AI论文写作工具大乱斗：DeepSeek、Kimi与沁言学术谁才是科研人的“梦中情通”？ 千帆社区
在处理复杂的学术问题时，它能给出非常有深度的分析框架。但作为通用模型，它在 实时文献的抓取 和 精准引用 上仍有局限，生成的参考文献有时存在“幻觉”。 2. Kimi：海量资料的“吞噬者” Kimi的杀手锏是超长上下文窗口。你可以把几十篇PDF扔给它，让它帮你总结。在做 粗略的文献调研 时效率极高。但它的检索源主要来自公开网络，对于设有付费墙的深层学术资源覆盖不足。 3.
AI编程工具 OpenCode全面解析：它的Plan与Build双模式如何将AI编程效率提升40% 千帆社区
写入系统提示词： 你是一个网络安全专家，请检查代码中的 SQL 注入风险和 XSS 漏洞... 在对话中通过 /run security 调用该 Agent。 工程化集成：VS Code 与自动化脚本 对于重度开发者，将 OpenCode 集成到 IDE 和 CI/CD 流程中是必经之路。
百度智能云x十字路口 | 对谈王雁鹏：亲述从大数据时代到3万卡集群的中国算力演进史 千帆社区
对比人脑，它没有消耗这么多算力和电力。本质的架构创新仍然是下一阶段的追求目标。 Koji： 像Andrew Karpathy最近的新博客，他认为当前Transformer像在造初级动物，真正造智能应该有不同技术路径。Hinton也认为Transformer无法通向AGI。 王雁鹏： Hinton的观点其实一直在变化，他认为神经网络并非高效，花了很多时间研究胶囊网络。
C++示例 - 度目软硬一体DUMU | 百度智能云文档
2 ├── include 3 │ └── io // paddle_mobile 头文件目录 4 │ | ├── paddle_inference_api.h 5 │ | ├── type_define.h 6 │ | └── types.h 7 | ├── commom.h 8 | ├── float16.h 9 | ├── image_preprocess.h //图像预处理头文件 10 |
使用Movidius VPU加速边缘视频推断 - 智能边缘BIE | 百度智能云文档
有一个摄像头，可以是 USB摄像头 ，也可以是 网络摄像头 ，本实验使用后者，通过边缘节点的PoE口给网络摄像头供电。 有一个物体识别模型，本实验用的是 ssd_mobilenet_v1_coco_2017_11_17 ，该模型支检测90种物体，具体清单请参考： mscoco_label_map 。 边缘节点已经按照 快速入门 教程连接到云端。
使用CPU实现边缘视频推断 - 智能边缘BIE | 百度智能云文档
二、搭建边缘硬件环境 搭建边缘硬件环境，如下图所示： 搭建步骤如下： 给边缘节点硬件供电 网络摄像头连接到POE口 无线网卡插一个USB口 整体环境信息如下： 边缘节点 无线网卡IP：172.30.196.93 与网络摄像头连接的IP：192.168.100.14 网络摄像头IP 网络摄像头IP：192.168.100.10 rtsp流地址： rtsp://b:a1234567@192.168.100.10
开源VAD音频切分工具 - 语音技术
数值越大，判断越是粗略，连着的静音或者响声增多 6 #define WEBRTC_VAD_MODE 3 7 8 // 有声音的音频段，xxx 毫秒后，认为该音频段结束，不能为0 9 #define FILE_CUT_SILENCE_AFTER_ACTIVE_MS 500 10 11 // 静音的音频段，切分xxx毫秒给之后有声音的音频段 12 #define FILE_CUT_SILENCE_BEFORE_ACTIVE_MS
1.4.0版本 - 度目软硬一体DUMU | 百度智能云文档
1.4.0版本 升级概要 上线时间：2020年4月23日 1.4.0相比于1.3.0，大致更新了如下功能： 新增relu6 op 支持 修改elementwise-add op bug 支持Mobilenet-v2 网络 解决VGG-SSD网络bug 版本依赖 平台 适配版本 EdgeBoard =1.4.0 PaddleMobile - paddlepaddle <=1.8.5 软核下载
将图像分类模型部署至边缘 - 智能边缘BIE | 百度智能云文档
传模型文件:Image_Classification_Paddle2_MobileNetV2.zip 模型类型：图像分类 模型框架：PaddlePaddle/2.0 网络结构：MobileNet/MobileNetV2 模型参数 模型参数使用默认值
视觉预训练模型 - BML 全功能AI开发平台 | 百度智能云文档
轻量级网络，预测时间很短，但是精度也相应降低 MobileNetV3_large_x1_0 0.753 96 MobileNet的最新版，同样为轻量化网络，但性能得到了进一步提升 NASNet 0.827 -- 如果数据量不大，由于模型复杂度较大，一般情况不建议使用 ResNet18_vd 0.7226 142 轻量级ResNet，适用于要求小体积模型的情况，预测时间短，但准确率也相应较低
