AI排名（Ranking-AI）（20250919）

最新推荐文章于 2026-06-28 22:07:23 发布
原创 最新推荐文章于 2026-06-28 22:07:23 发布 · 841 阅读 · 28
标签
#人工智能 #AI #Ranking-AI

AI 时代程序员必备技能

Codex、Claude Code、Cursor、Hermes Agent、OpenClaw等工程化实战专栏 ，讲透 AI 如何接管脏活累活

一键订阅

Deepseek

This is top 10, for more click Top 100 Stars in Deepseek

Ranking

 Project Name Stars Forks Language Open Issues Description Last Commit
1 ollama 152593 13172 Go 1778 Get up and running with OpenAI gpt-oss, DeepSeek-R1, Gemma 3 and other models. 2025-09-19T02:56:51Z
2 transformers 149964 30451 Python 1071 🤗 Transformers: the model-definition framework for state-of-the-art machine learning models in text, vision, audio, and multimodal models, for both inference and training. 2025-09-18T19:44:09Z
3 DeepSeek-V3 99310 16208 Python 37 None 2025-08-28T03:24:37Z
4 DeepSeek-R1 91135 11741 None 24 None 2025-06-27T08:35:54Z
5 lobe-chat 65670 13606 TypeScript 924 🤯 Lobe Chat - an open-source, modern design AI chat framework. Supports multiple AI providers (OpenAI / Claude 4 / Gemini / DeepSeek / Ollama / Qwen), Knowledge Base (file upload / RAG ), one click install MCP Marketplace and Artifacts / Thinking. One-click FREE deployment of your private AI Agent application. 2025-09-19T03:13:41Z
6 gpt4free 65121 13680 Python 6 The official gpt4free repository | vari

AI 时代程序员必备技能

Codex、Claude Code、Cursor、Hermes Agent、OpenClaw等工程化实战专栏 ，讲透 AI 如何接管脏活累活

一键订阅
最低0.47元/天 解锁文章
AI-Rank:面向产业应用的AI开源评测基准
04-12
AI-Rank | 面向产业应用的AI开源评测基准 AI-Rank是一个面向AI产业界的，对AI系统进行综合评价的基准体系。 随着AI技术的发展，各类AI计算设备（如：CPU、GPU、移动端芯片等）、各类AI框架（如：PaddlePaddle、TensorFlow、PyTorch）等应运而生。产业界在制定符合自身的深度学习应用方案时，难免在软件、硬件选型上缺少对比数据。 AI-Rank本着公开、公正、公平的原则，制定尽可能全面的综合评估体系，并广纳各类AI产品性能数据。希望能够切实挖掘人工智能产业发展过程中的需求与痛点，探究AI未来的趋势，助力全产业AI相关企业的发展和AI技术的进步。通过基准测试体系的建立，进行科学的测评，达到公开、公正、公平的要求，测评结果可定量，可复现，可对比。基准所采用的评价体系能够客观全面系统的反映人工智能产业的现状及其发展方向。 AI-Rank主要面向产业应用，
AI排名（Ranking-AI）-20250703
07-03 1068
AI排名
AI技术内参052-机器学习排序算法经典模型：RankSVM
sucaiwa的博客
04-24 1093
到目前为止，我们在专栏里已经讨论了关于搜索引擎方方面面的很多话题，包括经典的信息检索技术、查询关键字理解、文档理解以及现代搜索引擎的架构等等。同时，我们也从机器学习角度出发对搜索引擎的最核心部分，也就是排序算法进行了最基本的分享，囊括了单点法排序学习（Pointwise Learning to Rank）、配对法排序学习（Pairwise Learning to Rank）以及列表法排序学习（Listwise Learning to Rank），相信你应该对这类算法的大概内容有所掌握。
2023 全球人工智能开发者先锋大会—AI 人才学习赛rank1方案分享
qq_51941086的博客
02-28 1617
2023 全球人工智能开发者先锋大会—AI 人才学习赛赛后分享
2025 最新 AI 宝藏工具 TOP50：从编程到绘画，一个清单帮你搞定！
ciyundata的博客
08-21 6542
2025年AI工具全景图：50款宝藏工具盘点 随着AI技术飞速发展，2025年的AI工具已覆盖十大领域，从通用平台到垂直应用全面开花。本文精选50款最具价值的AI工具，涵盖综合平台、智能检索、绘画生成、视频创作、3D建模、智能编程、剪辑辅助、PPT生成、音乐创作和智能配音等场景。其中ChatGPT、Runway、Tripo等国际产品持续领跑，R5AI、豆包、智谱清言等国产工具也崭露头角。这些工具呈现三大趋势：全能化平台满足日常需求、专业化工具深耕细分领域、个性化应用强调创意表达。无论职场人士、学生还是创作者
AI开源评测基准AI-Rank，为开源建立标准
AI科技大本营
12-11 1712
当前，数字经济已经成为经济发展的活力引擎和促进经济结构转型升级的重要动能，深刻改变着人类的生产生活方式。12月11日，2020中关村大数据日暨数字经济融合创新发展论坛在北京举行。本届中关村大数据日以“开源共享 生态赋能”为主题，旨在推动科创中国、开源试点，打造科教新区、创新社区、产业园区三区联动的开源创新基地。来自数字经济相关领域顶尖专家、ICT产业领军企业的专家学者等，共同探讨“数字经济融合创新发展”下的趋势与挑战，助力数字经济发展，为产业升级赋能提速。 此外，现场还举行了“中关村国家自主创新示范区高精
推荐系统排序（Rank）评价指标总结
热门推荐
但行好事，莫问前程
10-05 2万+
1.Mean Average Precision (MAP) AP=∑nij=1P(j).yi,j∑nij=1yi,jAP= \dfrac{\sum_{j=1}^{n_i}P(j).y_{i,j}}{\sum_{j=1}^{n_i}y_{i,j}} 其中， yi,jy_{i,j}:排序中第j个元素对于查询i是否是相关的；相关为1，不相关为0。 P(j)=∑k:πi(k)≤πi(j)
iRank: 基于互联网类脑架构的阿尔法鹰眼发展趋势评估
人工智能学家
03-28 1784
前言：iRank是人工智能学家基于科学院研究团队“互联网类脑智能巨系统架构”和”AI 智商评估模型”等研究成果，对智能产业优秀企业、产品和技术进行评估、发掘和推荐的项目。iRank目前拥有互联网、人工智能、机器人，大数据、通讯技术、芯片、脑科学等领域的著名专家近300多位，合作投资机构80余家。关于互联网类脑智能巨系统互联大脑架构互联网向与人类大脑高度相似的方向进化过程中，形成的类脑智能巨系统架构
多子品牌、多产品线实体区分，避免站内权重互相稀释
SEO_juper的博客
06-26 1897
2026 年谷歌 AI 实体检索、知识图谱体系下，多子品牌、多产品线站点天然存在权重稀释、实体模糊、关键词内耗三大运营隐患，很多站点盲目扩充产品与品牌页面，却忽略实体隔离底层优化，导致外链、内容投入无法转化为对应流量收益。整套实体区分、权重收拢体系逻辑分为四层递进动作：第一，搭建二级分层隔离 URL 架构，从页面存放路径切割不同业务实体；第二，配置差异化 Organization、ProductGroup 结构化数据，给谷歌提供机器可读的独立实体标识，搭配 LinkedIn 外部档案完成交叉核验；
详解AI-Agent中的MCP（Model Context Protocol），与function call的区别与联系
m0_60827485的博客
06-24 540
摘要： MCP（Model Context Protocol）与Function Call在工业级AI-Agent架构中存在本质差异。Function Call是模型调用工具的具体动作（如结构化指令执行），而MCP是管理工具调用与上下文的协议层，相当于AI Agent的“操作系统”。 核心区别： 抽象层级：Function Call关注单次工具调用（动作层），MCP管理多轮调度、状态、权限等（协议层）。 能力范围：MCP涵盖上下文治理、工具路由、记忆管理等，Function Call仅解决“调用哪个函数”。
机器学习周报五十一
最新发布
weixin_60864619的博客
06-28 240
本周阅读了论文Animatable 3D Gaussian，对LBS如何将高斯点映射到观测空间有了了解，形成对完整的高斯泼溅重建人体的流程的认识。3D gaussian Animate中的很多流程都比较复杂，但是其中的deformer模块还一直被继续使用到现在，已经对LBS蒙皮等操作的描述，让我了解到高斯泼溅重建人体的完整流程。
企业级AI网关技术方案：统一大模型访问与治理平台的设计与实践
技术引领业务创新
06-26 1130
本文提出了一种企业级AI网关技术方案，旨在解决大模型在企业应用中面临的治理挑战。该平台采用三层架构设计：接入层支持多样化调用入口，网关层实现统一治理中枢功能，模型层连接多种模型资源。核心功能包括统一协议入口、精细权限控制、智能路由调度、容灾fallback机制、成本治理和全链路审计。平台通过虚拟Key管理实现组织隔离，基于语义路由和策略引擎实现多模型智能调度，同时提供预算护栏等风控措施。典型应用场景包括组织级流量统一治理和多源模型统一纳管
破局异构算力与多协议接入：基于 Docker 与 GB28181/RTSP 的边缘计算 AI 视频管理平台架构解析
m0_65443681的博客
06-25 1111
该平台针对行业痛点提出三大创新解决方案：1）异构算力解耦，通过容器化技术实现X86/ARM架构及GPU/NPU芯片的跨平台适配，硬件抽象层设计使算法迁移效率提升95%；2）多协议流媒体融合引擎，支持GB28181/RTSP等主流协议及H.265/4K视频解析，实现品牌设备统一接入；3）闭环AI生态，集成算法商城、数据标注、可视化大屏及全渠道告警系统，提供从标注到推理的完整工作流。平台采用微服务架构，支持源码交付和OEM定制，显著降低二次开发成本，适用于智慧城市、工业视觉等场景的私有化部署需求。
2026政策加码下的制造企业碳监测：边缘计算本地部署方案，打通碳交易数据底座
SaturnCloud的博客
06-26 1228
与此同时，工信部启动 2026 年度工业节能降碳诊断服务，聚焦钢铁、电解铝、炼油、化工等重点行业，将碳排放核算与节能改造深度绑定，叠加中央 20% 改造投资补助、差别化电价、碳排放量置换等激励政策，制造企业的碳管理已从合规需求延伸为碳资产经营需求。碳交易的核心是数据可信。碳排放核算涉及电、气、煤、蒸汽等多品类能源数据，叠加生产工况、烟气浓度、物料参数等多维信息，传统方案仅能采集单一维度数据，无法在本地完成数据清洗、校验与融合核算，数据上传云端后再处理，既占用带宽，也容易出现数据偏差。
每日 AI 研究简报 · 2026-06-22
:: Dotnet Fantasy ::
06-22 348
本周 AI 领域迎来历史性转折——Claude Fable 5 短暂登顶后被叫停，智谱 GLM-5.2 开源破局逼近闭源前沿，全球大模型竞争进入"能力天花板"与"监管天花板"双轨博弈新阶段。
2025-TMM《Tensor-Based Late Fusion Incomplete Multiview Clustering》
Christo的博客
06-24 1212
2025年（收稿日期 2024-05-20；录用日期 2025-01-04；正式发表日期 2025-05-07；当前版本日期 2025-09-24）：Xiaoxing Guo, Ming Yang, Gui-Fu Lu（通讯作者：Gui-Fu Lu）：安徽工程大学计算机与信息学院；哈尔滨工程大学数学科学学院。
#RAG系统混合检索
2602_95606446的博客
06-26 965
*踩坑提醒**：script_score方式会对全库做cosine计算，数据量大了之后单次查询可能超过30秒。**方案一：批处理。** 单次推理改成batch推理，30对一起过，延迟从1.2秒降到0.4秒。** 30个候选减少到20个，rerank延迟降到0.25秒。m=16，ef_construction=100是平衡召回率和索引速度的参数，实测这个配置下索引速度约800条/秒，召回率比flat检索下降不到1%。faiss本地索引每天凌晨从ES同步一次，查询延迟约100ms，召回率约0.75，能用。
最新量化工具怎么选，先看自己的能力短板
2601_95631988的博客
06-25 999
读者应理解，工具选择不是越复杂越好，而是要贴合当前能力和任务阶段；同时，回测、模拟和实盘验证的问题不同，工具也应服务于这些不同判断。
2024-TIP《Spectral Embedding Fusion for Incomplete Multiview Clustering》
Christo的博客
06-24 900
2024年（Manuscript received 24 October 2022；：Jie Chen, Yingke Chen, Zhu Wang, Haixian Zhang, Xi Peng（四川大学计算机学院；英国 Northumbria University 计算机与信息科学系；四川大学法学院）
关于高维数据下的最近邻搜索算法性能分析的技术7
平头的博客
06-24 889
格式说明：
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值