标签 - 人工智能与算法

云端为主，端侧协同：下一代对话式AI智能硬件的技术进化

介绍对话式AI智能硬件从云端训练到设备端推理的技术架构与应用模式。深入分析云端大模型训练、局部模型裁剪、隐私安全及混合推理策略，为下一代智能语音交互设备的发展提供全面洞察。

人工智能与算法, 行业知识 , 2024年12月15日 , AI智能硬件, LLM, 云计算, 人机交互, 对话式AI, 星野AI, 模型优化, 语音助手, 边缘计算, 隐私保护

以一家医疗行业企业为例，实践基于Dify构建内部AI大模型知识库

如何通过Dify平台构建企业内部AI大模型知识库，涵盖数据处理、知识图谱构建、模型微调和应用开发全过程，详细介绍技术指标、优化方法及实施效果，助力企业智能化转型。

人工智能与算法, 行业知识 , 2024年11月22日 , AI大模型知识库, AI知识库, Dify平台, ETL工具, GraphDB, LLaMA 3.2, Neo4j, Qwen, 企业智能化, 动态问答系统, 图数据库, 大语言模型, 数据整合, 智能推荐, 模型微调, 知识图谱构建

构建AI知识图谱：有哪些AI应用开发平台，怎么录入资料，怎么构建应用？

如何通过AI应用开发平台构建AI知识图谱，包括平台选择、资料录入方法以及工作流和自定义应用的开发方式，帮助企业实现高效的数据整合和智能知识管理。

人工智能与算法, 行业知识 , 2024年11月22日 , AI应用开发平台, Coze, Dify, GraphDB, Neo4j, RagFlow, SPARQL查询, 企业知识管理, 图数据库, 大语言模型, 工作流设计, 数据录入, 知识图谱平台, 知识抽取, 自定义应用

哪些大模型可以私有部署构建AI知识图谱，算力需求是什么样的？

解析企业如何部署私有化大模型（如LLaMA 3.2、Qwen、Falcon、MosaicML MPT）构建AI知识图谱，涵盖不同规模模型的部署方案、算力优化建议以及常用模型技术特点，帮助企业高效完成知识图谱构建。

人工智能与算法, 行业知识 , 2024年11月22日 , AI应用开发, AI知识图谱, Falcon, GPU算力, LLaMA 3.2, MosaicML MPT, Qwen, 企业知识管理, 模型优化, 模型部署, 知识图谱优化, 私有大模型, 算力需求

LLM开发(3)：如何在物联网系统中应用大型语言模型实现业务价值提升

探讨了大型语言模型（LLM）与物联网（IoT）系统的结合，详细分析了LLM在IoT中的应用场景、技术实现，以及如何在物联网系统中应用LLM实现更高的价值。通过专业技术名词、数据和案例，阐述了LLM为IoT带来的新机遇和未来发展趋势。

人工智能与算法, 行业知识 , 2024年11月6日 , IoT, LLM, 人工智能, 大型语言模型, 技术融合, 智能家居, 模型部署, 物联网, 自然语言处理, 边缘计算

LLM开发(2)：实战指南——从数据预处理到模型优化

介绍了大型语言模型（LLM）开发的完整流程，从数据收集与预处理、模型构建、训练技巧到模型优化与部署。通过技术细节、专业术语、表格和案例分析，帮助开发者掌握LLM开发的关键技术与实践经验。

人工智能与算法, 行业知识 , 2024年11月6日 , LLM, NLP, Transformer, 人工智能, 数据预处理, 机器学习, 模型优化, 模型构建, 模型训练, 深度学习

LLM开发(1)：大型语言模型的趋势与应用开发前景

大型语言模型（LLM）的最新技术趋势、架构原理及其在智能客服、内容生成、医疗健康等领域的深度应用。探讨LLM在数据隐私、偏见控制、边缘计算和多模态融合中的挑战与解决方案，为未来行业发展提供全方位的洞察。

人工智能与算法, 行业知识 , 2024年11月6日 , GPT-4, LLM开发, LLM隐私保护, Transformer架构, 内容生成AI, 医疗AI应用, 多模态AI, 大型语言模型, 自监督学习, 边缘计算

智能仓库收单系统：利用Dify、OCR和LLM技术实现高效仓储管理

本文详细介绍了如何结合Dify、OCR和LLM等先进技术，构建智能仓库收单系统，提升仓库管理效率，减少出错率，助力企业实现物流数字化转型。通过自动化处理出库单，系统能够提取关键信息并与商品数据库进行比对，快速生成收货单。

人工智能与算法, 行业知识 , 2024年10月22日 , Dify, LLM, OCR, 仓储管理, 仓库收单, 仓库管理系统, 供应链管理, 出库单处理, 大语言模型, 数字化物流, 智能仓库, 智能收单系统, 物流数字化, 物流管理, 物联网, 自动化仓库系统

探讨人工智能（AI）和机器学习算法在物联网中的应用，包括智能数据分析、边缘AI、计算机视觉和深度学习技术的集成与优化。适用内容:
• 机器学习和深度学习在物联网系统中的应用，如边缘设备上的模型推理与优化。
• 图像处理和行为识别算法在智能设备中的应用，例如智能监控和自动化分析系统。
• 不同行业中的AI解决方案及案例，如智慧医疗、工业自动化中的AI应用。