法语精读 | AI正悄然改变我们的表达方式
L’IA modifie déjà notre manière de nous exprimerUne équipe de chercheurs de l’institut Max Planck à Berlin s’est penchée sur les tournures de phrase favorites des intelligences artificielles et révèle qu’elles se propagent désormais dans le langage humain
AI漫谈(廿六)：虚拟形象探秘
1、AI数字人的定义所谓AI数字人，是借助人工智能技术，构建出具备真人外表、嗓音、肢体动作及交互功能的虚拟形象。2、AI数字人的核心特质AI数字人的核心在于“拟人化”，不仅能重现真人的五官、声线、动作与思维，更具备主动与人交流的能力。3、AI数字人的市场现状截至2025年，国内数字人相关企业已逾114万家，市场总规模达到了400亿元。预测指出，到2027年，国内AI数字人市场有望突破千亿大关，年均增长率超过40%。在教育领域，AI数字人化身为“助教”或“导师”，协助教师处理繁琐的讲解，让学生随时提问，并将
人工智能|深入解析卷积神经网络：原理与运行机制全景
在深度学习的技术体系内，卷积神经网络（Convolutional Neural Network，缩写为CNN）毫无疑问是最为关键的组成部分之一。依靠其对空间信息出色的解析能力，它在计算机视觉范畴引发了巨大变革——从图像识别、物体定位到语义分割，CNN的应用几乎渗透到了每一个环节。与传统神经网络对数据的"线性处理"方式有所区别，CNN的设计理念源自对人类视觉系统工作机制的借鉴，借助其独具特色的分层架构达成高效的特征抽取与任务判断，其核心长处在于权值共享与局部感受野的设计理念，使模型在应对高维信息时既可以削减
人工智能三大疑问
一、生成式大模型（Generative LLM）是走向通用人工智能（Artificial General Intelligence，AGI）的正确且唯一的路径吗？很可能并非如此。截至目前，生成式大模型的基本原理，是通过特定算法搜索大量语料，然后依据概率学规则，对用户提出的具体问题给出系统认为合适的答复，并根据用户反馈进行调整。生成式大模型缺乏人类的独立思考和推理能力，大家看到的所谓“深度思考”的推理过程，其实仍是算法预设的。这带来了三个结果：其一，生成式大模型不具备真正的因果推断能力，它对特定问题的回答只
持之以恒推进全面从严治党，走好新的赶考之路
原标题：“必须持之以恒推进全面从严治党”——深入研读习近平总书记在庆祝中国共产党成立105周年大会上重要讲话系列述评之十六 新华社北京7月20日电 题：“必须持之以恒推进全面从严治党”——深入研读习近平总书记在庆祝中国共产党成立105周年大会上重要讲话系列述评之十六 要实现中国的发展，核心在于党，核心在于坚定不移地推进全面从严治党。 习近平总书记在庆祝中国共产党成立105周年大会上发表重要讲话时，将“注重强健自身，始终充满生机活力”列为党的显著特征之一，并强调：“坚定信心、接续奋斗，必须持之以恒推进全面从
科大讯飞AI大赛：二氧化硅气凝胶制备工艺优化与性能预测赛暂列第一的思路分享
比赛地址：https://challenge.xfyun.cn/topic/info?type=AerogelAI&option=phb冲突规则说明本方案的核心并非单纯堆叠模型，而是先重新解读数据结构。主要思路包括：此次竞赛最大的感悟是：材料预测竞赛的关键往往不在于模型的复杂度，而在于能否洞察数据背后的实验机制。只有将原料、工艺与性能之间的关系真正拆解开来，模型才有可能获得稳定提升。后续将继续分享该方案的EDA、特征工程与建模思路。
荣耀李健：智能体系统将具备生命特质
专题：2026世界人工智能大会（WAIC） 新浪科技讯 7月18日中午消息，7月17日至20日，2026世界人工智能大会暨人工智能全球治理高级别会议在上海举行。 荣耀“物理世界新范式论坛”上，荣耀CEO李健在演讲中表示：“我们认为，荣耀智能体操作系统将拥有基础生命特征、专属的认知记忆系统、清晰的自我意识和灵魂、以及，能调用工具执行的手和脚。” 他指出：“它不再是被动等待调用的程序，而是拥有和生命体一致的基础运行节律，比如自然的心跳律动，和清醒与睡眠的周期。” 新浪声明：所有会议实录均为现场速记整理，未经演
AI陪练深度剖析：为何多数陪练效果不佳？真正有价值的陪练具备哪些特质？
在前三天，我们构建了AI原生认知体系，实现了内容开发效率的优化路径。今天进入第四天，我们将探讨一个我认为潜力巨大但落地挑战最明显的领域：AI陪练。有朋友提出了一个很实际的问题：“目前市场上AI陪练的最大不足是未能真正契合业务需求，显得有些隔靴搔痒。确实如此吗？什么样的陪练才具有真正价值？”这个判断大体正确。今天我们来剖析：为何多数AI陪练效果不佳，以及怎样的陪练才具备真实价值。目前市面上众多AI陪练产品，本质上都在做同样的事情：将传统题库迁移到对话界面。其典型形式为：系统预设多个标准问答对，学员输入内容后
王中林展望AI新纪元：大世界模型将深度解析人类行为与心理
专题：立足香港 放眼世界——2026新浪财经全球资本峰会 7月16日，备受瞩目的“2026新浪全球资本峰会”在香港盛大召开。作为一场汇聚全球政商学界精英的盛会，本届峰会紧扣“立足香港，放眼世界”的宗旨，深入探讨了全球资本流向、跨境资金布局以及科技企业国际化等关键议题。 本次峰会群星璀璨，政界高层、国际金融机构、顶级投行及产业领袖齐聚一堂。全国政协副主席、前香港特首梁振英，世界银行前副行长伊恩·戈尔丁，中国科学院王中林院士，滴灌通创始人李小加，南方东英CEO丁晨，以及摩根士丹利首席经济学家邢自强等重量级嘉宾
理论前沿 | 企业AI部署战略：研究综述与发展方向
人工智能（AI）正加速融入企业决策、生产运营和价值创造环节，但技术优势并非天然等同于竞争胜势，企业仍需应对战略方向模糊、组织匹配困难以及治理风险加剧等挑战。研究者采用扎根理论进行文献综述，综合运用人工编码与大语言模型编码技术，从技术与社会双重视角归纳AI的六项核心特征，将企业AI落地战略界定为传统产业AI化与AI技术产业化两大路径。进而系统分析AI落地的驱动要素、实施成效及制约条件，构建"落地与否-战略选择-影响机制"的理论架构，为揭示企业如何将AI能力转化为持久竞争优势提供了较为系统的分析框架。（文末附
AI写作的三大特征：对比、三连排比与破折号泛滥
首先或许是枯燥乏味。政策文本往往干涩如砂纸。但对频繁使用ChatGPT、Claude等AI模型的人来说，还有更明显的痕迹。这些工具生成的文字自带一种独特‘风格气味’。其一，是热衷对比句式：‘无关技术，关乎政治’；‘技术未变，归属已易’。其二，是三连排比。人类自古偏爱三分结构（西塞罗演说中屡见不鲜），但AI的痴迷近乎异常：‘严谨的逻辑排序、清晰的沟通表达、持之以恒的投入’。其三，则是无处不在的长破折号。重点单词&短语 1. boredom /ˈbɔːdəm/ n. 枯燥，乏味，无聊 例句：Many
AI核心：自编码器的工作机制
前言：当机器掌握了“自我复制”的能力试想一下，面对一幅细节精美的油画，虽然赏心悦目，但庞大的体积却成了存储和传输的负担。我们能否将这幅画转化为一串简短的“密码”，在需要时再将其还原为近乎原作的视觉体验？这正是自编码器所实现的——不过，它的应用范围远超图像，涵盖了声音、文本、传感器数据乃至社会活动的各类复杂信息。自编码器是一种独特的神经网络，其主要功能看似简单：将输入数据复制到输出端。但这绝非简单的复制粘贴，而是一个必须经历“压缩-解压”过程的任务，迫使模型去提炼出数据中最核心、最重要的特征。正是这种“被迫
AI赋能传媒产业：投资逻辑、业绩趋势与布局策略
传媒板块与人工智能的深度融合并非资本市场单纯的概念炒作，而是由行业属性、技术需求以及商业化路径共同决定的。在生成式AI时代，传媒企业几乎自然而然地成为了人工智能技术落地的首要阵地。天然的“数据金矿”与内容输出方：传媒企业（尤其是出版、影视、数字媒体）掌握着海量且优质的文本、图片、视频和音频资源。在AI时代，合规的优质数据属于稀缺资源。大模型训练与垂直领域微调高度依赖这些版权素材，这让传媒企业天然占据了AI时代的“战略资源高地”。AI驱动生产模式变革（提效降本）：传媒是典型的“知识密集+劳动密集”型产业。A
打造企业级AI预测引擎：从数据积累迈向智能决策
在数字化转型进入深水区之际，企业面临的挑战已从单纯的“如何获取数据”，转变为“怎样从海量数据中挖掘前瞻性价值”。传统商业智能（BI）多聚焦于描述性分析，即利用历史数据复盘“已发生之事”；而现代竞争的核心已转向预测性分析，即借助人工智能（AI）技术推演“将发生何事”。构建一套高效、精准的AI预测分析体系，已成为企业实现从经验驱动向数据驱动、从被动应对向主动预判跨越的关键路径。打造一套高性能的AI预测分析系统，其底层架构设计直接决定了系统的稳定性、扩展性以及处理海量数据的能力。一个完备的预测分析架构通常包含数
AI 工程全景解析：从特征到智能体的核心实战指南
投身 AI 开发与落地实践的从业者，近期定常被各类「XX 工程」概念包围：特征工程、提示词工程、上下文工程、RAG 工程、微调工程、对齐工程、量化工程、智能体工程等。许多人最感困惑的在于：这些术语究竟源自何处？官方定义为何？适用于哪些具体场景？旨在解决何种核心痛点？在实际工作中如何具体落地？大多数教程往往仅孤立讲解单一知识点，未能将整套 AI 工程体系进行串联、对比与结构化梳理。本文旨在一次性完整梳理传统机器学习工程、大模型 LLM 工程、部署优化工程以及智能体工程。所有条目均遵循统一固定结构：起源背景