首页
学习
活动
专区
圈层
工具
发布
为你推荐
腾讯专区
云计算
人工智能
前端
后端
编程语言
数据库
大数据
音视频
安全
物联网
硬件
运维
测试
网络与通信
架构设计
开发工具
操作系统
职业发展
算法

管理

从0开始全面认识高质量数据集建设(4)
上一篇中,我们了解了高质量数据集建设流程中至关重要的“需求调研”与“数据规划”两大环节,掌握了从现状摸底、场景拆解到供需确认的五步调研法,成功输出了高质量数据集清单;还深入学习了如何通过基本信息编目、内容结构设计及生产加工要求的明确,为数据集制定出详尽的《目录建设标准》。 然而,仅有清晰的蓝图和清单还不够,如何将这些规划转化为实实在在的高质量数据?接下来,我们将探讨数据工程的具体实施路径。
zhouzhou的奇妙编程
2026-02-17
1461
大模型应用:LlamaIndex 与 LangChain 深度集成构建本地化RAG系统.25
大模型在生成信息时可能出现幻觉问题,生成看似合理但实际错误或不存在的内容,同时,模型存在知识边界限制,其知识受限于训练数据的时间截点和覆盖范围,无法获取实时信息或特定领域深度知识。为解决这些问题,通常采用检索增强生成(RAG)技术,结合外部知识库实时检索来修正和补充模型知识;通过提示工程明确约束生成范围;建立事实核查和置信度评估机制。
未闻花名
2026-02-22
840
元架构下的前端性能优化:按需加载与渲染的新思路
在供应链系统中,我们正面临前所未有的性能挑战。当系统需要同时处理实时库存监控、多仓库数据同步、复杂订单流程时,传统的性能优化手段往往显得力不从心。仓库管理员需要实时查看数万种商品的库存状态,采购专员需要快速筛选供应商信息,物流调度员需要流畅操作配送路线规划——这些场景都对前端性能提出了极高要求。
叶一一
2026-02-23
340
大模型应用:LlamaIndex、LangChain 与 LangGraph 细节深度、协同应用.24
在大模型应用开发中,如何高效地利用私有数据、编排复杂任务以及管理多轮对话状态是三个核心挑战。LlamaIndex、LangChain和LangGraph分别针对这三个挑战提供了专业解决方案。今天我们将深度解析这三个框架的架构设计、核心细节,并通过实战案例展示如何协同使用它们构建强大的LLM应用。
未闻花名
2026-02-21
1170
容器化部署 SQLynx 最佳实践:基于Docker的标准化部署方案
SQLynx 是一款现代化的 企业级数据库管理平台,专为开发者、DBA、数据分析师和企业团队设计,提供高效、安全、协作的数据库操作体验。它支持多种主流 SQL 数据库,采用直观的界面和强大的功能,帮助用户轻松完成数据库开发、管理、审计和协作任务。
江湖有缘
2026-02-22
660
Gemini 3.1 Pro 登顶背后:效率、稳定性与工程化能力的全面升级
Gemini 3.1 pro它来了,它在 Gemini 3 系列的基础上,核心推理方面实现了飞跃。相比上一代版本,这次升级并不是简单的参数堆叠,他在“推理深度、长上下文、多模态融合与Agent能力”等几个方向上做了进一步的升级
算法一只狗
2026-02-21
1280
实战指南:利用 useEffectEvent 构建稳定、高效的订单自动保存系统
在供应链系统中,订单数据的完整性和实时性直接关系到企业的运营效率和客户体验。传统的订单管理系统往往面临一个关键挑战:如何在用户编辑订单过程中实现无感知的自动保存,既保证数据安全,又不影响用户的操作流畅度。特别是在处理复杂的订单信息(如商品清单、价格调整、配送规则等)时,这一需求变得尤为迫切。
叶一一
2026-02-22
390
大模型应用:TTA文本驱动音频:MusicGen大模型参数调优+音频情绪可视化.23
随着语音大模型的普及,不管是TTS还是ASR,都与音频处理有着紧密的联系,AIGC的蓬勃发展,也催生了文本到音频(Text-to-Audio, TTA)的落地场景,音乐生成也走进了我们的实际应用。基于传统的信号合成技术凭借完全可控、轻量化的优势,在场景化音效补充中不可替代;而声乐大模型也是雨后勃发,以 MusicGen 为代表的 TTA 大模型,则通过海量数据训练实现了文本意图驱动的创意生成。
未闻花名
2026-02-20
1490
谷歌重磅发布 Gemini 3.1 Pro:更强推理,更强生产力
很多人会把它看作 Gemini 3 的小版本升级,但从目前披露的测试数据和演示能力来看,这更像是一次结构性强化,而不是简单的参数迭代。
IvanCodes
2026-02-21
1440
大模型应用:完整语音交互闭环:TTS+ASR融合系统可视化场景实践.22
在文章开始之前,先简单释义说明一下,TTS即文本转语音,ASR即语音转文本,前面的章节我们仔细通俗的讲解了TTS和ASR的原理和各自应用场景,今天我们将两者结合在一起进行深度分析,首先我们需要考虑, 是什么样的场景需要TTS与ASR 的融合,回想我们打开手机的语音助手,说一句“查询明天的天气”,它能立刻识别我们的语音,此时手机的语音助手内部处理将我们的语音转文本,解析指令后得到答案,再通过文本转语音,然后用自然语音给我们反馈结果, 这看似简单的交互,背后正是TTS与ASR两大技术的融合魔力。
未闻花名
2026-02-19
1460
为你推荐
腾讯专区
订阅及关注
云计算
人工智能
前端
后端
编程语言
数据库
大数据
音视频
安全
物联网
硬件
运维
测试
网络与通信
架构设计
开发工具
操作系统
职业发展
算法
从0开始全面认识高质量数据集建设(4)
上一篇中,我们了解了高质量数据集建设流程中至关重要的“需求调研”与“数据规划”两大环节,掌握了从现状摸底、场景拆解到供需确认的五步调研法,成功输出了高质量数据集清单;还深入学习了如何通过基本信息编目、内容结构设计及生产加工要求的明确,为数据集制定出详尽的《目录建设标准》。 然而,仅有清晰的蓝图和清单还不够,如何将这些规划转化为实实在在的高质量数据?接下来,我们将探讨数据工程的具体实施路径。
zhouzhou的奇妙编程
2026-02-17
大模型应用:LlamaIndex 与 LangChain 深度集成构建本地化RAG系统.25
大模型在生成信息时可能出现幻觉问题,生成看似合理但实际错误或不存在的内容,同时,模型存在知识边界限制,其知识受限于训练数据的时间截点和覆盖范围,无法获取实时信息或特定领域深度知识。为解决这些问题,通常采用检索增强生成(RAG)技术,结合外部知识库实时检索来修正和补充模型知识;通过提示工程明确约束生成范围;建立事实核查和置信度评估机制。
未闻花名
2026-02-22
元架构下的前端性能优化:按需加载与渲染的新思路
在供应链系统中,我们正面临前所未有的性能挑战。当系统需要同时处理实时库存监控、多仓库数据同步、复杂订单流程时,传统的性能优化手段往往显得力不从心。仓库管理员需要实时查看数万种商品的库存状态,采购专员需要快速筛选供应商信息,物流调度员需要流畅操作配送路线规划——这些场景都对前端性能提出了极高要求。
叶一一
2026-02-23
大模型应用:LlamaIndex、LangChain 与 LangGraph 细节深度、协同应用.24
在大模型应用开发中,如何高效地利用私有数据、编排复杂任务以及管理多轮对话状态是三个核心挑战。LlamaIndex、LangChain和LangGraph分别针对这三个挑战提供了专业解决方案。今天我们将深度解析这三个框架的架构设计、核心细节,并通过实战案例展示如何协同使用它们构建强大的LLM应用。
未闻花名
2026-02-21
容器化部署 SQLynx 最佳实践:基于Docker的标准化部署方案
SQLynx 是一款现代化的 企业级数据库管理平台,专为开发者、DBA、数据分析师和企业团队设计,提供高效、安全、协作的数据库操作体验。它支持多种主流 SQL 数据库,采用直观的界面和强大的功能,帮助用户轻松完成数据库开发、管理、审计和协作任务。
江湖有缘
2026-02-22
Gemini 3.1 Pro 登顶背后:效率、稳定性与工程化能力的全面升级
Gemini 3.1 pro它来了,它在 Gemini 3 系列的基础上,核心推理方面实现了飞跃。相比上一代版本,这次升级并不是简单的参数堆叠,他在“推理深度、长上下文、多模态融合与Agent能力”等几个方向上做了进一步的升级
算法一只狗
2026-02-21
实战指南:利用 useEffectEvent 构建稳定、高效的订单自动保存系统
在供应链系统中,订单数据的完整性和实时性直接关系到企业的运营效率和客户体验。传统的订单管理系统往往面临一个关键挑战:如何在用户编辑订单过程中实现无感知的自动保存,既保证数据安全,又不影响用户的操作流畅度。特别是在处理复杂的订单信息(如商品清单、价格调整、配送规则等)时,这一需求变得尤为迫切。
叶一一
2026-02-22
大模型应用:TTA文本驱动音频:MusicGen大模型参数调优+音频情绪可视化.23
随着语音大模型的普及,不管是TTS还是ASR,都与音频处理有着紧密的联系,AIGC的蓬勃发展,也催生了文本到音频(Text-to-Audio, TTA)的落地场景,音乐生成也走进了我们的实际应用。基于传统的信号合成技术凭借完全可控、轻量化的优势,在场景化音效补充中不可替代;而声乐大模型也是雨后勃发,以 MusicGen 为代表的 TTA 大模型,则通过海量数据训练实现了文本意图驱动的创意生成。
未闻花名
2026-02-20
谷歌重磅发布 Gemini 3.1 Pro:更强推理,更强生产力
很多人会把它看作 Gemini 3 的小版本升级,但从目前披露的测试数据和演示能力来看,这更像是一次结构性强化,而不是简单的参数迭代。
IvanCodes
2026-02-21
大模型应用:完整语音交互闭环:TTS+ASR融合系统可视化场景实践.22
在文章开始之前,先简单释义说明一下,TTS即文本转语音,ASR即语音转文本,前面的章节我们仔细通俗的讲解了TTS和ASR的原理和各自应用场景,今天我们将两者结合在一起进行深度分析,首先我们需要考虑, 是什么样的场景需要TTS与ASR 的融合,回想我们打开手机的语音助手,说一句“查询明天的天气”,它能立刻识别我们的语音,此时手机的语音助手内部处理将我们的语音转文本,解析指令后得到答案,再通过文本转语音,然后用自然语音给我们反馈结果, 这看似简单的交互,背后正是TTS与ASR两大技术的融合魔力。
未闻花名
2026-02-19

下午好!

欢迎来到腾讯云开发者社区

沙龙日历
全部 >
加入讨论
的问答专区 >
    最具价值作者榜
    更多 >
    问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
    领券