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
拆房老料
掘友等级
获得徽章 0
动态
文章
专栏
沸点
收藏集
关注
作品
赞
11
文章 11
沸点 0
赞
11
返回
|
搜索文章
拆房老料
21天前
关注
文档能力中台化:在 AI Agent 时代如何设计高稳定、可组合的 Office / PDF 处理引擎?
在很多系统建设中,“文件内容处理”常常被视为一个普通的功能模块: 合并几个 Word 拆分一个 PDF 提取某几页内容 在文档中插入一段说明 听起来并不复杂,甚至已经有 A...
0
评论
分享
拆房老料
1月前
关注
知识管理不再纸上谈兵:用在线协同“反推”组织智慧沉淀
本文的思考,基于 Lisa 在《麦肯锡破解知识困局:集团企业从实践到体系的知识管理落地指南》一文中所系统梳理的理论框架与实践路径。文章以麦肯锡的长期实践与 Gartner ...
0
评论
分享
拆房老料
1月前
关注
同为开源文件预览方案,BaseMetas FileView 与 KK FileView 的架构取向差异分析
在文档在线预览领域,支持哪些文件格式早已不再是区分产品的核心指标。 无论是 BaseMetas FileView 还是 KK FileView,在 Office、PDF、图...
0
评论
分享
拆房老料
1月前
关注
BaseMetas Fileview 开源发布:支持私有化部署的文档预览引擎
在数字时代,你是否也正被这些问题困扰:OA系统里一份CAD图纸死活打不开,只能干瞪眼?收到一份加密合同附件,必须先下载再费力找软件?团队分享的代码文件,在手机上排版全乱了套...
1
评论
分享
拆房老料
1月前
关注
合同在线编辑太容易出错?我们基于 OnlyOffice 做了一套结构化编辑方案
一、方案背景 在企业合同管理场景中,传统的“在线 Word 编辑”模式存在以下核心问题: 合同格式、条款高度敏感,人工编辑极易引入错误 编辑权限粒度粗,无法区分“谁能改哪一...
1
评论
分享
拆房老料
1月前
关注
为什么说POI做不了真正的文档处理?一份给自研团队的技术选型避坑指南
一、为什么需要一份“面向自研产品”的选型说明 当团队第一次尝试自研 Office 文档处理能力时,往往会低估这件事情的复杂度。 常见误判包括: 认为“POI 能读写 Wor...
1
评论
分享
拆房老料
1月前
关注
数据、算法、机器:量化交易真正的护城河
如果对交易的认知一开始就错了,那么无论是支持还是反对量化,结论都很可能是情绪性的。 一、一个跑鞋广告,讲清了交易的本质 行为金融学中有一个重要概念,叫 “框定型捷径与框定型...
0
评论
分享
拆房老料
1月前
关注
打通文档与签章:详解OnlyOffice API集成电子签的架构与核心代码
随着数字化办公和在线签署的普及,电子签章和电子合同已经成为企业与组织必不可少的工具。OnlyOffice 提供了一系列强大的文档编辑和协作功能,而与 e签宝 / 法大大 等...
1
评论
分享
拆房老料
2月前
关注
与其在舆论场“碰瓷”,不如在代码行里“较真”
这两天,朋友圈被一篇声讨“某国产办公软件巨头”的某国产主流办公软件被指滥用市场主导地位,涉嫌不正当竞争文章刷屏了。 文章写得很长,甚至可以说是“声泪俱下”。从C端用户的会员...
1
评论
分享
拆房老料
2月前
关注
为什么企业偏爱子目录部署?以及如何“破解”ONLYOFFICE的限制
在实际的企业运维、Web 架构设计以及多系统整合场景中,将应用部署到 Nginx 子目录(Subdirectory) 是一种非常常见且实用的方式。本文将从原理、典型应用场景...
1
评论
分享
拆房老料
3月前
关注
深入解析提示语言模型校准:从理论算法到任务导向实践
模型输出校准技术研究面临三大核心挑战:表面形式竞争导致的概率低估、任务特异性偏差以及过度自信问题。本文系统探讨了提示校准的理论基础与评估指标,提出了任务导向的校准方法...
1
评论
分享
拆房老料
3月前
关注
大模型应用的基石:深入解析上下文学习的技术体系与行业趋势
本文深入探讨了ICL的技术内涵、其在大模型生命周期中的战略地位,并系统解析了提示工程、零/少样本学习、示范样本选择与排序、指令生成、思维链、递归提示、有效性评估与模型校准等...
1
评论
分享
拆房老料
4月前
关注
LLM应用开发必读:从贪心搜索到推测解码,全方位优化你的生成效果
在大模型推理生成过程中,解码策略扮演着从概率分布到具体token序列的"决策引擎"角色。对于开发者而言,深入理解各种解码策略的原理细节、工程实现和性能特征,是构建高质量AI...
1
评论
分享
拆房老料
4月前
关注
窥探AI的“学前班”:大模型预训练目标深度揭秘
在当今席卷全球的大模型浪潮中,我们惊叹于ChatGPT的对话流畅度,震撼于Claude的复杂推理能力,也享受着Midjourney带来的视觉创造力。然而,这些令人瞩目的上层...
0
评论
分享
拆房老料
4月前
关注
【深度干货】Transformer推理优化完全指南:模型压缩、推理加速与硬件调优
本文将深入探讨Transformer推理优化的三大核心方向:模型架构与压缩、推理过程与系统优化以及硬件与编译器优化,分析各项技术的原理、特点与实践案例...
0
评论
分享
拆房老料
4月前
关注
政企级开源Office集成指南:从特性对比到信创落地避坑
在信创国产化浪潮与数字化转型的双重驱动下,政企单位的办公软件选型正站在一个全新的十字路口。高昂的商业授权费用、数据安全的紧迫要求、在线协作的现实需求,都驱使着决策者将目光投...
0
评论
分享
拆房老料
4月前
关注
让Transformer模型更小、更快的一系列技术?—— 一份关于注意力优化、条件计算与搜索的综合论述
Transformer模型虽然在自然语言处理等领域取得了巨大成功,但其计算复杂度和参数规模也带来了显著的挑战。让Transformer更小、更快主要围绕三个方面展开:优化注...
0
评论
分享
拆房老料
5月前
关注
解构Transformer记忆瓶颈:主流外部记忆方案对比与RAG协同优化策略
标准的Transformer模型受到上下文窗口长度的严格限制,无论是因为二次计算复杂度还是有限的注意力机制,都导致模型无法处理长序列和维持长期记忆。 随着大模型应用的深入,...
0
评论
分享
拆房老料
5月前
关注
大语言模型基础-Transformer之上下文
1. 什么是“上下文”? 在自然语言处理(NLP)中,“上下文”指的是一个词、一句话或一段文本所处的语言环境。它提供了理解当前单元所必需的信息。 例句:“苹果发布了新产品。...
0
评论
分享
拆房老料
5月前
关注
OnlyOffice的高可用方案如何做
OnlyOffice 社区版本身不原生支持集群,但通过外部组件和配置可实现高可用和负载均衡。核心在于让多个 Document Server 节点共享状态和数据,确保来自同一...
0
评论
分享
下一页
个人成就
文章被点赞
11
文章被阅读
3,678
掘力值
351
关注了
0
关注者
3
收藏集
0
关注标签
0
加入于
2025-03-29