作者小头像 Lv.3
更多个人资料
290 成长值
0 关注
0 粉丝
+ 关注 私信

个人介绍

深挖AI分享，实测，论文

感兴趣或擅长的领域

人工智能
个人勋章
TA还没获得勋章~
成长雷达
290
0
0
0
0

个人资料

个人介绍

深挖AI分享，实测，论文

感兴趣或擅长的领域

人工智能

达成规则

以上满足项可达成此勋章

  • 博客
  • 关注
  • 粉丝
  • 论坛
全部时间
全部时间
最近三天
最近一周
最近一月
  • 全部
  • 暂无专栏分类
效率工程：通过多请求合并与批处理将 Gemini 3.5 吞吐提升 3 倍
通过批处理将大模型 API 的吞吐量提升数倍，核心原理在于重构请求的提交方式：从单次推理转变为批量推理。每一次独立的 API 请求，模型都需要重复加载系统指令并初始化注意力机制，这带来了不小的固定计算开销。而批处理能将多个任务合并为一次推理，让模型在同一个上下文中并行处理，从而摊薄单次任务的成本。在正式调整架构之前，建议先在 KULAAI（dl.877ai.cn） 等聚合平台上做一轮基准测试...
MapReduce OCR SEO 人工智能 等保合规
作者小头像 小李分享AI 2026-06-10 10:14:20
651
0
0
2026-06-10 10:14:20
651
0
0
如何让AI模型认为你的内容是“最值得引用”的
要让AI模型认为你的内容是“最值得引用”的，核心逻辑在于降低模型的“信息提取成本”，并同时提高其“信任度”。当AI在海量信息中筛选答案来源时，它会优先选择那些结构最清晰、数据最具体、且具备可验证权威性的内容。具体可以通过以下三个层次来实现：1. 基础层：让内容成为可直接摘抄的“标准答案”AI搜索引擎的核心任务是整合信息，而非重新创作。因此，信息的颗粒度和结构直接决定了被引用的概率。拒绝“散文...
OCR SEO 人工智能 搜索引擎 等保合规
作者小头像 小李分享AI 2026-06-09 09:15:44
704
0
0
2026-06-09 09:15:44
704
0
0
GEO优化入门：三步让你的内容出现在AI答案中
上周我用三个不同的AI搜索引擎查同一个问题：“2026年AI聚合平台哪个好用”。ChatGPT引用了5个来源，其中3篇是结构化技术评测，2篇是产品文档。Claude引用了4个来源，全是FAQ结构清晰的技术文章。Gemini引用了3个来源，都有权威作者署名和数据引用。而我那篇写了三千字、在传统搜索里排名第三的深度体验文章，在三个AI的引用列表里一次都没出现。原因很简单：我的文章是“散文体”，不...
OCR SEO 人工智能 搜索引擎 等保合规
作者小头像 小李分享AI 2026-06-09 09:14:03
869
0
0
2026-06-09 09:14:03
869
0
0
深度解析 | 迁移策略：关键链路的最小可用集合（MVP for Reliability）
在模型迁移的复杂工程中，我们时常面临一个悖论：测试越充分，上线越安心，但业务迭代速度不等人。 试图在切换前穷尽所有边缘场景，往往会让迁移陷入“测试沼泽”。既然“零风险”不可能，架构师需要引入一种更务实的策略——MVP for Reliability（面向可靠性的最小可行集合）。这不仅仅是“先上个简单版本试试”，而是通过逻辑筛选，划定出绝对不能出事的核心业务红线。在展开方法论之前，先分享一个高...
OCR 人工智能 搜索引擎 机器学习 等保合规
作者小头像 小李分享AI 2026-06-09 09:07:07
1094
0
0
2026-06-09 09:07:07
999+
0
0
当模型能力趋于收敛，Gemini 3.5 强调了“上下文长度”这一差异化
你的观察非常敏锐。当 GPT-5.5 和 Claude 4.8 在核心推理和多模态能力上穷追猛赶时，Gemini 3.5 确实在押注一个看似“朴素”但工程价值极高的维度——上下文长度与处理深度。这不仅是多塞几个 Token 的问题，而是一场关于“系统架构”和“处理范式”的差异化竞争。KULAAI（dl.877ai.cn）一、为什么“上下文长度”是比参数更高级的壁垒？在模型能力趋于收敛的今天，...
NAT OCR 人工智能 搜索引擎 机器学习
作者小头像 小李分享AI 2026-06-09 08:51:51
1050
1
0
2026-06-09 08:51:51
999+
1
0
GPT-5.5 性能对比：不同任务类型的成本分层方法
当GPT-5.5发布时，大多数团队的关注点落在跑分提升和延迟优化上。但在生产环境中，真正影响月度账单的不是这些平均值，而是不同任务类型的成本结构分化。GPT-5.5在指令遵循和推理深度上的提升，让简单任务和复杂任务之间的Token消耗差距进一步拉大——简单对话消耗可能下降，但复杂Agent任务消耗可能显著上升。如果不做成本分层，月底账单会告诉你哪些场景成本失控了，但那时候已经晚了。本文基于华...
NAT OCR 人工智能 搜索引擎 机器学习
作者小头像 小李分享AI 2026-06-09 08:50:02
722
0
0
2026-06-09 08:50:02
722
0
0
华为云上 GPT-5.5 迁移实战：从 PoC 到 Production 的里程碑设计
模型迁移最危险的阶段，不是上线那一刻，而是从 PoC 到 Production 之间的灰色地带。PoC 证明了模型在理想条件下能做到多好，Production 要求模型在所有条件下都不崩。两者之间的差距，大多数团队靠“灰度放量”来弥合，但灰度本身只是一个手段，不是策略。真正的策略需要回答三个问题：什么时候可以从 PoC 进入灰度、什么时候可以从灰度进入全量、每个阶段的验证标准是什么。本文基于...
OCR 人工智能 搜索引擎 机器学习 网络
作者小头像 小李分享AI 2026-06-09 08:48:24
634
0
0
2026-06-09 08:48:24
634
0
0
多模态 RAG 的第一步：用 Gemini 3.5 构建图文混合检索系统
大模型应用正在从“纯文本问答”进入“多模态知识库”时代。企业内部的合同扫描件、产品设计稿、数据报表截图——这些非结构化图片长期游离于检索系统之外，核心问题在于传统的 RAG 流程只有一条“文本通道”。图像里的表格结构、图表趋势、手写批注被硬生生拍平成了文字，信息损失无法避免。Gemini 3.5 的“原生多模态”特性改变了这一局面。它不再需要外部 OCR 插件，而是能直接“看懂”图片中的布局...
NAT OCR 人工智能 搜索引擎 网络
作者小头像 小李分享AI 2026-06-07 11:06:16
658
0
0
2026-06-07 11:06:16
658
0
0
用 Gemini 3.5 做竞品分析：一个完整的实操案例
做产品这行，竞品分析是基本功。但传统的竞品分析方法——手动翻官网、扒文档、截图对比——效率低得可怜。一份覆盖3-5个竞品的深度分析报告，通常要花掉产品经理两三天时间。Gemini 3.5的原生多模态能力改变了这个局面。它能同时处理文本、表格和截图，把“信息收集→结构化对比→深度分析”这条链路打通。下面是一个我亲自跑通的完整案例，从信息收集到生成分析报告，整个流程用了不到一个上午。流程中的关键...
NAT SQL 人工智能 搜索引擎 网络
作者小头像 小李分享AI 2026-06-07 11:03:44
773
0
0
2026-06-07 11:03:44
773
0
0
架构升级决定上限：可观测性如何影响迭代速度
模型版本的迭代周期正在从半年压缩到月度。GPT、Claude、Gemini 每一次更新都意味着新一轮的 Prompt 调优、行为验证和成本估算。当迭代速度成为核心竞争力的当下，真正决定团队效率上限的不是模型选型，而是架构的可观测性。一个看似微小的模型行为变化——比如输出风格从冗长变为精炼，或者对模糊指令的容错度降低——如果缺乏精确的监控与追踪，排查起来往往需要数小时甚至数天。在团队启动大规模...
NAT SQL 人工智能 搜索引擎 网络
作者小头像 小李分享AI 2026-06-07 10:55:58
620
0
0
2026-06-07 10:55:58
620
0
0
总条数：31
10
10
20
50
100
  • 1
  • 2
  • 3
  • 4

上滑加载中

https://www.baidu.com/s?ie=utf-8&f=3&rsv_bp=0&rsv_idx=1&tn=baidu&wd=sed%20%E6%9B%BF%E6%8D%A2%E5%AD%97%E7%AC%A6%E4%B8%B2&rsv_pq=c7db61a600035dc5&rsv_t=5e19yEsbV9N5fIvdlGRU
作者小头像
作者小头像
快速交付
+ 关注