首页
沸点
课程
数据标注
HOT
AI Coding
更多
直播
活动
APP
插件
直播
活动
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
登录
注册
后端
前端
Android
iOS
人工智能
开发工具
代码人生
阅读
第四章 智能体经典范式构建
环境准备与基础工具定义 安装第三方库 配置api密钥 创建.env文件,将任何兼容OpenAI服务的配置记录在该文件中: 封装基础llm调用函数 定义一个专属的LLM客户端类,封装所有与模型服务交互的
YOLOv11 改进 - 主干网络 SwinTransformer 移位窗口层次化视觉变换器:层次化特征提取增强多尺度目标感知,优化复杂场景检测
# 前言 本文介绍了Swin Transformer在YOLOv11中的结合,Swin Transformer是一种新型视觉Transformer,可作为计算机视觉通用骨干网络。它通过分层Tran
YOLOv11 改进 - 主干网络 RevCol可逆列网络:轻量级多列设计破解特征信息丢失难题,提升小目标与密集目标感知精度
# 前言 本文介绍了将可逆列网络(RevCol)与YOLOv11相结合的方法。RevCol由子网副本(列)组成,采用多级可逆连接,在前向传播时特征逐渐解耦且保留整体信息。该架构在图像分类、目标检测
YOLOv11 改进 - 主干网络 RepViT重访移动端CNN的ViT视角:轻量级设计分离Token与Channel混合器,优化移动端实时检测
# 前言 本文介绍了将轻量级卷积神经网络RepViT与YOLOv11相结合的方法。RepViT通过引入轻量级视觉变换器的高效架构设计,提升了移动设备上的计算机视觉任务性能。其采用结构重参数化技术
YOLOv11 改进 - 主干网络 MobileNetV4 移动网络第四版:通用倒瓶颈与移动注意力协同优化硬件效率,提升移动端检测适应性
# 前言 本文介绍了新型部分卷积(PConv)和基于其的FasterNet神经网络家族在YOLOv11中的结合应用。为解决神经网络浮点运算效率低下、内存访问频繁的问题,提出PConv,它能同时减
YOLOv11 改进 - 主干网络 LSKNet大型选择性核网络:大核深度卷积与空间选择机制协同动态调整感受野,增强旋转目标检测
# 前言 本文介绍了将大型选择性核网络(LSKNet)与YOLOv11相结合的方法。LSKNet引入了LSKblock Attention注意力机制,能动态调整感受野,适应不同目标的上下文特征。
构建 Apache Iceberg 湖仓架构——Apache Iceberg 动手实践
本章内容包括: 搭建 Apache Iceberg 环境 在 Spark 中创建 Iceberg tables 在 Dremio 中读取 Iceberg tables 构建商业智能 dashboard
YOLOv11 改进 - 主干网络 FasterNet (基于PConv部分卷积的神经网络):轻量级设计优化内存访问效率,实现精度与速度双重提升
# 前言 本文提出了将新型的部分卷积(PConv)和基于此的FasterNet神经网络家族与YOLOv11相结合。PConv通过减少冗余计算和内存访问,更高效地提取空间特征。FasterNet在各
十个超推荐的 AI 工具和网站
很多人用AI,只知道 ChatGPT、Claude、Gemini 这些大模型本体。 但真正把 AI 用得顺手的人,都有一套围绕大模型搭建起来的「工具链」—— 用来接入、管理、开发、创作、发现。
网页版免安装 AI 工具合集推荐|无需下载客户端,浏览器就能用全品类大模型
如今 AI 已经成为办公、学习、编程、文案创作的刚需工具,不管是职场人写方案、程序员查代码、学生整理知识点,还是普通人做文案、生成灵感,都离不开各类大模型的辅助。但很多人都有同款烦恼:想用不同 AI
产线上跑 Agent:LLM 挂了不是 500 错误,是停线
作者设计LLMGuard实现工业级容错,通过错误分类、智能重试、四级降级和统一封装,让Agent在产线稳定运行。代码已开源
YOLOv11 改进 - 主干网络 EfficientViT 高效视觉Transformer:硬件感知架构平衡全局感受野与局部细节,提升模型适应性
# 前言 本文介绍了高速度视觉变换器EfficientViT在YOLOv11中的结合应用。现有视觉变换器计算成本高,不适合实时应用,EfficientViT通过采用夹心布局的内存高效模块和级联组
2026年5月3日 AI科技日报:四大科技巨头财报齐发、Meta收购机器人AI公司、谷歌冲击全球市值第一
本期汇总50条AI科技最新资讯:四大科技巨头Q1财报齐发烧钱近7000亿美元、Meta收购机器人AI公司Assured、谷歌市值逼近英伟达冲击全球第一、杭州具身智能机器人立法施行、DeepSeek融资
我给 AOI 设备装了一个 Agent,然后发现工具注册才是最难写的
作者为AOI设备设计工具注册中心,通过参数校验、统一返回和审计追踪,安全可靠调用20+工具,适配LangGraph,实现产线Agent自主优化。代码已开源。
mfate 实用亮点深度拆解:解决 AI 使用痛点,一站式高效智能体验
当下 AI 工具全面普及,无论是职场办公、学习科研、内容创作还是日常问题解答,大家都离不开各类大模型辅助,但分散式使用 AI 工具的弊端越来越明显。想要体验不同大模型能力,需要注册多个平台账号、来回切
YOLOv11 改进 - 主干网络 ConvNeXtV2全卷积掩码自编码器网络:轻量级纯卷积架构破解特征坍塌难题,提升特征多样性
# 前言 本文介绍了将ConvNeXt V2与YOLOv11相结合的方法。先前的ConvNeXt模型与自监督学习结合效果不佳,为此提出全卷积掩码自动编码器框架和全局响应归一化(GRN)层,形成C
LeetCode 72. 编辑距离:动态规划经典题解
刷LeetCode中等题时,编辑距离绝对是动态规划的经典代表作——它看似复杂,三种操作(插入、删除、替换)让人无从下手,但只要理清状态定义和转移逻辑,就能轻松破解。今天就带大家一步步拆解这道题,从题意
YOLOv11 改进 - 下采样 轻量化突破:ADown 下采样让 YOLOv11 参量减、精度升
# 前言 本文介绍了一种轻量级的特征下采样模块 ADown,它结合平均池化与最大池化策略,实现更有效的信息保留与压缩。在传统卷积网络中,特征下采样常造成信息损失,而 ADown 通过双通道并行结构优
智能体基础设施:AI企业新范式
本文探讨了企业计算向智能体基础设施的转型,分析了平台如何通过优化GPU利用率、构建开放生态和布局主权云,从根本上重构技术架构以应对AI工作负载与经济性挑战。
YOLOv11 改进 - SPPF模块 替代SPPF, Mona多认知视觉适配器(CVPR 2025):打破全参数微调的性能枷锁:即插即用的提点神器
# 前言 本文介绍了新型视觉适配器微调方法Mona,并将其集成到YOLOv11中。传统全参数微调成本高、存储负担重且有过拟合风险,现有PEFT方法性能落后。Mona仅调整5%以内的骨干网络参数,在
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30