马尔可夫链，从概率模型到现实应用 马尔可夫链（Markov Chain）是一种重要的随机过程，由俄罗斯数学家安德雷·马尔可夫（Andrey Markov）于20世纪初提出，它在概率论、统计学、计... 行业快讯 日本人工智能展 96 2025-07-01
零样本学习，突破数据限制的人工智能新范式 在传统的人工智能（AI）和机器学习（ML）领域，模型的训练通常依赖于大量标注数据，现实世界中的许多任务往往缺乏足够的训练样本，甚至可能面临完全没有标注数据的挑战... 行业快讯 日本人工智能展 71 2025-07-01
Triplet Loss，深度度量学习中的关键损失函数 在深度学习和计算机视觉领域,度量学习（Metric Learning）是一种重要的技术，旨在学习一个有效的特征空间，使得相似样本在该空间中距离较近，而不相似样本... 行业快讯 日本人工智能展 43 2025-07-01
BERT模型，自然语言处理的革命性突破 近年来,人工智能（AI）和自然语言处理（NLP）领域取得了显著进展，其中BERT（Bidirectional Encoder Representations f... 行业快讯 日本人工智能展 40 2025-07-01
LLaMA模型，开源大语言模型的革命性突破 近年来,人工智能（AI）领域的大语言模型（Large Language Models, LLMs）发展迅速，其中OpenAI的GPT系列和Google的PaLM... 行业快讯 日本人工智能展 58 2025-07-01
LoRA，低秩自适应技术在大模型微调中的革命性应用 随着深度学习的发展，大型预训练语言模型（如GPT-3、BERT等）已成为人工智能领域的核心技术，这些模型通常包含数十亿甚至数千亿参数，使得微调（Fine-tun... 行业快讯 日本人工智能展 56 2025-07-01
Tokenization:The Foundation of Digital Assets and Blockchain Technology IntroductionIn the rapidly evolving world of digital finance and blockchain tech... 行业快讯 日本人工智能展 35 2025-07-01
自注意力机制，深度学习中的革命性突破 近年来，深度学习在自然语言处理（NLP）、计算机视觉（CV）和语音识别等领域取得了巨大进展，自注意力（Self-Attention）机制作为一种强大的建模工具，... 行业快讯 日本人工智能展 48 2025-07-01
模型量化，深度学习高效部署的关键技术 随着深度学习技术的快速发展，神经网络模型在计算机视觉、自然语言处理、语音识别等领域取得了显著成果，这些模型通常包含数百万甚至数十亿参数，导致计算复杂度高、存储需... 行业快讯 日本人工智能展 56 2025-07-01
稀疏建模，数据科学中的高效降维与特征选择方法 在当今大数据时代，数据的高维性给机器学习和统计分析带来了巨大挑战，如何从海量数据中提取关键信息，同时降低计算复杂度，成为研究热点，稀疏建模（Sparse Mod... 行业快讯 日本人工智能展 52 2025-07-01
