芯片雄心
Altman计划筹集高达7万亿美元基金，用于建设一系列AI芯片工厂，如果成行，他将掌管全球第三大经济体。但这笔巨资究竟会如何使用投资？ 译自 Making Sense of Sam Altman’s $7 Trillion AI Chips Gambit，作者 Agam Shah 已长期报道企业IT领域超过十年。 他试图筹集7万亿美元用于建造AI芯片工厂的尝试让许多人翻了个白眼。 Altman雄心勃勃的7万亿美元基金用于建立一系列AI芯片工厂，将使他成为世界第三大经济体的管理者。 “Sam Altman身上到底有什么，让人们追踪他就像追踪泰勒·斯威夫特？ Sam Altman为何要向AI投资7万亿美元 Altman的7万亿美元计划可能是一个雄心勃勃的计划，旨在重构整个半导体行业，该基金规模是电子行业的两到三倍，Hutcheson在解释分析公司发布的芯片内幕通讯时写道
28810编辑于 2024-03-28 - 来自专栏全栈开发工程师
AI日报 - 2025年3月7日
中国AI巨头加速机器人领域布局 ▎ 政策追踪 | 中国宣布增加对AI、科学和技术创新的支持 政策红利推动技术商业化 ▎ 技术趋势 | HEADINFER技术实现消费级GPU长上下文推理 算力成本降低，边缘AI应用加速 ▎ 应用创新 | Runway首帧视频风格转换惊艳亮相 生成式AI在视频领域再突破 一、今日热点 (Hot Topic) 1.1 Anthropic预测AI将超越诺贝尔奖得主 ⚡ 数据支撑：其模型在化学推理、医学诊断等领域的准确率已接近人类专家 行业影响： ▸ 加速AI在基础科学研究中的角色转变，可能重构科研范式 ▸ 伦理争议升温，需建立AI科研成果的评估与认证体系 Hugging Face视频分类器优化数据管理 应用场景：短视频平台内容审核 ● 实施效果： 关键指标 实施前 实施后 提升幅度 审核准确率 89% 96% +7% 处理速度 1200帧/秒 3500 ▸ 验证了LLMs在复杂策略游戏中的规划能力 ▸ 引发关于AI游戏测试伦理的讨论 每日金句 今日思考：*"AI不会取代人类，但会用AI的人将取代不用AI的人"* 出自：Andrew Ng（吴恩达
44110编辑于 2025-03-09 - 来自专栏菩提树下的杨过
spring-ai 学习系列(7)-MCP 安全认证
<dependencies> 3 <dependency> 4 <groupId>org.springframework.ai </groupId> 5 <artifactId>spring-ai-bom</artifactId> 6 <! --目前只有snapshot版本的mcp webmvc功能正常--> 7 <version>1.1.0-SNAPSHOT</version> 8 false; } //模拟几个账号123456，234567，允许访问，其它拒绝 String token = authorization.substring(7) at main · spring-projects/spring-ai-examples
75310编辑于 2025-08-22 - 来自专栏量子位
欧盟发布AI产品7大原则
他们从专业的角度出发，提出了未来AI系统应该满足的七大原则。 受人类监管 AI不应该践踏人类自治。人类不应该被AI系统操纵或威胁，人类应该能够干预或监督AI的每一项决定。 透明度 用于创建AI系统的数据和算法应该是可访问的，应确保AI决策的可追溯性。换句话说，运营商应该能够解释他们的AI系统是如何做出决策的。 而现在，AI七大原则也由欧盟率先提出，欧委会表示下一步他们还要为以人为本的AI制定国际共识，在G20峰会这样的国际场合探讨此事。 网友们怎么看 AI的迅猛发展到底会不会给人类带来机器人末日，其实一直是许多人心里的隐忧。在追求AI的安全性方面，无论是研究者还是普通人都没有停止过关注。 不过对于欧盟提出的这7大原则，也不是人人都买账的。 比如就有网友提出，凭啥AI话语权一定要不如人类，它要是就比人类强呢？ ? 也有人觉得关于透明度的要求不太现实，神经网络本来就是一个黑盒子。
55540发布于 2019-04-22 - 来自专栏GiantPandaCV
星辰AI大模型TeleChat-7B评测
前言 受中电信 AI 科技有限公司的邀请，为他们近期开源的TeleChat-7B大模型做一个评测。 TeleChat-7B是由中电信 AI 科技有限公司发的第一个千亿级别大模型，基于transformer decoder架构和清洗后的1TB高质量数据训练而成，取得了相同参数量级别的SOTA性能，并且将推理代码和清洗后的训练数据都进行了开源 开源地址见：https://github.com/Tele-AI/Telechat 。此外，在开源仓库中也提供了基于DeepSpeed的LoRA微调方案以及国产化适配的训练和推理方案。 环境配置 可以使用官方提供的Docker镜像，也可以自己按照 https://github.com/Tele-AI/Telechat/blob/master/requirements.txt 来配置。 用户： 从思想、工作能力、团队合作三个方面评价员工，300字以内 TeleChat-7B： 作为一名AI语言模型，我没有个人观点和情感。但是，我可以根据一些常见的指标来对员工进行评价： 1.
67320编辑于 2024-02-22 - 来自专栏圣杰的专栏
.NET+AI | MEAI | 上下文压缩（7）
Chat Reducer：让 AI 对话突破上下文限制 一句话简介 Microsoft.Extensions.AI 的 Chat Reducer 通过智能压缩策略,在保持对话质量的前提下,有效控制上下文长度 SummarizingChatReducer(摘要压缩器) 利用 AI 自动生成摘要压缩历史对话。 核心特性: 超过阈值时自动调用 AI 生成摘要 摘要存储在 AdditionalProperties 中 渐进式压缩(新摘要包含旧摘要) 保留完整语义上下文 适用场景: 医疗咨询(完整病史重要) 使用计数压缩器 using Microsoft.Extensions.AI; // 创建压缩器,保留最近 3 条消息 var countingReducer = new MessageCountingChatReducer baseChatClient.AsBuilder() .UseChatReducer(reducer: summarizingReducer) .Build(); 工作原理: 原始消息(7条
22210编辑于 2025-12-28 - 来自专栏Juicedata
如何借助 JuiceFS 为 AI 模型训练提速 7 倍
本文来自：JuiceFS官网博客 背景 海量且优质的数据集是一个好的 AI 模型的基石之一，如何存储、管理这些数据集，以及在模型训练时提升 I/O 效率一直都是 AI 平台工程师和算法科学家特别关注的事情 AI 平台整体架构 上面是一个常见的 AI 平台架构图。 当打开一个文件时（即 open() 请求），为了保证一致性[7]，JuiceFS 默认都会请求元数据引擎以获取最新的元信息。 下图是两个场景的测试结果（「w/o PC」表示没有 page cache）： 得益于元数据缓存和数据缓存，可以看到不管是在哪种场景下，JuiceFS 相比对象存储平均都能达到 4 倍以上的性能提升，最多能有接近 7 总结及展望 本文介绍了在 AI 模型训练中如何充分利用 JuiceFS 的特性来为训练提速，相比直接从对象存储读取数据集，通过 JuiceFS 可以带来最多 7 倍的性能提升。
1.1K20编辑于 2021-12-10
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