00:00 / 03:00
连播
清屏
智能
倍速
点赞54
00:00 / 01:29
连播
清屏
智能
倍速
点赞30
2025年“大国工匠年度人物”宣传活动正式揭晓10位年度人物,总台综合频道等平台今晚播出宣传活动相关特别节目。 这十位大国工匠来自航天、高铁、文物保护等多个领域,个个都身怀绝技,有“两把刷子”。比如,来自航天领域的大国工匠李晓宝,他的工作是为航天器制造零件,超高精度的关键零件是航天器稳定工作的保证,其加工精度要求在0.01毫米以内。李晓宝的绝活儿是能车出0.15毫米壁厚的零件,并将误差控制在0.005毫米以内,这一数值相当于一根头发丝粗细的十六分之一。他用微米级的精度,攻克空间站机械臂加工制造核心难题,稳稳托举航天员在太空出舱。微米雕琢、零缺陷,正是工匠精神的生动写照。不只是李晓宝,还有来自敦煌研究院的壁画保护修复专家樊再轩,扎根大漠四十多年修复千年瑰宝。来自贵州的郭吉平,要为世界桥梁建设留下“贵州智慧”。花江峡谷大桥,就有他所在团队贡献的智慧。(人物示例) 大国工匠是我们中华民族大厦的基石、栋梁。他们虽然来自不同行业,但都将“执着专注、精益求精、一丝不苟、追求卓越”的工匠精神融入工作之中,以坚守见非凡。当前,我国经济稳中向好、新质生产力蓬勃发展,无论是传统产业还是新兴产业、未来产业,大国工匠在发展新质生产力的进程中都不可或缺,技能报国之路必定越走越宽广。知重负重方为梁,精益求精真工匠,以初心,守匠心,迈向“新”。(意义)#每天跟我涨知识 #申论干货 #行测常识 #公考干货 #公考常识
00:00 / 02:22
连播
清屏
智能
倍速
点赞5
00:00 / 10:02
连播
清屏
智能
倍速
点赞16
00:00 / 00:57
连播
清屏
智能
倍速
点赞85
00:00 / 00:32
连播
清屏
智能
倍速
点赞10
📖 北大教授都在推的AI训练师"绿皮书"!读完终于敢在简历上写"熟悉大模型训练"了 📚 书名:《AI训练师手册:算法与模型训练从入门到精通》 💡 为什么推荐这本书? 家人们谁懂啊!刷到这本书纯属偶然到这本书纯属偶然——本来是想找本Python入门字节、阿里、百度都在狂招,薪资比传统程序员还高!但网上关于这个岗位的学习路径太乱了,有人说要啃完CS231n,有人说会调API就行……直到翻开的新书,才明白AI训练师的核心能力到底是什么:不是算法研发,而是数据工程+模型调优+业务理解的三位一体。作者谷建阳显然懂行,10章内容从职业认知到模型部署全闭环,228页没有一页废话,全是能直接迁移到工作场景的技能点。 🌟 书中让我印象深刻的几个点: 自然语言处理章节封神:BERT、GPT原理讲得比B站教程清楚十倍!特别是"预训练+微调"的实战流程,跟着做就能训出自己的文本分类模型,终于理解ChatGPT是怎么被"调教"出来的了。 神经网络训练避坑指南:过拟合怎么办?学习率怎么调?批量设置多少合适?这些曾经让我抓狂的问题,书里用"模型训练日记"的形式记录了80个真实踩坑案例,新手看完少熬三个月夜。 行业案例覆盖太全了:从Amazon的推荐算法到Stable Diffusion的图像生成,从华为云模型到文心一言的对话系统,每个案例都有数据预处理、模型选型、评估优化的完整链路,面试时能聊半小时不重样。 附赠资源堪称作弊器:126个同步视频不是那种念PPT的水课,而是手把手敲代码的录屏;AI提示词库直接给整理好了几百条高效指令,省得自己到处搜集。这配置,自学党狂喜! 💡 适合谁读? 💼 传统IT运维/测试/开发,想往AI方向转但不想从头卷算法岗的务实派。 📚 非科班出身(文科/商科/设计),但想掌握AI工具提升核心竞争力的跨界选手。 🏫 高校在读生,想提前布局新职业赛道,毕业简历多一个硬核加分项。 👔 企业数字化部门负责人,需要快速培养内部AI训练师团队,缺体系化教材的。 🌟 总结 这本书最打动我的点是"去魅"——它把AI训练师从"高科技神秘职业"还原成一套可学习、可实践、可量产的技能体系。
00:00 / 00:51
连播
清屏
智能
倍速
点赞1
#英伟达 #黄仁勋 #中美博弈#人工智能 #ai 英伟达刚花了40亿美元。 投了一项99%的人都没听说过的技术。 英伟达给两家公司各投了20亿:Coherent和Lumentum。 它们搞的是光子技术。 用光,而不是用电来传输数据。 听着像科幻小说。 但这却是AI基础设施里最重要的赌注。 目前,所有AI数据中心都撞上了一堵墙。 这堵墙跟芯片、能源、钱都没关系。 是铜线。 今天,所有数据中心都用铜缆连接GPU。 但在AI需要的速度下,铜线已经到了物理极限。 信号衰减。 热量爆炸。 电力消耗飙升。 一个数字就够了: AI数据中心30%的电力,都浪费在把数据从A点搬到B点。 黄仁勋自己也承认: “我们只能在大概一两米内用铜线。” “但数据中心有体育场那么大,我们需要别的东西。” 那个东西,就是光子技术。 用激光驱动的光纤,直接集成到芯片里。 数据惊人: 能效高3.5倍。 网络可靠性高10倍。 数据速度每秒102太比特。 这不是英伟达第一次这么干了。 他们对CoreWeave做过同样的事。 投资20亿,锁定GPU产能,创造一个依赖自己的客户。 他们对内存供应商也做过。 提前几年锁定HBM供应,让对手到处找货。 现在轮到光子技术。 趁早投资。 锁死供应。 让整个生态都依赖于那些依赖英伟达的公司。 等竞争对手意识到光子技术是瓶颈时,游戏已经结束了。 英伟达已经拥有了整条供应链。 这才是真正建立壁垒的方式。 不是靠游说和补贴。 而是靠对物理定律和市场需求的冷酷预判。
00:00 / 01:37
连播
清屏
智能
倍速
点赞3
00:00 / 00:15
连播
清屏
智能
倍速
点赞150
00:00 / 00:11
连播
清屏
智能
倍速
点赞36
00:00 / 04:14
连播
清屏
智能
倍速
点赞26
00:00 / 00:18
连播
清屏
智能
倍速
点赞83
00:00 / 00:15
连播
清屏
智能
倍速
点赞29
00:00 / 00:23
连播
清屏
智能
倍速
点赞337
Qiuming4天前
Claude攻克数学难题!算法泰斗高德纳震惊发文 【重磅】AI首次被写入数学研究论文!图灵奖得主高德纳证实,Claude仅用31步就解决了一个困扰他数周的图论难题。 震惊! 88岁的算法祖师爷高德纳在斯坦福官网发布论文,开篇就是"Shock!Shock!"(震惊!震惊!)。 这位《计算机程序设计艺术》作者、TeX发明者坦言:"我不得不重新评估对生成式AI的看法。" 什么难题? 在一个m×m×m的三维网格中,每个点有三条路可走。要求找到三条不同路线,每条都恰好经过所有点一次并返回起点,且三条路线刚好覆盖所有路径。 总可能性高达3^(m³)种,几乎无法暴力搜索。高德纳只解决了m=3的情况,更大规模的通用解法一直没找到。 Claude如何解题? Claude像研究生做研究一样,探索了31次才找到答案: 前14次尝试都失败了(简单函数不行、搜索太慢、二维推广到三维失败) 第15次提出关键思路:将问题按层分解,大大简化 第31次找到一套简单规则,验证对m=3,5,7,9,11都成立 高德纳随后给出了严格的数学证明。 真正意义在哪? Claude不是在"猜答案",而是在重新理解问题、编写程序、发现规律——这和人类研究过程惊人相似! 高德纳还发现,Claude找到的不是唯一解,实际存在760种类似解法。但这是生成式AI首次被正式记录在数学研究论文中。 高德纳是谁? 1974年图灵奖得主(36岁,最年轻纪录保持者) 《计算机程序设计艺术》作者,与爱因斯坦《相对论》并列20世纪最佳学术专著 TeX排版系统发明人(至今仍是学术排版标准) 比尔·盖茨:读他的书是成为好程序员的必经之路 一个开始 高德纳写书超过半个世纪,记录了人类算法思想的演进。今天,AI被写进了他的论文。 这可能只是一个开始。 https://www-cs-faculty.stanford.edu/~knuth/papers/claude-cycles.pdf https://valeman.substack.com/p/donald-knuths-30-year-problem-solved https://mp.weixin.qq.com/s/jmEhfkw_3w2sDuACQCwTOQ https://mp.weixin.qq.com/s/PkrJnuvtrL0OCJXzRPCxxA https://mp.w
00:00 / 03:22
连播
清屏
智能
倍速
点赞1
00:00 / 02:10
连播
清屏
智能
倍速
点赞25