Spring AI 实战：第三章、Spring AI结构化输出之告别杂乱无章

最新推荐文章于 2025-05-05 14:07:50 发布
最新推荐文章于 2025-05-05 14:07:50 发布
阅读量682 收藏 19
点赞数 25
分类专栏： Spring AI 实战 文章标签： 人工智能 spring java
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/liaokailin/article/details/147688340
版权

引言：当程序员遇上剧荒

“周末看什么？”

这个看似简单的问题，往往能让我们在各大影视平台间反复横跳半小时，最后无奈选择重刷《老友记》。本期让我们用技术解决这个"世纪难题"：让大模型成为你的私人影视推荐官

一、输出结构化 - 轻松拿捏数据

1.1 原始输出的烦恼

简单示例：查一位idol主演的电影

  @GetMapping("/idol/movie")
    public String idolMovies(@RequestParam(value = "idol", defaultValue = "刘德华") String idol) {

        String content = chatClient.prompt().user(u -> {
            u.text("帮我找五部{idol}主演的电影").param("idol", idol);
        }).call().content();

        log.info(content);
        return content;
    }

结果输出:

以下是五部由刘德华主演的经典电影推荐，涵盖不同风格和年代的作品：

  1. 《无间道》（2002）

    • 类型：警匪/悬疑

    • 角色：刘建明（反派卧底警察）

    • 亮点：香港警匪片巅峰之作，刘德华与梁朝伟的双雄对决，剧情反转深刻。

  2. 《天若有情》（1990）

    • 类型：爱情/动作

    • 角色：华弟（街头浪子）

    • 亮点：经典悲情爱情片，刘德华骑摩托载吴倩莲的画面成为影史名场面。

  3. 《暗战》（1999）

    • 类型：犯罪/剧情

    • 角色：张彼得（高智商劫匪）

    • 亮点：刘德华凭此片首获香港金像奖影帝，与刘青云的斗智戏码精彩。

  4. 《桃姐》（2011）

    • 类型：家庭/温情

    • 角色：罗杰（少爷）

    • 亮点：现实主义题材，刘德华与叶德娴的细腻演出，斩获多项大奖。

  5. 《拆弹专家2》（2020）

    • 类型：动作/犯罪

    • 角色：潘乘风（残障拆弹专家）

    • 亮点：高燃爆炸场面与复杂角色塑造，近年港产动作片代表作。

其他备选：

  • 《赌神》（1989）饰演陈刀仔（喜剧/赌片）

  • 《十面埋伏》（2004）饰演刘捕头（武侠/爱情）

如需特定类型或年代的推荐，可以进一步补充说明！

问题来了：大模型默认输出自然语言（如纯文本），需额外解析（正则表达式、NLP 处理）才能被程序使用，容易出错

  • 不同模型输出格式不一致
  • 返回格式不稳定，难以用程序解析
  • 无法直接映射到Java对象

1.2 结构化的优势

直接输出 JSON、XML、YAML 等格式，程序可无缝解析，无需复杂后处理，以结构化的输出才能更精准的控制整个流程以及和用户的交互形态，提升产品用户体验


{
  "name": "无间道",
  "releaseDate": "2002-12-12",
  "directorName": "刘伟强",
  "desc": "卧底警察深入黑帮调查的故事"
}

Spring AI通过在提示词中添加格式化指令要求大模型按特定格式做内容返回，在拿到大模型输出数据后通过内置转换器的能力做结构化输出。

二、Spring AI结构化输出实战

2.1 BeanOutputConverter：让AI输出Java对象

实体定义：定义一个对象 Film来标识电影信息实体

 record Film(@JsonPropertyDescription("电影名称") String name,
                @JsonPropertyDescription("上映时间") String releaseDate,
                @JsonPropertyDescription("导演名称") String directorName,
                @JsonPropertyDescription("电影简介") String desc) {
    }

结构转换：使用BeanOutputConverter转化模型返回数据

@GetMapping("/film")
public Film queryFilm(@RequestParam(value = "filmName", defaultValue = "无间道") String filmName) {

    BeanOutputConverter<Film> beanOutputConverter = new BeanOutputConverter<>(new ParameterizedTypeReference<Film>() {
    });

    String content = chatClient.prompt().user(u -> {
        u.text("""
               从豆瓣上查询影视作品{filmName}的信息 
               {format}
               """).params(Map.of("filmName", filmName, "format", beanOutputConverter.getFormat()));
    }).call().content();

    return beanOutputConverter.convert(content);
}

输出如下， 很显然按照指定实体对象做结果的输出

{

“name”: “无间道”,

“releaseDate”: “2002-12-12”,

“directorName”: “刘伟强、麦兆辉”,

“desc”: “《无间道》是一部2002年上映的香港警匪电影，讲述了警方和黑帮互相派遣卧底的故事，展现了复杂的身份认同和道德困境。”

}

整体流程：

  • 通过<font style="color:rgba(0, 0, 0, 0.9);">BeanOutputConverter<T></font> 的泛型约定返回结果的实体对象
  • 在提示词后面追加**<font style="color:rgba(0, 0, 0, 0.9);">{format}</font>**占位符，该占位符对应的值为<font style="color:rgba(0, 0, 0, 0.9);">beanOutputConverter.getFormat()</font>
  • 调用<font style="color:rgba(0, 0, 0, 0.9);">beanOutputConverter.convert(content)</font>处理大模型返回数据，得到返回实体

<font style="color:rgba(0, 0, 0, 0.9);">BeanOutputConverter</font>的泛型除了可以指定一个普通实体对象外，还可以指定List和Map。

List示例

 @GetMapping("/idol/film/bean/list/format")
    public List<Film> idolFilmsBeanListFormat(@RequestParam(value = "idol", defaultValue = "刘德华") String idol) {

        BeanOutputConverter<List<Film>> beanOutputConverter = new BeanOutputConverter<>(new ParameterizedTypeReference<List<Film>>() {
        });


        String content = chatClient.prompt().user(u -> {
            u.text("""
                    帮我找五部{idol}主演的电影
                    
                    {format}
                    """).params(Map.of("idol", idol, "format", beanOutputConverter.getFormat()));
        }).call().content();


        List<Film> filmList = beanOutputConverter.convert(content);

        log.info("BeanOutputConverter#filmList,size={},resp={}", filmList.size(), filmList);
        return filmList;


    }

输出:

[

{

"name": "无间道",

"releaseDate": "2002-12-12",

"directorName": "刘伟强",

"desc": "卧底警察深入黑帮调查的故事"

},

{

"name": "赌神",

"releaseDate": "1989-12-14",

"directorName": "王晶",

"desc": "赌神高进的传奇故事"

},

{

"name": "暗战",

"releaseDate": "1999-09-23",

"directorName": "陈木胜",

"desc": "警察与盗贼之间的斗智斗勇"

},

{

"name": "天若有情",

"releaseDate": "1990-06-14",

"directorName": "杜琪峰",

"desc": "关于时间与爱情的科幻电影"

},

{

"name": "拆弹专家",

"releaseDate": "2017-04-28",

"directorName": "邱礼涛",

"desc": "警察与罪犯之间的心理博弈"

}

]

Map示例： 目前在Map中嵌套复杂类型还不支持，因此Map返回用的是Object而不是Film

@GetMapping("/bean/map/format")
public Map<String, Object> beanMapFormat(@RequestParam(value = "style", defaultValue = "华语流行") String style) {

    BeanOutputConverter<Map<String, Object>> beanOutputConverter = new BeanOutputConverter<>(new ParameterizedTypeReference<Map<String,Object>>() {
    });


    String content = chatClient.prompt().user(u -> {
        u.text("""
               帮我找五部{style}的电影，以电影名为分组键，值为电影信息，电影信息需要包含电影名称、上映时间、导演名、电影简介等内容

               {format}
               """).params(Map.of("style", style, "format", beanOutputConverter.getFormat()));
    }).call().content();


    Map<String, Object> filmMap = beanOutputConverter.convert(content);

    log.info("BeanOutputConverter#filmMap,size={},resp={}", filmMap.size(), filmMap);
    return filmMap;
}

输出:

{

“霸王别姬”: {

"电影名称": "霸王别姬",

"上映时间": "1993年",

"导演名": "陈凯歌",

"电影简介": "影片围绕两位京剧伶人半个世纪的悲欢离合，展现了对传统文化、人的生存状态及人性的思考与领悟。"

},

“无间道”: {

"电影名称": "无间道",

"上映时间": "2002年",

"导演名": "刘伟强、麦兆辉",

"电影简介": "讲述的是两个身份混乱的男人分别为警方和黑社会的卧底，经过一场激烈的角斗，他们决心要寻回自己的故事。"

},

“卧虎藏龙”: {

"电影名称": "卧虎藏龙",

"上映时间": "2000年",

"导演名": "李安",

"电影简介": "一代大侠李慕白有退出江湖之意，托付红颜知己俞秀莲将自己的青冥剑带到京城，作为礼物送给贝勒爷收藏。"

},

“让子弹飞”: {

"电影名称": "让子弹飞",

"上映时间": "2010年",

"导演名": "姜文",

"电影简介": "讲述了悍匪张牧之摇身一变化名清官“马邦德”上任鹅城县长，并与镇守鹅城的恶霸黄四郎展开一场激烈争斗的故事。"

},

“大话西游之大圣娶亲”: {

"电影名称": "大话西游之大圣娶亲",

"上映时间": "1995年",

"导演名": "刘镇伟",

"电影简介": "至尊宝被月光宝盒带回到五百年前，遇见紫霞仙子，被对方打上烙印成为对方的人，并发觉自己已变成孙悟空。"

}

}

2.2 优雅的entity()写法

大模型输出转换为实体对象看起来还是比较复杂的，不过Spring AI还提供更简易的方式：直接在call()后面调用entity，把对应的class类型传递进去即可，并且在提示词中**{format}**占位符不需要再手动添加。

@GetMapping("/film/entity")
public Film queryFilmEntity(@RequestParam(value = "filmName", defaultValue = "无间道") String filmName) {

    Film resp = chatClient.prompt().user(u -> {
        u.text("""
               从豆瓣上查询影视作品{filmName}的信息 
               """).param("filmName", filmName);
    }).call().entity(Film.class);

    return resp;
}

输出:

{

“name”: “无间道”,

“releaseDate”: “2002-12-12”,

“directorName”: “刘伟强、麦兆辉”,

“desc”: “《无间道》是2002年上映的一部香港警匪片，讲述了警方和黑帮互相派遣卧底的故事，展现了复杂的身份认同和道德困境。”

}

三、集合类输出处理

3.1 列表输出：ListOutputConverter

@GetMapping("/list/converter/films")
public List<String> toListFilms(@RequestParam(value = "idol", defaultValue = "刘德华") String idol) {

    ListOutputConverter listOutputConverter = new ListOutputConverter(new DefaultConversionService());

    String content = chatClient.prompt().user(u -> {
        u.text("""
               帮我找五部{idol}主演的电影
               {format}
               """).params(Map.of("idol", idol, "format", listOutputConverter.getFormat()));
    }).call().content();

    List<String> list = listOutputConverter.convert(content);
    log.info("ListOutputConverter#toListFilms,size={},resp={}", list.size(), list);
    return list;
}

输出：

[

“无间道”,

“暗战”,

“天下无贼”,

“十面埋伏”,

“拆弹专家”

]

简易写法

@GetMapping("/list/converter/films/entity")
public List<String> toListFilmsEntity(@RequestParam(value = "idol", defaultValue = "刘德华") String idol) {


    List<String> list = chatClient.prompt().user(u -> {
        u.text("""
               帮我找五部{idol}主演的电影
               """).params(Map.of("idol", idol));
    }).call().entity(new ListOutputConverter(new DefaultConversionService()));

    log.info("ListOutputConverter#toListFilms,size={},resp={}", list.size(), list);
    return list;
}

3.2 Map输出：MapOutputConverter

@GetMapping("/map/converter/films")
public Map<String, Object> toMapFilms(@RequestParam(value = "style", defaultValue = "华语流行") String style) {

    MapOutputConverter mapOutputConverter = new MapOutputConverter();

    String content = chatClient.prompt().user(u -> {
        u.text("""
               帮我找五部{style}的电影，以电影名为分组键，值为电影信息，电影信息需要包含电影名称、上映时间、导演名、电影简介等内容
               {format}
               """).params(Map.of("style", style, "format", mapOutputConverter.getFormat()));
    }).call().content();

    Map<String, Object> resp = mapOutputConverter.convert(content);
    log.info("MapOutputConverter#toListFilms,size={},resp={}", resp.size(), resp);
    return resp;
}

输出：

{

“卧虎藏龙”: {

"电影名称": "卧虎藏龙",

"上映时间": "2000年",

"导演名": "李安",

"电影简介": "讲述一代大侠李慕白有退出江湖之意，托付红颜知己俞秀莲将自己的青冥剑带到京城，作为礼物送给贝勒爷收藏的故事。"

},

“让子弹飞”: {

"电影名称": "让子弹飞",

"上映时间": "2010年",

"导演名": "姜文",

"电影简介": "讲述了悍匪张牧之摇身一变化名清官“马邦德”上任鹅城县长，并与镇守鹅城的恶霸黄四郎展开一场激烈争斗的故事。"

},

“霸王别姬”: {

"电影名称": "霸王别姬",

"上映时间": "1993年",

"导演名": "陈凯歌",

"电影简介": "影片围绕两位京剧伶人半个世纪的悲欢离合，展现了对传统文化、人的生存状态及人性的思考与领悟。"

},

“大话西游之大圣娶亲”: {

"电影名称": "大话西游之大圣娶亲",

"上映时间": "1995年",

"导演名": "刘镇伟",

"电影简介": "讲述了至尊宝为了救白晶晶而穿越回到五百年前，遇见紫霞仙子之后发生一段感情并最终成长为孙悟空的故事。"

},

“无间道”: {

"电影名称": "无间道",

"上映时间": "2002年",

"导演名": "刘伟强、麦兆辉",

"电影简介": "讲述了两个身份混乱的男人分别为警方和黑社会的卧底，经过一场激烈的角斗，他们决心要寻回自己的故事。"

}

}

简易写法，要传递的entity是new ParameterizedTypeReference类型， 和list还是有些细微的区别的

@GetMapping("/map/converter/films/entity")
public Map<String, Object> toMapFilmsEntity(@RequestParam(value = "style", defaultValue = "华语流行") String style) {


    Map<String, Object> resp = chatClient.prompt().user(u -> {
        u.text("""
               帮我找五部{style}的电影，以电影名为分组键，值为电影信息，电影信息需要包含电影名称、上映时间、导演名、电影简介等内容
               """).params(Map.of("style", style));
    }).call().entity(new ParameterizedTypeReference<Map<String, Object>>() {
    });

    log.info("MapOutputConverter#toListFilms,size={},resp={}", resp.size(), resp);
    return resp;
}

四、实体关系

Spring AI结构化输出转换器为开发者提供一种强大而灵活的方式来控制和解析LLM的输出。无论是需要简单的列表、复杂的映射还是完整的Java对象，这些转换器都能帮助我们轻松实现目标。通过合理使用这些工具，可以构建更可靠、更易维护的AI集成应用。

结语：让技术为生活服务

通过Spring AI的结构化输出转换器，成功：

  • 将杂乱不稳定的模型输出转为整洁的Java对象
  • 用几行代码打造私人影视推荐API
  • 让周末选片时间从30分钟缩短到3秒

下次剧荒时，不妨试试这段代码：


@GetMapping("/weekend-recommendation")
public List<Film> getWeekendRecommendation() {
    return chatClient.prompt()
    .user("推荐五部适合周末放松的优质电影")
    .call().entity(new ParameterizedTypeReference<List<Film>>() {});
}

好的技术不仅应该解决工作问题，更应该让生活更美好——包括解决"看什么"这个重大生活课题！🎬

Data For AI 云平台的架构设计与研发：数据处理、资源调度、模型/算子管理、模型部署服务
AI天才研究院
04-13 58
关键词：云计算架构、数据处理流水线、资源调度算法、模型管理系统、算子优化、模型部署、微服务架构、容器化技术摘要：本文深入探讨了现代云平台架构设计与研发的核心要素，聚焦于数据处理、资源调度、模型/算子管理以及模型部署服务四大关键模块。文章从生活化的角度出发，通过类比和实例，将复杂的技术概念转化为易于理解的知识点。文章详细分析了各模块的设计原理、实现方法和最佳实践，并提供了完整的系统架构设计、接口规范和核心代码实现。同时，探讨了云平台技术的发展历程和未来趋势，为读者提供了全面而深入的云平台架构设计指南。小明是一
AI在个性化学习路径设计中的应用
AI天才研究院
02-06 1049
AI在个性化学习路径设计中的应用 关键词 人工智能 个性化学习 学习路径设计 数据分析 机器学习算法 摘要 本文将探讨人工智能（AI）在个性化学习路径
Python 人工智能：1~5
龙哥盟
04-15 4502
在本章中，我们将讨论人工智能AI）的概念及其在现实世界中的应用。我们在日常生活中花费了大量时间与智能系统进行交互。这可以采取以下形式：在互联网上搜索某些内容，进行生物特征识别的人脸识别或将口语单词转换为文本。人工智能是这一切的核心，它正在成为我们现代生活方式的重要组成部分。所有这些系统都是复杂的实际应用，而 AI 通过数学和算法解决了这些问题。在整本书中，我们将学习可用于构建此类应用的基本原理。我们的总体目标是使您能够应对日常生活中可能遇到的具有挑战性的新 AI 问题。
解锁Spring核心：IoC与AOP的奇妙之旅
远程部署调试 运行安装 项目调试 二次开发 项目技术新 持续迭代 部分源码免费分享
02-21 648
IoC 和 AOP 作为 Spring 框架的两大核心支柱，在 Java 开发领域展现出了强大的生命力和卓越的价值。IoC 通过巧妙的依赖注入机制，将对象的创建和管理工作从开发者的手中解放出来，转交给 Spring 容器，从而实现了对象之间的高度解耦，让代码的维护和扩展变得更加轻松和高效。AOP 则以其独特的横切关注点处理方式，将那些与业务逻辑紧密相关却又分散在各处的通用功能，如日志记录、事务管理、权限控制等，进行了集中式的管理和维护，使得业务逻辑代码更加简洁、纯净，可维护性和可扩展性得到了显著提升。
解锁物联网智能项目：从原理到实战的技术盛宴
远程部署调试 运行安装 项目调试 二次开发 项目技术新 持续迭代 部分源码免费分享
02-05 858
物联网智能项目融合了感知、网络通信、数据处理与分析以及人工智能与机器学习等关键技术，这些技术相互协作，为项目的智能化实现提供了坚实的基础。其应用场景广泛，涵盖智能家居、智能城市、工业物联网、健康与医疗、农业等多个领域，为人们的生活和工作带来了极大的便利和变革。构建物联网智能项目需要遵循明确的步骤，从需求分析和目标设定，到硬件设备的选择与连接，再到数据的收集处理以及应用程序的开发和测试优化，每一个环节都至关重要。
Spring MVC -- 转换器和格式化
Graceful_scenery的博客
05-09 49
在Spring MVC -- 数据绑定和表单标签库中我们已经见证了数据绑定的威力，并学习了如何使用表单标签库中的标签。但是，Spring的数据绑定并非没有任何限制。有案例表明，Spring在如何正确绑定数据方面是杂乱无章的。下面举两个例子： 1)在Spring MVC -- 数据绑定和表单标签库中的tags-demo应用中，如果在/input-book页面输入一个非数字的价格，然后点击”Add ...
spring 吞异常_吞下的异常：Java应用程序的沉默杀手
danpu0978的博客
05-25 435
spring 吞异常 如何避免错误处理应用程序错误的风险？ 这将有点吓人。 毕竟，我们在这里正在处理一个致命的杀手。 还有一些讨厌的日志文件。 因此，请紧紧抓住座位！ 我们将提供立即可行的建议，以彻底停止可吞咽的异常。 在这篇文章中，我们的目标是了解如何避免错误处理错误的风险，并且我们将通过理解吞咽异常的负面影响并学习如何解决它们来做到这一点。 我们将调查并找到Java应用程序的无...
探寻ElasticSearch实战之路：从理论到代码实现
arnold66的专栏
01-01 949
通过本文的实战探索，我们深入领略了 ElasticSearch 的强大威力，从其精妙的分布式架构、核心概念，到电商、日志分析等多元实战场景应用，再到代码操作与性能优化，每一步都为高效数据处理奠定基石。然而，这仅是冰山一角，ElasticSearch 领域如浩瀚宇宙，持续学习是解锁更多奥秘的钥匙。随着大数据、人工智能技术蓬勃发展，它将融合机器学习实现智能搜索、分析，与云平台深度整合，拓展分布式新边界，在物联网、金融风控、智能运维等前沿领域大显身手。
基于Spring Boot框架的高校医院体检预约管理系统
2401_86117024的博客
01-16 1143
摘 要高校医院体检预约管理系统的目的是让使用者可以更方便的将人、设备和场景更立体的连接在一起。能让用户以更科幻的方式使用产品，体验高科技时代带给人们的方便，同时也能让用户体会到与以往常规产品不同的体验风格。与安卓，iOS相比较起来，高校医院体检预约管理系统在流畅性，续航能力，等方方面面都有着很大的优势。这就意味着高校医院体检预约管理系统的设计可以比其他系统更为出色的能力，可以更高效的完成最新的体检项目、预约规则等功能。此系统设计主要采用的是JAVA语言来进行开发，采用Spring Boot框架技术，框架分
API开发实战：构建3DSource零件库的强大自定义接口
[API开发实战：构建3DSource零件库的强大自定义接口](https://www.thinkitive.com/wp-content/uploads/2023/09/features-of-flask-1024x535.jpg) 参考资源链接：[3DSource零件库在线版：CAD软件集成的三维标准件库]...
Java 大视界 -- Java 大数据文本分析与自然语言处理：从文本挖掘到智能对话（十）
【青云交】华为云云享专家，在技术圈个人影响力位居前 17，跻身博客之星 TOP23。全国原力、全网领军人物双料登顶，作者周榜位居前二，苏州地区各榜也统统拿下榜首之位，实力爆棚！
01-05 3469
本文聚焦 Java 大数据文本分析与 NLP，详述文本采集、挖掘，机器翻译、智能对话，结合金融、旅游案例剖析语义、安全挑战及应对，为文本技术应用添翼。
【计算机毕设文章】基于spring boot拍卖行系统的设计与实现
Eastonzhang888的博客
07-22 497
摘 要 拍卖行系统的目的是让使用者可以更方便的将人、设备和场景更立体的连接在一起。能让用户以更科幻的方式使用产品，体验高科技时代带给人们的方便，同时也能让用户体会到与以往常规产品不同的体验风格。 与安卓，iOS相比较起来，拍卖行系统在流畅性，续航能力，等方方面面都有着很大的优势。这就意味着拍卖行系统的设计可以比其他系统更为出色的能力，可以更高效的完成最新的拍卖商品、拍卖公告等功能。 此系统设计主要采用的是JAVA语言来进行开发，采用Spring Boot框架技术，框架分为三层，分别是控制层Controll
自然语言处理实战：用CRF打造高精度命名实体识别系统
Loving_enjoy的博客
05-03 764
无论是想快速搭建一个可用的NER系统，还是希望深入理解概率图模型的精髓，CRF都是值得放入工具箱的利器。'prev_is_b-geo': prev_tag == 'B-GEO' # 假设prev_tag是前一个标签。('参观天安门', ['O', 'B-POI', 'I-POI', 'I-POI'])" —— 人工智能先驱吴恩达。- **BiLSTM-CRF**：经典组合，在CoNLL-2003达到91%的F1值。('北京市', ['B-GEO', 'I-GEO', 'I-GEO']),
解锁DeepSeek模型微调：从小白到高手的进阶之路
邓邓子的博客
05-05 678
本文围绕 DeepSeek 模型微调展开系统阐述。首先介绍 DeepSeek 模型在 AI 领域的重要地位及其优势，点明微调对提升模型性能的关键意义。接着深入解析微调原理，涵盖迁移学习基础与参数更新机制。随后详细讲解数据准备、模型选择加载、微调训练实战等核心步骤，包括数据收集标注预处理、参数设置与策略选择。还通过实战案例展示微调全流程，并基于评估结果提出优化改进方法。最后对 DeepSeek 模型微调进行总结，展望其未来发展方向，为希望掌握 DeepSeek 模型微调技术的读者提供全面指导。
远光软件发布九天 AI 应用开发平台，加速企业研发效能跃升
YG_JT的博客
04-30 719
4月25日，远光软件在“2025珠海软件产业年会暨AI技术赋能行业发展交流会”上以虚拟直播方式发布了远光九天AI应用开发平台。
基于MATLAB图像中的圆形目标识别和标记
xrgs_shz的博客
05-05 558
这个公式的来源是，对于圆来说，这个值等于1，因为圆的周长P=2πr，面积A=πr²，代入得4π*(πr²)/(4π²r²)=1。例如，正方形的面积是a²，周长是4a，所以圆度为4πa²/(4a)^2 =4πa²/(16a²)=π/4≈0.7854。'y', 'FontSize',14,'FontWeight','bold') %在边界左侧显示圆度。
存算一体架构下的新型AI加速范式：从Samsung HBM-PIM看近内存计算趋势
高效做AI，就上Aladdin! 同学们用得起的H卡算力平台。
05-01 1370
存算一体不是简单的技术改良，而是对计算本质的重新思考。当HBM-PIM将能效边界推向10 TFLOPS/W，我们正站在架构革命的临界点。这场变革的终极目标，是让计算回归数据本源——‌在比特诞生的地方处理比特‌。本文实验数据基于Samsung Aquabolt-XL HBM-PIM实测，更多技术细节请参考ISSCC 2023论文《A 1ynm 16Gb 4.8TFLOPS/W HBM-PIM with Bank-Level Programmable AI Engines》。
我让AI接管了浏览器！Browser Tools MCP教程：自动Debug+截屏+SEO分析
seeyouintokyo的博客
05-03 1034
小白友好，且效率翻倍
英伟达语音识别模型论文速读：Token-and-Duration Transducer（TDT）架构
最新发布
weixin_52582710的博客
05-05 526
论文提出的 TDT 模型通过在传统 Transducer 模型中加入显式的持续时间建模，在语音识别、语音翻译和口语理解等多个序列任务中均优于传统 Transducer 模型。TDT 模型不仅在准确率上表现相当或更好，而且在推理速度上显著提升，最高可达 2.82 倍加速。此外，TDT 模型在抗噪声和处理重复 token 方面也展现出更强的鲁棒性。未来的工作将致力于进一步提高 TDT 模型的计算效率和准确性，并开发高效的 TDT 模型束搜索算法。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

liaokailin

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值