- 综合排序
- 最热优先
- 最新优先
- 来自专栏Web_xy
AI搜索引擎
语言模型产品的重大公告。 通过与 ChatGPT 发明者 OpenAI 合作，微软给自己的搜索引擎加入了先进的 AI 对话模型，以支持全新版本的必应（Bing）和 Edge。 我本来也想试试，但是现在公测版还未发行，且内测版被各大头条垄断，只能先看看谍照了hh ---- 基于AI的搜索引擎 新模式的搜索引擎 ---- 我们能看到，新必应搜索的其中一种模式将传统搜索结果与 我们很高兴地宣布，新的必应正在运行一种新的、下一代的 OpenAI 大型语言模型，该模型比 ChatGPT 更强大，并且专门针对搜索进行了定制。 我们还将 AI 模型应用于我们的核心必应搜索排名引擎，从而实现了二十年来相关性的最大跃升。有了这个 AI 模型，即使是基本的搜索查询也更加准确和相关。 新的用户体验。
1.8K20编辑于 2023-02-23 - 来自专栏AI系统
【AI系统】推理引擎架构
在深入探讨推理引擎的架构之前，让我们先来概述一下推理引擎的基本概念。推理引擎作为 AI 系统中的关键组件，负责将训练好的模型部署到实际应用中，执行推理任务，从而实现智能决策和自动化处理。 广泛应用领域：适用于图像识别、语音处理、自然语言处理等多个领域，满足不同行业和场景的 AI 应用需求。 特定模块支持 推理引擎会对特定领域，如针对计算机视觉(CV)和自然语言处理(NLP)这两大核心 AI 领域，提供专门的模块与工具包，封装大量经过优化的算法与模型，使得开发者能够快速搭建起复杂的应用系统。 MACE：MACE 是小米推出的移动端 AI 计算引擎，全称为 Mobile AI Compute Engine。 算力需求与资源碎片化 AI 模型的运行离不开强大的计算资源支持，尤其是面对诸如图像识别、自然语言处理等高计算量任务时。
2.2K21编辑于 2024-12-05 使用AI引擎扩展ADV游戏引擎的技术实践
保持使用Antigravity扩展ADV游戏引擎我完全没有预料到这一点（我知道这是我上一篇文章的开场白）——它持续超出了我的预期（当然是往好的方向！）。 我正在让Antigravity持续扩展那个基于CSV的ADV游戏引擎，进展相当顺利！ 我知道——我可能不应该构建动画（也不应该构建标题屏幕），而应该专注于构建我的游戏中更基础的部分，但是……有时候你想稍微不按顺序做事来提高你的积极性，对我来说，这感觉是正确的做法（而且一切自己构建（+ AI
22910编辑于 2026-01-18- 来自专栏AI大模型应用开发炼丹房
破解大语言模型三大死穴：RAG如何成为AI的实时知识引擎
一、RAG的背景：解决大语言模型的三大核心缺陷大语言模型（如GPT系列）本质上是基于固定训练数据的概率生成器，这导致其在实际应用中存在三个关键矛盾：1、知识的静态性与需求的实时性矛盾：LLM的训练数据有明确截止点 未来，随着向量数据库和嵌入模型的优化，RAG将继续成为企业级AI的核心支柱，其核心逻辑——以检索事实约束生成——将确保AI从演示工具进化为生产力引擎。
96310编辑于 2025-09-05 转载：【AI系统】推理引擎架构
广泛应用领域：适用于图像识别、语音处理、自然语言处理等多个领域，满足不同行业和场景的 AI 应用需求。 特定模块支持 推理引擎会对特定领域，如针对计算机视觉(CV)和自然语言处理(NLP)这两大核心 AI 领域，提供专门的模块与工具包，封装大量经过优化的算法与模型，使得开发者能够快速搭建起复杂的应用系统。 MACE：MACE 是小米推出的移动端 AI 计算引擎，全称为 Mobile AI Compute Engine。 算力需求与资源碎片化 AI 模型的运行离不开强大的计算资源支持，尤其是面对诸如图像识别、自然语言处理等高计算量任务时。 这通常涉及到调用推理引擎的 Run 方法，该方法会启动模型的推理过程。 代码语言：txt predictor->Run(); Ⅵ.
1.9K10编辑于 2024-12-12- 来自专栏山行AI
AI跑车引擎第三篇——向量引擎之ElastiKnn实战
前言 在今天的数据驱动的世界中，在AI兴起的当下，信息检索和相似性搜索已经成为了许多领域的核心技术，包括但不限于各类AI应用、推荐系统、电子商务、社交媒体和生物信息学。 为了满足这个需求，我们需要一个强大、灵活且高效的搜索引擎。这就是Elasticsearch和ElastiKNN的用武之地。 Elasticsearch是一个基于Apache Lucene的开源搜索引擎，它被广泛应用于全文搜索、日志数据处理和大数据分析等领域。 在AI兴起的当下，一切皆embedding，像Elastiknn这类向量存储和检索引擎也逐渐成为AI跑车引擎里不可缺少的一部分。 安装 1. 例如，在机器翻译任务中，可以使用Dense Float Vector表示源语言和目标语言中的单词，以及它们之间的翻译关系。
1.7K20编辑于 2023-06-14 - 来自专栏追不上乌龟的兔子
构建自然语言搜索引擎
近期简单学习了一下向量数据库 qdrant 与 sentence-transformers 库，两者结合可以构建一个简单的自然语言搜索引擎。 顺着官方的教程实操了一遍之后，稍微调整一番，我在中文数据集上构建了一个自然语言搜索引擎。 Qdrant 是一个开源的向量数据库和向量相似度搜索引擎，用 Rust 语言编写，可以快速、可靠地存储和搜索任意维度的向量，支持多种距离度量，如余弦、欧氏、曼哈顿等。 构建搜索引擎 这里可以完全照搬官方教程，创建一个 NeuralSearcher 类，用于在 qdrant 集合中进行自然语言搜索。 总结 受益于 qdrant 和 sentence-transformers 这两个库，我们可以很方便地构建一个简单的自然语言搜索引擎，提供给用户更加自然的搜索体验。
89010编辑于 2023-12-25 - 来自专栏智药邦
JCIM｜大型语言模型作为分子设计引擎
LLMs，这类在大规模自然语言文本数据上预训练的大模型，因其能够理解和生成自然语言指令的特性，被逐步应用于化学和材料科学领域。 本文探讨了预训练大语言模型（LLMs）在分子设计中的应用，特别是Claude 3 Opus LLM模型。 实验结果表明，该模型能够根据自然语言提示，高效生成和修饰分子，生成的有效且独特分子比例高达97%。 每种提示均被设计为简洁明了的自然语言指令，以便LLM能够准确理解并执行。 未来研究需进一步探索设计空间、提示工程作用及模型在化学空间中导航的机制，以充分发挥大型语言模型在分子设计方面的潜力。
49110编辑于 2024-09-27 - 来自专栏编程心路
语言小知识-MySQL数据库引擎
MySQL 数据库支持插拔式的存储引擎，可以很方便的更换不同的数据库引擎，相比较而言，赛车手更换引擎就没那么方便了。 查看MySQL包含的数据库引擎.png 下面我将一一介绍这些数据库引擎。 InnoDB 引擎： 自从 MySQL5.6 后，InnoDB 就是 MySQL 默认的存储引擎，在这之前是 MyISAM 引擎。 从上图中可以看到，社区版的 MySQL 并不支持 FEDERATED 引擎。 除了上面这些数据库引擎，你还可以使用自己开发的数据库引擎，MySQL 提供了很好的扩展性。 3、怎样选择 MySQL 数据库引擎？ 根据自己的需要使用数据库引擎，才能发挥出数据库的性能和满足实际的需要。在选择 MySQL 数据库引擎之前，你要考虑下面几个问题。 1、是否需要支持事务？
2.2K40发布于 2018-12-18 一文读懂AI引擎与Together规则引擎重塑智能决策
从1950年图灵提出“机器能不能思考”的问题，到2025年大语言模型驱动的AI引擎在企业管理中自主完成商业决策，人工智能从“工具”变成了“智慧体”。 AI引擎的三大能力革命动态规划能力Together规则引擎通过可视化的DRG图和装箱表达式，把“季度营收增长20%”这样的宏观目标转化为可执行的决策模型。 多工具调用能力基于Together标准化的决策服务接口，AI引擎可以在ERP、CRM等系统间建立决策中枢。 ，企业可以直观验证AI引擎的决策逻辑是否匹配业务需求，避免“伪智能”方案。 未来演进方向混合决策架构大语言模型负责非结构化情境理解，Together引擎处理确定性规则执行，形成“LLM+Together”的双脑决策模式。
87910编辑于 2025-09-05- 来自专栏程序那些事儿
秘塔AI搜索，AI时代的搜索引擎
我们所面临的信息洪流中，搜索引擎如同灯塔指引方向，帮助我们在浩瀚的数据海洋中找到有价值的内容。然而，随着用户需求的不断升级，对于搜索体验的期望也水涨船高。 一、秘塔 AI 搜索的技术基础 秘塔 AI 搜索的核心是上海秘塔网络科技有限公司倾力打造的大语言模型 MetaLLM。 二、用户体验与创新特点 秘塔 AI 搜索之所以能在众多搜索引擎中脱颖而出，最显著的特点就是其提供的完全无广告的搜索环境以及结构化的搜索结果展示。 以往在使用其他搜索引擎时，用户的体验常常被广告侵扰，而秘塔 AI 搜索则彻底消除了这种烦恼，让用户可以直接浏览到高质量的搜索结果。 结语 总结来说，秘塔 AI 搜索作为一款创新的 AI 搜索引擎，以其出色的技术能力和用户友好的设计理念，迅速在国内外市场上占据一席之地。
3K20编辑于 2024-04-26 - 来自专栏腾讯云大模型训推平台TI-ONE
AI Talk | AI工业质检之以图搜图引擎
智能质检也随之被各大AI公司看好，AI质检具有天然优势，成本低，效率高等，但如何工业AI质检有效落地是我们面临的一个巨大挑战，工业有本身行业的特殊性，质量标准，生产工艺，产品多样性都给AI质检系统带来阻力 今天一篇“AI工业质检之以图搜图引擎”带大家如何解决工业漏检问题，如何回溯漏检历史现场。 01产品功能/使用 工业质检主要指标问题：过杀与漏检， 过杀是指工业产品是完好样品被AI质检系统判定为缺陷样品，漏检是指工业产品是缺陷样品被AI质检系统判定为完好样品，漏检的分析问题定位也是整个AI质检系统最难课题之一 以图搜图引擎就是以这样背景情况设计出来，终极目的回溯漏检历史现场。 主流框架 高扩展性 预置支持业界主流和腾讯自研的AI学习框架，以及腾讯多个AI实验室自研的通用和行业级算法服务，开放接口支持用户自定义算法模型。
2.5K31发布于 2021-09-28 - 来自专栏腾讯云安全的专栏
AI in WAF | 腾讯云网站管家 WAF AI 引擎实践
其检测的前提是程序语言本身具备规则定义的语义规范，典型的应用是针对 SQL 数据库语言的 SQL 注入攻击，及针对 JS 语言的 XSS 攻击的攻击检测。 基于语义规则的 WAF 大大提升了检出能力，是对规则检测缺陷的进一步探索，由于引擎具备对语义的理解能力，当黑客将攻击语句做回避式的变形时，能被语义分析引擎解析理解，行业中一些产品在实际应用中取得了比规则更好的检测能力 特点：提前采用大量已标记的样本训练 AI 引擎，召回率高，误判率低。 无监督学习：根据类别未知的样本解决模式识别中的各种问题，称之为无监督学习。 特点：不需要提前标注样本训练 AI 引擎，通过大量数据学习自动实现分类，检出率高，漏判率低。 我们在下期一起探索 AI 引擎在 WAF 中的实际落地应用，并以 Demo 案例来展示腾讯云“AI in WAF”的创新成果，敬请关注。
18.3K01发布于 2018-07-30 - 来自专栏腾讯云安全的专栏
AI in WAF | 腾讯云网站管家 WAF AI 引擎实践（下篇）
针对此问题，网站管家 WAF 创新地提供适用于单个用户的 AI 引擎学习接口，用户可以通过接口对 AI 引擎进行干预训练，并生成只适用于本用户业务的一对一的AI 威胁模型。 也就是说，企业部署腾讯云网站管家 WAF 后，可以基于自身的业务数据及安全累积对引擎进行训练，在网站管家 WAF 整体的 AI 引擎基础之上，发展并拥有一个符合自身业务特征的个性化 AI WAF！ △ 网站管家 WAF AI引擎特征学习界面 在实际落地 AI 引擎的开发中，网站管家 WAF 团队融合了更多的创新尝试及应用技巧，并在构建 WAF 自学习、自进化、自适应检测机制上不断研发，持续输出技术实践价值 AI 引擎 RPC 服务 支持 AI 引擎 RPC（Remote Procedure Call ) 服务，适用于自身网络具备硬件 WAF 或云 WAF 私有化软件的场景。 用户可通过 RPC 服务,调用腾讯云网站管家 WAF 的 AI 引擎检测能力。
14.2K01发布于 2018-07-31 - 来自专栏腾讯云大模型训推平台TI-ONE
AI Talk | AI工业质检之以图搜图引擎
伴随人工智能的极速发展，AI工业也随之大放异彩，工业质检是整个制造中一个非常重要的环节，传统人工工业质检缺乏统一性标准，人工质检效率低，人工质检失误多，制造企业招工难，AI智能质检也随之被各大AI公司看好 ，AI质检具有天然优势，成本低，效率高等，但如何工业AI质检有效落地是我们面临的一个巨大挑战，工业有本身行业的特殊性，质量标准，生产工艺，产品多样性都给AI质检系统带来阻力。 今天一篇“AI工业质检之以图搜图引擎”带大家如何解决工业漏检问题，如何回溯漏检历史现场。 以图搜图引擎就是以这样背景情况设计出来，终极目的回溯漏检历史现场。 引擎设计流程结构图上述 目标图像筛选：工业产品90%都是多角度成像，利用多角度成像实现产品2维化平面检测，多角度通常称多点位设计，成像严格按照点位设计固定拍摄，无论机台复制多少实例，成像都使用一套点位黄金模板
1.7K20编辑于 2022-01-27 AI推荐引擎：重塑CRM行动层
AI推荐引擎的架构AI推荐引擎是CRM的补充，它拥有独立的架构层，位于数据之上，输出CRM无法生成的内容：与单个账户关联的、可读的、有优先级的推荐。 综合生成：一个语言模型（LLM）会接收带权重的推荐，生成人类可读的理由。 冷启动问题：对于数据稀疏的新账户，引擎生成的推荐置信度低，这反过来又会侵蚀信任。幻觉：如果没有恰当的防护措施，所有大语言模型都存在幻觉风险。 对CRM市场的影响有一种误解认为CRM供应商只需在现有产品中加入AI就能弥补差距。但AI推荐引擎与CRM原生AI有本质不同。 正如CRM在20世纪90年代和21世纪整合了企业收入团队的“记忆层”，AI推荐引擎将在未来十年整合“行动层”。
20300编辑于 2026-03-25腾讯云媒体处理MPS Skills技术概要：基于自然语言对话的AI媒体处理引擎
一、产品定位与核心亮点 腾讯云媒体处理MPS Skills是基于AI Agent Skill架构的智能媒体处理平台。 其核心差异化在于将自然语言交互与多媒体处理能力深度融合——用户通过对话操作即可完成专业级媒体处理任务，免除传统工具复杂参数配置流程。 核心技术属性包含： 自然语言驱动的任务解析引擎 预集成主流AIGC模型（如文生图/视频） 全流程自动化处理框架 商业核心卖点： 零学习曲线：摆脱专业技术门槛 跨模态处理：整合音视频图文全场景能力 即插即用 批量片源转码/特效生成 高性能处理设备成本高、渲染周期长 三、应用框架与功能体系 (一) 功能框架 graph TB A[输入层] --> B{自然语言解析引擎 生成响应时间(s)等可量化指标 (三) 产品优势能力清单 交互革新：自然语言对话式操作，技术参数语义化解析 AI集成：预接入多模态大模型，免除自主对接开发 全链路覆盖： 基础处理：转码压缩/视频增强/格式转换
32310编辑于 2026-04-01- 来自专栏AI科技大本营的专栏
AI编程语言图鉴
最适合AI的语言 对于“人工智能”来说，选择不同的编程语言实质了决定了“人工智能”的期望程度，因此这也是目前争论的焦点——哪种编程语言是“人工智能”领域的最佳选择？ 最近几年，随着人工智能概念的火爆，Python语言迅速升温，成为众多AI开发者的首选语言。 Python的诞生在1989年，最初并不是为了契合AI的发展，而是荷兰人Guido van Rossum为了打发圣诞节假期开发了Python语言的解释器。 当然，除了Python之外，C ++、Java、R、Prolog、Lisp这些语言也是不错的选择之一。c++提供更快的执行和响应时间，普遍应用在搜索引擎、游戏等领域的开发。 Lisp和Prolog都属于非常古老的编程语言，不过随着时间的推移，它们已经是AI项目开发的常用语言。
2.3K32发布于 2019-08-16 - 来自专栏深度学习与python
谷歌Vertex AI推出新的RAG引擎
作者 | Sergio De Simone 译者 | 明知山 策划 | 丁晓昀 Vertex AI RAG Engine 是一项托管的编排服务，旨在简化大语言模型与外部数据源的连接，它能够帮助模型保持数据更新 根据谷歌的说法，新的 RAG Engine 是使用 Vertex AI 实现基于 RAG 的 LLM 的“理想选择”，它在 Vertex AI Search 的易用性与基于底层 Vertex AI API 使用 Vertex AI RAG Engine，你可以很容易地将所有这些步骤集成到自己的解决方案中。 在设置 Google Cloud 项目并初始化 Vertex AI 引擎后，你可以使用 upload_file 或 import_file 方法快速从本地文件、Google Cloud Storage 检索增强生成（RAG）是一种用于 “锚定” 大语言模型的技术，即使其更适合特定用例或企业环境。
78600编辑于 2025-02-06 Stable Diffusion：AI 绘画背后的魔法引擎
Stable Diffusion 的出现，让 AI 绘画走进了大众视野，也为图像生成技术开辟了新的道路。无论是艺术创作还是技术探索，它都充满无限可能。快来动手试试，开启属于你的 AI 绘画之旅吧！
29910编辑于 2025-10-14
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号