400-838-0900
  • # 星火大模型:精准匹配教育场景,技术赋能校园未来
  •     一、精准匹配校园核心场景,解决教育痛点  1.个性化学习场景  -学情诊断与自适应学习:星火大模型通过分析学生作业、考试数据,生成个性化学习路径。例如,在数学学科中,模型可识别学生薄弱知识点(如函数图像理解),推送分层练习题,并动态调整难度,实现“千人千面”教学。  -智能批改与反馈:支持作
  • 2025-10-21 04:00 37
  • # 中国AI公司应对欧盟AI法案:双轨合规、风险对冲与长期升级
  •     一、欧盟AI法案的“红线”与核心挑战  1.风险分级制度  -不可接受风险(如社会评分、实时生物识别监控):直接禁止,中国AI公司若涉及此类技术(如人脸识别、情绪分析)需彻底剥离欧洲业务相关功能。  -高风险领域(医疗、教育、司法、关键基础设施):需通过严格评估(如透明度、可解释性、数据质量
  • 2025-10-21 00:00 29
  • # AI驱动风控大脑3.0:技术突破、成效显著及未来挑战
  •     一、技术架构:AI驱动的“全栈式”风控引擎  1.多模态数据融合  -传统风控依赖单一维度数据(如征信记录),而风控大脑3.0整合了用户行为、设备指纹、地理位置、社交关系、交易模式等超过10万维的特征数据,形成“数字身份画像”。  -例如,通过分析用户点击屏幕的力度、滑动轨迹等生物特征,结合
  • 2025-10-20 22:00 28
  • # ANYbotics逆势融资,具身智能以场景为核破商业化难题
  •     在全球机器人行业投资热度回落的背景下,瑞士ANYbotics公司完成超1亿欧元(约合7.8亿元人民币)的B轮融资,成为具身智能领域的一匹黑马。这笔融资不仅打破了“机器人商业化难”的魔咒,更揭示了具身智能从实验室到产业落地的核心逻辑——以垂直场景为支点,用“全栈能力+场景闭环”构建商业壁垒。 
  • 2025-10-20 21:20 35
  • # 中国AI企业欧盟突围:技术适配与本地化双轨合规策略
  •     一、技术适配轨道:分层应对欧盟AI法案的合规要求  1.风险分级管理  -高风险系统剥离:对涉及生物识别、关键基础设施、教育医疗等领域的AI系统,若无法满足透明度、可追溯性等要求,可考虑将欧洲业务聚焦于非高风险场景(如工业视觉检测、智能客服),或通过技术降级(如关闭实时识别功能)规避红线。 
  • 2025-10-20 21:00 25
  • # 比亚迪“玄铁”芯片量产,车载AI升级,重塑智能汽车产业格局
  •     一、技术突破:玄铁芯片量产的底层逻辑  1.自研芯片的垂直整合优势  比亚迪“玄铁”芯片的量产,意味着其掌握了从芯片设计到制造的完整能力。相比依赖外部供应商(如高通、英伟达),自研芯片可实现:  -硬件与算法的深度协同:芯片架构可针对比亚迪的AI算法(如DiPilot智能驾驶系统)进行优化,
  • 2025-10-20 19:40 25
  • # DeepSeek:MoE模型技术突破、开源生态与场景落地并进
  •     一、技术突破:MoE架构的效率革命  1.动态路由机制优化  DeepSeek通过改进MoE的路由算法(如动态门控网络),解决了传统MoE中“专家负载不均”和“计算冗余”的问题。其模型能根据输入数据动态分配计算资源,例如在处理简单文本时仅激活少量专家,复杂任务时调用更多专家,实现计算效率与模
  • 2025-10-20 19:20 34
  • # 《AI生成内容标识办法》下,腾讯抖音博弈合规技术与成本
  •     一、政策背景与核心要求  《AI生成内容标识办法》的出台旨在解决AI生成内容(AIGC)的溯源、版权界定及虚假信息传播问题。其核心要求包括:  1.显式标识:通过技术手段(如元数据、水印、标签)明确标注内容是否为AI生成;  2.全流程可追溯:建立内容生成、分发、修改的完整记录链;  3.平
  • 2025-10-20 19:00 26
  • # 腾讯阿里AI伦理治理:KPI实践、挑战及行业启示
  •     一、腾讯与阿里的AI伦理治理实践    1.腾讯:从“科技向善”到制度化约束  -战略定位:腾讯将“科技向善”纳入企业使命,2021年发布《人工智能伦理治理框架》,明确将AI伦理纳入产品全生命周期管理。  -KPI设计:  -技术层:要求算法模型通过公平性、透明性、可解释性测试,例如人脸识别
  • 2025-10-20 18:40 30
  • # 星火大模型:教育场景深度适配,重塑学习与生态未来
  •     一、技术适配:从通用到垂直的“教育化”改造  星火大模型并非直接套用通用大模型,而是针对教育场景进行了深度优化:  1.学科知识增强  通过注入结构化教材、教辅、试题库等垂直数据,构建“学科知识图谱+大模型”的双引擎。例如,数学大模型可理解几何证明的逻辑链,语文模型能分析古诗的意象与情感,实
  • 2025-10-20 16:40 26
资讯正文
联系客服
刘老师 联系客服
400-838-0900
手机版

扫一扫进手机版
返回顶部