
获得徽章 24
###
flowchart TD
%% 样式节点示例
A((开始节点)) --> B[处理步骤节点]
B --> C{决策节点}
C -->|是| D[(数据存储节点)]
C -->|否| E[输出节点]
D --> F[错误处理节点]
E --> G((结束节点))
%% 通用样式定义
classDef startEndStyle fill:#e8f5e8,stroke:#4caf50,stroke-width:3px,color:#000
classDef processStyle fill:#e3f2fd,stroke:#2196f3,stroke-width:2px,color:#000
classDef decisionStyle fill:#fff3e0,stroke:#ff9800,stroke-width:2px,color:#000
classDef dataStyle fill:#f3e5f5,stroke:#9c27b0,stroke-width:2px,color:#000
classDef outputStyle fill:#fce4ec,stroke:#e91e63,stroke-width:2px,color:#000
classDef errorStyle fill:#ffebee,stroke:#f44336,stroke-width:2px,color:#000
%% 应用样式到示例节点
class A,G startEndStyle
class B processStyle
class C decisionStyle
class D dataStyle
class E outputStyle
class F errorStyle
###
展开
评论
点赞
成都有没有会一些大模型经验的java工程师(1年+经验)跳槽,薪资12-20k *14薪
另外还有没有AI Agent 开发工程师(懂些cnn transformer算法)跳槽 ,薪资 20k-30k*14薪
团队组内直招,不打卡,工作生活平衡!
#人工智能创作者签约季#
另外还有没有AI Agent 开发工程师(懂些cnn transformer算法)跳槽 ,薪资 20k-30k*14薪
团队组内直招,不打卡,工作生活平衡!
#人工智能创作者签约季#
展开
1
点赞
联想组内直招,Work Life Balance
1.成都岗位-Java开发工程师(中级)
年限要求:2年+
开发语言:Java
熟悉常见设计模式
熟悉分布式框架(如Spring Cloud系列)
熟悉容器部署
有python编程经验优先考虑
有AI项目经验优先考虑!
2.成都/北京岗位- AI开发工程师(高级)
年限要求:5年+
开发语言:Java、Python
熟悉Transformer、CNN等算法
熟悉AI Agent项目,有调优经验
有微调、数据清洗经验
有预训练经验优先考虑!
有意私聊或把简历发邮箱honor_stone@163.com
#挑战每日一条沸点#
1.成都岗位-Java开发工程师(中级)
年限要求:2年+
开发语言:Java
熟悉常见设计模式
熟悉分布式框架(如Spring Cloud系列)
熟悉容器部署
有python编程经验优先考虑
有AI项目经验优先考虑!
2.成都/北京岗位- AI开发工程师(高级)
年限要求:5年+
开发语言:Java、Python
熟悉Transformer、CNN等算法
熟悉AI Agent项目,有调优经验
有微调、数据清洗经验
有预训练经验优先考虑!
有意私聊或把简历发邮箱honor_stone@163.com
#挑战每日一条沸点#
展开
1
点赞
#挑战每日一条沸点# 2025 年 AI 驱动的初创团队结构 - 从创意到上线全流程高效运作,四个关键领域的 AI 工具选择,来自 @minchoi 的分享
产品(Product):
使用 Grok 3、Gemini 2.5 和 ChatGPT o3 进行深入搜索和研究,帮助验证产品想法
工程(Engineering):
用 Cursor、Gemini 2.5、Replit Agent 和 Codex 生成代码、测试和调试,快速构建原型
市场推广(GTM):
通过 Bolt、Lovable 和 Veo 3 快速创建上线页面和宣传视频,高效推出产品
运营(Operations):
利用 ChatGPT 的定时任务和 Vertex AI Agent Builder 自动化日常测试、部署和报告,保持运营顺畅
产品(Product):
使用 Grok 3、Gemini 2.5 和 ChatGPT o3 进行深入搜索和研究,帮助验证产品想法
工程(Engineering):
用 Cursor、Gemini 2.5、Replit Agent 和 Codex 生成代码、测试和调试,快速构建原型
市场推广(GTM):
通过 Bolt、Lovable 和 Veo 3 快速创建上线页面和宣传视频,高效推出产品
运营(Operations):
利用 ChatGPT 的定时任务和 Vertex AI Agent Builder 自动化日常测试、部署和报告,保持运营顺畅
展开
评论
点赞
联想-北京-岗位直招-Work Life Balance
【AI 开发高级工程师】
【核心职责】
1.负责AI应用服务端产品的设计及开发;
2.参与需求梳理,工作量评估及方案设计;
3.根据研发项目进度要求,按时完成开发任务,并通过单元测试,接口测试等进行质量保障。
4.支持AI网关平台的设计和开发,确保平台在高并发、大数据量场景下的稳定运行与高效扩展
5.基于LangChain、Dify、AutoGen等主流框架进行二次开发,构建符合业务需求的 Agent 服务
6.通过业务数据和知识库对现有模型进行RAG增强和拓展
【任职要求】
1. 熟悉大模型和AI Agent开发流程,对AI应用开发有浓厚的兴趣和热情,有意愿长期从事相关工作
2. 8年以上后端开发经验,具备良好的工程实现能力,熟悉C++、Python、Java等常用编程语言中至少一种
3. 熟练掌握模型训推、多模态、AI Agent(单、多智能体)、RAG、智能体编排等技术框架
4. 具备极强的探索学习能力、较强的分析问题和解决问题的能力,能够独立开展工作并落地
【加分项】
1.有大模型评测经验优先
2. 熟悉自然语言处理常见算法与模型,具备深度学习技术在NLP领域的应用实践
【AI 开发高级工程师】
【核心职责】
1.负责AI应用服务端产品的设计及开发;
2.参与需求梳理,工作量评估及方案设计;
3.根据研发项目进度要求,按时完成开发任务,并通过单元测试,接口测试等进行质量保障。
4.支持AI网关平台的设计和开发,确保平台在高并发、大数据量场景下的稳定运行与高效扩展
5.基于LangChain、Dify、AutoGen等主流框架进行二次开发,构建符合业务需求的 Agent 服务
6.通过业务数据和知识库对现有模型进行RAG增强和拓展
【任职要求】
1. 熟悉大模型和AI Agent开发流程,对AI应用开发有浓厚的兴趣和热情,有意愿长期从事相关工作
2. 8年以上后端开发经验,具备良好的工程实现能力,熟悉C++、Python、Java等常用编程语言中至少一种
3. 熟练掌握模型训推、多模态、AI Agent(单、多智能体)、RAG、智能体编排等技术框架
4. 具备极强的探索学习能力、较强的分析问题和解决问题的能力,能够独立开展工作并落地
【加分项】
1.有大模型评测经验优先
2. 熟悉自然语言处理常见算法与模型,具备深度学习技术在NLP领域的应用实践
展开
评论
点赞
联想-成都-岗位直招-Work Life Balance
【Java开发工程师-AI方向】
岗位职责描述:
-负责算力管理平台后端服务的设计、开发和优化
-确保后端服务稳定、可靠、高效,开发高性能API
-基于LangChain、Dify、AutoGen等主流框架进行二次开发,构建符合业务需求的 Agent 服务
-挖掘业务场景适配自研大模型应用,通过业务数据和知识库对现有模型进行RAG增强和拓展,并对大模型应用进行运维和优化
-支持AI网关平台的设计和开发,确保平台在高并发、大数据量场景下的稳定运行与高效扩展
岗位要求:
1.计算机或相关专业本科及以上学历,3年以上Java后端开发经验,具备良好的工程实现能力
2.编程基础扎实,具备良好的代码编写习惯,熟悉JAVA多线程、JVM调优,熟悉Linux常用命令
3.精通spring、mybatis等框架,熟悉spring cloud微服务,熟悉restful接口规范
4.对go或python有一定了解,能快速上手开发
5.熟悉mysql/postgresql、elasticsearch;有过大数据hadoop、spark/flink开发经验尤佳;熟悉常见的开源分布式中间件、缓存、消息队列等
6.有过云计算产品(如aws/azure/阿里云)、AI、模型训练和推理、大型分布式开发经验优先
7.具备极强的探索学习能力、较强的分析问题和解决问题的能力,能够独立开展工作并落地
8.熟悉模型训推、多模态、AI Agent(单、多智能体)、RAG、智能体编排等技术框架
【Java开发工程师-AI方向】
岗位职责描述:
-负责算力管理平台后端服务的设计、开发和优化
-确保后端服务稳定、可靠、高效,开发高性能API
-基于LangChain、Dify、AutoGen等主流框架进行二次开发,构建符合业务需求的 Agent 服务
-挖掘业务场景适配自研大模型应用,通过业务数据和知识库对现有模型进行RAG增强和拓展,并对大模型应用进行运维和优化
-支持AI网关平台的设计和开发,确保平台在高并发、大数据量场景下的稳定运行与高效扩展
岗位要求:
1.计算机或相关专业本科及以上学历,3年以上Java后端开发经验,具备良好的工程实现能力
2.编程基础扎实,具备良好的代码编写习惯,熟悉JAVA多线程、JVM调优,熟悉Linux常用命令
3.精通spring、mybatis等框架,熟悉spring cloud微服务,熟悉restful接口规范
4.对go或python有一定了解,能快速上手开发
5.熟悉mysql/postgresql、elasticsearch;有过大数据hadoop、spark/flink开发经验尤佳;熟悉常见的开源分布式中间件、缓存、消息队列等
6.有过云计算产品(如aws/azure/阿里云)、AI、模型训练和推理、大型分布式开发经验优先
7.具备极强的探索学习能力、较强的分析问题和解决问题的能力,能够独立开展工作并落地
8.熟悉模型训推、多模态、AI Agent(单、多智能体)、RAG、智能体编排等技术框架
展开
评论
点赞
#挑战每日一条沸点# OpenAI 罕见地分享了他们关于统一 GPT-5 模型的路线图。主要要点如下:
- GPT-4.5 将在“数周内”推出,这是他们最后一个非推理类模型(类似 GPT-4o)。
- o3 不会作为独立模型发布。
- 取而代之的是,他们将在“数月内”推出 GPT-5,它将融合 o3 和 GPT-4.5。
- GPT-5 将成为一个能够使用所有工具(如语音、搜索、Canvas、深度研究等)的系统——它可以自动决定该使用什么工具以及使用多高程度的推理。
- 这将同时适用于 ChatGPT 和 API。
- 在 ChatGPT 中,免费用户将获得 GPT-5 的无限使用权限。
- Plus 用户将获得更高水平的智能,Pro 用户则会更高。
- GPT-4.5 将在“数周内”推出,这是他们最后一个非推理类模型(类似 GPT-4o)。
- o3 不会作为独立模型发布。
- 取而代之的是,他们将在“数月内”推出 GPT-5,它将融合 o3 和 GPT-4.5。
- GPT-5 将成为一个能够使用所有工具(如语音、搜索、Canvas、深度研究等)的系统——它可以自动决定该使用什么工具以及使用多高程度的推理。
- 这将同时适用于 ChatGPT 和 API。
- 在 ChatGPT 中,免费用户将获得 GPT-5 的无限使用权限。
- Plus 用户将获得更高水平的智能,Pro 用户则会更高。
展开
评论
点赞
#挑战每日一条沸点# Perplexity 推出 Deep Research 功能
可以生成一份详尽且全面的报告 并导出为PDF
Perplexity 深度研究具备搜索和编码能力,可以反复搜索、阅读文档,并根据新获取的信息不断完善研究计划,类似于人类专家的研究过程。
可以生成一份详尽且全面的报告 并导出为PDF
Perplexity 深度研究具备搜索和编码能力,可以反复搜索、阅读文档,并根据新获取的信息不断完善研究计划,类似于人类专家的研究过程。
展开
评论
点赞
#挑战每日一条沸点# 看到篇讲大模型 temperature和top_p设置的文章,好奇
为什么默认是0.7 和 (0.5-0.8)的设置,Gemini Flash thinking给的解释:
## 1. 为什么 0.7 常常作为 temperature 的默认值?
temperature = 0.7 通常被认为是 在创造性和可靠性之间取得较好平衡 的一个值。
在这个温度下,模型在各常见任务 (例如:对话、文本生成、摘要等) 中,都能产生相对令人满意的、质量和多样性兼顾的输出。
## 2. 为什么 top_p 的常用建议范围是 0.5 - 0.8?
top_p 的主要作用是控制采样范围,降低 top_p 可以约束模型的生成方向,使其更聚焦、更可控。
0.5 - 0.8 这个范围,被认为是既能有效控制发散程度,又能保留一定的多样性和创新性的一个平衡区间。
top_p 过高 (例如 0.9 - 1.0),采样范围过大,可能导致模型生成内容过于发散、主题不明确、跑题等。
在高 temperature 的情况下,这种 “失控” 的风险更高。
top_p 过低 (例如 0.3 或更低): 采样范围过窄,会导致生成内容过于保守、重复、缺乏新意,甚至出现 “卡壳” 或循环的情况。
对于需要较高准确性和可靠性的任务 ,例如:事实性问答、代码生成,top_p 可以适当调低一些,例如 0.3 - 0.6
对于需要较高创造性和多样性的任务 ,例如:故事创作、头脑风暴。 top_p 可以适当调高一些,例如 0.7 - 0.9
top_p 值越低,要考虑的词语数量越少,计算效率相对越高。
在某些对延迟敏感应用场景下,适当降低 top_p 也有一定的性能优化作用。
![[思考]](http://lf-web-assets.juejin.cn/obj/juejin-web/xitu_juejin_web/img/jj_emoji_15.f58c082.png)
## 1. 为什么 0.7 常常作为 temperature 的默认值?
temperature = 0.7 通常被认为是 在创造性和可靠性之间取得较好平衡 的一个值。
在这个温度下,模型在各常见任务 (例如:对话、文本生成、摘要等) 中,都能产生相对令人满意的、质量和多样性兼顾的输出。
## 2. 为什么 top_p 的常用建议范围是 0.5 - 0.8?
top_p 的主要作用是控制采样范围,降低 top_p 可以约束模型的生成方向,使其更聚焦、更可控。
0.5 - 0.8 这个范围,被认为是既能有效控制发散程度,又能保留一定的多样性和创新性的一个平衡区间。
top_p 过高 (例如 0.9 - 1.0),采样范围过大,可能导致模型生成内容过于发散、主题不明确、跑题等。
在高 temperature 的情况下,这种 “失控” 的风险更高。
top_p 过低 (例如 0.3 或更低): 采样范围过窄,会导致生成内容过于保守、重复、缺乏新意,甚至出现 “卡壳” 或循环的情况。
对于需要较高准确性和可靠性的任务 ,例如:事实性问答、代码生成,top_p 可以适当调低一些,例如 0.3 - 0.6
对于需要较高创造性和多样性的任务 ,例如:故事创作、头脑风暴。 top_p 可以适当调高一些,例如 0.7 - 0.9
top_p 值越低,要考虑的词语数量越少,计算效率相对越高。
在某些对延迟敏感应用场景下,适当降低 top_p 也有一定的性能优化作用。
展开
评论
2
『知识墙:什么是AI智能体』
AI Agent(智能体)被定义为能够感知环境、做出决策并采取行动的人工智能实体。受美国汽车工程师学会SAE提出的自动驾驶六个级别启发,在论文《Levels of AI Agents: from Rules to Large Language Models》中,作者把人工智能智能体也基于效用和强度分为以下级别:
1、L0:无人工智能,只有工具(具备感知能力)加上行动
2、L1:使用基于规则的人工智能
3、L2:用基于模仿学习(IL)/ 强化学习(RL)的人工智能替代基于规则的人工智能,并增加推理和决策功能
4、L3:用基于大型语言模型(LLM)的人工智能替代基于 IL/RL 的人工智能,另外设置记忆和反思模块
5、L4:在 L3 的基础上,促进自主学习和泛化
6、L5: 在 L4 的基础上,添加个性(情感 + 性格)和协作行为(多智能体)
#挑战每日一条沸点#
AI Agent(智能体)被定义为能够感知环境、做出决策并采取行动的人工智能实体。受美国汽车工程师学会SAE提出的自动驾驶六个级别启发,在论文《Levels of AI Agents: from Rules to Large Language Models》中,作者把人工智能智能体也基于效用和强度分为以下级别:
1、L0:无人工智能,只有工具(具备感知能力)加上行动
2、L1:使用基于规则的人工智能
3、L2:用基于模仿学习(IL)/ 强化学习(RL)的人工智能替代基于规则的人工智能,并增加推理和决策功能
4、L3:用基于大型语言模型(LLM)的人工智能替代基于 IL/RL 的人工智能,另外设置记忆和反思模块
5、L4:在 L3 的基础上,促进自主学习和泛化
6、L5: 在 L4 的基础上,添加个性(情感 + 性格)和协作行为(多智能体)
#挑战每日一条沸点#
展开
评论
点赞
『Omdia:发布中国大模型厂商竞争力排名报告』
近日,Omdia发布首份《中国大模型厂商竞争力排名报告》,阿里云、百度云、质谱AI等入选领导者象限。但值得关注的是,华为并没有参与本次评选。
根据Omdia发布的《亚洲和大洋洲人工智能软件市场预测》报告,亚太地区的生成式人工智能GenAI市场规模在2023年估计为16亿美元,并预测从2024到2030年,生成式人工智能在亚太市场规模的复合年增长率CAGR预计将达到53%,大部分的增长来源于中国。
Omdia报告中指出,中国是开发AI最为积极的市场,截至2024年1月,中国基础模型总数已超230个。基于模型通用能力、专业领域能力、厂商执行能力、解决方案丰富度、战略与创新、市场影响力等多个维度,Omdia对最领先的12家中国模型厂商进行综合评估,按照得分划分为领导者、挑战者、潜力者三大象限。
近日,Omdia发布首份《中国大模型厂商竞争力排名报告》,阿里云、百度云、质谱AI等入选领导者象限。但值得关注的是,华为并没有参与本次评选。
根据Omdia发布的《亚洲和大洋洲人工智能软件市场预测》报告,亚太地区的生成式人工智能GenAI市场规模在2023年估计为16亿美元,并预测从2024到2030年,生成式人工智能在亚太市场规模的复合年增长率CAGR预计将达到53%,大部分的增长来源于中国。
Omdia报告中指出,中国是开发AI最为积极的市场,截至2024年1月,中国基础模型总数已超230个。基于模型通用能力、专业领域能力、厂商执行能力、解决方案丰富度、战略与创新、市场影响力等多个维度,Omdia对最领先的12家中国模型厂商进行综合评估,按照得分划分为领导者、挑战者、潜力者三大象限。
展开
评论
点赞