腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
搜索
搜索
关闭
发布
文章
问答
视频
用户
沙龙
专栏
专区
综合排序
丨
最热优先
丨
最新优先
时间不限
AI 时代的
人机
协同
创作
旅游景区规划 在AI时代设计师们、程序员们都焦虑了,AI可以用来做设计(鹿班),AI还可以用来写代码(UI2Code),AI也可以做游戏,AI也可以谱曲,AI当你的老师……例子非常多,人与机器的关系从
人机
交互逐渐地往
人机
协同
演进 我做了好多年交互设计的工作,所以学习和工作一直有一个离不开的主题——
人机
交互 (Human-Computer Interaction)。
人机
关系的演进 什么是
人机
交互? 其实早在 50 多年前,就有人探讨过
人机
关系的「未来简史」。
人机
关系的新阶段 无论技术如何发展,人类从来没有停止过创造。 这是用 Google DeepDream 算法生成的作品: ? DeepDream 网站的首页,已经为
人机
关系的新时代做了注脚: ? 音乐,
人机
协同
即将爆发的领域? 最近关注音乐和技术结合的领域比较多,越来越觉得音乐也许会迎来
人机
共创的繁荣时期。 音乐本身是符号化、形式化非常强的「语言」。
mixlab
2019-09-26
1.8K
0
标签:
机器人
http
https
网络安全
编程算法
Agent设计模式——第 13 章:
人机
协同
人机
协同
(Human-in-the-Loop,HITL)模式在 Agent 的开发和部署中扮演着关键战略角色。
人机
协同
模式概述
人机
协同
(HITL)模式通过整合人工智能与人类输入来增强 Agent 能力。 为什么:
人机
协同
(HITL)模式通过战略性地将人类监督整合到 AI 工作流中提供了标准化解决方案。 可视化摘要: 图 1:
人机
协同
设计模式 关键要点 关键要点包括:
人机
协同
(HITL)将人类智能和判断整合到 AI 工作流中。 它在复杂或高风险场景中对安全性、道德和有效性至关重要。 结论 本章探讨了至关重要的
人机
协同
(HITL)模式,强调了其在创建强大、安全和道德的 AI 系统中的作用。
xindoo
2025-10-27
1.5K
0
标签:
agent
工具
设计模式
数据
系统
人机
协同
蒸馏:LLM实用技术指南
将LLM从黑盒中解放出来:
人机
协同
蒸馏实用指南随着自然语言处理领域的进步和新想法的发展,我们看到越来越多高效利用计算资源的方法,从而产生出运行成本更低、更易于控制的人工智能系统。 将分享一些真实世界的案例研究和在开发时(而非运行时)使用大型生成式模型的方法,通过高效的
人机
协同
工作流程来整理其结构化预测,并蒸馏出小至6MB的特定任务组件。 某机构在实时大宗商品交易洞察中提取结构化属性,在高度安全环境中使用LLM进行标注,通过人和模型
协同
实现10倍数据开发速度提升,8个市场流程已投入生产。案例研究 #3:一年的支持工单,6倍速度提升。 核心技术流程
人机
协同
蒸馏的工作流程包括:使用模板提示和大型生成模型进行上下文学习,将原始输出解析为结构化任务数据,通过标注任务创建数据集,最后通过迁移学习训练出特定任务的小型模型。 缩小原型与生产之间的差距标准化输入和输出从评估开始,评估效用而不仅仅是准确性迭代式数据处理考虑自然语言的结构和歧义性重构过程思维将
人机
协同
蒸馏视为一个重构过程:分解更大的问题使问题更简单(更少的操作复杂性意味着更少出错
用户11764306
2026-05-19
167
0
标签:
LLM
计算机
网络安全
人机
协同
蒸馏:LLM实用技术指南
将LLMs从黑盒中解放出来:
人机
协同
蒸馏实用指南随着自然语言处理领域的进步和新思想的发展,我们看到越来越多高效利用计算资源的方法,从而生产出运行成本更低、更易于控制的人工智能系统。 我将分享一些真实世界的案例研究和方法,探讨如何在开发阶段(而非运行阶段)使用大型生成模型,通过高效的
人机
协同
工作流程来整理其结构化预测,并蒸馏出小至 6MB 的特定任务组件。 现实并非端到端的预测问题
人机
协同
蒸馏是一个重构过程。迭代和正确的工具可以帮助你超越原型平台期。降低操作复杂性意味着减少出错的可能性。期待数据带来的惊喜,并为变化做好计划。
用户11764306
2026-05-19
114
0
标签:
LLM
NLP技术
计算机
网络安全
mavlink无
人机
控制程序_无
人机
协同
作战
MAVLink(Micro Air Vehicle Link,微型空中飞行器链路通讯协议)是无人飞行器与地面站(Ground Control Station ,GCS)之间通讯,以及无人飞行器之间通讯最常用的协议。它已经在PX4、APM、PIXHAWK和Parrot AR.Drone飞控平台上进行了大量测试。
全栈程序员站长
2022-09-21
1.8K
0
标签:
https
网络安全
java
破解 AI 时代的焦虑 —— 从
人机
交互到
人机
协同
创作
我做了好多年交互设计的工作,所以学习和工作一直有一个离不开的主题——
人机
交互 (Human-Computer Interaction)。
人机
关系的演进 什么是
人机
交互? 为了表彰这项发明以及在
人机
交互领域的开拓式贡献,Douglas Engelbart 在 1997 年获得了「计算机界的诺贝尔奖」——图灵奖。 其实早在 50 多年前,就有人探讨过
人机
关系的「未来简史」。
人机
关系的新阶段 无论技术如何发展,人类从来没有停止过创造。 这是用 Google DeepDream 算法生成的作品: ? DeepDream 网站的首页,已经为
人机
关系的新时代做了注脚: ? 音乐,
人机
协同
即将爆发的领域? 最近关注音乐和技术结合的领域比较多,越来越觉得音乐也许会迎来
人机
共创的繁荣时期。 音乐本身是符号化、形式化非常强的「语言」。
mixlab
2018-12-25
813
0
标签:
人工智能
AI时代的教育之问III:
人机
协同
第3期于2024年11月上旬举行,聚焦“AI时代的
人机
协同
”,本期围绕
人机
协同
在教育中的深远影响,邀请国内外知名学者探讨人工智能与教育的互动与融合。以下是内容选编,推荐阅读。 二、 教育中
人机
协同
的有效方式Christopher Dede教授指出,生成式人工智能基于现有数据的推算预测能力,可以一种补充的方式与人类的判断力结合,而非取代。 述评:在AI时代,
人机
协同
教育的核心不仅在于技术工具的直接产出,而且在于通过技术塑造更深层次的学习对话和过程。Wegerif的观点表明AI并非知识的终结点,而是多元文化语境的连接器。 教育研究和实践应进一步探索人工智能与人类智能的
协同
关系,为构建未来智慧教育体系奠定理论与实践基础。 在这一过程中,正确的
人机
协同
教育观是促进人类智慧和教育模式共同进化的催化剂。
小腾资讯君
2025-01-07
783
0
标签:
人工智能
热文回顾|物流系统中的
人机
协同
探讨
目前行业对
人机
协同
并没有系统的研究,本文初步梳理了多位行业专家对
人机
协同
的理解及相关技术的认识,后续本刊将持续深入报道。
人机
协同
将是未来很长一段时间内的主流模式 什么是
人机
协同
? 根据工信部的统计数据,2020年全国工业机器人完成产量237068台,同比增长19.1%。 因此,
人机
协同
成为主流选择。 什么是
人机
协同
?目前行业内并没有统一的定义,从广义上理解,凡是人与机器配合作业的都可以称为
人机
协同
,与之相关的概念还有
人机
协作、
人机
交互等多种说法。 因此,
人机
协作可以视为
人机
协同
的初级阶段。 值得一提的是,本文探讨的
人机
协同
,更多体现在系统
协同
上,即某场景下多个人工与大量机器的
协同
作业。
用户9868602
2022-09-02
835
0
标签:
机器人
智能制造
神经网络
深度学习
人工智能
. |
人机
协同
的自主催化科研
图1 |自主催化研究的范式演变:从人工实验到人–AI–机器人
协同
的闭环系统。 人–AI–机器人
协同
催化研究的成功案例 异相催化 AI结合高通量机器人实现自动催化剂筛选。 开放科学与共享生态:推动催化SDL的标准化数据与模型共享,实现全球科研
协同
。 智能共设计(co-design)框架:AI、实验与模拟
协同
优化反应路径与催化结构。 AI增强型科研助手:通过语言模型实现
人机
自然交互,使研究人员专注于创新与理论探索。 结论 自主实验室(SDL)标志着催化研究从以人为中心的实验范式向智能化、数据驱动与
协同
化模式的转变。 未来,人–AI–机器人
协同
的催化研究体系将成为化学科学的重要基础设施,加速新催化剂的发现、降低能耗,并推动绿色化学与可持续能源技术的发展。
DrugAI
2026-01-06
338
0
标签:
机器人
nat
模型
数据
优化
人机
协同
蒸馏实战:揭开大语言模型的黑盒
将大语言模型带出黑盒:
人机
协同
蒸馏实用指南随着自然语言处理领域的发展和新思想的涌现,我们看到越来越多高效利用计算能力的方法,从而构建出运行成本更低、更易于控制的AI系统。
人机
协同
蒸馏工作流工作流的关键在于结合上下文学习与
人机
协作,最终蒸馏出任务专用模型。
人机
协同
:利用工具(如 Prodigy)构建高效的标注工作流,人类标注员可以快速审核、纠正或补充模型生成的初步标注,从而创建高质量的训练数据集。 核心方法论:将问题重构应将
人机
协同
蒸馏视为一种代码重构过程:分解大问题:将复杂任务拆分为多个子任务。降低问题复杂度:更少的操作复杂性意味着出错的可能性更低。 相关博客文章与演讲:提供了关于
人机
协同
蒸馏、应用自然语言处理思维以及详细案例研究的深入讨论。总结:现实世界的问题并非一个端到端的预测问题。
人机
协同
蒸馏是一个重构过程。
用户11764306
2026-01-13
342
0
标签:
网络安全
自然语言处理
机器学习
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