ITPub博客

2024年 5月7日晨报 以下皆为公开信息整理汇总

2024年5月6日晨报 以下皆为公开信息整理汇总

前言 基于关系感知扩散模型的海报布局生成 融合类目共性和个性化风格的商品背景生成 基于规划和渲染的商品海报生成 总结&展望

2024年 4月29日晨报 以下皆为公开信息整理汇总

每日寄语：很多人都渴望自己能变得更出色，但所有看似风光的背后，都藏着无尽的汗水，所有令人羡慕的成就背后，都是不一般的自律。生活终会奖赏每一个自律的人。新的一天，早安！

LLM，Large Language Model，大语言模型。为什么叫2.0？因为在大语言模型，也就是LLM出现之前，我们把它归结为1.0时代。那么1.0时代主要的是NLP（自然语言处理）的各类工程，它其实都是一个特点，就是说通用性比较差。那么整个AI领域的终极的圣杯，或者说将来它的一个终极的一个希望做到的，是AGI（Artificial General Intelligence，人工通用智能）。1.0可能是一个单任务的这么一个AI。比如深蓝战胜象棋冠军，他只会下象棋，而且他的下象棋是学习了很多的这个象棋的这个国际象棋的这个套路，他只会干这一个事情，而且你问他别的事情他肯定不知道。

2024年 4月24日晨报 以下皆为公开信息整理汇总

2024年 4月23日晨报 以下皆为公开信息整理汇总

目录 一、背景 二、生成链路一览 三、表达需求 1. 图形化配置 2. AI直接生成代码 3. 自然语言转指令 四、信息转化为代码 1. 转化流程 2. 我们如何开发代码的？ 五、源码生成 1. 定位 六、组件向量搜索与嵌入 1. 组件信息录入 2. 组件向量搜索 3. 组件快速插入 七、未来展望

2024年 4月19日晨报 以下皆为公开信息整理汇总

2024年 4月18日晨报 以下皆为公开信息整理汇总

2024年 4月17日晨报 以下皆为公开信息整理汇总

2024年 4月16日晨报 以下皆为公开信息整理汇总

2024年 4月15日晨报 以下皆为公开信息整理汇总

本文主要介绍了商业智能(BI)以及Turing Data Analysis(TDA)的概念和应用。BI通过收集、整理、分析和呈现数据，帮助企业做出更好的决策和战略规划。然而，传统的BI建设思路存在问题，如业务变更数据需求时需要重新开发，以及分析底层数据的效率低等。因此，TDA作为一站式自助分析平台应运而生，它基于明细数据，按照分析主题建设公共数据集，用户可以自由拖拽分析并一键保存结果，同时也可以分享给其他人查看。然而，TDA的建设也面临着分析维度指标要全，数据口径要准，以及查询性能等挑战。针对这些挑战，我们提出全、准、效、快的目标，并通过流程机制和功能建设以及MPP数据引擎来实现这些目标。

2024年 4月12日晨报 以下皆为公开信息整理汇总

2024年 4月11日晨报 以下皆为公开信息整理汇总

离业务决策越近，高时效性数据带来的业务价值越大。实时计算过去面临最大的瓶颈是易用性问题，业务常常迫于迭代运维复杂度放弃实时化。我们基于多年深耕商业实时化场景的思考，提出RTS-场景化端到端全托管，彻底释放实时化的潜能。对大数据和实时化感兴趣的小伙伴们，欢迎交流探讨！

2024年 4月10日晨报 以下皆为公开信息整理汇总

2024年 4月8日晨报 以下皆为公开信息整理汇总