- 博客(377)
- 收藏
- 关注
RSS订阅原创 【技术实战】从 Naive RAG 到 GraphRAG：企业知识库为什么必须上“知识图谱“？
价差背后，是"孤立的符号知识工程"与"知识图谱 + 大模型检索增强"两种能力的鸿沟。这恰恰是当下高薪岗位的真正门槛，也是知识工程从"建得起"走向"用得住"的必经之路。两者如何协同（neuro-symbolic），至今没有成熟范式——这也是行业术语从"知识图谱"滑向"知识飞轮""上下文工程"的原因。关键差异：向量库回答"哪段文字最像问题"，图谱回答"问题牵扯的实体之间是什么关系、连成了什么结构"。四步里，Step 1 的抽取质量和 Step 3 的实体链接，恰恰是工程上最容易翻车的地方——后面细说。
2026-08-07 19:00:14
743
原创 2026大厂知识工程岗薪资排行：RAG/GraphRAG 溢价惊人，但入门这3道坎劝退无数人
曹老师（中科院自动化所副研究员，NLP 与大模型可解释，发表论文 60+ 篇，ACL-2025 SAC Highlights、ICLR-2026 Oral）；叶老师（中科院自动化所工程师，信息抽取、图谱构建、大模型能力增强与压缩）。最近梳理了 2026年6月以来各大厂知识工程相关岗位的公开招聘薪酬，又结合平时和同行交流里最常听到的"学不动""用不住"的抱怨，聊点实在的：这条赛道到底值不值得入？这也是为什么行业术语从"知识图谱"滑向了"知识飞轮""上下文工程"。某中型移动互联网公司（P8+）
2026-08-07 18:58:20
411
原创 11.6万个数据集还不够好？高质量数据的“三低”难题，十五五这样破
核心是一套“数据飞轮”机制——场景牵引数据、数据驱动模型、模型赋能应用、应用创造价值，用模型应用反哺数据迭代，让“场景—数据—模型”转成闭环。价值上首次把“词元（Token）交易”纳入政策视野——国内日均Token调用量已突破140万亿，方案鼓励数据集挂牌交易、订阅模式、以数换数、质押融资、作价入股，让数据从“成本中心”变成“资产”。企业担心“供出数据、丧失优势”，宁可让数据烂在单点，也不愿拿出来共享——结果中小AI团队拿不到合规行业数据，只能拿通用公开数据训练，模型专业适配性极差，很难落地到垂直场景。
2026-08-06 14:29:25
220
原创 具身智能站稳了！撑起它的三根支柱，十五五全写进了规划
落到行动上，实景实训专项行动聚焦生产制造、仓储物流、餐饮零售、医疗康养、安全生产、应急救援等九大类重点场景，到2026年底要凝练出百个以上高价值应用场景，带动“万台级”规模落地能力，让人形机器人真正开启“作业模式”。今年春晚，机器人又上了热搜。更关键的是，通过大模型，一台机器人学会，所有机器人都能掌握。有意思的是，这三根过去让企业头疼的“难题”，这一次被“十五五”规划纲要直接写成了“国家工程”。降幅背后，是“无感采集”方案的成熟——工人戴着头环、数据手套、背负装置正常作业，数据就同步采到了，既丰富又便宜。
2026-08-06 14:28:11
230
原创 基于模型的数据库构建：从数据存储到智能赋能的范式跃迁
过去十年，数据库建设的核心命题是"如何把数据存好、管好、用好"——采集、存储、治理、共享、分析，这条主线贯穿了几乎所有企业的数据战略。没有明确任务的数据集合，无论多么规范，都只是"存起来的数据"，而非"为模型准备的数据"。以投诉工单为例，标注信息需要包含多个维度：投诉类型的分类标签（如"服务履约""资金类""网络质量"等）、风险等级评估（高/中/低）、推荐处置方案，以及完整的推理过程——让模型不仅知道答案是什么，还知道判断的逻辑依据是什么。这一层的输出是"干净且规范"的数据，但尚未完成面向模型的组织。
2026-08-05 11:07:56
616
原创 交通领域高质量数据集构建方法
然而，交通数据具有鲜明的行业特性：多源异构（摄像头、雷达、卡口、GPS、ETC、信号控制系统）、强时空关联、标注语义复杂（目标检测、轨迹、事件、意图）、隐私敏感（车牌、人脸）。在治理基础上叠加任务标注（边界框、轨迹、事件标签）、知识注入（交规、场景语义）、统一格式封装（如遵循自动驾驶数据集标准）与独立评测验证。相比普通图像分类，交通场景标注涉及：目标检测（车辆、行人、非机动车、交通标志）、实例分割、轨迹跟踪、交通事件（拥堵、事故、违停、抛洒物）、交通参数（流量、速度、密度、排队长度）等多层次语义。
2026-08-05 11:04:45
202
原创 高质量数据集建设的“三低”难题与十五五破局：从政策到落地——基于国家数据局《行业高质量数据集建设行动实施方案》的解读
国家数据局《关于推进行业高质量数据集建设行动的实施方案》（国数科基〔2026〕25 号）部署强基扩容、标注攻坚、提质增效、应用赋能、管理服务、价值释放六大专项行动，并形成“场景牵引数据—数据驱动模型—模型赋能应用—应用创造价值”的“数据飞轮”。“三大行动 + 三大行动”正好覆盖“供得出、流得动、用得好、保安全”全链条。方案首次将 Token 交易纳入政策视野，鼓励数据集在数据交易所挂牌，发展订阅、定制、以数换数、数据托管等模式，并探索质押融资、作价入股、数据信托等资产化路径，培育“为数据付费”的市场共识。
2026-08-04 14:46:23
191
原创 具身智能规模落地的三大支点：数据集、应用场景与性价比——「十五五」规划如何为具身智能全面赋能？
具身智能要打破“数据缺乏—泛化不够—硬件可靠性不足—场景受限”的负向循环，关键在于以场景开放为突破口、数据回流为引擎、技术底座为支撑，标准引领、同步发力，加快从技术验证走向大规模商业化落地。「十五五」的政策组合拳恰好补齐了这三块短板——数据集行动方案解决“燃料”，实景实训专项行动解决“考场”，模块化标准化与产投机制解决“性价比”。[6] 中国电子报 / 经济日报.《从“能用”到“好用”：具身智能蓄力“关键一跃”》. 2026-07-02.一、「十五五」为具身智能定调：从“技术突破”走向“应用落地”
2026-08-04 14:45:19
341
原创 具身智能研发效率瓶颈破解方案｜（附工信部高级工程师认证）
从事人形机器人、自动驾驶、工业机械臂、无人装备研发、高校 AI 相关教研、硕博课题攻坚的技术从业者，日常工作高度同质化： 每日需要完成场景数据集标注、机器人运动逻辑开发、机械臂手眼标定、导航抓取仿真调试；针对复杂作业场景手写任务规划代码，反复调试强化学习、多模态视觉融合模型；同时还要跟进前沿论文、验证世界模型、VLA 视觉 - 语言 - 动作智能体落地可行性，兼顾项目交付、论文撰写、职称材料准备多重工作，长期多线并行。
2026-08-03 16:50:12
263
原创 孙旭东、黄哲学等：LogoML——一个面向分布式大数据分析的开放机器学习库
深圳大学黄哲学团队在《Big Data Mining and Analytics》提出 LogoML：它扎根于 RSP 随机样本划分数据模型与 LOGO 分布式计算框架，让算法以「顺序写法」并行执行，每次只取约 5% 的数据块，却在效率、精度与可扩展性上全面压过 Spark MLlib 与 Smile。对比对象为 LogoML、SparkML（MLlib 全量）、SparkML-OS（MLlib 采样 5%）、Smile（单机全量），共 15 个算法。孙旭东、蔡永达、陶艺、麦浪杰、黄哲学（通讯）
2026-08-03 15:54:30
362
原创 MAEPS：基于人类专家团队协作模拟的多智能体事件预测系统
MAEPS 是一个迭代式框架，模拟专家团队的协同决策，由三大核心组件构成：协调决策组件（过程控制）、12 个专业化信息收集智能体、以及负责分析与预测生成的知识处理模块。反观人类专家：政策分析师聚焦立法与政治动态，经济学家分析市场与宏观趋势，二者协作把「监管可行性」与「经济后果」拧在一起，产出更准、更细腻、可执行的判断。系统用 5 个相同的基座 LLM 生成多样化候选预测（同一知识库、略不同推理路径），最后用「裁剪均值」（trimmed mean）聚合，输出最终概率估计与置信区间，兼顾准确与校准。
2026-07-31 10:05:13
176
原创 智能座舱多模态图像的像素级配准方法与数据集构建
为此，本文构建一套智能座舱多模态图像数据集，包含同步采集的可见光（RGB）、红外（IR）与深度图像；在同一训练范式下，系统比较单模态与多模态模型的表现：用相同训练框架，分别考察 RGB、RGB+IR、RGB+depth、RGB+IR+depth 四种组合，在自建 CMMID 上验证数据集对多模态目标检测的有效性。相较仅依赖几何映射的传统方法，本文方法在保住高精度对齐的同时，产出视觉完整、可用的配准图像，为下游多模态检测与行为理解提供更高质量的输入——这恰是它区别于以往综述与单模态数据集的关键。
2026-07-31 10:04:01
306
原创 大模型智能体——从模块化架构到自主协作
首先，拆解现代大模型智能体的核心架构，剖析推理、感知、记忆、规划、行动与学习各大核心模块之间的协同机制；为了让推理更可靠，研究分两路：一是“推理时缩放”，用更大算力换更稳的推理，如思维链（CoT）、自洽（多路径投票）、思维树（ToT）、Self-Refine（生成—自评—精炼）；具身智能体则架起“计算”与“物理动作”之间的桥：固定基座机械臂操作、移动机器人导航、自动驾驶（VLA 架构、LMDrive 端到端驾驶），以及普适智能体（智能家居、AR/VR 可穿戴、空中无人机蜂群）。这是智能体的“大脑”。
2026-07-30 16:21:10
634
原创 TFreeKGGen——无需训练，也能造出靠谱的知识图谱
本文（发表于 Tsinghua Science and Technology 的研究论文）提出 TFreeKGGen——一个“零训练”的端到端知识图谱生成模型：用分层提示充分释放大模型的语义理解力，再用一套“证据锚定”的两阶段验证—纠正机制把幻觉关进笼子。在抽取前提升输入质量，分两手：一是“类别引导的语义过滤”——用户只需给出与应用相关的若干语义类别（如科技人才领域的“姓名、教育背景、所属机构、研究成果”），大模型据此把原文归类、以 JSON 结构化输出，过滤掉广告、跨域噪声等无关信息；
2026-07-30 16:17:39
492
原创 知识工程如何赋能央国企数智化转型？打破大模型落地 “试点好看，规模失效” 困局
区别于传统数据库只存储 “数字信息”，知识工程依托知识图谱、文档解析、实体抽取、关系建模等技术，把非结构化的制度文件、工艺流程、专家经验、历史案例转化为结构化、可关联、可推理的企业知识资产。简单来说：把专家脑袋里、分散文件里的隐性经验，变成 AI 可以读懂、调用、推理的显性知识。
2026-07-29 10:45:40
303
原创 知识工程赋能数智化转型：从知识图谱到 RAG 的技术实践
在「数字化 + 智能化」的数智化转型中，企业普遍卡在"有数据、无知识"：数据孤岛严重、专家经验难以复用、大模型在企业场景幻觉频发。本文从技术视角梳理知识工程的核心能力栈，重点拆解其与大模型的结合范式（RAG），并给出一个可落地的架构与实施路线图，供研发与架构同学参考。知识工程把隐性的领域经验工程化，再借大模型的能力释放出来，是企业从"看得见"走向"想得清、答得准"的关键路径。没有好的知识底座，RAG 就是"垃圾进、垃圾出"。知识工程的目标，正是把分散的、隐性的知识，工程化为可计算、可推理、可服务的资产。
2026-07-29 10:44:01
236
原创 国务院国资委发布第二批央企AI高价值场景（60项）与行业数据集（70项）：全链条布局解读
2026世界人工智能大会（WAIC）期间，国务院国资委在“智赋新质 全域焕新”企业人工智能高质量发展论坛，正式发布第二批央企人工智能战略性高价值场景（60项）与行业高质量数据集（70项），上线AI开源“焕新社区”2.0，并启动国资央企智能软件工厂联合筑基工程。：多处场景以“智能体”命名（如能源交通融合场景、水电智能调度运行智能体），Agent化是明确趋势。：覆盖工业制造、智慧能源、交通物流、信息通信、医疗卫生、农业农村、智能建造、其他行业等8大领域。：同步开放，直接支撑垂直行业大模型训练、微调与评测。
2026-07-28 10:20:29
261
原创 北京市《加快智能体引领发展的若干措施》深度解读：智能体时代的政策红利与技术落地路径
文号：京发改〔2026〕1185号印发日期：2026-07-21联合发文：北京市发改委、市委网信办、市科委中关村管委会、市经信局一、背景与目标为落实国务院《关于深入实施"人工智能+"行动的意见》（国发〔2025〕11号）及国家网信办等三部门《智能体规范应用与创新发展实施意见》（国信办发文〔2026〕6号），北京出台全国首个以 **智能体（Agent）** 为核心的城市级专项政策，目标是率先培育"智能经济"新形态，建设全球人工智能创新高地。二、十大措施速览。
2026-07-28 10:01:22
297
原创 语义信息赋能点云配准：复杂场景点云配准更稳更准
点云配准是三维视觉、自动驾驶、机器人定位和三维重建中的基础问题，但在真实激光雷达场景中，点云常常存在噪声、离群点、遮挡、重叠率低和初始姿态差等困难，传统 ICP 方法容易陷入局部最优。这说明语义信息、双向匹配和抗噪机制能够帮助算法在复杂场景中建立更可靠的对应关系，即使面对初始位姿较差、点云局部重叠、存在噪声和离群点等挑战，也能保持较高的配准成功率。当两帧点云初始位置差别较大，或者重叠区域较少时，经典的 ICP 算法很容易认错对象，把不该对应的点强行匹配在一起，最终导致配准失败。给点云配准加入语义理解。
2026-07-27 11:57:40
302
原创 信息系统智能体
具身智能学习路径深度强化学习学习路径，是嵌入 / 对接各类信息系统（ERP、OA、MES、数据库、业务平台、管理信息系统 MIS 等）、以大模型为核心，具备能力的软件智能实体。通俗理解：它是现有信息系统的；不再只是被动查询数据，能够理解自然语言业务目标，自动跨多系统完成一整套信息获取、计算、流程操作、报表输出。
2026-07-24 13:50:41
169
原创 数智化转型全链路架构（数字化-数据治理-知识工程-智能应用）
垂直大模型、智能RAG问答、故障智能诊断、风险研判、合规审查、工艺辅助决策、智能巡检、知识推送、流程智能辅助。：领域本体建模、术语统一、知识抽取、知识融合、关系建模、业务规则固化、经验萃取、知识图谱构建、知识校验与迭代。：数据清洗、去重纠错、主数据统一、字段标准化、数据质检、样本筛选、标注治理、数据集构建。：数据零散、口径杂乱、存在孤岛、只有记录、没有逻辑、机器无法理解业务含义。：领域本体库、知识图谱、业务规则库、专家经验库、结构化知识资产。：原始业务数据、台账、文档、图纸、规程、运维记录、流程日志。
2026-07-24 13:45:55
270
原创 装备运维智能体：大模型驱动下装备预测性维护技术架构、落地痛点与工程实践
是以工业大模型为认知核心，融合时序数据分析、设备机理知识、运维知识库，具备感知、推理、规划、工具调用能力，面向机电装备全生命周期运维的自治智能单元。它不再只是问答机器人，而是可以自主完成：设备状态巡检、异常研判、故障根因分析、维保方案生成、工单创建、劣化趋势跟踪、运维知识沉淀的 “数字化运维工程师”。随着 LLM 智能体（Agent）技术成熟，装备运维智能体成为打通设备感知、故障推理、工单处置、知识迭代的核心载体。知识库内容：设备原厂运维手册、历史故障工单、典型故障模式库、专家处置方案、备件参数。
2026-07-22 15:38:31
209
原创 2021-2026国内头部大厂大模型、AI智能体、具身智能招聘变化汇总
只会LangChain、简单微调、Prompt工程的初级大模型/Agent工程师，2025–2026出现大量简历 内卷，薪资相比2023高点没有上涨，部分岗位薪资下行10%–20%。强调复杂任务闭环、自主纠错、企业级智能体规模化部署；重心转向微调、推理优化、MLOps、行业落地；岗位大量与Agent、多模态、具身交叉；任务规划、记忆机制、FunctionCalling、多Agent协同、Agent评测体系。设立独立大模型团队；长期记忆、自主反思、工具编排、Agent评估基准、多智能体协作、工作流自动化。
2026-07-22 11:56:12
268
原创 从Transformer底层到私有化部署+Agent开发｜全栈大模型工程技术完整学习路线
很多开发人员缺少从底层原理到生产级部署的完整知识框架，本文基于行业标准SJ/T 11805-2022《人工智能从业人员能力要求》，梳理一套覆盖底层模型、微调、推理、私有化部署、企业Agent开发的完整技术学习体系。授课教师为985高校计算学部博导、副教授，长期深耕大语言模型、人机融合决策方向，主持多项国家自然科学基金与头部企业横向项目，发表NeurIPS、ICML、ACL等顶会论文60余篇，主导开源行业垂类大模型项目。2. Agent四大核心模块：记忆、任务规划、工具调用、动作执行。
2026-07-17 11:37:11
359
原创 企业级RAG与知识工程落地全栈技术体系拆解（含图谱+大模型幻觉治理实战方案）
整套学习体系分为理论授课+实操，同步支持线上直播回看，配套完整实操案例素材，适合AI算法、知识库开发、企业大模型落地研发人员系统学习。1. 中科院自动化所副研究员：长期深耕大模型可解释、检索增强方向，ACL/ICLR顶会论文60+，长期担任国际顶会领域主席、审稿人；人工智能技术骨干、知识图谱研发、大模型落地工程师、高校AI相关专业师生、私有知识库落地研发从业者。- 多粒度知识抽取：实体、关系、事件三层抽取方案，适配多源异构业务文本。- 多维度知识表示方案：知识图谱、参数化知识表示、大模型隐式知识探测。
2026-07-17 11:32:17
359
原创 2026年AI领域最新前沿技术全景总结
学术界聚焦长链路推理、扩散多模态、AI安全对齐，产业端进入Agent商用落地、端云协同原生AI终端普及阶段，技术重心从“生成内容”转向“理解真实物理世界、自主完成复杂业务动作”。Next-Token预测范式仅能做文本概率拟合，缺失物理因果、时空连续性，长时序规划、反事实推演、机器人实操误差极高，无法支撑工业、自动驾驶、机器人等高可靠物理场景。不再仅输出文本，统一输入图像、视频、深度、力觉、时序动作数据，直接预测环境未来物理状态，内置物理规则、因果逻辑，实现“感知-仿真-规划”一体化。
2026-07-15 11:35:53
417
原创 2026 年 AI 前沿技术全行业应用场景汇总
2026年AI核心技术底座为世界模型WAM、自主Agent智能体、具身物理AI、长推理大模型、国产算力集群、多模态扩散模型，所有场景围绕「从生成内容→自主行动、从云端通用→端云协同、从单一感知→物理仿真决策」落地，分工业制造、交通自动驾驶、医疗健康、政企金融、消费终端、智慧城市、科研教育、机器人服务八大板块整理。跨软件自主完成全链路任务：自动收邮件、拆解会议、生成纪要、整理报表、跨系统导出数据、撰写业务方案、复盘项目数据；融合CT、病理、基因、心电、病历构建患者数字孪生；自动生成维修工单、调度人员备件。
2026-07-15 11:35:22
420
原创 工业级RAG落地全链路优化方案：解决检索失效、大模型幻觉（实战干货）
通过知识图谱梳理业务实体、关联关系、行业规则，将碎片化文本搭建为结构化知识网络，具备强大的逻辑推理、关联溯源能力，可高效处理复杂业务问题，适配金融、制造、政务、法务等高严谨、高精准场景。摒弃死板的定长切片模式，基于文档段落结构、章节层级、语义完整性做自适应切片，确保每一个切片都是完整的业务语义单元，不割裂逻辑、不拆分知识点，从根源解决上下文缺失问题。传统固定切片+纯向量检索模式，极易出现语义漂移、关键词错位、上下文割裂问题，无法精准识别用户真实意图，频繁召回无关内容，直接导致回答跑偏、准确率低下。
2026-07-14 11:57:01
358
原创 摆脱数字化内卷：知识工程才是企业数智化转型的底层核心
这是数智化转型的核心核心。知识工程落地后，可实现客服咨询、设备运维、风控审核、流程合规、新人培训等高频场景自动化、智能化，替代80%以上的重复性人工工作，彻底实现从“人工驱动业务”到“知识驱动业务”的转型。通过标准化的知识治理体系，打通跨系统、跨部门的数据壁垒，将异构、零散、割裂的数据统一结构化，实现企业知识全域穿透，大幅降低员工检索信息、整理数据的重复工作量。构建信贷流程、风险案例、监管政策、合规规则知识图谱，实现异常交易预警、信贷风险研判、合规自动校验，解决传统风控滞后、人工成本高、误判率高的问题。
2026-07-14 11:46:43
150
原创 物理AI：打破虚拟边界，解锁AI落地物理世界的下一代革命
很多新手开发者极易混淆三个热门概念：物理AI、具身智能、世界模型。三者并非等同关系，而是。
2026-07-12 16:52:43
232
原创 本周重磅｜全国多省市连发大模型 / 智能体 / 具身智能申报政策，补贴最高百万！
扶持赛道全面覆盖企业数字化转型、行业垂类大模型、自主 AI 智能体、人形机器人 / 具身智能四大核心方向，单个项目最高扶持百万元，多地申报窗口本周开放、部分项目即将截止。珠海市级转发通知：https://www.zhuhai.gov.cn/gxj/gkmlpt/content/3/3921/post_3921778.html。省级解读链接：http://www.gd.gov.cn/gdywdt/zwzt/kjzlzq/cy/content/mpost_4920594.html。支持企业联合高校组团申报，
2026-07-10 16:28:37
408
原创 基础差/零基础人员具身智能学习路线
目前具身智能、人形机器人、VLA视觉语言动作模型是AI与机器人领域的核心风口，岗位需求持续增长。但很多零基础、跨专业、编程/数学基础薄弱的开发者，自学时普遍面临 知识点杂乱、理论晦涩、无从下手、学完不会落地 的问题。本文依据多年培训经验针对基础差、零基础人群，定制一套系统化具身智能学习路线。全程遵循 项目驱动、仿真先行、实操优先、理论按需补充 的核心原则，规避传统自学死磕数学、堆砌理论的劝退误区，适合学生、转行开发者、AI入门爱好者系统学习，同时可直接用于求职、科研入门、项目落地。
2026-07-10 16:23:01
455
原创 强化学习为什么长盛不衰？贯穿深度学习、大模型、智能体、具身智能的底层核心驱动力
从 AlphaGo 一战封神，到如今大模型 Agent、人形机器人、自动驾驶全面落地，十几年间深度学习技术迭代层出不穷，CNN、GAN、Transformer 一波波技术浪潮来去匆匆，但强化学习（RL）始终稳居 AI 核心赛道，从未被替代。很多初学者会产生疑惑：现在有海量标注数据、多模态大模型，直接监督学习就能完成识别、生成任务，为什么还要学复杂、调参困难、训练不稳定的强化学习？答案藏在 AI 发展的底层逻辑里：监督学习只能复刻已有数据，而强化学习让 AI 学会自主探索、动态决策、持续试错优化。
2026-07-09 17:23:00
297
原创 一文吃透具身智能：概念、技术栈、落地痛点（附学习路线）
当下 AI 行业已经明显分成两条路线：一条是 ChatGPT 这类纯文本大模型，运行在云端，只处理文字信息；另一条就是快速崛起的具身智能（Embodied AI），让 AI 拥有物理载体，能感知真实世界、自主行动、和环境持续交互。从特斯拉人形机器人、宇树四足机器人，到家用机械臂、自动驾驶、仓储无人车，背后底层技术全是具身智能。很多 CV、NLP 算法工程师想转型，却找不到完整学习框架，自学容易陷入概念混乱、仿真跑不通、模型无法实操的困境。
2026-07-09 17:18:47
425
原创 万字综述解读｜大模型落地实体机器人：发展、瓶颈与未来路线
由中国电信TeleAI白辰甲、清华学者许华哲、李学龙发表的《大模型驱动的具身智能：发展与挑战》，梳理近300篇前沿文献，搭建起完整技术体系，清晰划分五大赋能范式，系统剖析行业六大核心瓶颈，为服务机器人、人形智能、工业操控等领域提供权威参考。本文首次以大模型赋能路径为核心分类标准，把海量碎片化研究规整为环境感知、任务规划、基础策略、奖励函数、数据生成五大统一范式，形成“感知-认知-决策-训练-数据”全链路闭环体系，读者可快速定位细分赛道、代表算法与技术优劣。更换机器人外形、地形、物体材质后策略直接失效；
2026-07-08 17:16:10
362
原创 当大语言模型遇上USV集群：大模型驱动的自适应路径规划方法
针对传统无人艇集群路径规划算法在复杂动态水域适应性差、鲁棒性不足的痛点，提出一套名为 APPT（工具函数链自适应路径规划）的全新智能规划框架，借助提示工程、向量相似度匹配、大模型自主调参实现经典规划算法动态组合与迭代优化。深度强化学习的工程应用壁垒：虽然DRL通过端到端训练实现了策略自主学习，但在高维连续动作空间中，不仅面临样本需求量大、训练成本高的难题，更关键的是，它难以将高层的任务优先级、安全性阈值等先验知识有效“翻译”并融入策略网络，导致其在实际工程场景中难以满足高可靠性的部署需求。
2026-07-08 17:13:00
392
原创 普通开发转决策 AI 必备：工信部强化学习专项培训，覆盖机器人 自动驾驶 大模型对齐
本次培训由**工业和信息化部电子工业标准化研究院（CESI）主办**，严格依据SJ/T 11805-2022行业标准设计，2026年7月30日-8月2日线下（天津）+线上同步授课，完整覆盖**强化学习理论、深度算法、多智能体、仿真实操、RLHF大模型对齐、工业落地案例**全链路，精准匹配央国企智能决策、机器人、自动驾驶、大模型集成项目需求。4. 适配人群：央国企数字化中心、AI研发、自动化、机器人、大模型团队开发/算法工程师、系统集成商项目负责人、想转型决策式AI的技术从业者。住宿统一协调安排，费用自理；
2026-07-06 16:16:03
235
原创 告别大模型调参踩坑！官方标准化培带你吃透微调、私有化部署全链路
本次培训由工业和信息化部电子工业标准化研究院（CESI）主办，依据SJ/T 11805-2022官方行业标准开设，2026年7月17-21日线下（青岛）+线上同步授课，覆盖从数据处理、底层模型、微调对齐、私有化部署全工程链路，完美匹配央国企数智化落地全流程需求。3. 国资委持续加码央国企数智化考核，能源、金融、制造、通信等央企全面启动内部大模型建设、私有化部署、行业知识库搭建项目，将AI人才配置纳入数字化转型硬性指标。1. 费用：中级7980元/人，含授课、实操平台、考试、证书、培训期间午餐；
2026-07-06 15:59:03
352
原创 2026年大模型工程师“能力标尺”曝光：从Transformer到DeepSeek R1，你缺了哪块拼图？
随着国务院专题学习“人工智能+”的深入，行业对人才的衡量标准已经发生了质变。要求也有了质的变化。为符合市场技术人才需求，业和信息化部电子工业标准化研究院依据工信部发布的。等感到陌生，那么2026年的下半年，你需要一次系统的“刷新”。技术的更新迭代速度远超我们的想象。如果你发现自己对上述提到的。这份通知不仅仅是一张“招生简章”，更是一份。举办第九期“人工智能大模型应用工程师”专项培训。据悉，工信部电子工业标准化研究院将于。
2026-07-03 10:22:36
188
空空如也
neo4j的具体操作方法
2025-09-05
TA创建的收藏夹 TA关注的收藏夹
TA关注的人