千帆大模型平台的初体验——SFT、RLHF训练 千帆社区
其原理可以概括为以下几个步骤： 预训练：首先，在大规模数据集上使用无监督学习方法（例如自编码器、GAN等）或有监督学习方法（例如分类、回归等）对神经网络模型进行预训练，得到一个较为通用的模型。 微调：接着，将预训练好的模型应用于新的任务，但由于新任务的数据和预训练数据可能存在差异，因此需要对模型进行微调，使其更好地适应新任务的数据。
天空盒:顶 - AR开放平台 | 百度智能云文档
ion": "0,0,0", "scale": "5,5,5", "rotation": "90,180,0", "chirlden": [] } 天空顶 天空顶的实现原理
如何通过公网访问开发机内的服务 - 百度百舸 · AI计算平台 | 百度智能云文档
实现原理 开发机通过BLB作为流量出入口，所以想要将服务暴露到公网，需要提前创建一个绑定了弹性公网IP(EIP)的BLB负载均衡实例。 为了让 开发机 实例内的服务（如运行在 9000 端口的 API）能从公网访问，需要以下资源协同工作： 弹性公网 IP (EIP) ：提供一个固定的公网 IP 地址 (如： 121.40.**.** )。这是公网访问的入口。
异步物化视图概述 - Baidu Palo/Doris 使用文档
原理介绍 物化视图，作为数据库中的一种高级特性，其实质为类型 MTMV 的内表。在创建物化视图时，系统会同时注册一个刷新任务。此任务会在需要时运行，执行 INSERT OVERWRITE 语句，以将最新的数据写入物化视图中。
异步物化视图概述 - Baidu Palo/Doris 使用文档
原理介绍 物化视图，作为数据库中的一种高级特性，其实质为类型 MTMV 的内表。在创建物化视图时，系统会同时注册一个刷新任务。此任务会在需要时运行，执行 INSERT OVERWRITE 语句，以将最新的数据写入物化视图中。
数据压缩 - Baidu Palo/Doris 使用文档
压缩原理 按列压缩 由于采用列式存储，PALO 能够对表中每一列独立压缩。这种方式提升了压缩效率，因为同一列的数据往往具有相似的分布特性。 压缩前的编码 在压缩数据之前，PALO 会对列数据进行编码（例如 字典编码 、 游程编码 等），将数据转换为更适合压缩的形式，从而进一步提升压缩效率。 按页压缩 PALO 采用 页（Page） 级别的压缩策略。
百度智能云架构指南 - 白皮书 | 百度智能云文档
架构与原理 百度智能云混合云架构支持两种接入模式，即VPN接入和专线服务。 VPN接入 VPN接入服务支持如下两种模式： 点到站点模式：一般用于移动办公，单个设备接入百度智能云网络；此种模式下，在百度智能云里启用VPN网关服务，配置响应模式；客户在自己的PC/手机等设备上根据不同的VPN模式（PPTP, IPSec, SSL等）进行拨号接入。
产品简介 - 百度伐谋公有云FAMOU | 百度智能云文档
解决痛点 动态适应能力缺失 传统模式难以应对企业业务场景频繁变换，对周期性/爆发性需求响应迟缓，比如在物流峰值期、金融交易波动等场景中常因“优化滞后”导致服务中断或成本激增。伐谋通过智能演化闭环，实现算法方案的及时动态优化，让企业业务始终适配最新场景需求。 迭代成本高昂困境 传统算法调整需经历人工调参、多轮测试、部署验证等长周期流程，从需求提出到落地平均耗时数月，且人力/算力成本占研发预算高昂。
百度AI搜索技术架构解析与智能应用实践 千帆社区
随着文心大模型5.0的研发推进，未来的搜索系统将实现跨平台知识融合与动态环境自适应，为企业数字化转型提供更强大的智能化基座[24][53][55]。
产品优势 - RTC实时音视频 | 百度智能云文档
NACK和FEC比例，平衡带宽和延时，实时精准估计网络状态、动态调整码率。
