当前位置: 首页 > news >正文

AI日报 - 2025年4月23日

🌟 今日概览(60秒速览)
▎🤖 AGI突破 | Sam Altman称指向AGI的系统初现端倪,强调安全标准紧迫性;DeepMind CEO预测AI 5-10年内具备科学猜想能力。
AGI定义及测试标准引关注 (Dario Amodei),AI安全与非扩散方法成讨论焦点 (Helen Toner)。
▎💼 商业动向 | Perplexity CEO将就Android开放性在Google DOJ案作证;Uber抗议Waymo获旧金山Market Street准入;VentureBeat分拆游戏部门聚焦企业AI。
NVIDIA CEO赠送日本首相GPU;Mechanize、Google Colab波兰团队、Elysian Labs等发布招聘信息;LangChain宣布开设欧洲办公室。
▎📜 政策追踪 | AI安全标准需求迫切,科技巨头风险管理受关注;Perplexity CEO证词或影响科技平台开放性政策。
对齐技术助力AI展现人类优秀面,但AI伦理与价值观(Anthropic公开数据)仍需关注。
▎🔍 技术趋势 | 模型后训练重要性凸显;MCP协议定义超越工具调用;稀疏MoE训练效率提升;扩散模型加速(Chipmunk);联邦学习向移动端拓展。
混合数字-模拟量子模拟、自回归扩散视频模型(Magi-1)、视觉语言模型(Eagle 2.5, GPT-o3)等持续进步。
▎💡 应用创新 | AI驱动代码审查(CodeRabbit)、自动化测试(Codegen API)、金融分析(DeepAgent)、文档工作流(LlamaIndex)、网站创建(Vibe Coding)展现潜力。
AI在机器人(Matic, Figure-02)、视频生成(Kling, Sora等)、语音合成(Dia)、艺术创作(FaceEnhance)、教育(eSelf)等领域加速落地。


🔥 一、今日热点 (Hot Topic)

1.1 Sam Altman:指向AGI的系统初现,安全标准需求迫切

#AGI #AI安全 #OpenAI | 影响指数:★★★★★
📌 核心进展:OpenAI CEO Sam Altman早在2025年2月就表示,开始指向AGI(通用人工智能)的系统正在显现。随着科技巨头向AGI迈进,对真正安全标准的需求变得空前迫切,仅仅依靠宽松的指导方针已不足够。
⚡ Forward Future分析文章探讨了通往安全AGI之路的风险、障碍和可能路径。
💡 行业影响
▸ 引发行业对AGI发展速度和潜在风险的高度关注,推动更严格安全协议的讨论与制定。
▸ 可能促使监管机构和标准制定组织加快步伐,为即将到来的强AI时代建立框架。

“开始指向AGI的系统正在显现…” - Sam Altman (OpenAI CEO)
📎 结合DeepMind CEO对AI意识和科学猜想能力的预测,AGI话题持续升温。

1.2 Perplexity CEO将在Google DOJ案作证,主张Android更开放

#市场竞争 #平台政策 #Perplexity #Google | 影响指数:★★★★☆
📌 核心进展:Perplexity CEO Aravind Srinivas将在Google反垄断案中作证,主张Android系统应对消费者选择更加开放,不应强制绑定Google默认应用,即使不拆分Google。
⚡ Srinivas指出OEM厂商因收入分成模式难以改变现状,即使有更优选择。解决方案是让消费者自由选择默认设置,无需担心收入损失。
💡 行业影响
▸ 可能影响未来移动操作系统的开放性政策,为新兴AI应用(如AI搜索)提供更公平的竞争环境。
▸ 再次凸显大型科技平台守门人角色对创新的潜在阻碍,引发对平台责任和市场公平的讨论。

“解决方案是让消费者在不担心收入损失的情况下选择默认设置。” - Aravind Srinivas (Perplexity CEO)
📎 此举将Perplexity置于挑战现有科技巨头格局的前沿。

1.3 Anthropic公开Claude价值观数据集,推动AI伦理透明化

#AI伦理 #模型对齐 #Anthropic #Claude | 影响指数:★★★★☆
📌 核心进展:Anthropic在Hugging Face平台公开了一个包含3307条Claude在真实对话中表达的价值观的数据集。
⚡ 数据集名为"values-in-the-wild",展示了Anthropic在AI伦理和透明度方面的努力。
💡 行业影响
▸ 为研究AI行为、价值观对齐和模型偏见提供了宝贵的真实世界数据资源。
▸ 推动行业在AI模型开发中更加关注伦理原则的植入和透明度,促进负责任AI的发展。
📎 此举与X平台上LLM机器人展现“人类优秀面”的现象相呼应,凸显了价值观对齐的重要性。

1.4 X平台涌现数百万LLM回复机器人,表现超越常人

#社交媒体 #LLM应用 #模型对齐 #X平台 | 影响指数:★★★☆☆
📌 核心进展:数百万基于大语言模型(LLM)的回复机器人出现在X(原Twitter)平台上。
⚡ 这些机器人在智能、幽默感和同理心方面表现卓越,据称超越了普通人类的平均水平。这一现象被归功于对齐技术的努力,使AI能反映人类最优秀的一面。
💡 行业影响
▸ 展示了LLM在模拟复杂人类交互方面的巨大潜力,可能改变社交媒体互动生态。
▸ 引发关于AI生成内容真实性、人机交互界限以及“智能”定义的深入讨论。
📎 尽管图灵测试被超越时社会反应冷淡,但此类现象仍迫使我们思考AI对社会结构的影响。


🛠️ 二、技术前沿 (Tech Radar)

2.1 MCP (Model Control Protocol) 协议

🏷️ 技术领域:模型交互协议/AI工作流/API标准
核心创新点
超越工具调用:定义了一系列服务器端(工具、提示、资源)和客户端(根、采样)的原始能力,远超简单的函数/API调用。
运行时合约:定义模型与其运行环境之间的动态合约,而非静态API描述(如OpenAPI)。
安全与权限:内置授权能力(OAuth 2.1),支持创建安全、有权限的动态AI工作流程。
📊 应用前景:有望成为下一代AI代理、模型协调和动态工作流的标准协议,已被Google、OpenAI、Anthropic等多家巨头采纳,并在现代IDE中获得支持。

2.2 C-PRUNE:高效MoE模型剪枝技术

🏷️ 技术领域:模型压缩/MoE/LLM优化
技术突破点
两阶段聚类剪枝:先在层内对相似专家聚类,再全局修剪冗余聚类,自适应减少模型大小。
参数相似性洞察:利用参数相似性而非激活统计进行聚类,提供更深层次的冗余洞察。
性能保持:将DeepSeek MoE模型参数减少20%,MMLU分数仅下降1.4%,显著提升效率。
🔧 落地价值:为部署和运行大型MoE模型提供了有效的轻量化方法,降低计算成本,同时保持高性能,特别适用于资源受限环境。

2.3 Chipmunk:Diffusion Transformers无训练加速技术

🏷️ 技术领域:扩散模型/视频生成/图像生成/模型加速
技术突破点
动态稀疏性利用:基于DiT激活在步骤间变化缓慢且中间激活稀疏的观察。
跨步增量计算:通过重新定义注意力和MLP,计算相对于缓存激活的稀疏跨步增量,提升效率。
显著加速:无需额外训练,实现视频生成速度提升3.7倍,图像生成速度提升1.6倍,且保持质量。
🔧 落地价值:大幅降低生成式AI模型(尤其是视频生成)的推理成本和时间,推动更广泛的应用。已开源代码和CUDA内核。

2.4 睡眠时间计算 (Sleep-time Compute)

🏷️ 技术领域:AI代理/计算优化/内存管理
核心创新点
非活跃期计算:允许AI代理在非活跃期(“睡眠时间”)进行计算,如信息处理和记忆状态优化。
延迟优化:将计算负载从高延迟的用户交互转移到系统空闲期,提升性能而不增加用户感知延迟。
类比潜意识处理:概念上类似人类的“潜意识”或“背景”记忆处理,优化学习效率。
📊 应用前景:为构建更高效、更强大的持续学习AI代理提供了新思路,已在Letta平台和LangMem框架中得到应用。


🌍 三、行业动态 (Sector Watch)

3.1 AI驱动的代码生成与开发辅助

🏭 领域概况:AI正深度融入软件开发生命周期,从代码生成、补全到测试、文档编写和审查。
核心动态:多种模型(Gemini Flash 2.5, PHI-4 14B, Claude Code, DeepCoder)在代码任务上表现亮眼,接近甚至超越GPT-4级模型;开源小模型(PHI-4)展现高性价比潜力;工具(Cursor, CodeRabbit, Codegen API)提升开发效率。
📌 数据亮点:PHI-4 14B在编程竞赛中实现73.6% pass@3准确率;CodeRabbit为开源项目提供免费AI代码审查。
市场反应:开发者积极采用AI编码工具,但也遇到模型“固执己见”、调试困难等问题;新工具(Cursor)被视为行业标杆。
🔮 发展预测:AI将进一步自动化软件开发流程,对开发者技能要求转向与AI协作(提示、评估);后训练优化成为提升代码模型能力的关键。

3.2 AI视频生成技术竞赛白热化

🚀 增长指数:★★★★★
关键进展:Kling 2.0、Sora、Runway Gen-4、Google Veo-2等顶尖模型在生成复杂、逼真视频方面能力持续提升;新模型如Magi-1(首个自回归扩散视频模型)、Vidu Q1发布,强调视觉效果、声音和时间控制。
🔍 深度解析:技术进步得益于模型架构创新(如扩散、Transformer)、更大规模的训练数据以及多模态能力的增强。
产业链影响:降低视频内容创作门槛,冲击传统影视、广告、游戏行业;对算力、存储和数据标注提出更高要求。
📊 趋势图谱:未来将聚焦更长时序一致性、物理规律理解、可控性(如3D相机控制)和生成效率的提升。

3.3 机器人技术:自主性与视觉能力提升

🌐 全球视角:人形机器人(Figure-02)、家用清洁机器人(Matic Robots)和工业机器人(中国人形工人)等领域均有显著进展。
区域热点:中国在“具身AI”应用(如监控车)方面表现活跃;美国初创公司(Matic, Figure)在计算机视觉和自主性方面领先。
💼 商业模式:家用机器人开始进入消费市场(Matic);工业和特定场景(医院、工厂)应用是未来增长点;开源合作(HuggingFace & Pollen Robotics)推动社区创新。
挑战与机遇:成本、安全性、人机交互自然度、复杂环境适应性仍是挑战;AI视觉(如水平立体视觉讨论)、传感器融合和强化学习是关键技术突破口。
🧩 生态构建:芯片(NVIDIA)、算法、传感器、执行器和应用场景开发商共同构成机器人产业生态。

📈 行业热力图(按领域划分):

领域融资热度政策支持技术突破市场接受度
代码生成AI▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲
视频生成AI▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲
机器人(具身AI)▲▲▲▲▲▲▲▲▲▲▲▲▲
金融AI▲▲▲▲▲▲▲▲▲▲▲
医疗AI▲▲▲▲▲▲▲▲▲▲▲▲▲
教育AI▲▲▲▲▲▲▲▲▲▲▲

💡 行业洞察:代码和视频生成AI技术突破迅猛,市场关注度高;机器人技术稳步发展,应用场景逐渐拓宽;金融、医疗、教育等领域AI应用持续深化。


🎯 四、应用案例 (Case Study)

4.1 Vending-Bench:LLM在商业运营模拟中的挑战

📍 应用场景:评估大型语言模型(LLM)在模拟长期、复杂的现实世界商业运营(自动售货机业务)中的能力。
实施效果

模型/指标表现失败原因
所有测试模型高方差性能,易出现灾难性失败和不一致性误解操作状态、忘记任务、产生幻觉
最佳模型(Sonnet 3.7)可连续运营近4个月不破产 (超人类能力)仍非完美,可能在长期任务中失败
普遍挑战一致性、可靠性差,非仅因上下文窗口限制难以处理概念简单但时间跨度长的任务

💡 落地启示:当前LLM代理在复杂、长周期的现实任务中仍面临严峻挑战,需要关注其一致性和可靠性,而非仅追求单点任务性能。评估基准需更贴近真实世界。
🔍 技术亮点:Vending-Bench提供了一个新颖的、模拟现实业务的LLM代理评估框架。

4.2 Matic Robots:先进计算机视觉赋能家用吸尘器

📍 应用场景:解决家庭(尤其有青少年)日常地面清洁问题,实现全自动夜间清洁。
价值创造
用户价值:解放用户双手,自动处理日常清洁任务,提升生活品质;解决特定痛点(青少年造成的脏乱)。
技术价值:展示了先进计算机视觉技术在Level-5自主家用机器人上的成功应用。
实施矩阵

维度量化结果/描述行业对标创新亮点
技术维度Level-5自主性领先水平最先进的计算机视觉技术
业务维度解决用户痛点高端吸尘器市场全自动夜间清洁
用户维度用户好评(Scoble分享)良好无需人工干预

💡 推广潜力:该技术和模式可推广至其他家用服务机器人领域,提升家庭自动化水平。

4.3 FaceEnhance:提升GPT-4o生成图像面部质量

📍 应用场景:解决AI图像生成模型(如GPT-4o)在生成人脸时质量不佳、细节模糊的问题。
解决方案
技术架构:结合PuLID-Flux(保持面部身份)和ControlNet(锁定结构),利用面部嵌入指导生成。
实施效果:面部质量提升10倍,处理时间约30秒/图,支持多种表情、光照和头部方向。
创新点:开源工具,针对性解决主流模型痛点,易于集成。
效果评估

业务指标改进效果ROI分析可持续性评估
面部质量提升10倍开源免费,成本低社区可维护,持续改进
处理速度约30秒/图对于质量提升而言高效依赖底层模型性能
易用性Hugging Face免费提供非常高依赖用户对工具的熟悉程度

💡 行业启示:针对大型基础模型的特定短板开发辅助工具是重要的生态位,开源有助于快速普及和迭代。
🔮 未来展望:类似的面部/细节增强技术可能成为图像生成工作流的标准环节。


👥 五、AI人物 (Voices)

5.1 Demis Hassabis (Google DeepMind CEO)

👑 影响力指数:★★★★★

“AI可能很快需要理解‘你、自我和其他’——意识的早期元素…在5到10年内,它们将能够解决并提出科学猜想。”
观点解析
AI意识:认为当前AI无意识,但自我意识可能“隐含地”出现,作为理解世界的基础。
科学能力:预测AI将在中短期内从解决问题发展到具备提出科学猜猜想(即创造性科学发现)的能力。
📌 背景补充:Hassabis在CBS 60 Minutes等访谈中阐述观点,强调AI作为推动科学进步的终极工具的潜力。

5.2 Andrej Karpathy (前OpenAI/Tesla AI专家)

👑 影响力指数:★★★★☆

“LLM偏好于抓取而非导航,阅读而非查看,使用curl命令而非点击…反对复杂的文档页面…提倡使用单一的.md文件加复制按钮。”
观点解析
LLM优先设计:提出产品、服务和库的设计应优先考虑LLM作为主要受众,而非人类。
简化交互:倡导极简主义的文档和接口设计,以适应LLM的信息获取偏好,提高效率。
📌 背景补充:Karpathy基于自身体验和对LLM工作方式的理解,对当前流行的复杂网页设计提出批评,呼吁回归简洁高效。

5.3 Geoffrey Hinton (AI教父/多伦多大学教授)

👑 影响力指数:★★★★★

“人类思维看起来越来越不像逻辑推理…我们不是推理机器,而是类比机器。我们通过共鸣而非演绎来思考。”
观点解析
人类思维本质:基于对AI和大脑的理解,认为人类思维的核心是类比和模式匹配,而非形式逻辑推理。
对AI的启示:暗示当前基于逻辑推理的AI可能与人类智能存在根本差异,未来AI发展可能需要更注重类比能力的培养。
📌 背景补充:Hinton作为深度学习先驱,其对人类智能本质的看法对AI发展方向具有重要指导意义。

5.4 Garry Tan (Y Combinator CEO)

👑 影响力指数:★★★★☆

“在AI时代,个人的学校背景和简历不再是决定因素。主动性和品味成为最重要的能力,前者体现在如何有效‘提示’AI,后者则关乎如何评估AI的输出。”
观点解析
能力重塑:强调AI时代个体核心竞争力从传统资历转向与AI协作的能力。
关键技能:定义“主动性”(有效提问/驱动AI)和“品味”(精准评估/筛选AI产出)为新时代的关键技能。
📌 背景补充:Tan的观点反映了AI普及对人才市场和个人能力要求带来的深刻变革。


🧰 六、工具推荐 (Toolbox)

6.1 RELAI Data Agents

🏷️ 适用场景:快速生成特定领域AI基准测试、评估和优化基于私有数据的AI系统。
核心功能
自动生成基准:根据用户指令和领域知识,自动生成高质量、复杂且基于实际的基准测试。
支持多种数据源:能从用户数据(如文档)中提取信息创建测试样本。
覆盖广泛领域:已成功应用于React、PyTorch、Kubernetes等工具文档,生成超10万样本。
使用体验
▸ (效率评分:★★★★★ - 2天生成100+基准测试)
▸ (易用性评分:★★★★☆ - 提供免费试用)
🎯 用户画像:需要评估和优化特定领域AI模型性能的企业、开发者、研究人员。
💡 专家点评:解决了高质量、领域特定基准测试缺乏的痛点,加速AI模型在特定场景的落地和优化。

6.2 FaceEnhance (开源工具)

🏷️ 适用场景:提升AI(特别是GPT-4o)生成的图像中人脸部分的质量和细节。
核心功能
面部质量提升:显著改善模糊、变形的人脸,提升细节达10倍。
身份保持:利用PuLID-Flux技术确保面部身份一致性。
结构锁定:结合ControlNet技术保持面部结构稳定。
使用体验
▸ (效果评分:★★★★★)
▸ (易用性评分:★★★★☆ - Hugging Face免费提供,代码开源)
▸ (性价比评分:★★★★★ - 免费)
🎯 用户画像:使用AI进行图像创作的设计师、艺术家、内容创作者,对生成图像质量有较高要求者。
💡 专家点评:精准解决了主流图像生成模型的一大痛点,实用性强,开源特性利于社区推广和改进。

6.3 CodeRabbit (AI代码审查平台)

🏷️ 适用场景:自动化代码审查流程,提升代码质量和开发效率。
核心功能
智能审查:像专家团队一样审查PR,提供文档支持、标记错误/拼写/安全问题。
安全防护:确保API密钥等敏感信息不被意外暴露。
交互式改进:支持在PR上直接与AI聊天和采纳建议。
使用体验
▸ (功能评分:★★★★☆)
▸ (性价比评分:★★★★★ - 开源项目100%免费)
🎯 用户画像:软件开发团队、开源项目维护者,希望提高代码审查效率和质量的开发者。
💡 专家点评:将AI应用于代码审查这一关键环节,有望大幅减轻开发者负担,提升软件工程实践水平。


🎩 七、AI趣闻 (Fun Corner)

7.1 Googolplex:一个写不完的数字

🤖 背景简介:Googolplex 定义为 10 的 (10 的 100 次方) 次方,即 10^(10^100)。
有趣之处
宇宙级庞大:这个数字极其巨大,其十进制形式包含的位数远超可观测宇宙中的基本粒子总数。
物理极限:在物理上不可能将这个数字完整地写出来,因为它需要的空间超过了宇宙的容量。
延伸思考
▸ 展示了数学概念的抽象性可以远超物理现实的边界,引人思考信息与物质的关系。
📊 社区反响:常被用来说明“天文数字”的真正含义,以及理论概念与物理实现的差距。

7.2 AI智商测试结果一年飙升引争议

🤖 背景简介:有报告称,最聪明的AI的IQ测试得分在一年内从96上升到136。
有趣之处
惊人进步:AI在特定测试指标上展现出快速的“智能”提升。
方法论争议:引发了关于使用人类IQ测试来衡量AI智能是否合适的激烈讨论。
延伸思考
▸ AI的“智能”与人类智能是否可比?当前的评估方法是否能准确反映AI的真实能力和局限性?
📊 社区反响:专家普遍认为需要更合适的AI能力评估方法论,而非简单套用人类标准。

7.3 AI动画技术让静态图片“活”起来

🤖 背景简介:Animate With fal 等工具和服务展示了将静态图片(包括照片、艺术作品、Meme图)转化为动态视频的能力。
有趣之处
万物皆可动:无论是严肃的抗议图像、龙卷风照片,还是名人亲戚照、Meme图,都能被赋予动态效果。
快速响应:社区能够快速将热点图片制作成动画版本,增加传播趣味性。
延伸思考
▸ AI生成内容技术(AIGC)在视觉创意领域的应用日益普及和多样化,降低了动态内容创作的门槛。
📊 社区反响:引发了广泛的分享和模仿,成为社交媒体上一种新的内容创作和互动形式。


📌 每日金句

💭 今日思考:AI是一门实验科学,但其程序和问题域的复杂性往往使得结果的解释变得非常困难...应在简化的设置中进行仔细的实证研究,以实现更好的科学理解。
👤 出自:Richard Sutton (强化学习先驱,摘自其1984年博士论文观点)
🔍 延伸:提醒AI研究者和实践者,在追求复杂模型和宏大目标的同时,保持科学严谨性,重视基础研究和可解释性,这在AI能力飞速发展、应用日益广泛的今天尤为重要。

相关文章:

AI日报 - 2025年4月23日

🌟 今日概览(60秒速览) ▎🤖 AGI突破 | Sam Altman称指向AGI的系统初现端倪,强调安全标准紧迫性;DeepMind CEO预测AI 5-10年内具备科学猜想能力。 AGI定义及测试标准引关注 (Dario Amodei),AI安全与非扩散方法成讨论焦…...

【RAG】一篇文章介绍多模态RAG(MRAG)

一、引言 研究背景与动机:随着大语言模型(LLMs)的广泛应用,其在处理复杂任务时暴露出如产生幻觉、算术能力不足和缺乏可解释性等问题。多模态学习的兴起为解决这些问题提供了新方向,通过融合图像、文本、音频等多种模…...

学习笔记:黑马程序员JavaWeb开发教程(2025.3.25)

11.3 案例-文件上传-本地存储 文件名后缀解决,找到文件最后一个点的位置,截取点及其后面的字符,得到扩展名。代码实现,找到最后一个点的位置,使用方法originalFilename.lastIndexOf(“.”),括号里面是指…...

启动当前文件夹下所有快捷方式批处理bat文件

新建文本文件写入下列代码 ​ echo off chcp 65001 >nul setlocal enabledelayedexpansionfor %%F in (*.lnk) do (echo 正在运行:%%Fstart "" "%%F" )echo 所有快捷方式已启动。 exit​ 将文件重命名为 start.bat 双击运行...

蓝桥杯算法实战分享:C/C++ 题型解析与实战技巧

蓝桥杯全国软件和信息技术专业人才大赛,作为国内知名的算法竞赛之一,吸引了众多编程爱好者参与。在蓝桥杯的赛场上,C/C 因其高效性和灵活性,成为了众多选手的首选语言。本文将结合蓝桥杯的赛制特点、常见题型以及实战案例&#xf…...

IDEA下载kotlin-compiler-embeddable特别慢

问题: 在创建IDEA插件项目时发现 下载kotlin-compiler-embeddable特别慢,然后等待几十分钟然后失败 可以先用控制台显示正在下载的链接,下载好 jar包: https://repo.maven.apache.org/maven2/org/jetbrains/kotlin/kotlin-compi…...

武装Burp Suite工具:HaE 分析辅助类_插件.【高亮标记和信息提取利器】

武装 Burp Suite 插件:HaE 分析辅助类. ​​HaE 分析辅助类​​是一款基于正则表达式的高效数据提取与标记工具,常用于安全测试、日志分析等场景,通过预定义规则快速定位敏感信息(如API密钥、URL参数),提升…...

使用Nacos 打造微服务配置中心

一、背景介绍 Nacos 作为服务注册中心的使用方式,同时 Nacos 还可以作为服务配置中心,用于集中式维护各个业务微服务的配置资源。 作为服务配置中心的交互流程图如下。 这样设计的目的,有一个明显的好处就是:有利于对各个微服务…...

C++——多态、抽象类和接口

目录 多态的基本概念 如何实现多态 在C中,派生类对象可以被当作基类对象使用 编程示例 关键概念总结 抽象类 一、抽象类的定义 基本语法 二、抽象类的核心特性 1. 不能直接实例化 2. 派生类必须实现所有纯虚函数才能成为具体类 3. 可以包含普通成员函数和…...

模拟实现strncat、qsort、atoi

目录 前言 一、模拟实现strncat 参数 代码演示: 二、模拟实现qsort 参数 代码演示: 前言 本文主要是对strncat,qsort,atoi的模拟实现 一、模拟实现strncat C 库函数 char *strncat(char *dest, const char *src, size_t n…...

记录学习的第三十天

今天终于又开始写博客了。 还是滑动窗口问题,这段时间不出意外都是这了 上面的思路是我自己做的,但是不知道为什么不行,有没有大佬能指点一下我。 接下来这道题是进阶的。不过我之前的基础都做的很艰难,道阻且长啊。...

图像预处理-直方图均衡化

一.什么是直方图 反映图像像素分布的统计图,横坐标就是图像像素的取值,纵坐标是该像素的个数。 二.绘制直方图 histcv2.calcHist(images, channels, mask, histSize, ranges) - images:输入图像列表(必须用[ ]包裹)&a…...

应用案例|兵器重工:某体系需求视图模型开发

某体系需求视图模型开发 一、项目背景 本项目为某体系的需求视图模型开发,其中体系设计建模过程可以分解为7大部分,即建模前期准备、全景视点模型正向设计、能力视点模型正向设计、作战视点模型正向设计、系统视点模型正向设计、体系模型反向追溯设计以…...

YOLOv8改进:ShapeIoU与InnerShapeIoU损失函数的理论与实践

文章目录 YOLOv8 损失函数概述ShapeIoU 与 InnerShapeIoU 损失介绍ShapeIoU 损失InnerShapeIoU 损失 ShapeIoU 和 InnerShapeIoU 损失函数的实现ShapeIoU 损失函数代码实现InnerShapeIoU 损失函数代码实现损失函数在 YOLOv8 中的应用 实验效果与分析ShapeIoU 和 InnerShapeIoU …...

用Go语言正则,如何爬取数据

文章精选推荐 1 JetBrains Ai assistant 编程工具让你的工作效率翻倍 2 Extra Icons:JetBrains IDE的图标增强神器 3 IDEA插件推荐-SequenceDiagram,自动生成时序图 4 BashSupport Pro 这个ides插件主要是用来干嘛的 ? 5 IDEA必装的插件&…...

Java中实现单例模式的多种方法:原理、实践与优化

单例模式(Singleton Pattern)是设计模式中最简单且最常用的模式之一,旨在确保一个类只有一个实例,并提供全局访问点。在 Java 开发中,单例模式广泛应用于配置管理、日志记录、数据库连接池和线程池等场景。然而&#x…...

Pikachu靶场-RCE漏洞

1. RCE漏洞原理 核心问题:应用程序未对用户输入进行严格过滤,直接将输入内容拼接至系统命令、代码执行函数或反序列化过程中。常见触发场景:命令注入:用户输入被拼接到操作系统命令(如system()、exec())。代…...

OpenCv高阶(七)——图像拼接

目录 一、图像拼接的原理过程 1. 特征检测与描述(Feature Detection & Description) 2. 特征匹配(Feature Matching) 3. 图像配准(Image Registration) 4. 图像变换与投影(Warping&…...

​​电商系统用户需求报告(示例)

目录 电商系统用户需求报告​​ ​​1. 引言​​ 1.1 目的 1.2 范围 ​​2. 用户角色与核心需求​​ ​​2.1 消费者​​ ​​2.2 商家​​ ​​2.3 平台管理方​​ ​​3. 非功能性需求​​ ​​4. 业务流程​​ ​​4.1 消费者购物流程​​ ​​4.2 商家入驻流程…...

图像挖掘课程笔记-第一章:了解机器视觉

一、什么是图像挖掘(Image Mining)? 图像挖掘是一种从大量图像中自动提取有用信息、知识或模式的技术,它融合了图像处理、机器学习、数据库、人工智能、数据挖掘等多个领域的内容。 🧠 图像挖掘与图像处理的区别 图像…...

Spring集合注入Bean

Spring框架中实现Bean集合注入的详细方法 1. 基础自动注入方式1.1 使用Autowired注入List1.2 使用Autowired注入Map 2. 更精细的控制方式2.1 使用Qualifier进行筛选2.2 使用自定义注解筛选 3. Java配置类方式4. 排序注入的Bean集合4.1 使用Order注解4.2 实现Ordered接口 5. 条件…...

实验一 进程控制实验

一、实验目的 1、掌握进程的概念,理解进程和程序的区别。 2、认识和了解并发执行的实质。 3、学习使用系统调用fork()创建新的子进程方法,理解进程树的概念。 4、学习使用系统调用wait()或waitpid()实现父子进程同步。 5、学习使用getpid()和getppi…...

[预备知识]4. 概率基础

概率基础 本章节介绍深度学习中的概率基础知识,包括基本概念、概率分布和统计推断。 1. 概率基础 1.1 基本概念 随机变量:可以取不同值的变量,其值由随机试验的结果决定概率分布:描述随机变量取值的可能性分布条件概率&#x…...

第33周JavaSpringCloud微服务 电商进阶开发

一、课程介绍 1. 定时任务 课程主题 :Spring Cloud 电商进阶开发定时任务定义 :学习什么是定时任务。定时任务学习内容 :定时任务实现方法、cron 表达式。定时任务实践 :在 Spring 中使用 schedule 注解,定期关闭过期…...

基于cubeMX的hal库STM32实现硬件IIC通信控制OLED屏

1、通常的方法是使用软件模拟IIC来实现OLED屏的显示控制,这里用STM32单片机的硬件IIC来实现OLED屏的显示,主控芯片为STM32F103RCT6,正点原子mini开发板。 2、cubemx配置过程 (1)配置时钟和下载 (2&#x…...

游戏工作室为何要更换IP进行多开?工作室使用代理IP要注意什么?

在当今的游戏产业中,游戏工作室为了提升效率、规避风险或突破平台限制,常常需要通过更换IP进行多开操作。这一现象背后涉及技术、商业规则和网络安全等多重因素,而代理IP的选择与使用也成为工作室运营中的关键环节。以下是关于游戏工作室为何…...

postgreSQL 如何使用 dblink

SELECT b.id, flow_name, user_id,u.name FROM bpm_form_info b JOIN vrms_user u on b.user_idu.id dblink SELECT b.id, flow_name, user_id,u.name FROM bpm_form_info b – vrms_user u on b.user_idu.id JOIN dblink( ‘dbnameuser_db userpostgres passwordWs199612’,…...

121.在 Vue3 中使用 OpenLayers 实现去掉鼠标右键默认菜单并显示 Feature 信息

🎯 实现效果 👇 本文最终实现的效果如下: ✅ 地图初始化时绘制一个多边形; ✅ 鼠标 右键点击地图任意位置; ✅ 若命中 Feature,则弹出该图形的详细信息; ✅ 移除浏览器默认的右键菜单,保留地图交互的完整控制。 💡 整个功能基于 Vue3 + OpenLayers 完成,采用 Com…...

复盘20250422

深度分析及个股推荐 1. 行业前景与个股逻辑梳理 从提供的股票信息来看,主要涉及以下行业:合成尼古丁(电子烟)、化工、跨境支付、跨境电商、农药、食品饮料、光刻机、电子商务、造纸等。需结合行业景气度、政策支持、公司核心竞争…...

MQ底层原理

RabbitMQ 概述 RabbitMQ 是⼀个开源的⾼性能、可扩展、消息中间件(Message Broker),实现了 Advanced Message Queuing Protocol(AMQP)协议,可以帮助不同应⽤程序之间进⾏通信和数据交换。RabbitMQ 是由 E…...

30分钟编写十大排序算法完成

import java.util.ArrayList; import java.util.Arrays; import java.util.Collections; import java.util.List;//排序算法 public class test_04_22 {public static void swap(int[] nums, int i, int j){int temp nums[i];nums[i] nums[j];nums[j] temp;}//冒泡排序-稳定…...

为什么家电主板采用GND走线而不是整面铺GND铜

不管什么接地方式,本质是为了使得电流的回流路径最短。只要电流的回流路径最短,怎么都可以! 如下图的芯片的一个信号的回流路径,是一个很糟糕的接地!!!!!!&a…...

NVIDIA 自动驾驶技术见解

前言 参与 NVIDIA自动驾驶开发者实验室 活动,以及解读了 NVIDIA 安全报告 自动驾驶 白皮书,本文是我的一些思考和见解。自动驾驶技术的目标是为了改善道理安全、减少交通堵塞,重塑更安全、高效、包容的交通生态。在这一领域,NVI…...

真我推出首款 AI 翻译耳机,支持 32 种语言翻译

2025 年 4 月 22 日,真我手机官微宣布,其首款 AI 翻译耳机 Buds Air7 Pro 将于 4 月 23 日 16 时正式上市1。这款耳机接入了讯飞星火认知大模型 4.0 Ultra,支持中文与 32 种语言面对面翻译,以及同声传译功能。 除了 AI 翻译功能&a…...

如何简化复杂流程提升执行效率

简化复杂流程、提升执行效率的关键在于:聚焦核心目标、减少冗余环节、推动系统自动化、赋能一线决策、流程分级设计。其中,聚焦核心目标 是流程优化的第一步。流程不该为了“流程而流程”,而应服务于业务目标。Gartner在《数字化运营报告》中…...

动态规划算法:完全背包类问题

前言 现在我们考虑下面的问题: (1)小明有一个背包,背包容积为v,有m种物品,其中第i种物品的价值为val[i],体积为t[i],每样物品有无限个,请问背包内物品总价值最大为多少?…...

数据存储方式补码原码反码

1. 关于数据存储(补码、原码、反码) 有符号类型(Signed Types) 存储方式:现代计算机普遍采用 补码(Two’s Complement) 存储有符号整数。 原码:最高位为符号位(0正&…...

【AAudio】A2dp sink创建音频轨道的源码流程分析

一、AAudio概述 AAudio 是 Android 8.0(API 级别 26)引入的 C/C++ 原生音频 API,专为需要低延迟、高性能音频处理的应用设计,尤其适用于实时音频应用(如音频合成器、音乐制作工具、游戏音效等)。 1.1 主要特点 低延迟:通过减少音频数据在内核与用户空间之间的拷贝,直…...

黑马点评之Feed流技术实现关注推送与滚动分页查询

Feed流 关注推送也叫做Feed流,直译为“投喂”。为用户持续的提供“沉浸式体验”,通过无限下拉刷新获取新的信息。 Feed流(信息流)是一种常见的内容分发形式,通过动态更新的内容列表向用户展示个性化或实时信息。典型应…...

vue3+canvas裁剪框样式【前端】

目录 canvas绘制裁剪框:拖拽改变框的大小:圆圈样式:方块样式: canvas绘制裁剪框: // 绘制裁剪框 const drawCropRect (ctx: CanvasRenderingContext2D): void > {if (cropRect.value.width > 0 && crop…...

Python 设计模式:模板模式

1. 什么是模板模式? 模板模式是一种行为设计模式,它定义了一个操作的算法的骨架,而将一些步骤延迟到子类中。模板模式允许子类在不改变算法结构的情况下,重新定义算法的某些特定步骤。 模板模式的核心思想是将算法的固定部分提取…...

usb2.0的硬件知识(一)

一、USB2.0的硬件知识 1.1 USB2.0速率 USB 2.0协议支持3种速率:低速(Low Speed,1.5Mbps)、全速(Full Speed, 12Mbps)、高速(High Speed, 480Mbps);USB Hub、USB设备,也分为低速、全速、高速三种类型。 1.2 USB2.0硬件线序组成 U…...

LangGraph(二)——QuickStart样例中的第二步

目录 1. 添加依赖2. 官网QuickStart——第二步:用工具增强聊天机器人2.1 Tavily Search2.2 简单测试Tavily Search2.3 添加带工具的ChatBot node2.4 添加tool node2.5 添加条件边2.6 可视化StateGraph2.7 构建聊天循环 参考 1. 添加依赖 LangGraph(一)——QuickStar…...

机器学习第二篇 多变量线性回归

数据集:世界幸福指数数据集中的变量有幸福指数排名、国家/地区、幸福指数得分、人均国内生产总值、健康预期寿命、自由权、社会支持、慷慨程度、清廉指数。我们选择GDP per Capita和Freedom,来预测幸福指数得分。 文件一:linear,…...

【MCP Node.js SDK 全栈进阶指南】中级篇(3):MCP高级资源设计

前言 在MCP TypeScript-SDK的初级篇中,我们介绍了资源开发的基础知识,包括静态资源与动态资源的创建、资源模板设计与参数提取,以及基本的资源列表与发现机制。随着应用规模的扩大和复杂性的提高,我们需要更加高级的资源设计方案来应对各种挑战。 本文作为中级篇的第三篇…...

PostgreSQL 常用日志

PostgreSQL 常用日志详解 PostgreSQL 提供了多种日志类型&#xff0c;用于监控数据库活动、排查问题和优化性能。以下是 PostgreSQL 中最常用的日志类型及其配置和使用方法。 一、主要日志类型 日志类型文件位置主要内容用途服务器日志postgresql-<日期>.log服务器运行…...

PostgreSQL认证培训推荐机构

首先来看一张2025年4月份db-engines上的数据库排行情况&#xff0c;前三名是雷打不动的Oracle、MySQL、Microsoft SQL Server&#xff0c;排名第四的就是我们今天的主角 - PostgreSQL数据库&#xff0c;从这张图上可以看出&#xff0c;PostgreSQL数据库的上升超非常明显&#x…...

2025年NISP一级题库试题

NISP一级考试只考50道单选题&#xff0c;难度不算大&#xff0c;话不多说&#xff0c;直接上硬菜&#xff01; 1、物理销毁的方式不包括&#xff08;&#xff09; .消磁 B.焚化炉烧毀 C.反复覆写数据 &#xff24;.机器硏磨粉碎 2、信息安全应该建立贯穿信息系统的整个生命周期…...

pip install pymysql报错

python安装pymysql报错解决 【现象】 很多时候会出现安装pip包报错的问题&#xff0c;看过很多网上教程以及ai都是如下说法&#xff1a; 镜像问题pip版本问题ssh证书问题网络问题… 在遇见这些情况时&#xff0c;上述的各种解决方法都一一实验过但最后都是ERROR。 【解决办…...

达梦官方管理工具 SQLark 更新--不仅支持达梦、Oracle、MySQL,还新增 PostgreSQL 数据库!

SQLark 是一款面向信创应用开发者的数据库开发和管理工具&#xff0c;用于快速查询、创建和管理不同类型的数据库系统&#xff0c;已支持达梦、Oracle、MySQL数据库&#xff1b;在最新的 V3.4 版本中&#xff0c;SQLark 新增了对 PostgreSQL 的支持&#xff0c;兼容 PostgreSQL…...