- 综合排序
- 最热优先
- 最新优先
- 来自专栏产品笔记
RAG智能问答评测工具调研
RAG智能问答系统介绍： 如何基于向量数据库+LLM（大语言模型）打造企业专属Chatbot？ 因此对RAG目前可以使用的评测工具或方法进行调研，从业务角度出发选择合适的评估框架。 10 分； 与问题描述完全相关的答案应得到 9 或 10 分； 与问题描述大部分相关的答案应得到 5-8 分，分数越高表示相关性越强； 与问题描述部分相关的答案应得到 2、3 或 4 分，分数越高表示相关性越强 ； 明确错误的答案应得到 0 分； context_relevance：主要用于知识召回相关性评估，找到相关性证据并打分，评估召回知识是否跟问题相关； 打分标准：将 0 到 10 之间的数字作为回答，0 表示最不相关，10 表示最相关； Groundtruth ：用于 response 准确性评估，使用已有的测试集标准答案进行对比评估，并打分。 打分标准：根据与正确答案的接近程度，回答只能使用 1 到 10 之间的整数。
1.4K10编辑于 2024-03-06 腾讯问卷AI：智能调研全流程解决方案与产品能力概览
一、 产品定位与核心亮点 腾讯问卷AI 是一款基于 AI驱动的智能工作流 产品，结合动态决策与高效执行机制，旨在重构企业调研流程。 其核心技术属性在于利用 混元+DeepSeek双模型底座 实现优势互补，将传统依赖人工的调研链路升级为自动化、智能化的闭环系统。 核心商业差异化卖点： 效率极致化： 实现 10分钟完成分析全链路。 功能框架 产品覆盖从设计到分析的全生命周期，包含定量研究与定性研究两大模块： 定量研究： AI生成问卷、问卷质量检查、智能多语言转换、AI生成报告、AI文本分析。 AI智能访问（访谈）： 自动生成访谈大纲。 根据预设目标自主访谈，澄清用户观点。 自动整理、提炼观点、生成访谈报告。 AI生成报告： 一键生成：包含数据概览、数据详情、AI报告。 技术优势对比（vs 通用大模型） 维度 腾讯问卷AI 通用大模型 任务执行 AI驱动的智能工作流，结合动态决策与高效执行，10分钟完成全链路 缺乏复杂任务的拆解和串联能力 底座模型 混元+DeepSeek
22910编辑于 2026-05-30腾讯问卷：一站式全流程AI智能调研平台产品概要
其商业差异化卖点在于： AI原生驱动：提供全流程AI场景解决方案，实现基于自然语言的秒级问卷生成与深度文本洞察。 全局产品优势能力 逐段解析平台提供的核心功能点： 智能设计与协同： AI生成：自然语言一句话极简生成，支持单选/多选/矩阵等题型及7大业务场景。 快捷导入：支持Excel与纯文本可视化一键导入生成。 智能质控与清洗： 自动检查：AI自动识别文案与逻辑问题（如人称代词混用），减少出错。 机器学习清洗：通过行为特征深度挖掘，自动标记并剔除无效答卷，无效样本无需付费。 国务院客户端 背景：超大规模征集调研意见面临效率低、成本高，需落实“大兴调研之风”。 OPPO手机 背景：手机影像效果调研中，目标群体招募质量不可控，二次追踪调研难实施，批量触达效率低。
19800编辑于 2026-05-31- 来自专栏新智元
【智能医疗】值得关注的10家医疗 AI 公司
【新智元导读】医疗AI越来越成熟，有了越来越多的落地，显示出变革传统医疗行业的潜力。本文介绍了综合护理、制药、心脏病、医疗成像等领域值得关注的10家医疗AI公司。 这个市场正在进入高速增长阶段，让我们来看看2017年具有变革潜力的10家医疗 AI 公司。 综合护理 Babylon Health 将医生与 AI 联系起来，通过智能手机提供全天候的个性化健康护理体验。 Arterys 将智能分析与 MRI 相结合，对通过动脉的血流量进行可视化和量化的分析。分析数据在云上处理，并在10分钟内生成完整的报告。 原文地址：http://www.huffingtonpost.com/entry/10-ai-health-care-companies-to-follow-in-2017_us_58f60893e4b0156697225286
3K90发布于 2018-03-28 - 来自专栏华章科技
AI电话机器人防骚扰调研：用AI来对抗AI
电话骚扰问题久治不愈已成顽疾，随着AI电话机器人的诞生，用户接到电话骚扰的数量更是与日俱增。 那么我们能否换个思路，以子之矛攻子之盾，让AI机器人替代传统防骚扰软件，保护用户不被电话骚扰？ 由此猎豹用户研究中心开展AI电话机器人防骚扰研究专项，在全国范围内收取有效样本7990份，覆盖各年龄段及地区，希望可以通过这份调研报告，反映当前用户对AI电话机器人的认知，探索AI电话机器人防骚扰产品的潜在发展市场 AI可以是骚扰电话的催化剂，也可以是抑制剂；用户对防骚扰产品有很强的需求。 2. 防骚扰产品的目标用户群体： 成年男女：青年、中年群体，既有骚扰困扰，又愿意尝试新鲜事物和产品。
65610发布于 2019-09-29 - 来自专栏JNing的专栏
【3D人脸】AI Mesh 数据工程调研
[2021，微软] Fake It Till You Make It: Face analysis in the wild using synthetic data alone（对数字人渲染，从真实标签render出假图。开源的假图只给了70个2d点，不给模型）
91620编辑于 2022-11-14 - 来自专栏AI科技评论
边缘AI研发落地生态挑战调研报告
2.边缘AI算法开发者 本问卷中，边缘AI算法开发者是指研发联邦学习、协同推理乃至深度学习调度等边缘AI典型算法的角色。有80.46%调研对象填写了边缘AI算法开发者相关问卷调研选项。 平均分 若选择“不了解跳过”或“可维持现状”记为0分，“建议改进”记为5分，“亟需改进”记为10分，答卷中对边缘AI算法开发者各挑战的平均分值如下图所示。 平均分 若选择“不了解跳过”或“可维持现状”记为0分，“建议改进”记为5分，“亟需改进”记为10分，答卷中对边缘AI服务开发者各挑战的平均分值如下图所示。 平均分 若选择“不了解跳过”或“可维持现状”记为0分，“建议改进”记为5分，“亟需改进”记为10分，答卷中对边缘AI技术布道者各挑战的平均分值如下图所示。 ：“受众对边缘AI不了解”（平均分6.25） 问卷中也尝试调研边缘AI技术布道其余重要挑战，调研结果词云如下所示。
66620编辑于 2021-12-22 - 来自专栏人工智能的秘密
调研公司Gartner预测：未来智能手机的功能
根据调研公司Garter预测，在2020年大概会有8成的智能手机会集成AI功能。Gartner公司认为，AI功能将成为智能手机厂商提升产品差异度，获得新客户，留住现有用户的一种手段。 Gartner预测，到2022年，搭载AI功能的智能手机将占出货量的80%，而2017年的这个数字仅为10%。 AI智能手机的10个用途 Gartner研究主管Roberta Cozza表示：“在接下来的两年中，大部分用例仍将利用单一的人工智能功能和技术。 而在未来，智能手机将结合两种或更多的人工智能功能和技术，提供更高级的用户体验。” Gartner列出了10种AI智能手机用例，可以帮助手机厂商为用户提供更好的服务。 10）音频分析 智能手机的麦克风可以持续聆听现实世界的声音。机载AI功能可以分辨这些声音，并为用户提供指引，或者是触发一些事件。
1K50发布于 2018-01-09 - 来自专栏新智元
最新调研称AI职位年薪10万美元成常态 | 英特尔为开发者圆AI淘金梦支招
前两天，新智元报道了美国雇主评价网站 Glassdoor 公布的一份2017年度 “美国薪酬最高企业 Top 25”，其中显示，AI公司多数职位年薪超10万美元。 在 Glassdoor 网站上，可以看到，根据员工匿名提交的16个报告估计的人工智能从业者的薪酬范围，平均薪酬总额（包括基本薪资、奖金等）超过10万美元的职位有人工智能研究科学家、人工智能工程师主管、人工智能与过程控制主管 上图显示，AI领域目前在招的初级岗位较多，行业很缺资深人士。231份招聘岗位需求中：1-3年工作经验要求占比62%，4-5年的21.7%，6-10年只占比15.8%。 感知、推理、行动、适应——英特尔的 AI “四步走” 首先，英特尔介绍了它自己对于人工智能的理解，认为人工智能是一种解决方案。 站在开发者的角度上，我们不妨暂时抛开 AI 丰富的内涵，借用一下英特尔对AI 的定义。英特尔并未将人工智能看作最终结果和定义人类理解能力的方式，而是将其视为解决人类问题的计算工具。
948100发布于 2018-03-28 - 来自专栏Python进阶之路
从 Google Gemini 到 OpenAI Q*（Q-Star）：调研重塑生成人工智能（AI）的研究
它批判性地审视了生成式 AI 的现状和未来轨迹，探讨了谷歌的 Gemini 和预期的 OpenAI Q* 项目等创新如何重塑各个领域的研究重点和应用，包括对生成式 AI 研究分类法的影响分析。 该研究强调了在人工智能开发中融入伦理和以人为本的方法的重要性，确保与社会规范和福利保持一致，并概述了未来人工智能研究的战略，重点是在生成式 AI 中平衡和有意识地使用 MoE、多模态和 AGI。 论文题目：《From Google Gemini to OpenAI Q*: A Survey of Reshaping the Generative Artificial Intelligence (AI 参考链接： 从 Google Gemini 到 OpenAI Q*：生成式人工智能（AI）研究领域的综述 Twitter - From Google Gemini to OpenAI Q*: A Survey of Reshaping the Generative Artificial Intelligence (AI) Research Landscape 沈向洋：致 AI 时代的我们 —— 请不要忽视写作的魅力
1.1K10编辑于 2023-12-28 - 来自专栏爱分析洞见文章
倍增业务效益，智能决策开辟新赛道 | 爱分析调研
2022年2月，决策类AI企业第四范式获得腾讯等战略投资，融资金额超十亿美元，估值近30亿美元。 核心技术日益成熟，为智能决策发展奠定基础智能化发展历经感知智能、认知智能，进入决策智能阶段智能化指使对象具备灵敏准确的感知功能、正确的思维与判断功能、自适应的学习功能、以及行之有效的执行功能。 纵览智能化的发展，可将智能化分为三个阶段：感知智能、认知智能和决策智能。 02多方势力抢占智能决策市场先机，智能决策技术和场景融合能力是关键大型科技企业与垂直人工智能企业各据一方目前，国内智能决策的主要玩家可分为平台型厂商和垂直厂商两类。 中科闻歌中科闻歌成立于2017年，定位于数据与决策智能服务商，深耕“数据智能+人工智能+运筹学“智能计算核心技术，专注于人工智能基础平台与应用研发，吸纳了各个领域的高水平技术人才，在安全、媒体、金融、政务
1K30编辑于 2022-10-18 生成式AI人居领域应用趋势调研报告概览
报告标题：生成式AI人居领域应用趋势调研报告 发布机构：腾讯研究院、腾讯云 发布时间：未明确标注（基于内容推断为2023年或2024年初） 行业标签：建筑与不动产,技术服务,通用工具 产品标签：#腾讯向量数据库 #生成式AI #知识图谱 #BIM #GIS #数字孪生 #AIGC #智能客服 #云平台 报告背景和目标 本报告针对人居环境领域（涵盖城市规划、建筑设计、施工运维全生命周期）数字化水平较低但AI应用潜力巨大的特点 ，系统调研生成式AI技术的落地路径。 研究旨在厘清行业大模型构建的技术基础、数据治理方法、平台架构及场景价值，为行业智能化转型提供实证参考。 调研对象：涵盖建筑设计师、规划院专家、地产企业技术负责人、AI产品研发团队等多元角色。 样本规模：访谈十余位行业专家，覆盖小库科技、广联达、中国金茂、上海建工等代表性企业。
13110编辑于 2026-05-31- 来自专栏悦思悦读
AI 入行那些事儿（10）人工智能的应用领域
2021 巨献 —— 系列文章《AI 入行那些事儿》，为您讲述： 人工智能的基础原理、发展历程、当前应用 成为 AI 技术人员所需的入门技能和学习途径 以及求职、面试的全过程 目前真正实用的人工智能产品主要集中在图像处理 像具有语音搜索功能的搜索引擎以及一些可以使用语音指令的程序就会用到语音识别技术，导航系统用真人声音来指路就用到了语音合成技术，而现在流行的AI音箱，同时用到了语音识别和语音合成的技术。 ? 微软公司曾经进行过一个通过深度学习来做阅读理解的挑战，在这个挑战中，人工智能的阅读理解能力能够在一个数据集的基础上和人类的能力不相上下。 自动驾驶领域近年非常热门，和人工智能相关的爆点新闻多半都和自动驾驶有关。 物联网（IOT：Internet of Things）在发展早期只能进行数据收集，但在结合了人工智能之后，就能进行有深度的数据分析，也可以进一步和其它业务结合，开发出很多新的功能，这也是当前和人工智能相关的一个新尝试
83720发布于 2021-04-12 AI4Science之分子材料成像调研洞察
分子成像技术与大数据和AI的结合可以更深入地理解材料的本质特性，为解决能源、环境等领域的关键问题提供新的思路和解决方案。 "，更没有 "大一统" 的AI模型，但考虑到分子材料成像领域的重要程度，或许在不久的将来，会有大量研究机构布局，科研人员扎堆，将“AI+分子材料成像”领域从做成类似于当下【AI+分子生成】、【AI+分子属性预测 机器学习模型（CNN、VAE、GP、Transformer等），数据集与Benchmark，python工具包，通用模型（Segment Anything Model）等多个维度和角度对分子材料成像领域进行了调研 从成像方法出发，从位形空间、频率空间、光谱学三个角度展开调研。其中，位形空间成像包括光学显微镜、电子显微镜、扫描探针显微镜；频率空间成像包括X射线衍射、电子衍射、中子衍射。 从任务类型出发，将调研的研究论文中使用的方法划分如下：1D/2D分类，回归，聚类，定位，分割，检测，去噪，数据筛选，超分，模拟生成，2D/3D重建3.
47500编辑于 2025-02-112025 生成式AI人居领域应用趋势调研报告
第一章：报告基础信息 • 报告标题：生成式AI人居领域应用趋势调研报告 • 发布机构：腾讯研究院 • 发布时间：2024年（基于2023年行业实践及访谈内容推断） • 行业标签：建筑与不动产, 文旅, , #合景悠活物业智能客服大模型, #建筑业务平台, #腾讯云大模型, #腾讯向量数据库, #AI小助手 第二章：报告背景和目标 • 2022年ChatGPT发布后，生成式AI迅速席卷各行业，人居环境领域 • 核心目标：探讨行业大模型如何结合传统定量模型、行业知识工程与专家经验，推动人居行业在降本增效、设计创新及运维智能化方面的转型升级。 应用场景与价值 • 规划设计端： • **PlanGPT**等工具在处理非结构化数据（规划文本、调研报告）方面表现强劲，已应用于前期调研与资料整理，将实习生从重复性劳动中解放。 • 专属模型能力：腾讯云智能客服基于领域大模型，增强了语言理解和问答生成能力，解决了传统客服数据生产高、跨场景适配差的痛点。
16910编辑于 2026-05-31- 来自专栏生成式人工智能
AI时代职业新风口：调研报告揭示57.2%受访者向往AI领域，生成式人工智能（GAI）认证成职场新宠
在数字化浪潮席卷全球的今天，人工智能（AI）技术以其强大的潜力和广泛的应用前景，正逐渐成为职场的新宠。一份最新的调研报告揭示了这一趋势：57.2%的受访者表示考虑从事与AI相关的职业。 这一数据不仅反映了AI领域的巨大吸引力，也预示着未来职场格局的深刻变革。在此背景下，生成式人工智能（GAI）认证作为衡量职场人士掌握AI技能的重要标准，正逐渐成为职场竞争中的新优势。 据相关数据显示，AI工程师、数据科学家等职位的薪资水平远高于传统行业。这一高薪现象不仅反映了AI人才市场的供需失衡，也体现了企业对于AI技术的重视和投入。 因此，对于想要进入AI领域的求职者而言，获得相关的技能认证已经成为一道不可或缺的门槛。（二）生成式人工智能（GAI）认证的崛起在众多的AI技能认证中，生成式人工智能（GAI）认证正逐渐崭露头角。 GAI认证是由全球知名的终身学习公司培生（Pearson）推出的，旨在为职场人士和学生提供一套全面且实用的生成式人工智能技能培训框架及认证。
33810编辑于 2025-03-27 JBoltAI框架：Java生态下的AI能力深度调研
随着人工智能技术的迅猛发展，如何将AI能力无缝集成到现有Java应用中，成为众多企业关注的焦点。 应用场景在智能客服、语音助手等场景中，流式对话功能能够显著提升用户体验。例如，智能客服可以通过流式对话实时响应用户的问题，提供更加及时、准确的服务。 Java与人工智能的融合：JBoltAI框架的优势原生Java框架设计JBoltAI框架专为Java企业设计，无缝集成Spring生态，使得Java开发团队能够零门槛上手AI应用开发。 丰富的AI能力集成框架内置了零代码RAG解决方案、FunctionCall&MCP、知识图谱、智能问数、AI数字人等核心能力，无需从零搭建。 未来，随着人工智能技术的不断发展，JBoltAI框架有望在更多领域发挥重要作用，推动企业数智化转型的深入进行。
20610编辑于 2026-02-04- 来自专栏嵌入式、安防、流媒体、AI分析
【解决方案】危化安全生产企业智能算法调研
解决方案 危化安全生产企业解决方案，应用于保障安全生产的新技术也最多，例如，防爆通信系统、防爆监控系统、安全自动化仪表、高精度室内人员系统、消防系统、救援机器人、智能监控识别烟雾、火焰、人员摔倒、未带安全帽 本方案采用智能边缘视频分析网关硬件的方式统计接入厂区视频监控，经智能分析网关识别和处理后推送至云平台，然后分发给安全监管人员。 智能算法应用 人员抽烟检测算法：发现化工厂内有人抽烟或者产生明火，立即告警。并通知工作人员及时处理。 打手机检测算法：发现加油站有人使用手机，立即告警。并通知工作人员及时处理。
1.6K10编辑于 2023-01-04 腾讯《生成式AI人居领域应用趋势调研报告》概览
•报告标题：腾讯研究院发布《生成式AI人居领域应用趋势调研报告》：探索建筑与不动产行业的智能化转型 •发布机构：腾讯研究院、腾讯云 •发布时间：2024年（依据报告发布周期及调研内容推演） •行业标签： 本报告旨在通过对十余位行业顶尖专家学者的深度调研，量化评估生成式AI在人居环境全生命周期中的实际效能，为企业在底层数据基建、算法演进及场景落地方面提供具有高执行价值的战略指南。 上海建工四建集团建筑人工智能研究室主任张英楠指出，其研发的Construction-GPT通过百亿字符知识增强，引入Agent与规范标准动态数据库，实测在无网络延迟下推理仅需5～10秒，且准确提供溯源链接 ，截至调研时内部累计使用已达60000次，日均超过1000次。 解决方案：采用AI驱动的智能转换与审查。广联达科技股份有限公司副总裁刘刚指出，采用算法直接将二维CAD图纸转化为三维模型，其准确率已达到96%。
20510编辑于 2026-05-31- 来自专栏技术专栏全家桶
智能体架构的真相：90%是软件工程，10%是AI
导 语 回顾AI发展历程，从来都不是一两项黑科技就体现了AI的价值，而是AI能够处理工作中大量的重复性工作，脏活累活。 在智能体时代，这一点依然成立。 智能体真正的聪明可来自90%的系统性、工程化的软件架构与流程设计，10%来自AI智能体自身能力。我特别喜欢这张图，在企业级智能体的背后，其实孕育着一整套复杂而严谨的系统工程。 第一层是CPU与GPU层，这是智能体的大脑和肌肉，无论是大模型的训练还是推理的执行，都离不开高性能的算力支持，tpu、npu等专用加速器是保障AI快速运行与实时响应的核心基础设施。 智能体编排系统就像调度中心，负责确定执行顺序、传递结果、分配资源。比如让AI生成一份商业的分析报告，那背后可能是包含查数、分析、撰写、格式、美化等多个内容，全部由不同模块和智能体协同来完成。 第九层智能体权限管理，AI再强大也不能无所不能。在其的场景下，权限功能特别重要。智能体必须接受身份认证、角色限制和访问控制，确保其行为受限于组织内的安全政策。这就是智能体权限管理的核心价值。
34110编辑于 2026-02-03
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