- 综合排序
- 最热优先
- 最新优先
- 来自专栏腾讯云存储
腾讯云数据湖赋能AIGC多模态大模型
近日，腾讯云存储解决方案总监温涛受邀在2024数据基础设施技术峰会-“智算中心技术创新论坛”分享了腾讯云的数据智能生态创新之路，剖析腾讯云数据湖在赋能AIGC多模态大模型方面的应用实践。 去年年底到今年年初，很多客户开始致力于在视频方面的训练，我们直观感受到多模态大模型的冲击，也带来了一些机会和挑战。 总体来说，多模态大模型对存储系统提了五个方面的要求，低成本、高性能、海量存储、高可用、安全。 ，这个大模型是我们自己训练的，基于公司内部的通用大模型，我们做了一个进一步的调优和训练，专门用于图文内容搜索模型的模型。 通过我们自己的图文大模型之后，就把导入的这些文档进行向量化，保存到腾讯云的向量数据库里面去，用户展示搜索的时候，我们把搜索请求通过图文大模型做向量化，从向量维度，在向量数据库里面进行搜索，找到匹配度比较高的
1.6K00编辑于 2024-05-24 - 来自专栏DrugAI
Patterns | 大语言模型赋能药物研发
DRUGONE 大语言模型（LLMs）在药物发现与开发领域的应用标志着一次重要的范式转变，为理解疾病机制、推动全新药物发现以及优化临床试验流程提供了新方法。 研究人员探讨了这些先进的计算模型如何揭示靶点与疾病的关联、解读复杂的生物医学数据、提升药物分子设计、预测药效与安全性，并推动临床试验的执行。 LLMs还能从零设计新的药物分子，在合成之前预测其有效性和安全性，并简化临床试验的复杂流程，使之更高效。 整合遗传学关联信息能显著提高临床靶点的成功率。 先导优化：提升先导化合物的效力、稳定性和安全性。 临床前开发：在动物模型中测试优化后的候选物，为进入人体试验做准备。
29120编辑于 2026-01-06 - 来自专栏架构驿站
AutoGen：赋能大模型，解锁无限可能
在语言模型领域，基础模型尽管擅长执行翻译、问答等常规任务，有时却显得力有不逮，犹如缺少关键工具的熟练工人。 在实际业务场景中，赋予语言模型更强大能力的主要方式有两种：一种是通过特殊管道向模型输送额外信息，另一种是让模型自主使用各种工具。 它与大型语言模型（LLM）无缝整合，成为增强这些强大模型效力的绝佳工具。LLM 拥有近乎人类般的语言理解和生成能力，而 AutoGen 通过多代理对话设置，将 LLM 的威力提升到前所未有的高度。 具体来说，需要 AutoGen 主要有以下几个重要原因： 1、简化机器学习工作流程 传统的机器学习模型开发需要数据准备、特征工程、模型选择、超参数调优、模型评估等诸多复杂步骤，这对于非机器学习专家来说是一个极高的门槛 而 AutoGen 则利用贝叶斯优化、强化学习等技术，能够更高效地搜索最优模型，从而大幅缩短模型开发时间，节省计算资源。
51610编辑于 2024-11-01 - 来自专栏云+创业计划
AI 赋能安全，腾讯云发布三大安全新品和三大行业安全解决方案
6月22日，腾讯“云+未来”峰会云安全专场在深圳举行。会上，腾讯云隆重介绍了三款重磅云安全新品，分别为主机安全、反诈骗云、网站安全，同时发布腾讯云在车联网、移动、直播三大领域的安全行业解决方案。 借此机会，腾讯云更对其安全生态进行了全面介绍：已联手50家合作伙伴，推出超过100款云端安全产品，涵盖主机、网络、移动等七大安全领域。 为此，腾讯云在本次大会上，一口气发布了三大新品、三大行业安全解决方案，并推出腾讯云安全产品矩阵。 腾讯云希望通过智能协同的方案，以更低的成本更早发现业务安全风险。过去有直播平台需要雇佣数百名内容审核人员，但每天发现不到一个带有问题内容的房间，应用该方案后，效率能得到数十倍的提升。 在腾讯云全力打造的安全新生态中，目前已联手超过50家合作伙伴，推出超过100款联合云端安全产品，涵盖主机安全、数据安全、网络安全、运维安全、风控安全、移动安全、安全服务等七大领域。
4.2K10发布于 2017-06-26 - 来自专栏腾讯云安全的专栏
AI 赋能安全，腾讯云发布三大安全新品和三大行业安全解决方案
6月22日，腾讯“云+未来”峰会云安全专场在深圳举行。会上，腾讯云隆重介绍了三款重磅云安全新品，分别为主机安全、反诈骗云、网站安全，同时发布腾讯云在车联网、移动、直播三大领域的安全行业解决方案。 借此机会，腾讯云更对其安全生态进行了全面介绍：已联手50家合作伙伴，推出超过100款云端安全产品，涵盖主机、网络、移动等七大安全领域。 除了提高云平台的安全打击能力，腾讯云还致力于开放技术积累，帮助用户构建智能的安全防御能力。为此，腾讯云在本次大会上，一口气发布了三大新品、三大行业安全解决方案，并推出腾讯云安全产品矩阵。 腾讯云希望通过智能协同的方案，以更低的成本更早发现业务安全风险。过去有直播平台需要雇佣数百名内容审核人员，但每天发现不到一个带有问题内容的房间，应用该方案后，效率能得到数十倍的提升。 在腾讯云全力打造的安全新生态中，目前已联手超过50家合作伙伴，推出超过100款联合云端安全产品，涵盖主机安全、数据安全、网络安全、运维安全、风控安全、移动安全、安全服务等七大领域。
2.4K80发布于 2018-06-12 - 来自专栏LLM学习笔记
Puppeteer MCP Server：赋能大模型的网页交互能力
前言 最近热衷于找一些好玩的MCP，集成在codebuddy中，给大模型外挂许多有趣的功能，在开发的代码的同时，在IDE中可以获得更多的乐趣。 例如使用AI大模型调用天气工具、自动浏览网页、数据爬虫等。 今天要实践的 MCP Server：Puppeteer浏览器自动化，该 MCP Server 是一个利用 Puppeteer 提供浏览器自动化功能的服务器，可让大模型与网页交互，进行截图，并在真实的浏览器环境中执行 我要求打开腾讯云开发者社区，Puppeteer mcp server 搜索到了网址，并在浏览器中打开了这个页面。 使用 puppeteer_screenshot 工具截取网页的屏幕截图。 结语 Puppeteer MCP Server 是一个强大的工具，能够让大模型通过标准化接口与网页进行交互，实现浏览器自动化操作。
2.9K50编辑于 2025-05-20 Spring Boot 接入大模型实战：混元大模型赋能智能应用快速开发
----引言在人工智能技术飞速发展的今天，大模型如混元大模型（此处为假设或泛指某类先进大模型）等已成为推动智能应用创新的重要力量。 混元大模型：假设混元大模型是一个集成了多种智能处理能力的先进大模型，它能够理解自然语言，处理图像，合成语音，并进行多种智能任务的协同处理。 延迟：由于大模型通常部署在云端，因此可能会存在一定的网络延迟，影响用户体验。隐私：在将用户数据发送给大模型进行处理时，需要注意隐私保护和数据安全问题。 message=你好，即可看到混元大模型返回的智能对话结果。六、总结与展望通过本文的介绍，我们了解了如何通过Spring Boot接入大模型（以混元大模型为例），实现智能对话与多元AI功能。 未来，随着大模型技术的不断进步和Spring Boot框架的持续优化，我们可以期待更加高效、灵活、安全的智能应用开发方式。
1.5K31编辑于 2024-10-28- 来自专栏达观数据
柴洪峰院士：大模型赋能金融科技思考与展望
本文整理自7月7日世界人工智能大会“AI生成与垂直大语言模型的无限魅力”论坛上中国工程院院士、复旦大学金融科技研究院院长柴洪峰《大模型赋能金融科技思考与展望》的主题分享，从金融垂直模型构建、金融知识图谱与大模型融合以及金融大模型的监管三个方面进行介绍 大数据、人工智能和机器学习等技术的发展，使人们能更快速、高效地获取、分析、存储、共享和整合各种异构数据。然而，金融垂直领域的大模型应用仍面临一些挑战。 金融数据底座与大模型的融合技术，解决通用大模型在垂直领域知识匮乏、知识关联问题，同时实现模型根据数据实时更新、不断迭代。基于金融科技底座的大模型对于金融科技多领域的应用赋能，展现金融垂直领域涌现能力。 三、关于金融大模型的监管 从安全角度解决大模型的部署问题金融数据和垂直领域大模型密切相关，存在数据安全、大模型安全可信和伦理等问题，同时金融领域也涉及敏感信息和决策，因此对于金融大模型的监管必不可少 具体来讲可分为数据安全与版权安全两个方面：数据安全：大模型的复杂性和规模增加了攻击者进行攻击的可能性。
46330编辑于 2023-08-01 - 来自专栏图灵人工智能
Nature深度：大模型如何“赋能”机器人？机器人又如何“训练”大模型？
这条道路上有很多障碍，包括收集足够多的正确数据来供机器人学习、处理易受影响的硬件以及解决安全问题。新加坡国立大学人机互动专家 Harold Soh 说，“应该探索”用于机器人的基础模型。 Chen 说，硬件一直在进步，但“很多人只看到了基础模型的前景，却不知道部署这些类型的机器人有多么困难”。 另一个问题是，机器人基础模型在使用视觉数据（占其物理训练的绝大部分）时能走多远。 将基础模型应用于现实世界还面临另一个重大挑战——安全性。自大型语言模型（LLMs）开始大量出现以来的两年里，它们已经被证明会产生错误和有偏见的信息。它们还可能被诱骗去做程序设定它们不能做的事情。 她表示，机器人领域也需要人工智能安全领域正在进行的宝贵工作。此外，她的团队还在一些机器人人工智能模型的学习基础上添加了一些规则，比如甚至不尝试与人、动物或其他生物体互动的任务。 但也有人认为，开发一种能够做晚饭、跑腿和叠衣服的实用安全的人形机器人是有可能的，只是可能要花费数亿美元。Khazatsky 说，“我相信会有人做到的，只是需要花费大量的金钱和时间。”
44110编辑于 2024-05-31 - 来自专栏AI分享
量子计算赋能AI：优化大模型训练中的梯度下降
Quantum平台通过量子计算与经典AI技术的深度融合，正在重新定义大模型训练的优化范式。 本文从技术原理、算法创新、实际应用三个层面，探讨 Quantum如何赋能梯度下降优化，推动AI训练效率的跨越式提升。 （3）硬件墙下的资源消耗困局大模型训练呈现出算力-内存-通信的三重指数增长：参数规模每18个月增长10倍，训练算力需求每6个月翻番。 能耗分析显示（数据源自微软《量子赋能AI系统白皮书2025》），混合架构的总能耗从8200 kWh降至5100 kWh，相当于减少2.45吨二氧化碳排放。 Quantum通过量子计算重构梯度下降的优化范式，不仅加速了大模型训练，更开辟了“量子-AI-HPC”三元融合的新赛道。
4.7K41编辑于 2025-04-11 - 来自专栏亨利笔记
云原生技术赋能联邦学习
它专注于提供一个安全的计算框架来支持联邦AI生态系统，实现了基于同态加密和多方计算的安全计算协议，同时也支持各种机器学习算法。 它将各种安全协议——同态加密、秘密共享、RSA、Diffie-Hellman 等——应用于不同的算法，以符合安全、审计和法律的要求。 为大规模应用提供自主研发的分布式计算、传输和存储引擎。 AI 模型、计算能力和数据是 ML 的三大核心支柱。 如果被采纳，这些将成为 ML 的第四大支柱。 VMware OCTO 团队正在运用虚拟化和基础架构方面的专业知识，致力于解决联邦学习的运营挑战。 当我们开发和部署 ML 应用程序时，它通常由几个阶段组成，例如识别问题、数据工程、选择算法和编码模型、对数据进行实验、调整模型、训练模型、为训练好的模型提供服务，等等。
1.1K40发布于 2021-09-24 - 来自专栏finclip小程序ide
安全沙箱技术赋能企业共建数字安全生态
零信任概念的提出，彻底颠覆了原来基于边界安全的防护模型，受到了国内外网络安全业界的追捧。一、零信任是什么？零信任是一种设计安全防护架构的方法，它的核心思路是：默认情况下，所有交互都是不可信的。 零信任的产生有其客观必然性，源于传统的信 任模型受到挑战。访问控制是维护网络安全的基本机制，而实施访问控制的前提条件是身份认证。 这些因素导致原有的访问控制模型需要作出改变，而这种改变的基本特征是，不能再依赖一次性认证便持续信任身份，而 是需要持续、不断地进行认证，这正是“零信任” 的来源。 等操作系统里就提供直接叫做“Jail”的虚拟化隔离；在JVM里为了支持Java Applet这里网络加载的代码的运行，实现了sandbox机制；浏览器里的HTML渲染引擎，一定程度上也可以视为一种在用户态的基于安全能力模型 FinClip是一种新型的轻应用技术，在FinClip安全沙箱中运行的轻应用，选择了兼容互联网主流的小程序规范。企业IT几乎是无缝掌握这个技术，能迅速投入应用。
76300编辑于 2022-11-07 - 来自专栏实时渲染技术
聊聊实时云渲染对VR大空间文旅的赋能
本文小芹基于经验来聊聊实时云渲染是如何赋能VR大空间文旅的。原来的VR体验是在一个固定的座椅上带上头盔观看3D内容，基本没有交互。 当然这里要解决的问题有很多，但都有办法，我们只讨论实时云渲染是如何赋能实现这类需求的。我们知道一般VR模型精度越高，要流畅运行对于显卡的要求越高，如果单靠VR设备本身的算力很难达到。 能支持多个VR模型同时运行的高性能服务器，具体显卡和服务器数量看VR模型显卡的要求以及同时使用并发数要求。 将VR3D模型存储在服务器上，服务器上也安装实时云渲染软件，告知实时渲染软件要推流的VR模型存储位置，就可以在云流管理平台得到一个推流后网址或者二维码。 另外如果是集中城域网机房支撑多个门店的VR大空间体验，使用实时云渲染推流管理VR模型的迭代更新更方便，直接远程连接服务器，将替换新的VR模型即可，app端在线升级，可以大大简化运维和管理成本。
45910编辑于 2025-02-17 - 来自专栏腾讯云开发者社区头条
彭思翔：AI赋能云安全
前言： TCTF是由中国网络空间安全协会竞评演练工作委员会指导，腾讯安全发起，腾讯安全学院、腾讯安全联合实验室主办、腾讯安全科恩实验室承办，0ops安全团队协办的专业CTF赛事。 基于该赛事，腾讯安全匹配了相应的系列公开课，旨在传播网络安全技术，推动网络安全发展。本次专题将集合TCTF于2019年的推出的全部公开课内容，为大家提供全面的学习资料。 课程简介： 本次课程围绕AI为云安全带来的发展突破的角度分别讲解了AI对于云基础安全的推动方式以及AI对于云业务安全的促进作用，为大家带来了云安全领域的前沿探讨。 课程视频： 视频内容
9411914发布于 2019-06-18 预训练大模型赋能：以 GPT-3 为代表的预训练模型
随着 OpenAI 系列大模型 API 的能力迭代，以及 New API 等第三方技术平台提供的高可用服务支撑，企业与开发者得以突破基础设施搭建的壁垒，快速构建具备深度语义理解与流畅对话能力的智能交互系统 二、核心技术架构解析智能聊天机器人的核心能力源于自然语言处理（NLP）技术栈，其底层逻辑围绕 “语义理解 - 意图识别 - 响应生成” 三大环节构建，具体实现依赖两大关键支撑：预训练大模型赋能：以 GPT -3 为代表的预训练模型，通过海量文本数据学习语言规律，可精准解析用户输入的隐含需求，生成符合人类表达习惯的自然语言回复，无需开发者从零构建语言理解模型；高可用 API 平台支撑：New API 平台提供标准化 五、核心应用场景与价值落地智能聊天机器人的价值核心在于 “降本增效” 与 “体验升级”，具体在三大场景实现深度落地：企业客服系统：承接 80% 的常见咨询（如订单查询、售后政策），实现 7×24 小时响应 ，提升交互自然度；安全与合规保障：针对用户敏感信息（如手机号、支付信息），采用 “数据加密传输 + 存储脱敏” 方案，符合《个人信息保护法》等法规要求，避免隐私泄露风险；功能扩展方向：基于基础对话能力，
20620编辑于 2025-11-05- 来自专栏自然语言处理(NLP)论文速递
剑桥 | 发布多模态检索器，赋能多模态大模型RAG应用
preflmr.github.io/ 论文标题：PreFLMR: Scaling Up Fine-Grained Late-Interaction Multi-modal Retrievers 背景 尽管多模态大模型 针对这个问题，检索增强生成（RAG，Retrieval-Augmented Generation）提供了一个简单有效的让多模态大模型成为” 领域专家” 的方案：首先，一个轻量的知识检索器（Knowledge Retriever）从专业数据库（例如 Wikipedia 或企业知识库）中获得相关的专业知识；然后，大模型将这些知识和问题一起作为输入，生成准确的答案。 多模态知识提取器的知识 “召回能力” 直接决定了大模型在回答推理时能否获得准确的专业知识。 3.PreFLMR 能够根据用户输入的指令（例如 “提取能用于回答以下问题的文档” 或 “提取与图中物品相关的文档”），从庞大的知识库中提取相关的文档，帮助多模态大模型大幅提升在专业知识问答任务上的表现
55510编辑于 2024-03-26 - 来自专栏QQ大数据团队的专栏
OpenAI 收购 Rockset：大模型如何使用 OLAP 赋能实时洞察业务场景
腾讯云副总裁黄世飞谈到，“腾讯云大数据也在践行 AI+BigData 深度融合，进一步赋能客户充分释放数据价值。” ● 云原生架构：Rockset 作为基于云原生架构的实时分析引擎，提供了低成本和按需付费的优势，有助于降低大模型数据分析的消费成本。 基于大语言模型 LLM 构建的产品已经具有很强的语言能力，但依然有缺陷： ● 训练数据集是静态的-大模型在训练时只能使用当前时间点之前的数据作为数据集，数据的时效性无法保证，也就是说大模型无法感知训练后的更新的数据和信息 ● 缺少长期记忆——大模型仅支持有限的 token 长度，因此虽然具备一定程度的短期记忆，但是由于长期记忆的缺失，我们很难和大模型无法进行多轮对话。 腾讯云 TChouse-C 实时分析+ 向量检索实践 我们很高兴地看到，作为一款实时分析数据仓库产品，腾讯云 TCHouse-C 的实时数据分析、存算分离架构、支持向量检索、数据压缩等功能，完美契合了大模型对
39510编辑于 2024-07-22 - 来自专栏学习成长指南
Colormind：优秀大模型赋能国产求解器，打造自主可控建模平台
蔬菜的定价和销售的问题 2021年国赛C题：生产的原材料订购和运输的问题 除了2022年的C题考察的是这个玻璃的分类和成分分析，其他几年的这个题目里面都是可以看到这个优化问题的身影的； 这两天我试用了杉数科技开发的大语言模型教学平台 我喜欢这个平台最重要的一点是：AI大模型+数学建模+国产求解器。 具体而言就是你在这个平台上可以借助专有的大语言模型将问题结构化（数学建模），使用国产求解器（COPT,性能世界前二)求解和分析。 题关于这个城镇的搬迁问题进行演示如何使用该平台助力数学建模； 2.演示流程 2.1需求分析 这个平台会帮助你进行需求的拆解，你也可看看这个拆解的需求是不是符合你的要求，选择弃用，或者是继续进行数学建模； 右下角的这个就是这个平台的大模型 ，点击生成代码，就会在这个聊天框里面输出这个相关的代码： 代码的结果： 最后生成的代码可以在本地运行，也可以在这个平台上面运行，都是没有问题的，这个使用的是人家自带的这个求解器进行求解的； 通过这种“大模型 但是，我觉得都是大模型，肯定有出错的地方，可能我们需要进行调试之类的，才能达到想要的这个结果把； 这个平台里面也提供了很多的这个数学建模里面的优化的案例，供数学建模爱好者进行学习； 3.总结 杉数科技作为今年的这个妈妈杯的赞助者
49710编辑于 2025-07-03 - 来自专栏时空探索之旅
AI论文速读 | 立场观点：多模态大模型赋能时间序列推理
关键词：多模态大模型，时间序列推理，多模态数据，推理框架，可解释性 点击文末阅读原文跳转本文arXiv链接 摘要 理解时间序列数据对于多种实际应用至关重要。 时间序列推理 多模态大语言模型（MLLM）以类似人类的逻辑处理和解释时间序列的开放式能力。它能够捕捉时间结构、趋势和模式，在各种时间序列任务中生成精确且可解释的结果，并以清晰自然的语言提供见解。 多模态大模型时序推理的数据集和评测 A: 论文中提到了多个与多模态大型语言模型（MLLMs）和时间序列推理相关的研究工作。 模型设计：提出了四种模型设计理念，包括零样本推理、单阶段调整、双阶段调整和多模态时间序列方法，这些方法利用LLM/MLLMs的内置推理能力或充分利用多模态输入和能力。 训练策略：讨论了将显式推理过程整合到训练阶段的可能性，以提高模型性能和决策能力。
47100编辑于 2025-02-18 大模型时代：数据治理与人工智能的双向赋能闭环
而数据治理与人工智能（尤其是大模型）的关系，正从单向依赖转向双向赋能，形成一个动态迭代的闭环 —— 数据治理为 AI 提供高质量 “燃料”，AI 则反哺数据治理效率与深度，两者共同推动数据价值的最大化释放 数据治理定义 “大模型不该吃的东西”大模型并非 “来者不拒”—— 低质、违规或伦理敏感的数据可能导致模型输出偏差，比如文生图模型因 “坏数据” 生成不当内容。 AI赋能：数据治理的加速器与深度挖掘者大模型的出现，为数据治理注入了智能引擎。其强大的语义理解、模式识别与知识推理能力，正在重构数据治理的传统流程。1. 大模型提升数据质量管理效率数据质量是治理的核心，但传统人工校验耗时耗力。大模型虽为统计模型，存在不稳定性，但其可通过知识图谱与向量数据库的结合，有效识别数据中的不一致性、缺失值等问题。 双向闭环：从“数据-模型”到“人-数据-智能”的生态进化数据治理与 AI 的双向赋能，最终指向 “人 - 数据 - 智能” 生态的协同进化。
1K10编辑于 2025-07-02
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