搜索[OPE范式]结果-低调大师优秀个人博客

精选列表

搜索[OPE范式]，共3221篇文章

ComfyUI 零基础实战指南：2026 可视化工作流迈向 AI 生成技术新范式

2026 年的 AI 生成技术，已经不再是少数懂 Python、会调参的工程师的专属领地。ComfyUI 的出现，正在将复杂的模型调用与生成逻辑，转变为一种直观的“搭积木”体验——拖拽节点、连接端口、调节参数，即可构建出从文本生图到 3D 生成、从视频编辑到音乐创作的全链路工作流。

2026-07-16

通往高效通用智能：大模型时代数据结构与算法的未来技术范式探索

2026年，大模型竞赛的焦点正在发生深刻转移。业界已基本形成共识：单纯的参数规模扩张和“刷榜”式性能比拼正逼近边际收益递减的拐点。取而代之的是——如何让大模型真正学会“推理”，以及如何高效、低成本地支撑这一复杂认知过程。

2026-07-16

终结“显存焦虑”：2026 推理基建新范式，用 vLLM + SGLang 构建企业级高并发 LLM Serving

过去两年，许多团队直接使用 HuggingFace Transformers 或早期 TGI 部署模型。但在面对 Agent 时代的真实流量时，暴露出三大性能死穴：

2026-07-11

重塑量化投研范式：基于腾讯云与大模型架构的OpenClaw算筹AI量化实战解析

随着大语言模型（LLM）技术的突破，量化投资正迎来从“统计套利”向“认知套利”的范式跃迁。如何将非结构化的市场资讯、研报情感与极速的交易指令深度融合，成为了现代量化机构破局的关键。

2026-07-10

中转站关停，Claude 还得用——从个人拼凑到企业级 AI 接入的范式切换

7 月 3 日，FT 报道 Anthropic 全面封禁地下通道。中转站、境外子公司跳转、Azure 隐秘通道、VPN 伪装——所有绕过限制访问 Claude 的手段，一次清退。同一天，阿里内部宣布 7 月 10 日起全面禁用 Claude Code，理由是植入后门风险。财联社和财新都跟进了这一消息——这不是一家公司的临时决定，是 AI 工具信任危机的一个断面。

2026-07-10

从手动脚本到自治测试：深度解析软件质量工程在AI时代的技术范式重构

2026年1月23日，在香港生产力促进局（生产力局）举行的技术沙龙中，一个核心命题引发了全场开发与测试专家的共鸣：当软件复杂度呈几何级增长时，传统的、基于硬编码的测试范式是否已经走到了尽头？

2026-02-03

万洽AI客服 (1ChatServe) 1.0.0 正式发布：以开源之力，开启全域智能客服新范式

还在为多平台切换、数据割裂、人工成本攀升而苦恼吗？在数字化浪潮中，我们发现，传统客服再也无法满足企业对“智能化、一体化、安全可控”的迫切需求。今天，万洽AI客服（1ChatServe）1.0.0重磅上线，以“连接全域，智洽无界”为核心，携手开源社区，帮助企业构建真正高效、安全、灵活的全流程智能客服体系。面对网页、App、微信、等多端触点，客服管理往往陷入“平台切换疲劳”与“信息孤岛”双重困境；内部CRM、ERP、工单系统分裂，更让服务流程反复断层。依托开源模式，万洽AI客服为企业带来： • 完全数据掌控，杜绝第三方平台风险； • 按需深度定制，灵活满足行业个性； • 低TCO门槛，中小企业也能零压力拥抱智能； • 社区共建驱动，快速迭代永葆活力。六大核心模块，驱动全流程全域生态连接器：一键打通网页、App、小程序和社交平台，无缝汇聚客户触点。生态兼容中枢：开放API与CRM/ERP/工单系统深度整合，消除链路割裂。规则中心：可视化配置，从意图识别到工单流转，全流程自动化轻松掌控。 AI对话舱：多轮智能交互+知识库检索，让企业专属智慧沉淀更直观。工单枢纽：统一收发、跟踪与统计，SL A监控与多角色协作一目了然。运营工作台：实时大屏彰显会话质量、转化漏斗与画像洞察，决策更精准。深度融合六大AI能力 · 智能意图识别：深度学习捕捉需求，首次响应更快； · 情感分析引擎：全程捕捉客户情绪，针对性关怀无遗漏； · 智能回复推荐：上下文生成最优答案，减少重复劳动； · 多语言翻译：支持多语互译，海外拓展更无忧； · 客户画像构建：标签化行为洞察，夯实精准服务基石； · 风险识别预警：自动排查违规与异常，保证合规运营。

2026-01-29

OpenAgents 创始人 Raphael Shu：LLM 打破 15 年多智能体强化学习（MARL）技术范式

Raphael Shu 这并非偶然，从东京大学博士期间钻研非自回归生成模型，到在 Yann LeCun 实验室探索下一代AI范式，Raphael Shu 的研究轨迹始终紧扣着技术演进的前沿。

2025-11-18

Gitee 软件工厂新范式：高安全、强协同、快交付，一体化研发全打通

随着国家安全领域的快速发展，国家安全领域软件研发正面临着双重挑战。一方面需要满足《GJB5000B》军用软件研发能力成熟度模型和等保2.0三级标准等要求，另一方面要应对智能化装备带来的软件复杂度倍增。传统的国家安全领域研发模式在管理协作方面暴露出以下几大痛点：跨平台协作效率低下，管理困难。安全管控存在盲区，越权问题频发。交付周期长，难以压缩。软件工厂通过构建「标准化工具链」、「自动化流程」与「安全体系」于一体的研发平台，实现端到端的高效研发。其核心目标在于提升协作效率、缩短交付周期，并确保软件质量。 Gitee 提供统一底座管理、精细化权限控制以及标准化模板等功能，助力国家安全领域的企业打造高安全性、可扩展的软件工厂治理体系，实现研发资源的合理分配与安全可控。统一底座管理：国家安全软件工厂的「数字基石」国家安全领域的软件研发既要符合GJB5000B/等保三级等严苛标准，又要支撑装备快速迭代，传统信息化建设往往使用独立的系统，难以兼顾。统一底座管理成为破局关键： ⚙️集中化资源治理，破解协作低效痛点 Gitee软件工厂通过统一管理平台，实现多应用的集中化管控；在保障不同组织和项目间数据隔离与安全可控的同时，实现高效协作和管理。 🔐安全管控无盲区，筑牢数据防线全链路审计溯源：从需求设计到部署运维过程操作留痕，满足等保三级「6个月日志可追溯」。国产化安全加固：传输链路基于SM2算法实现加密通信，存储层通过SM4算法进行数据加密存储，满足链路安全防护。 Gitee 在软件工厂中的核心能力 🔐数据安全的「智能门禁」，保障数据安全 Gitee 通过 IP 白名单管控与动态水印管理，构建军工级数据安全防线，实现「进不来、拿不走、赖不掉」的核心目标： IP白名单管控：仅指定已授权IP网段可访问系统，精准拦截非法访问。动态水印管理：实时展示水印信息（如操作者用户名/时间等），实现涉密界面截屏溯源，精准定位泄密源。 🔐细粒度权限控制：军工级访问安全的「精准锁扣」 Gitee通过军标合规权限体系与原子级管控能力，满足国家安全领域对访问安全的极致要求。统一权限模板：采用统一权限模板集中管理各角色权限配置，确保权限设置的规范性与一致性，有效杜绝项目组权限配置的随意性，提升整体安全管理水平。精细化权限管理：实现更细粒度的权限控制（如一条流水线、一个代码库、一个制品库），确保权限分配精准无误，有效防范越权访问与数据泄露风险。 🛠️标准化管理，打通「作战指挥链」 Gitee提供标准化模板与导航管理能力，为团队成员提供清晰的研发路径指引，有效提升协同效率，同时保障研发过程的规范性和一致性。软件工厂车间模式：构建软件工厂车间模式（涵盖需求车间、研发车间、质控车间等），实现团队成员如工业生产线般的高效协同。从需求分析至持续部署，各环节责任明确、流程标准化，确保研发流程的顺畅与高效。流程标准化：支持将国家安全领域的软件开发的流程进行标准化，确保不同项目遵循相同的开发流程，提高了开发效率和质量。 🤖未来展望：智能化安全管控体系随着国家安全领域对软件研发效率与安全性的要求持续提升，多租户软件工厂架构下的 DevSecOps 实践将进一步深化，推动行业向“智能化管控、动态化防御、体系化协同”的方向发展。持续身份验证机制：融合多因素认证（MFA）与用户行为分析技术，构建端到端的动态身份认证体系，确保每个访问请求均通过多维度验证。三员权限治理模型：预置GJB5000B“三员管理”模板（系统管理员、安全员、审计员），权限分离符合等保三级要求。自适应权限管理：基于用户行为画像和环境风险态势，建立动态权限调整策略，实现"最小权限"的精准管控。 Gitee DevSecOps 的现代化研发生态 Gitee DevSecOps 是一站式国产化研发与交付平台，集成了代码托管（Code）、项目协作（Team）、持续集成（CI）、持续部署（CD）、代码安全（Scan）、数据洞察（Insight）等多项能力，致力于打造具备全生命周期管控能力的现代软件工厂。平台设计充分考虑关键领域行业对安全性、可控性、合规性的极高要求，具备以下核心特征：国产化适配与私有化部署能力：全面兼容国产操作系统与基础设施，支持灵活部署于内网环境，保障数据主权；全流程 DevSecOps 管控体系：代码从提交、审核、构建、扫描、部署到发布全流程可视、可追溯、安全可控；模块化产品结构：各能力模块（如 Code、Team、Repo、Pipe、Scan、Insight等）可灵活组合、渐进集成，适配多样化团队与流程要求；深度可观测与度量体系：内置研发效能度量与数据洞察引擎，支撑管理者宏观掌控项目态势与交付健康度。在多个国家级重大项目与关键领域单位落地实践中，Gitee DevSecOps 已成为构建「自主、可控、高效、安全」的软件工程体系的重要基石。

2025-11-03

vivo 等提出 DiMo-GUI：模态分治 + 动态聚焦，GUI 智能体推理时扩展的新范式

作者：vivo 互联网算法团队本文入选 EMNLP 2025 Main Conference EMNLP 会议全称为 Conference on Empirical Methods in Natural Language Processing，由国际计算语言学协会 ACL 举办，是自然语言处理和人工智能领域最重要的学术会议之一。EMNLP 2025 会议共有 8174 篇投稿，Main Conference 接收率仅为 22.16%。项目主页： https://github.com/vivo/DiMo-GUI 摘要：本文介绍了一种无需额外训练的 GUI 定位框架 DiMo-GUI，针对多模态大语言模型（MLLMs）在复杂图形用户界面（GUI）定位任务中的挑战，通过动态视觉推理与模态感知优化显著提升性能。DiMo-GUI 采用逐级缩放的动态定位机制，迭代裁剪聚焦目标区域，减少视觉冗余；同时分离文本与图标模态，独立推理后结合指令评估确定最终目标，有效平衡多模态处理能力。在 GUI 定位任务最新的基准数据集上，DiMo-GUI 相较基线展现显著性能提升。作为即插即用框架，DiMo-GUI 适用于网页导航、移动应用自动化等场景，未来可通过回溯机制进一步提升鲁棒性。该工作由 vivo 互联网算法团队、加州大学默塞德分校、昆士兰大学共同完成。一、引言随着图形用户界面（Graphical User Interface, GUI）在自动化导航和操作系统控制等领域的广泛应用，基于自然语言查询的 GUI 定位（GUI Grounding）成为多模态大语言模型（multimodal large language models, MLLMs）的重要研究方向。然而，GUI 环境的视觉复杂性、语言歧义以及空间杂乱等问题为精准定位带来了显著挑战。本文基于最新研究《DiMo-GUI: Advancing Test-time Scaling in GUI Grounding via Modality-Aware Visual Reasoning》，介绍了一种无需额外训练的 GUI 定位框架——DiMo-GUI，通过动态视觉推理和模态感知优化显著提升了多模态大模型在复杂 GUI 环境中的定位性能，推动了推理时扩展（test-time scaling）在该领域的发展。日常生活中，我们与电脑、手机的交互离不开图形用户界面。小到点赞、大到数据分析，我们都希望 AI 能像人一样，理解屏幕上的每一个按钮、每一段文字，并准确执行指令。然而，对于飞速发展中的多模态大模型来说，这却是前所未有的艰巨挑战。在一个复杂的 App、网页或桌面软件中，用户可能随手一句“点击开始播放”，但对于 AI 来说，准确找到这个指令对应的图标/按钮并不简单：模态混杂：用户界面同时包含文本、图标、背景、装饰性元素等，干扰多；并且大多数 VLM 对文字理解更强，图标处理却弱，造成严重偏差；冗余信息：高分辨率 UI 中，重要区域可能只占整体的几十分之一，模型容易定位错误区域。研究发现，传统方法如基于文本推理或单次视觉定位的管道在高分辨率、视觉拥挤的 GUI 中表现不佳。例如在最新的 ScreenSpot-Pro 数据集上，大多数通用模型如 GPT-4o, Qwen2-VL 等只有 1%左右的正确率，即使是针对于 GUI 定位任务的 ShowUI, Aria-UI 等智能体也只有 10%左右的正确率。二、关键改进：模态分离 + 动态定位从上述问题出发，该研究推出零训练成本的 DiMo-GUI，通过模态感知的视觉推理推进训练时扩展，显著提升多模态大模型的图形界面（GUI）理解能力。主要的改进方式包括以下两点：动态视觉定位：DiMo-GUI 采用逐级缩放机制，从粗略预测开始，基于初始坐标生成候选焦点区域，并通过迭代裁剪逐步聚焦目标。例如，首次推理后，模型以预测坐标为中心裁剪半个图像大小的区域作为下一轮输入，显著减少视觉冗余。动态迭代机制根据前后预测的坐标距离（小于图像对角线六分之一时停止）实现自适应停止，避免“过度思考”。模态感知优化：DiMo-GUI 将 GUI 元素分为文本和图标两类，分别进行独立的定位推理，生成文本坐标（C_text）和图标坐标（C_icon）。随后，模型结合原始指令和全分辨率图像评估两个候选坐标，确定最终目标（C*），有效平衡文本和图标的处理能力。这样的方式推动了推理时拓展（Test-time Scaling）在 GUI 定位这一领域的发展，提供了新的思路和方式。三、实验结果：无需训练和任何额外数据，只在推理阶段就可以大幅提升性能团队在最新的高分辨率 GUI 数据集 ScreenSpot-Pro 上验证发现： DiMo-GUI 可以作为即插即用的框架大幅提升多个 GUI 模型的性能。其中 OS-Atlas-7B 在引入 DiMo-GUI 之后获得了超过两倍的指标提升（18.9% -- 49.7%）, UGround-7B 和 UGround-V1-7B 也均获得了超过 10%的指标提升。在相对简单的 ScreenSpot 数据集上，DiMo-GUI 同样可以提升多个模型的性能。定性结果表示，模型加入 DiMo-GUI 之后可以通过动态定位逐步逼近正确结果。四、总结 DiMo-GUI提供了一种高效、通用且无需训练的 GUI 定位框架，通过动态视觉推理和模态感知优化显著提升了多模态大语言模型在复杂 GUI 环境中的表现。其“即插即用”特性使其可无缝集成到现有 GUI Agent 中，适用于网页导航、移动应用自动化等场景。未来研究可探索引入回溯机制以纠正早期错误，进一步提升定位鲁棒性。

2025-08-27

中关村银行与第四范式达成战略合作携手开创供应链“AI+金融”新纪元

中关村银行与第四范式以人工智能、金融科技、金融服务为突破口，发挥中关村银行的金融服务优势与第四范式技术优势，构筑起与供应链业务、流程智能融合的“AI+金融”服务体系。

2018-06-20

第四范式陈雨强：万字深析工业界机器学习最新黑科技

第四范式联合创始人、首席研究科学家陈雨强受邀出席，并以“人工智能工业应用痛点及解决思路”为题，发表主题演讲。

2017-07-31

Vibe Coding：一场被误读的范式转移 ——从「氛围」到工程化的完整专业解析

2025 年 2 月，Andrej Karpathy 在 X 上发了一条近乎自嘲的推文：

2026-09-24

自媒体+AI漫剧+短视频+智能体：从"内容创作"到"工业化生产"的范式革命

过去，一个短视频创作者需要同时扮演编剧、导演、美术、配音、剪辑、运营六个角色——写剧本、拍素材、剪视频、配音乐、做封面、搞运营，每一步都是体力活，每一秒都是时间成本。

2026-09-21

极致IT AI 置景、合成精修与多工具实操：构建视觉工业化生产新范式

在数字内容创作、商业摄影、影视短视频与电商视觉领域，视觉生产正从 “手工精修” 走向 “人机协同”，以AI 置景、AI 合成精修、多工具链实操为核心的一体化工作流，正在重构创意落地效率、画质标准与工业化交付能力。本文从专业创作流程、技术原理、工具实操、行业应用与质量控制五个维度，系统解析 AI 视觉生产的专业逻辑与落地方法。

2026-09-20

用Vibe Coding开发文章生成器：一种自然语言驱动的编程范式

在AI辅助编程日益普及的今天，Vibe Coding（氛围编程）正成为开发者手中的新利器。它不仅仅是“用AI写代码”，更是一种以意图为核心、以对话为驱动的开发方式——你描述“想要什么”，AI将其转化为可运行的代码，而你则专注于业务逻辑与用户体验，而非语法细节。

2026-09-06

2026 AI Agent生产运维新范式：从“黑箱盲猜”到“白盒自愈”的工程化实战

新闻导语2026年8月，随着AI Agent全面接管企业核心业务流程，一场关于“智能体可靠性”的信任危机正在爆发。IDC最新调研指出，尽管92%的企业已部署Agent，但仅有14%的团队对其生产环境稳定性表示“完全有信心”。核心矛盾在于：Agent的决策复杂度呈指数级增长，而运维手段仍停留在“日志+告警”的Web2.0时代。当Agent出现幻觉、死循环或工具调用雪崩时，传统监控只能告诉你“出错了”，却无法回答“为什么错”以及“如何自动修好”。行业风向已发生根本性逆转：Agent运维不再是附属品，而是决定业务生死的“免疫系统”。构建一套集推理透视、链路度量、异常自愈于一体的新一代可观测架构，已成为2026年AI工程化的入场券。

2026-08-14

本地模型 + 云端模型的 Hybrid Inference 架构设计：下一代智能系统的底层范式

过去一年，大模型的推理方式正在变得前所未有地多样化。开发者不再满足于“把请求丢给云端 API，然后等待结果”这种单向流程，而是真实地感受到：不同场景，对延迟、隐私、成本、可控性都有完全不同的要求。尤其是在设备与应用碎片化的当下，一个单一模型架构根本无法覆盖所有体验。于是，一个越来越清晰的趋势出现了——Hybrid Inference：让本地模型与云端模型协同工作，让推理不再是单点，而是一条可自适应的推理链路。

2026-08-07

AI营销中台服务合同签订指南：五项可量化验收条款的设计范式

在生成式AI技术全面渗透营销科技（MarTech）栈的背景下，企业在采购AI营销服务（如AIGC内容生成、智能投放Agent、数字人直播中台）时，合同签署的逻辑已从传统的"软件采购"转向"效果化服务交付"。

2026-07-21

北京高级别自动驾驶示范区打造“数据拼车”众源共享新范式！

10月18日，《北京自动驾驶“数据拼车”众源共享新范式》在2025世界智能网联汽车大会闭幕式发布。

2025-10-20

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

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。