搜索[首次盈利]结果-低调大师优秀个人博客

精选列表

搜索[首次盈利]，共10002篇文章

B 站开启 AI 创作大赛，首次开放《三体》改编权

哔哩哔哩（B 站）宣布于 1 月 5 日启动“AI创作大赛”。赛事分为“开放赛道”与“三体改编赛道”，面向全球创作者征稿。其中，开放赛道强调原创内容，作品时长不低于3分钟，不限题材、不限风格，如悬疑、动画、情感等热门类型题材均可进行创作，最大限度保留创作者的自由。三体改编赛道由B站与三体IP版权方及运营方三体宇宙联合发起，参赛创作者可基于《三体》世界观及三体赛道规定命题进行改编或创新，以AI创作对《三体》中原著留白的空间进行拓展和复现。本次大赛共设77个奖项，奖金池总额逾300万元。其中一等奖奖金高达100万元。除现金奖励外，获奖者还将获得B站每周过亿流量扶持，有机会获得专业团队支持，开放赛道有机会将作品升级为长剧或电影项目。 B站也对大赛AI视频给出了明确的判断标准：故事性第一，技术服务于叙事。为了保证评审的专业性与包容性，B站组建了一支由站内不同分区百大UP主构成的评审团，覆盖专业技术、社会思考、动画制作、趣味跨界等7个维度。大赛将于2026年3月20日截止投稿，最终评选结果将于3月31日正式公布。

2026-01-05

DeepSeek 论文登上 Nature 封面，AI 大模型首次通过同行评审

DeepSeek 团队凭借其关于DeepSeek R1的研究论文，成功登上了顶级学术期刊《Nature》的封面，成为首个通过权威同行评审的大语言模型。《Nature》编辑部指出，在 AI 技术飞速发展、炒作泛滥的当下，DeepSeek 的做法为行业提供了一种有效的应对策略。通过严格的独立同行评审，AI 研究的透明度和可重复性得以提升，从而降低了未经证实的技术声明可能带来的社会风险。编辑们呼吁更多 AI 公司能够效仿 DeepSeek，以促进 AI 领域的健康发展。这篇论文详细介绍了 DeepSeek R1创新的推理能力训练方法。与传统依赖人工标注进行微调不同，该模型完全不使用人工示例，而是通过强化学习（RL）在自主环境中自我演化，从而发展出复杂的推理能力。这种方法取得了显著成效，例如在 AIME2024数学竞赛中，DeepSeek-R1的表现从15.6% 跃升至71.0%，达到了与 OpenAI 模型相当的水平。群体相对策略优化算法的示意图（来源：DeepSeek）在长达数月的同行评审过程中，八位专家对该研究提出了宝贵建议，促使 DeepSeek 团队对技术细节进行了多次修改和完善。尽管研究成果显著，团队也坦承模型在可读性和语言混用等方面仍面临挑战。为解决这些问题，DeepSeek 采用了结合拒绝采样和监督微调的多阶段训练框架，进一步提升了模型的写作能力和整体表现。 DeepSeek R1的成功发表标志着 AI 基础模型研究正在向更科学、更严谨和更可复现的方向迈进。这一突破为未来的 AI 研究提供了一个新范例，并有望推动整个行业走向更加透明和开放的发展道路。

2025-09-18

DeepSeek App 发布更新，首次支持对话内容生成分享图功能

8月14日，根据手机应用商店显示，DeepSeek App发布了1.3.0版本更新，支持对话内容生成分享图功能。更新之后，用户的问答对话可以通过原生功能生成图片，比截图分享更方便了。值得注意的是，近期有不少传闻称，新一代DeepSeek R2有望在8月15日至30日期间发布，该消息日前被DeepSeek内部人士否认。早在今年年初，关于 R2 模型的消息就已开始流传。当时曾有预测称，R2 模型将在 3 月 17 日发布，但这一说法同样遭到了官方的否认。至今，DeepSeek 尚未正式公布 R2 模型的具体发布时间及技术细节，令众多关注者感到失望。据报道，DeepSeek 团队今年 6 月曾加紧推进 R2 模型的开发工作。知情人士透露，CEO 梁文锋对模型的能力仍不满意，团队内部仍在进行性能提升，并未准备好正式投用。早期消息称，DeepSeek 原计划在 5 月推出 R2 模型，但由于各方面原因，该计划被延迟。新模型预计将能够生成更高质量的代码，并具备用非英语语言进行推理的能力。

2025-08-14

LTX-Video 0.9.8 发布，首次支持 60 秒长视频生成

LTX-Video 0.9.8已发布，这是基于DiT（Diffusion Transformer）架构的视频生成模型的最新升级，首次支持生成长达60秒的高质量视频，并发布了新的蒸馏模型和细节增强器。

2025-07-23

Swift 首次调试断点慢的问题解法 | 优酷 Swift 实践

调试首次断点慢现象及初步分析 Swift调试断点慢主要现象是，当Xcode工程运行起来之后，我们进行首次断点的等待时间会特别漫长。

2022-05-06

Linus Torvalds 切换到 AMD 处理器，15 年来首次不用 Intel

长期以来，Linus Torvalds一直在使用 Intel 处理器。而在近日的Linux Kernel 5.7-rc7 公告中，Torvalds则透露，他对自己的计算机配置进行了升级，将主要装备切换到了 AMD Ryzen Threadripper。 “实际上，本周最令我兴奋地一件事就是升级了我的主机，这是 15 年来的我的台式机第一次基于非Intel平台。” Torvalds已经开始使用 AMD 驱动的系统。目前看来，他对 Threadripper 3970x 驱动的系统的工作方式印象还不错。其在帖子中表示，“我目前还没有切换到 ARM，不过现在正在使用的是 AMD 的 Threadripper 3970x。我的‘allmodconfig’测试版速度要比此前快了 3 倍。这在现在这段平静期还无法突显出来，不过相信在下个窗口合并期将会有明显的升级。” 资料显示，AMD Threadripper 3970X 是一款 32 核 64 线程的 CPU，基于全新 7nm 工艺、Zen 2 架构，售价将近 2000 美元。基础频率 3.7GHz，加速频率最高 4.5GHz，三级缓存128MB，原生支持 PCIe4.0，热设计功耗 280 W。在发布后破了 21 项跑分世界纪录，涵盖 wPrime、CineBench 03/R11.5/R15/R20、GPUPI、GeekBench 3/4、HWBOT x265、Y-Cruncher、3DMark 11，超频频率 4000-5625.5MHz 不等。而针对Linux Kernel 5.7-rc7版本，Torvalds则评论称，”rc7 看起来非常正常，不是我们拥有的最小的，也不是最大的“。它只是一个典型的发行版。

2020-05-26

阿里文娱首次公开！AI 如何对爆款内容未卜先知？

阿里妹导读：文娱内容很难有完整的量化指标体系，内容的复杂性决定了文娱产品的不确定性。我们如何利用AI+大数据能力，建造文娱的内容认知大脑？串联内容全生命周期，实现对内容、流量、宣推等的“未卜先知”，提升对爆款的预测和生产能力？这本《5G+AI 阿里文娱技术实践》会告诉你。全新电子书《5G+AI 阿里文娱技术实践》正式上线！通过窄宽高清革新、大麦物联网技术、6DoF视频技术等5大板块，带你全面了解阿里文娱独具魅力的思考。点击文末下载链接，即可下载。一、文娱产业趋势及技术挑战文娱内容不像商品有完整的量化指标体系，它是一个复杂的实体，它跟意识形态以及用户体验强相关，对内容进行量化评估和衡量是非常困难的。比如，选角儿。我们不能通过单一指标去衡量一个演员，我们需要综合考量演员的演技、气质、颜值、潜力等与否与某一个角色匹配，并且能生成数据指标，以实现纵横向的对比。另外，导演、主演组盘是否为最优组合，能否成为爆款？这是更加复杂的选择模式问题。今天面临的技术挑战是如何进行知识的抽取、挖掘以及推理，确定什么样的组合是最优解。除上述两个问题，影片的拍摄过程更是一个庞大的系统工程和艺术创作过程。以《长安十二时辰》为例，该片非群演有约1000人，群演有300到1500人，历时7个月拍摄217天。我们参考软件工程行业，软件工程发展了70年，主要研究三个层面：方法论、过程以及工具，然后是如何将三者组合。软件行业的敏捷开发对于软件工程的质量和效率都有非常大的提升，如何将这些理论应用到内容制作产业，让内容制作敏捷起来？内容敏捷即知晓过程对结果造成的影响是什么，并快速地调整内容创作过程，让它更敏捷。但内容行业面临的独有特点“延迟满足”，让用户在内容的某一分钟特别嗨，可能来自于前面的30分钟铺垫在那一分钟爆发了，针对内容的这个特点，我们除了要做基本的知识图谱语义的理解之外，还要考虑如何去做有效的对应分析，如何去做对应的知识抽取等问题。今天这个问题加剧了，比过去还要复杂。在过去的5到10年里，UPGC加上整个内容的生产量极大的发展，用户的消费分层化、多样化。全民爆款越来越少，用户对内容的需求更加个性化。相应于内容生产端，就需要考虑不同用户群的个性化需求。二、文娱大脑基本框架：内容认知新动力针对上面几大困难，我们今天在做文娱大脑——优酷北斗星智库来解决。我们将所有的内容形式和用户消费的数据都采集下来，将人工智能的技术手段、业务领域的细分理论做整合融合，构建内容认知框架。内容认知框架分为两部分，内容和用户。其思路就是心理学发展的基本的思路。 1）内容侧：对内容进行理解，包括外延和内涵。外延就是内容的各种基本属性，比如主创阵容、题材类型等；内涵主要研究内容的戏剧理论和视听语言，围绕制作内容的支撑要素，我们用传统的机器学习方式对内容进行理解，再基于戏剧理论和视听语言构造内容的衡量要素。 2）用户侧：分析用户的观看行为。用户行为来自于用户的心理偏好、心理情绪。用户心理偏好、心理情绪来自于生理构造，基于心理学的五大人格理论和用户的观看行为，构建模型建立左边和右边的连接，从而知道创造什么样的内容，用户会有什么样的感受。三、贯穿全生命周期的文娱大脑生产力基于内容认知框架，我们在内容生命周期的每个阶段都做了具体工作：开播前提供内容评估、艺人挖掘和内容情绪挖掘等能力；在早期为内容评估提供有效的数据支撑；在制作阶段提供现场解决方案，比之前更敏捷的反馈机制；同样在播出后也提供数据支持，实现更好的宣发。 1、IP/剧本分析上图是《长安十二时辰》的分析示例，我们把已有的剧本作为样本，让机器去学习，识别出剧本的所有角色，把角色直接交互的对白、行为识别出来，再进行社团的划分。《长安》剧本最终划分出来几个群体：反恐防暴小分队以张小敬为中心，唐朝核心管理团队以皇上为中心。通过这种方式快速定位整个剧本的人物和人物关系的展开。 2、用户情绪识别与成片情绪挖掘围绕角色关系，将整个剧本的角色情绪也识别出来，构造成如上的曲线。基于对海量剧本的分析曲线，抽取出各个指标（出镜率、戏份、情绪值等）并形成benchmark，对于之后的每一个剧本进行衡量，相当于对剧本进行一个“体检”。同样是“体检”的方法，对于《药神》和《长安十二时辰》，我们做了用户情绪的识别、体检的扫描，参考零线的位置。我们发现《药神》几乎都是正向和负向级的，直到最后出现一个正向区间，基本上后期都是以眼泪为主。而《长安十二时辰》的情绪状态比较稳定。对照情绪高低点的具体情节，我们发现，曲线表达的情绪和具体的故事情节是非常相符的。 3、情绪强度预测与网络收视率然后我们拿更多的方式去验证它的合理性，上图抽取《长安十二时辰》的剧集，每集有两条曲线，蓝线是刚才预测的情绪曲线，黄线是播放指数（表示每一秒钟有多少用户在看），通过两条曲线对比，我们可以发现，两条曲线的相关性比较高的将近60%，情绪的高峰、低谷和用户的观看行为状态是吻合的，由此我们就提供了一种能力，基于这种能力对剧本或影片做情绪扫描，实现对影片热度的未播先知，再对比benchmark，帮助制作者更高效的完成制作。 4、用户情感曲线在技术上是如何实现的？首先，我们把用户观影情绪的表述，映射到认知计算中常用的二维空间表示，也就是Valence 和Arousal。Valence表示情绪正负极性，Arousal表示情感激烈程度；其次，基于情绪极性跟强度提供一个预测，这个是我们今年产出的论文。近两年，心理学研究的核心观点是为什么用户会感同身受？这来自于前两年的一个理论——静向神经元，所以我们选择场景、表情、动作以及声音作为基本的模型的输入，对模型参数进行学习。如上所讲，内容产业有强延迟满足的问题，我们通过两层分析来解决长短期满足的问题，除用户情绪分析，我们也做内容角色的情绪识别。通过图片表情识别模型，识别不同题材类型的影片，可以获得不同角色刻画的人物性格。如2004年的《反贪风暴》，时隔十多年，主创人物形象的脸谱还是正向的。上图显示的负面角色情绪以开心、害怕为主，正面形象以悲伤、生气为主，与负面反派的开心正好相对，正面的人一直很沮丧，是一个有些压抑角色形象。同样，我们分析角色的每秒情绪，形成角色的正负情绪曲线，部分影片的分析结果曲线如上图，不同题材类型的节目会有不同的情绪密度。所以，你想放松的时候，要看的不一定是喜剧，喜剧其实不一定会放松，因为角色的正负向情绪不停交替，由于延迟满足，大脑负荷非常大，需要做长短记忆，反而很多爱情片对大脑的占用相对低。角色情绪检测是一个分类问题，所以利用人脸landmark对初始图像做识别，生成densemap作为附加通道，和原始图片RGB三通道拼接合并后作为模型输入，这样可以使densemap对应的关键区域权重更大，更容易让模型捕捉关键区域特征；合成的输入送入到Reduced Xception 网络进行特征提取；在loss方面，我们引入了基于SVM的marge loss，提升各情绪类别的类间差距，提升情绪识别的效果，具体如上图。基于前面对内容的各种理解产生的各种纬度的内容的量化纬度，我们构建了预测模型，可以提前预测出节目的流量走势，如内容认知框架中所讲的，首先对内容进行量化，然后对内容相应的量化纬度进行提前的预测，为业务决策提供辅助支撑。最后，分享我对未来趋势的一些见解。在强人工智能尚遥远的情形下，如何结合机器AI和人工经验将是个永恒主题。一是结合符号学派智能和链接学派智能，建设和完善决策引擎，包括结合人工逻辑规则和可学习数据AI，不确定性分析框架和经久不衰的贝叶斯因果决策，以及神经元化的混合智能计算框架。二是量化的心理学研究也越来越重要，如何结合大数据应用价值非常大。这也是阿里文娱大脑探索的方向。从优酷窄宽高清革新布局到大麦物联网的实践之路从文娱内容认知的AI大脑到交互式的6DoF视频技术5G时代来临如何用新技术提升用户体验？《5G+AI 阿里文娱技术实践》正式上线！点击立刻下载原文发布时间为：2019-11-14作者：牧己本文来自云栖社区合作伙伴“阿里技术”，了解相关信息可以关注“阿里技术”。

2019-11-13

方舟编译器专家首次回应

在方舟技术专家所在的微信群中，关于为何方舟需要研发 10 年的问题被首次回应。

2019-09-01

RedMonk 2019 年 6 月编程语言排行：TypeScript 首次进入前十

Kotlin Lua 可以看到，排名前十的语言依然稳定，其中C++ 和 C# 小小地调换了位置，部分语言也有小幅度变动，接下来看看值得关注的点： TypeScript一路狂飙突进，排名持续上升，终于在新一季度首次进入前十

2019-07-21

【云周刊】第171期：重磅推荐，神龙架构首次开箱直播评测

本期头条【重磅推荐】神龙架构首次开箱直播评测 X-Dragon架构是阿里云自研的创新型计算架构，包含"X-Dragon虚拟化芯片"，" X-Dragon Hypervisor系统软件"、以及"X-Dragon

2018-05-21

联想之星首次系统披露人工智能投资组合：62个项目

以上是联想之星总经理、主管合伙人王明耀对联想之星在人工智能领域投资组合的首次披露，系统阐释了联想之星在人工智能领域的投资布局。

2018-03-27

涂鸦智能“物联网+”沙龙首次实现产品智能化体验闭环

近年来，智能家居已成为中国又一个千亿级市场，面对庞大的市场份额，国内IoT第一平台涂鸦智能预于本月28日于深圳阿里中心大厦，首次举办“物联网＋”行业沙龙。

2018-03-13

赋能行业共建生态阿里巴巴首次亮相义乌标准展

而阿里巴巴也是首次受邀参加本次展会，并展出在标准领域的丰硕成果。

2017-10-20

内部自研神器“欢行”首次曝光

业界流传着这样一则传说——阿里员工打车从来不给钱，只需手指点一点，报销流程就能自动完成。你也许忍不住会问：天底下还有这么好的事情？没错，下面就让阿里妹从产品设计、核心技术、数据等方面，为你详细介绍这款深受阿里人喜爱的出行神器——“欢行”。欢行是阿里巴巴信息平台事业部自主研发的员工差旅&报销系统，涵盖用车、酒店预订、行程管理、差旅管控等功能于一体，全流程实现移动化，在提升员工出行效率的同时，大大降低了企业差旅成本，并实现了企业差旅和报销制度的系统化管控，是阿里内部最受员工欢迎的应用之一。自动化智能化，欢行让员工出行更便利个人免支付、免贴票、免报销因公用车、购买机票由企业账户直接付款，员工再也不用忍受贴票、报销的痛苦，公司每月可节省近20万张出租车发票的审核处理成本。每天有 7000多名阿里小二通过欢行打车，平台接入了多家供应

2017-09-18

播思首次采用高通芯片推出宠物智能可穿戴设备

可穿戴设备作为新兴行业，一直以来都备受关注。播思与高通合作后，利用高通全新芯片平台，推出智能可穿戴设备——播思宠物追踪器，帮助宠物用户定位、追踪及保护携带该设备的宠物。国际知名调研机构Gartner预测，2020年将会是全球科技产业发展的分水岭，届时可穿戴设备营收将超过智能手机，达到617亿美元，可穿戴设备销售量可望达到4.7775亿件。美国著名市场调查公司透明市场研究公司（TMR）估算，到2025年，全球宠物电子设备市场将达到25亿美元，其中中国市场的份额将会超过20%。播思紧跟市场潮流，推出了市场上第一个搭载高通全新芯片平台、第一个支持NB-IoT的宠物智能可穿戴物联网解决方案——播思宠物追踪器。该设备可以精准定位宠物所在位置，并生成宠物运动轨迹。此外，该追踪器还可以使用手机APP来设定安全范围，一旦宠物离开用户事先设定的安全范围，用户将会收到来自短信、邮件或是系统推送的警示。在近日举行的亚洲宠物展览会上，播思与上海漫宠宠物用品有限公司一同展出了该款宠物追踪器。作为第一个采用LTE窄带技术的宠物追踪器，播思追踪器延续了能耗低的优点，一节电池可以支持三周，在该设备的低耗模式下，续航时间可达十年。播思追踪器还支持多个频段，其中包括中国移动规范的NB-IoT 850MHz B5频段和900MHz B8频段。当宠物所处环境无法获得NB-IoT频段时，追踪器将自动切换到2G网络模式，确保宠物定位随时在线。播思追踪器所代表的物联网解决方案是播思长久以来在这个领域的技术结晶，它不仅可以用于宠物的定位追踪，还可以为用户提供孩子和老人的位置追踪服务，以避免家人走失；还能为一些特殊车辆服务，比如实时监管运钞车、囚车、警车等的位置，以避免突发情况。此外，该技术具有很好的延展性，可以与其他物联网解决方案相互配合，比如与生命体征监管功能配合，即可让可穿戴设备具有实时监控老人身体状况的功能，向家人和医生示警或提供身体状况分析。常年致力于泛Android智能终端与设备解决方案的提供，播思推出的该追踪器是其物联网解决方案的一个缩影。原文发布时间为：2017年9月7日本文来自云栖社区合作伙伴至顶网，了解相关信息可以关注至顶网。

2017-08-01

阿里巴巴首次提出智慧建筑，技术与创新的新巅峰

“神鲸空间”项目不仅是白皮书的首次实践尝试，更是阿里巴巴赋能合作伙伴、给客户创造更多价值的新思考。本文作者：刘晓旭来源：51CTO

2017-08-01

首次超越LSTM : Facebook 门卷积网络新模型能否取代递归模型？

语言模型对于语音识别系统来说，是一个关键的组成部分，在机器翻译中也是如此。近年来，神经网络模型被认为在性能上要优于经典的 n-gram 语言模型。经典的语言模型会面临数据稀疏的难题，使得模型很难表征大型的文本，以及长距离的依存性。神经网络语言模型通过在连续的空间中嵌入词语的方法，来解决这一难题。目前，语言建模的最好表现是基于长短记忆网络（LSTM，1997年由Hochreiter和Schmidhuber提出）的，它能对潜在的任意长期依存进行建模。算法模型的突破意义在哪 Facebook AI 实验室的这一研究在发表后吸引了大量的注意力。LSTM目前在语言、语音和翻译等方面有着广泛的应用，是学术和产业都十分关注的技术，现在忽然出现了一种比它更好的模型，AI 圈内人士怎么看？美国卡内基梅隆计算机系博士邓侃对新智元说：“这是LSTM

2017-07-31

阿里智能音箱发布前夕，首次公布自然语言处理成果

与此同时，这次为阿里巴巴智能音箱提供技术支持的团队也首次曝光了其自然语言处理成果。

2017-07-04

D1net阅闻：阿里云首次进入Gartner魔力象限

中移动首次完成千兆LTE外场下载测试移动联合高通基于TD-LTE 4G+网络，在浙江首次完成商用终端的千兆级速率外场测试。测试数据显示，下行峰值速率达700Mbps以上，平均速率达680Mbps。

2017-07-03

TIOBE 3 月编程语言排行榜：Swift 首次进入前 10

本月 Swift 首次进入 TIOBE 排行版前 10 名。Swift 是一种新的编程语言，用于编写 iOS 和 OS X 应用。

2017-06-01

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。