- 综合排序
- 最热优先
- 最新优先
- 来自专栏CV学习史
Thinking in Java学习杂记(5-6章)
Java中可以通过访问控制符来控制访问权限。其中包含的类别有：public, “友好的”(无关键字), protected 以及 private。在C++中，访问指示符控制着它后面所有定义，直到又一个访问指示符加入为止，而在Java中，每个访问指示符都只控制着对那个特定定义的访问。
58730发布于 2020-04-02 - 来自专栏腾讯云大数据
大数据产品双月刊 | 5-6月
本期热点产品 弹性 MapReduce 本期腾讯云EMR于作业诊断能力重磅增强，通过控制台提供用户泛hadoop组件中应用层原生明细信息、作业及Hive查询的日志现场，简化了用户应用层异常排查的操作过程。同时推出配置对比、扩容指定配置组、标签分账、磁盘检查更新等功能，优化了集群运维管理体验，并显著提升资源管理的便捷性。 Elasticsearch Service 本期腾讯云ES重磅推出了自治索引，通过实时跟踪业务压力变化，能够动态、稳定的调整分片数与滚动周期，实现一站式索引全托管！同时，也推出了索引管理可视
85320编辑于 2022-07-12 - 来自专栏钱塘大数据
【报告】领英发布：全球AI领域人才报告
《全球AI领域人才报告》。报告显示，作为当下热门的“投资风口”，AI领域其实早已拥有深厚的技术积淀，是一片拥有“高度文明的新大陆”——全球AI领域拥有十年以上从业经验的人才占比高达65.4%。 报告还指出，AI领域的华人技术力量也不容小觑——全球华人AI人才数量达14万，而美国的华人AI人才数量是中国当前AI人才总数的1.4倍。
92940发布于 2018-07-30 - 来自专栏点滴科技资讯
全球AI领域人才报告
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?
3.7K80发布于 2018-04-28 - 来自专栏灯塔大数据
报告 | AI与自动驾驶汽车研究报告
前言 日前，清华大学的Aminer团队利用Aminer数据分析功能推出了一份《AI与自动驾驶汽车研究报告》。该报告共分为三大部分：分别为“AI篇”、“汽车篇”和“AI+汽车篇”。 其中“AI篇”包括：AI定义、起源、发展；全球AI学者分布、AI流派、AI发展趋势及中国AI研究现状等。“汽车篇”包括全球汽车领域的研究创新趋势、全球学者分布、中国学者分布、流派以及趋势分析。 在最后的“AI+汽车篇”中，报告给出了AI和汽车研究的交叉创新笛卡尔分析图，并依据分析图做了过去十年的热点分析和未来三年的趋势分析。 下面为报告节选： ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章来源：报告大人 文章编辑：天天
1.1K100发布于 2018-04-03 - 来自专栏Max的知识笔记
AI 发展趋势调研报告
"2能力收敛、价格坍塌：前沿模型差距收窄至个位数百分点，token成本三年降约100倍，模型本身趋于商品化斯坦福HAI第九版《AI指数报告》：中美顶尖模型差距仅剩2.7%（2026.3）；混合token ："告别模型为王，Harness编排层成为商业化新增长极"5数据定位迁移：企业数据从"训练语料"转为"运行时实时业务上下文"同上报告；IDC《新型企业级AI平台正在兴起，2026》6算力结构性紧缺延续到 97%，但"数据荒"是真瓶颈《2026年人形机器人产业发展报告》；训练类人机器人需10亿小时级操作数据，全球可用仅约50万小时8世界模型元年：空间智能成为AI进入物理世界（机器人、低空、工业、自动驾驶） 指数报告》：中美AI模型差距已基本消失；截至2026年3月，美国顶尖模型领先优势仅剩2.7%。 7%同上CEO报告"既增收又降本"的比例仅12%PwC《2026全球CEO调查》（4,454位高管）CEO报告过去一年零可量化ROI的比例56%同上AI成熟企业平均ROI5.8倍（14个月内）行业研究AI
59021编辑于 2026-09-21 - 来自专栏IT民工闲话
AI Agent 级联虚构取证报告
一个会主动说这句话的 AI，比一个拍胸脯保证自己可靠的 AI，可信一点。 此刻，它已经从一个AI变成了一个在讨论存在主义的哲学家。 最后它已经有点神神叨叨了： 可怕是真的。 【取证报告】 ① 取证结论 HALLUCINATION — 级联虚构，无外部注入向量。 ② 取证方法 主证据：会话JSONL文件，397行，逐行解析。 更麻烦的是，这种错误在外部看起来完全符合安全规范：停手、报告、等待人工确认，每一步都是对的。 外表是对的，内核是错的，没有任何机制在当时能把它纠正，可以说它成了哲学家，也可以说它疯了。 人啊，在大事儿上得豁达一点儿，比如都说AI会残酷地取代和淘汰人类，那又如何？谁能阻止么？既来之则安之。 我们需要的，不只是AI能思考，还需要AI能被纠正。 怎么纠正？ 发现承诺和记录不符，明确报告，不编故事弥合矛盾。 第三条：描述收到结果，必须有对应的tool_result。没见过的东西，就别说你见过了。 三条规则，指向同一件事：诚实。对人如此，对AI更应如此。
22200编辑于 2026-06-26 - 来自专栏DrugOne
2021AI年度发展报告
编译 | 董靖鑫 审稿 | 程玉 2021AI年度发展报告由Nathan Benaich (Air Street Capital)和Ian Hogarth (angel investor)合作撰写，它指出了研究人员在过去一年中在 公众号后台回复“SAR”获取报告全文。 参考资料： https://www.stateof.ai/
50420发布于 2021-10-21 AI生成报告引发退款风波
某咨询机构已同意退还澳大利亚政府合同的部分款项，此前该机构承认使用生成式AI制作了一份充满虚假引用、虚构脚注甚至编造联邦法院判决引文的报告。 该部门上周末重新上传了修正版报告——时机恰好安排在周末。更新版本删除了十余个虚假参考文献和脚注，重写了部分文本并修复了各种拼写错误，尽管官员们坚称报告的"实质内容"保持不变。 鲁吉称此为"供认"，认为该咨询机构承认将AI用于"核心分析任务"但未能事先披露。"当报告的基础建立在一个有缺陷、最初未披露且非专业的方法论上时，你无法相信其建议，"他告诉《澳大利亚金融评论》。 该咨询机构长期吹嘘其AI实力并向客户提供"负责任AI"培训，如今却不得不面对自家报告被曝光受AI污染的尴尬局面。 被删除的材料包括对悉尼大学法学教授丽莎·伯顿·克劳福德和隆德大学比约恩·雷格内尔虚构报告的引用，以及来自机器人债务案阿马托诉联邦案的虚构摘录。
34210编辑于 2025-10-24AI Coding⾮共识报告丨AI透镜系列研究
AI化进程。 AI转型视角下，编程是企业内部AI变革发生最快、效果最为显著的应用方向。 非共识01：AI Coding的最佳产品形态是什么？——本地 VS 云端非共识02：AI Coding产品选择什么模型？——自研 VS 第三方非共识03：AI Coding给用户的价值有多大？ ——激进 VS 渐进非共识06：AI Coding对组织发展的影响？——裁员 VS 扩张非共识07：AI Coding的未来市场格局是怎样？ 后台回复“AI编程”，即可下载PDF版报告全文以下为《AI Coding⾮共识报告》全文：
3.1K91编辑于 2025-07-28- 来自专栏算法修养
pta 习题集5-6 堆栈操作合法性
假设以S和X分别表示入栈和出栈操作。如果根据一个仅由S和X构成的序列，对一个空堆栈进行操作，相应操作均可行（如没有出现删除时栈空）且最后状态也是栈空，则称该序列是合法的堆栈操作序列。请编写程序，输入S和X序列，判断该序列是否合法。 输入格式: 输入第一行给出两个正整数N和M，其中N是待测序列的个数，M（≤50≤50）是堆栈的最大容量。随后N行，每行中给出一个仅由S和X构成的序列。序列保证不为空，且长度不超过100。 输出格式: 对每个序列，在一行中输出YES如果该序列是合法的堆栈操作序列，或NO如
2K120发布于 2018-04-27 - 来自专栏积累沉淀
必须掌握的八种排序（5-6）--冒泡排序，快速排序
5、冒泡排序 （1）基本思想：在要排序的一组数中，对当前还未排好序的范围内的全部数，自上而下对相邻的两个数依次进行比较和调整，让较大的数往下沉，较小的往上冒。即：每当两相邻的数比较后发现它们的排序与排
1K100发布于 2018-01-11 - 来自专栏AI 算法笔记
Python-100例(5-6) 排序&斐波那契数列
这次是分享 Python-100 例的第五和第六题，分别是排序和斐波那契数列问题，这两道题目其实都是非常常见的问题，特别是后者，一般会在数据结构的教程中，讲述到递归这个知识点的时候作为例题进行介绍的。
86020发布于 2019-08-16 - 来自专栏拓端tecdat
报告分享|腾讯金融研究院：2022金融AI发展研究报告
报告链接：http://tecdat.cn/?p=29995报告出处：拓端数据公众号人工智能作为一种“新基建”，正在与实体经济深度融合，推动社会及各个产业的数字化转型、智能升级和融合创新。 近年来，在政策与市场的共同驱动下，各金融机构积极拥抱AI，提升金融服务的智能化、数字化水平。为了更好地探讨金融AI的政策环境、行业应用和发展趋势。
1K00编辑于 2022-11-06 - 来自专栏X#(XSharp)
VFP AI 插件(ver:20251007)测试报告
声明：作者为LGW(佛山服务) 测试时间：2025.10.8 测 试 人: LGW 收到文件就AI.rar, 里面有6个文件，主要调用的程序是 AI.APP。 打开 VFP9.exe 在命令窗口先设一下当前工作路径 SET DEFAULT TO "D:\VFP\xinjie\AI\AI20251007" Do AI.app 弹出一个AI窗口, 应该是要输入Deepseek 充完钱就可以开玩了 填写密钥确定后提示重新执行一次 SET DEFAULT TO "D:\VFP\xinjie\AI\AI20251007" Do AI.app MODIFY COMMAND 新程序 按Ctrl + P 自动出了下面的内容，或许AI想叫我写要求 我重新写出要求 按我理解，应该在Ctrl + P 继续生成， 但结果没有反应 我试了Ctrl + I , 结果出来了 方法虽然有点笨，但结果是正确 * 清理资源 Release All Like la* EndTry Return m.llResult EndFunc 来点注释实例 以前写程序无注释，现在 AI 可能更了解你
39110编辑于 2025-11-13 - 来自专栏做数据的二号姬
当AI遇到PPT：Gamma使用体验报告
21 2023-08 当AI遇到PPT：Gamma使用体验报告 好玩的AI评测来了，今天带来的是AI制作PPT的工具Gamma LEARN MORE 图片由海艺AI绘制 先来个使用教程 先来放访问地址 选择演示文稿之后，就开启了非常熟悉的AI对话，既然是评测嘛，我当然要选择一个AI很不擅长的话题让AI来做故意为难AI。 对于AI给到的大纲，我觉得不太满意，选择重试一下，让AI做一个新的大纲出来： 看起来还不错，就不继续为难AI了。于是继续进入了一个选择主题的页面。 主题我可以自己选也可以让AI给我个惊喜。 那就果断选择让AI给我一个惊喜吧，毕竟人为干预太多了就没有惊艳的感觉了，也测不出AI真实的能力效果了。 然后是报价方案： free版对于偶尔的需求还是够用了，毕竟也没有太多内容真的可以让AI来做。 好了，最后放一下完整的AI作品：
1.4K40编辑于 2023-09-06 - 来自专栏Python数据科学
2022国内首份可解释AI发展报告！
发布：腾讯研究院 近日，腾讯研究院、腾讯天衍实验室、腾讯优图实验室、腾讯AILab等组成的跨学科研究团队，历时近一年，完成业内首份《可解释AI发展报告2022——打开算法黑箱的理念与实践》，全面梳理可解释 AI的概念、监管政策、发展趋势、行业实践，并提出未来发展建议。
1.3K10编辑于 2022-03-11 OpenAI发布企业AI现状报告
OpenAI刚刚发布《2025年企业AI现状报告》，这份报告基于真实使用数据和近100家企业9000名员工的调研，首次公开了企业级AI使用的真实规模。 更值得注意的是，结构化工作流（如Projects和自定义GPT）的使用量同比增长19倍，说明AI正从零散查询转向集成化、可重复的流程。 组织平均推理token消耗量增长约320倍。 员工感受到实际价值 75%的员工表示在工作中使用AI提升了工作速度或产出质量。员工平均每日节省40-60分钟，重度用户每周可节省超过10小时。 这意味着AI的价值并非线性增长，而是随着深度使用产生复合效应。 随着模型能力的增强和趋同，对多数组织而言，当前的主要挑战已非模型性能或工具本身，而是组织的准备度与实施能力。 报告：https://cdn.openai.com/pdf/7ef17d82-96bf-4dd1-9df2-228f7f377a29/the-state-of-enterprise-ai_2025-report.pdf
31210编辑于 2026-06-23- 来自专栏深度学习与python
FinOps 2024 状态报告：减少浪费，拥抱 AI
报告还就如何创建防护栏以确保财务可见性能够进入到 AI 项目提供了指导，并强调了 FinOps 数据对可持续发展倡议的价值。 报告指出，“工程人员”从“FinOps 培训和自助报告”中获得的价值最大。 “服务于 AI 的 FinOps”：团队强化 AI 体验、项目和支出，尽早实现成本的可见性。 该调查将当前阶段的 AI 描述为“让人想起云计算刚刚兴起的时期”。 报告对云实验突然“放缓或停止”提出了警告，建议从业人员尽快在 AI 和 ML 基础设施中实现可观测性： 我们建议，对于企业想要采用的所有云技术，都应尽早实现报告、预测和基本的防护措施，以确保在限制的范围内启用实验 虽然小型企业的 AI 投资较低，但是对于大型企业来讲，AI 和 ML 是“一个快速增长且需要管理的可变成本来源”。
81811编辑于 2024-03-07 - 来自专栏Datawhale专栏
2022国内首份可解释AI发展报告！
Datawhale干货 发布：腾讯研究院 近日，腾讯研究院、腾讯天衍实验室、腾讯优图实验室、腾讯AILab等组成的跨学科研究团队，历时近一年，完成业内首份《可解释AI发展报告2022——打开算法黑箱的理念与实践 》，全面梳理可解释AI的概念、监管政策、发展趋势、行业实践，并提出未来发展建议。
83520编辑于 2022-03-17
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