本次分享的内容是 Artic on Flink 流式特性解读。 本次分享会围绕下面四点展开： 1. Arctic 流式特性 2. 核心原理解读 3. Benchmark 4. 未来规划
本次分享的主题是 Blaze：SparkSQL Native 算子优化在快手的设计与实践。当前，Spark 由于其相比 Hive 更强大的性能，已经成为大部分公司的主要执行引擎。随着业务的发展以及数据规模的不断提升，我们对 Spark 性能提升的追求也一直没有停止过。Spark 性能提升主要来自两大方向：执行计划本身的优化、运行时执行效率的优化。
数字孪生是以计算机图形学和人工智能为基础，将现实中的要素在虚拟世界中动态模拟仿真，针对现实世界中的实体对象，在数字化世界中构建完全一致的对应模型，通过数字化的手段对实体对象进行动态仿真、监测、分析和控制。随着新一代信息技术的发展和广泛应用，数字孪生的应用范围不断扩大。本文将分享京东零售供应链场景下对数字孪生的探索与实践，将以更为直观的实际案例分析带大家深入了解数字孪生目前的运用体系与未来展望。
神经机器翻译技术目前严重依赖于大规模、高质量的双语平行语料，而在大部分场景中高质量的双语平行语料难以获取。本次分享主要向大家介绍发布于 ACL2022 的基于连续语义增强的机器翻译技术，该技术主要通过构建连续语义分布突破离散空间限制，从而实现更好数据增强的方法，此方法经过验证较回译和对抗样本方法有较好的提升。
近年来，随着图神经网络的兴起，大量关于在推荐系统中使用 GNNs 的研究被发表。本文并非介绍一种新的 GNNs 推荐系统模型，而是从端云的视角来介绍 GNNs 推荐系统的应用，通过 4 个方面来阐述 GNNs 推荐系统在端侧实现的可行性。
本文将分享有数 BI 性能保障体系的建设与实践。 主要分为以下 4 个部分： 1. 有数 BI 产品的介绍 2. 企业高并发报表访问性能挑战 3. 有数 BI 性能体系建设与实践 4. 未来计划
本文将介绍一种基于神经元级共享的 CTR、CVR 多任务联合预估的方法。分享分为两大部分：第一部分介绍多任务学习相关发展；第二部分具体介绍我们提出的一种多任务联合预估的方法。 全文目录如下： 1. 多任务学习的背景介绍 2. 多任务经典模型结构 3. 一种基于神经元级共享的 CTR、CVR 多任务联合预估的方法
本次分享题目为人脸检测技术演进史，包括近期的论文分享、人脸检测主要的研究方向及未来的发展方向。主要分为以下四大部分： 全文目录： 1. 人脸检测任务介绍 2. 论文分享 3. ModelScope应用 4. 未来工作展望
没有账户，需要注册
2025年，全球人工智能市场规模达到3909亿美元，中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张，制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初，中国日均词元(Token)调用量为1000亿;至2025年底，跃升至100万亿;2026年3月，已突破140万亿，两年增长超千倍。这些数字背后，是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。
中服云能碳管理系统依托中服云工业物联网底座打造，聚焦工业企业能耗管控与碳资产管理需求。 系统整合水、电、气、热等多类能源数据，实现用能实时采集、集中监测、智能分析。 依托数字化手段精准核算碳排放总量，助力企业摸清碳排底数、合规完成台账管理。 通过节能诊断、能耗优化策略推送，有效降低生产能耗与运营成本。 全方位赋能企业绿色低碳转型，筑牢安全生产与节能减排双重发展防线。
中服设备健康管理系统依托中服云工业物联网架构搭建，面向工业全品类设备运维场景。 融合实时数据采集、状态监测、故障诊断核心能力，全天候掌握设备运行动态。 通过边缘计算与 AI 算法分析设备隐患，实现从被动维修向预测性维护升级。 有效降低设备故障率、减少停机损失，简化线下运维管理流程。 助力工厂实现设备数字化管控，保障产线高效、稳定、安全运行。
OpenClaw:不仅是对话窗口，更是行动助手一人工智能代理(AI Agent)正深刻重塑科学研究基本范式，OpenClaw成为2026年开源AI代理平台代表。
本次调研覆盖欧洲、中东与非洲、亚太、美洲四大区域，收集了来自171家酒店集团的189份有效反馈。数据显示，78%的酒店集团已启用人工智能，89%计划新增应用场景，但多数项目仍停留在试点阶段，或仅依赖通用型公共工具。人工智能平均依赖度得分(4.7分)持续低于信任度得分6.6分)，凸显巨大的未开发潜力。释放这一价值，需要更充分的可靠性验证、更完善的投资回报率(RO)测算，以及全企业级的系统整合。
无论是在自然科学、工程技术，还是经济与社会科学领域，高质量的科研分析均依赖经过验证且结构化的数据。一个管理得当的数据库，如果同时具备全面的元数据，能够与其他数据源实现互操作，其用途将更加广泛。科研本身如此，科研信息与分析亦然。本报告聚焦科睿唯安及其科学信息研究所(ISI)所采用的一系列方法与流程，旨在确保数据、分类结构及相关元数据等关键要素，始终处于Webof Science文献计量数据库及其相关产品的核心位置。
本文旨在系统性调研并构建一套面向 AI 智能体的全生命周期安全体系，全面识别其在技术演进与规模化 落地过程中面临的各类安全威胁与风险点，并提出覆盖制度、流程与技术的多层次综合防护方案。该体系 不仅支撑企业级 AI 产品在设计、研发与运营阶段的安全能力建设与合规落地，同时为行业标准制定、整 体安全解决方案构建以及模块化安全产品研发提供可复用的理论基础与实践路径。
北京大学能源研究院是北京大学下属独立科研实体机构。研究院 以国家能源发展战略需求为导向，立足能源领域全局及国际前沿， 利用北京大学学科门类齐全的优势，聚焦制约我国能源行业发展 的重大战略和科技问题，按照“需求导向、学科引领、软硬结合、 交叉创新、突出重点、形成特色”的宗旨，推动能源科技进展， 促进能源清洁转型，开展专业及公众教育，致力于打造国际水平 的能源智库和能源科技研发推广平台。
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
方案库赚钱指南
