登录社区云,与社区用户共同成长
邀请您加入社区
单细胞 RNA 测序(scRNA-seq)技术的爆发式发展,使人类细胞图谱等综合数据库的规模已膨胀至数千万个细胞。如何从海量且高度异质的单细胞数据中高效提取生物学知识——包括细胞类型识别、批次效应消除、基因扰动预测和调控网络推断——成为计算生物学的核心挑战。当前主流方法大多针对特定任务开发专用模型,导致"数据孤岛"和"任务孤岛"的局限。scGPT。
MIS-TEI 是华为推出的基于昇腾 AI 处理器的文本嵌入推理(Text Embeddings Inference)解决方案,专为 Embedding 和 Reranker 类模型优化。它支持容器化快速部署、动态批处理和硬件加速,广泛应用于检索增强生成(RAG)、语义搜索等场景,是昇腾设备上部署文本嵌入模型的主流方案之一。
推理应用开发的核心载体,内置完整大模型推理 SDK,集成深度定制模型库、推理优化器、运行时调度环境,开发者通过 Python/C++ API 即可快速封装对话、生成、工具调用等推理业务逻辑,原生支持 MoE、MLA、Multi-LoRA、函数调用等当前主流大模型能力。除此之外,本地轻量化推理开发还有 llama.cpp、Ollama、MLX 等工具,主打单机离线、端侧小型模型调试,高并发云端推理应
高度重合风险:AscendKernelGen已完整覆盖本方案全部诉求(32B基座、CoT数据集、SFT+RL训练、昇腾内核生成),若跳过基线评测直接从零自研,存在严重重复造轮子问题,技术评审、对外成果输出均存在短板;方法论统一:全赛道SOTA项目均采用两阶段训练,原方案仅SFT单阶段存在明显技术缺陷,必须补充RL执行反馈环节;数据集对标:Ascend-CoT v3样本量级、场景覆盖度远超本方案初始
线下销售的难点,常常不在于企业没有SOP,而在于管理者无法持续了解SOP是否执行、客户反馈是否被记录、员工能力是否得到复盘。线下流量成本上升后,门店接待仍停留在抽查录音、人工巡店和结果考核,销售过程就容易成为经营黑盒。智能工牌的价值,是把现场沟通转化为可检索、可分析、可复盘的数据,再用于话术质检、客户画像、成交归因和培训优化。在销售过程留痕、SOP质检、复盘管理这类诉求下,明略科技 · 灵听工牌值
解析国内销售接待与对话分析AI硬件的主要形态,并从拾音、ASR、NLP/LLM分析、SOP质检和落地流程说明智能工牌的选型方法。
在鸿蒙(HarmonyOS)生态中,自然语言处理(NLP)能力为开发者提供了强大的文本语义理解工具,广泛应用于智能客服、内容审核、舆情分析等场景。
本文介绍了基于HarmonyOS NEXT(API 12+)和ArkTS的端侧自然语言处理(NLP)全链路实现方案。该系统包含文本预处理、分词(正向/逆向/双向最大匹配)、停用词过滤、TF-IDF关键词提取、朴素贝叶斯文本分类及多种文本相似度计算(余弦相似度/Jaccard/Jaro-Winkler)功能。该方案具有隐私优先、低延迟、离线可用和成本节省等优势,采用纯算法实现不依赖第三方库,适用于中
这个搭载1024张昇腾950DT芯片的“庞然大物”,其FP8总算力达到1 EFLOPS。根据华为路线图,Atlas 950 SuperPoD设计上限为8192张昇腾950DT卡,届时FP8总算力将达8 EFLOPS。“3205张A100”只是一个数字,其背后是国产AI算力从“卡时代”迈向“超节点时代”的坚实一步。对比同期英伟达NVL144(144卡集群),昇腾950超节点(1024卡)的总算力达到
该集群占地仅2000平方米,于2026年7月10日正式落成,部署历程经历了多个阶段:2024年完成系统研制,2025年完成工程建设,2026年2月3万卡上线试运行,4月6万卡投入使用,6月完成10万卡部署。目前,曙光8000已完成300余项超智融合应用优化,覆盖大模型、机器人、创新药、新材料、量子计算、天文气象等20余个科研和产业领域。在WAIC 2026上首次以真机形式展出。昇腾384超节点(前
ESM-2(Evolutionary Scale Modeling 2)是 Meta AI(FAIR)推出的蛋白质语言模型,它把自然语言处理里的掩码语言建模(Masked Language Modeling, MLM)思想搬到了蛋白质序列上:把一条氨基酸序列看作一句"蛋白质语言",通过在海量蛋白序列(UniRef50)上做自监督预训练,让模型学会氨基酸之间的进化与结构约束。和依赖多序列比对(MSA
情感分析文本纠错const summary = await engine.summarize({ text: longStory, maxLength: 20, // 最多 20 个字符 minLength: 5, // 最少 5 个字符 style: 'creative' // 创意风格,适合儿童故事 });儿童画作 → Vision Kit 图像分割 → 提取角色和背景 → 端侧语义理解 →
摘要: 在HarmonyOS NEXT的ArkTS开发中,接口(Interface)用于定义类型契约,由类(class)或结构体(struct)通过implements实现。关键点包括: 基础语法:类必须实现接口所有属性和方法,否则编译报错; 灵活属性:接口属性可通过简单字段或getter/setter实现; 接口继承:子接口继承父接口的所有成员,实现类需满足完整继承链; UI应用:接口常用于约束
如何解决多模态智能体推理中,因工具使用的高方差和低频尝试导致的强化学习信号缺失问题?论文提出AXPO算法,通过固定思维前缀并重采样工具调用,有效缩小“思维-行动”差距,显著提升模型性能。
FlagOS三大工具速览与快速调用指南 核心工具: KernelGen:AI自动生成多芯片兼容的高性能算子(支持英伟达/昇腾等) 快速调用:网页版输入算子描述自动生成代码,或通过CLI触发生成 FlagRelease:大模型跨芯片一键迁移部署平台(适配70+主流模型) 三步骤:下载预适配模型 → 拉取优化镜像 → 启动兼容API服务 FlagPerf:异构芯片统一评测工具(支持32款芯片横向对比)
接上一篇文章聊的 metadef,这篇说一个完整的话题:自定义算子怎么从零注册到昇腾 CANN 里,让 PyTorch 或者 TensorFlow 能直接调用。这个过程涉及到几个环节:算子实现(核函数)、元数据定义(metadef)、算子注册(OpLoader)、框架适配(PyTorch 的 autograd 或者 TensorFlow 的 op 包装)。哪一步出了问题,调用都会失败。
本文介绍了2025年计算机毕业设计项目的选题推荐与技术指导服务。主要内容包括:1)提供500+精品毕业设计案例,涵盖人工智能、鸿蒙系统、微信小程序等多个热门领域;2)推荐100+新颖选题,如基于深度学习的智能制造设备监控、基于强化学习的智能公交调度等;3)提供全流程技术指导,包括开题报告、代码实现、论文降重、远程答辩辅导等;4)技术支持范围广泛,包含SpringBoot、Vue、Python等主流
本文分享了基于昇腾Atlas 800T A2服务器,使用MindSpeed-RL框架对Qwen2.5-7B/32B模型进行GRPO训练的实践经验。重点介绍了自定义数据集和奖励规则的适配方法:通过修改map_keys和dataset_additional_keys字段实现数据格式转换,并详细说明了如何根据任务需求设计自定义reward规则。同时提供了数据集预处理模板配置和奖励函数映射的具体实现方案,
在计算任务运行过程中,除芯片故障外,往往需要关注芯片的网络和算力使用情况,以便确认任务运行过程中的性能瓶颈,找到提升任务性能的方向。MindCluster提供了部署在计算节点的NPU Exporter组件,用于上报从驱动中获取到的芯片、网络的各项数据信息。
K8s对资源信息的调度依赖感知的资源信息。除基础的CPU和内存信息以外,需通过K8s提供的设备插件机制,供用户自定义新的资源类型,从而定制个性化的资源发现和上报策略。MindCluster提供了部署在计算节点的Ascend Device Plugin服务,用于提供适合昇腾设备的资源发现和上报策略。
经过系统性测试,VLM在Atlas 800T平台上展现:●极致的批量吞吐能力:系统轻松支持Batch 64的超大批次并行,吞吐量稳定在84.43 图像/秒,相比单批次提升近 3 倍,完美释放了 NPU 的Cube Core算力。●高分辨率处理得心应手:在 512x512 高分辨率场景下,像素处理效率(PPS)达到 1270万 像素/秒,展现了 NPU 在高负载任务下的卓越并行计算优势。●生态无缝兼
本文介绍了一系列计算机毕业设计项目案例,涵盖数据分析、人工智能、微信小程序、鸿蒙系统等多个技术领域。主要内容包括:1)数据分析与推荐系统案例(如贷款数据分析系统);2)微信小程序开发案例;3)人工智能系统实现案例;4)2025年最新颖的本科计算机毕业设计选题推荐(如智能房产管理App、HarmonyOS教学工具等20余个项目)。文章还提供了博主的技术服务范围(SpringBoot、Vue等)和毕业
计算机毕业设计项目推荐与选题指南 本文提供了一系列新颖的计算机专业毕业设计项目推荐,涵盖人工智能、数据分析、微信小程序、鸿蒙系统等多个热门技术领域。精选项目包括AI智能客服系统、健康饮食推荐系统、直播带货平台、网络入侵检测系统等,每个项目均标注了技术栈、创新点和开发难度。同时提供了500+套毕业设计案例资源,包含系统实现、论文辅导、答辩指导等全方位服务支持。特别推荐人工智能、鸿蒙系统等前沿技术方向
本文介绍了一系列计算机毕业设计项目案例,涵盖人工智能、数据分析、微信小程序等多个领域。推荐项目包括鸿蒙AI语音宠物识别工具、智能家居安防系统、AI母婴健康助手小程序等,涉及SpringBoot、Vue、TensorFlow等技术栈。文章还提供了500套新颖的计算机专业毕业设计选题,包含人工智能、鸿蒙系统等热门方向,并附有系统功能截图展示。作者提供从选题到答辩的全流程辅导服务,包括开题报告、代码编写
DeepSeek-R1-Distill-Qwen-32B在昇腾A800T A2上使用mindie镜像部署与采用合成数据使用benchmark性能测试
本文全面解析了HarmonyOS自然语言处理三大核心能力:文本分类、情感分析和智能对话系统的实现原理与实战应用。通过深入的代码示例和架构分析,展示了如何构建智能、高效的NLP应用。关键技术收获端侧智能优先:HarmonyOS强调端侧NLP处理,保障用户隐私的同时实现毫秒级响应多技术融合:文本分类、情感分析与对话系统的有机结合,实现更智能的应用体验领域自适应:支持领域特定的优化和定制,满足不同场景需
2025年程序员就业市场面临挑战,包括裁员潮和薪资分化。AI技术既是冲击也是机遇,AI编程工具崛起,AI工程师需求激增。程序员需通过三大路径转型:技术深耕(如AI/ML工程师)、业务融合(如技术产品经理)和创新探索(如鸿蒙开发者)。核心在于持续学习、拥抱变化、提升自我,才能在行业变革中找到出路。
我们根据性能问题的场景,按照单机和集群场景进行分类,再明确性能问题属于哪一类,明确好性能问题背景之后,才方便进行下一步问题的定位;在明确问题背景后,参考,选择对应的性能工具,采集性能数据并拆解性能,找到需要提升性能的模块;在明确性能瓶颈模块后,将问题细化定位到下发、计算和通信等模块,并通过本文目录搜索到对应章节找到对应优化算法。
例如使用SoundAI FairyClip进行会议或者课堂上的实时转写,传统的方法需要先调用声学模型,将语音信息从复杂的声场环境中提取出来,再通过语音模型,让AI能将连续的语音构建为文本,提取语音中的内容、语音特征、停顿和节奏以及说话人的情感信息,再通过语言模型,根据文字进行任务处理,在AI理解单个词汇、长句意义的基础上,提高模型对不同口音和语速的适应性,使得它可以迅速get到多个说话人的核心语义