HelloWorld 开发者社区
科技资讯
微软 MAI Code 2 系列进入 Copilot:按工程任务选择编程模型
OpenAI 发布 GPT-6.2 Astra 与 Sol:专业交付、编程效率与团队选型
Qwen4-Max 发布:百万 Token 上下文、多模态与长任务如何落地
Jync 2.2.1 发布:完善告警通知,修复 CDC 与 ETL 可靠性问题
phimint 0.10.0 发布:终端智能体加入交互输入处理
Cursor 更新安全事件调查:扩展分发、历史凭据与团队排查
SoduWork 开源,尝试用独立审查与插件治理组织智能体交付
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
开源项目
全部项目推荐好文
2023年6月ModaHub中文AI模型应用排行榜和行业解读
随着人工智能技术的不断发展,越来越多的中文AI模型应用被开发出来,这些应用在各个领域都有着广泛的应用。本文将对中文AI模型应用排行榜进行分析,找出其中的规律和趋势。FX推荐指数应用名称AI作画1311010AI全能写手2112166文本生成视频大模型英文通70937中文小说模型347342818
强化学习从基础到进阶-案例与实践[5.1]:Policy Gradient策略梯度-Cart pole游戏展示
强化学习从基础到进阶案例与实践5.1:PolicyGradient策略梯度Cartpole游戏展示强化学习(Reinforcementlearning,简称RL)是机器学习中的一个领域,区别与监督学习和无监督学习,强调如何基于环境而行动,以取得最大化的预期利益。
强化学习从基础到进阶-案例与实践[4.2]:深度Q网络DQN-Cart pole游戏展示
强化学习从基础到进阶案例与实践4.2:深度Q网络DQNCartpole游戏展示强化学习(Reinforcementlearning,简称RL)是机器学习中的一个领域,区别与监督学习和无监督学习,强调如何基于环境而行动,以取得最大化的预期利益。基本操作步骤:智能体<
从零开始初识机器学习 | 京东云技术团队
本篇文章中我们将对机器学习做全面的了解与介绍,其中第一章初识机器学习分为上下两个小章节,对机器学习是什么、机器学习由来以及机器学习的理论等展开说明。目的是能让即便完全没接触过机器学习的人也能在短时间对机器学习有一个全面了解。后续将推出机器学习的进阶内容,包括经典基础篇(线性模型、决策树、集成学习、
【OpenVI—论文解读系列】达摩院细粒度分类SoftTriple Loss ICCV高引论文深入解读
一、背景度量学习是一种机器学习方法,它主要用于在相似性度量的基础上进行数据挖掘。具体来说,度量学习通过学习一种函数来度量两个数据样本点的相似性。这种函数称为度量函数,它的目的是在尽可能减少度量错误的同时最小化相似数据样本点之间的距离。典型的度量学习方法包括TripletLoss、Pr
R语言文本挖掘、情感分析和可视化哈利波特小说文本数据|附代码数据
全文下载链接:http://tecdat.cn/?p22984(https://link.segmentfault.com/?encK3Q5meiyR5Pfu4gSww2QNA%3D%3D.uY7nLcdEMl8uOULdkO492qtCtFhvIzZGkFnR%2FvUStYg%3D
R语言随机波动模型SV:马尔可夫蒙特卡罗法MCMC、正则化广义矩估计和准最大似然估计上证指数收益时间序列|附代码数据
全文链接:http://tecdat.cn/?p31162(https://link.segmentfault.com/?enc7lim5feeCJDi4ahg5SER2Q%3D%3D.K0rRQ8oTXmDPEebOjMWUZtOpJ1cOeUX5UaA1D%2BQZxZM%3D)
R语言组lasso改进逻辑回归变量选择分析高血压、易感因素、2型糖尿病和LDL可视化
全文链接:https://tecdat.cn/?p33015(https://link.segmentfault.com/?enczHOkm2l5uidD1zYMRKgDdA%3D%3D.yJ4sM2p4V3aHT0KqKvFXq%2FjjU1Cfm2nmfE2ILmV1x30%3D)
个推消息推送专项运营提升方案5大亮点解读
今年3月份,个推将数智运营服务在消息推送场景率先落地,发布了消息推送专项运营提升方案。目前,该方案已经在游戏社交、影音资讯等行业应用,在提升消息到达率和点击率等方面表现出显著效果。尤其是TT语音,通过个推消息推送专项运营提升方案,不仅保障了消息的稳定下发,还通过文案圈人模型,高效挖掘目标用户群,使整
强化学习从基础到进阶--案例与实践含面试必知必答[9]:稀疏奖励、curiosity、分层强化学习HRL
强化学习从基础到进阶案例与实践含面试必知必答9:稀疏奖励、rewardshaping、curiosity、分层强化学习HRL实际上用强化学习训练智能体的时候,多数时候智能体都不能得到奖励。在不能得到奖励的情况下,训练智能体是非常困难的。例如,假设我们要训练一个机器臂,桌上有一个
正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。


