AI Agent在教育领域中的应用-智能辅导与个性化学习的应用实战
社区首页 (3586)





请编写您的帖子内容
社区频道(11)
显示侧栏
卡片版式
全部
顶刊论文详解系列
存算一体训练营
CIM城市主理人
行业发展前瞻
话题广场交流专区
AI时代热点
多模态/Agent追踪
博文收录
存算一体课程直达
存算一体开源社区
最新发布
最新回复
标题
阅读量
内容评分
精选

6
评分
回复


AI Agent在教育领域中的应用-智能辅导与个性化学习的应用实战
AI Agent在教育领域中的应用-智能辅导与个性化学习的应用实战 引言 随着人工智能技术的飞速发展,AI Agent 在各个行业的应用逐渐深入,教育领域尤为突出。AI Agent 的发展不仅提升了教学效率,还为个性化学习开辟了新的可能。智能辅导系统
复制链接 扫一扫
分享
多模态/Agent追踪

18
评分
1


【精彩回顾】上海交通大学专场--大模型推理需求下的计算生态链变革
2025 年 6 月 6 日,由存算一体开发者社区与上海交通大学联合主办的 “大模型推理需求下的计算生态链变革” 专场活动在上海交通大学闵行校区顺利举办。
复制链接 扫一扫
分享
存算一体训练营

15
评分
回复


面向医疗场景的AI Agent体系架构与多任务协作机制研究
面向医疗场景的AI Agent体系架构与多任务协作机制研究 随着人工智能的飞速发展,AI Agent(智能代理)在医疗领域中正逐步从“实验室”走向“病房”。相比传统的AI模型,AI Agent更具交互性、适应性和自治性,使其在医疗诊断、患者管理、智能
复制链接 扫一扫
分享
多模态/Agent追踪

7
评分
回复


融合强化学习的金融AI Agent模型构建与策略优化
融合强化学习的金融AI Agent模型构建与策略优化【附核心代码】 引言 随着人工智能的发展,AI Agent(人工智能智能体)在多个行业迅速应用,尤其是在高度数据密集与决策复杂的金融行业。AI Agent作为一个具备自主感知、决策与行动能力的系统,
复制链接 扫一扫
分享
多模态/Agent追踪

17
评分
回复


【上海交通大学专场】大模型推理需求下的计算生态链变革
本次活动落地于上海交通大学,特别邀请上海人工智能实验室浦数平台OpenDataLab,魔乐社区,知存科技,算能科技等行业领军代表,围绕AI大模型发展下,计算生态链的前沿演进展开深度研讨。
复制链接 扫一扫
分享
存算一体训练营

20
评分
回复


ISSCC 25 14.4 性能达51.6TFLOPs/W的全数据路径存内计算宏单元,逼近稀疏性极限,应用于复合人工智能时损失低于2-30
本文由清华大学尹首一团队的Zhiheng Yue和Xujiang Xiang撰写,发表于2025年IEEE国际固态电路会议(ISSCC),探讨了复合AI模型在端侧部署时面临的挑战,并提出了三项创新解决方案。首先,文章指出复合AI模型虽然降低了参数量,但由于多个模型特征交融,传统基于单一模型的简化方法失效,导致精度损失和功耗增加。针对这些问题,作者提出了后置乘积对齐、全通路存内计算和稀疏捕获三项技术。
复制链接 扫一扫
分享
顶刊论文详解系列

14
评分
回复


ISSCC 25 14.3论文详解:面向卷积神经网络与 Transformer 的 28 纳米、17.83 - 62.84TFLOPS/W 广播对齐浮点存内计算宏单元
东南大学司鑫教授团队在ISSCC 2025上发表了一篇关于存内计算(CIM)的论文,提出了一种新型的广播对齐非二进制补码浮点存内计算宏(B-A-N2CMAC FP-CIM)。该研究针对高精度和高能效边缘AI芯片的需求,解决了传统浮点计算中的精度损失、性能损失和面积开销问题。通过创新的广播输入、嵌入式区域高效自适应对齐方案和格式混合的N2CMAC,该芯片在28nm工艺下实现了64kb的B-A-N2CMAC FP-CIM宏,支持BF16和INT8两种数据类型。
复制链接 扫一扫
分享
顶刊论文详解系列

33
评分
回复


第二届知存科技杯华东专项赛开启!挑战AI创新,赢取高额奖金与荣誉!
第二届知存科技杯华东专项赛正式启动!本次竞赛由知存科技联合浙江大学、复旦大学、上海交通大学等顶尖高校共同举办,面向计算机、微电子及芯片相关专业的本硕学生(本科生优先),提供实践与创新的舞台。无论你是算法优化达人,还是硬件设计高手,这里都有属于你的赛道
复制链接 扫一扫
分享
存算一体训练营

32
评分
回复


New Year,New AI 开发者冬日嘉年华
GitCode 携手 CSDN COC 城市社区/存内计算开发者社区,邀你共赴一场别开生面的冬日嘉年华,共同挖掘AI技术的无限潜能和前沿应用。
复制链接 扫一扫
分享
存算一体训练营

175
评分
回复


论文:深度可分离神经网络存内计算处理芯片
相较于传统的卷积神经网络,深度可分离卷积具有如下四个优势:1,更少的参数:可减少输入通道数量,从而有效地减少卷积层所需的参数;2,更快的速度:运行速度比传统卷积快;3,更加易于移植:计算量更小,更易于实现和部署在不同的平台上;4,更加精简:能够精简计算模型,从而在较小的设备上实现高精度的运算。
复制链接 扫一扫
分享
顶刊论文详解系列

146
评分
回复


论文:高速模数转换器 ADC 芯片-基于亚稳态提升性能的研究与探索
并在22nm CMOS工艺下进行了流片研制,该芯片在1GS/s的采样率下实现了47.2dB SNDR的精度和4.15mW的功耗,在相近分辨率的单通道模数转换器中达到了较高的精度和保持了较高的能效(22.23fJ/conv.-step FoMw)。比较器对输入电压进行比较,同时异步逻辑通过 MRSE 监测每个位的比较时间 t_comp:如果 t_comp 小于Ts,表明比较器处于小亚稳态(S 亚稳态),META LOGIC检测到这一情况,并输出相应的标志信号,这将为最终输出提供额外的两位信息;
复制链接 扫一扫
分享
顶刊论文详解系列

158
评分
回复


机器人奇点:从宇树科技看2025具身智能发展
在3C、汽车、新能源等行业,这些机器人凭借高精度的视觉检测和精准的运动控制能力,实时感知并适应复杂变化的工业环境,大幅提升生产效率和产品质量,降低人力成本和生产周期。随着技术的成熟和成本的降低,具身智能机器人有望实现从专业领域向大众消费市场的普及,成为人们生活中不可或缺的一部分,深刻改变人类的生产生活方式,推动社会的智能化发展进程。Google DeepMind的RT-2模型是VLA的典型代表,它能够从网络数据和机器人数据中学习,将知识转化为机器人控制的通用指令,显著提升了机器人的泛化能力和语义推理能力。
复制链接 扫一扫
分享
AI时代热点

137
评分
回复


MWSCAS 2024 论文详解-PSB方法加速模拟存内计算中的乘加法
而在本文中,如图5所示,作者们没有调整参考电压范围,是直接根据推理部分和(Partial Sum)的MAC分布以及前文提到的VCUCM技术,通过缩放计算放电电流来增强(Boost)信号摆幅,这个技术就叫做部分和增强技术(PSB),他可以用忽略不计的功耗提升为代价(<1% ADC功耗),并使SAR-ADC能以更小的面积更低的功耗和更高的转化率来读取,来提升信号摆幅。如图1所示,传统的6T-SRAM在写入操作时需要两个传输门和两条位线,结构复杂且功耗较高,同时会占用较大的布局面积,不利于模拟存算的电路实现。
复制链接 扫一扫
分享
顶刊论文详解系列

135
评分
回复


VLSI 2024论文详解:具有紧凑型MAC-SIMD和自适应竖式加法数据流的1T1C DRAM存内计算加速器Dyamond
其次,传统比特串行输入数据流需对每个输入比特执行多次模数转换(ADC)和数字累加,导致能效严重受限(每输入比特生成多比特部分和行,需N×B次ADC操作),同时难以维持复杂DNN模型(如ResNet、BERT)所需的信号量化噪声比(SQNR >30dB),阻碍其在先进AI场景中的部署。此外,SS-ADC可以实现更高的能效。SS-ADC的核心思想是通过信号偏移(Signal Shift),将ADC的输入信号分布零中心化,从而可以使用较低位宽的ADC,在保证精度的前提下,显著降低ADC的功耗。
复制链接 扫一扫
分享
顶刊论文详解系列

166
评分
回复


IEDM 2024年会:复旦大学刘明院士团队展示融合非易失性铁电和易失性电荷俘获的动态存算类脑阵列
在短时状态下,图5从左至右分别展示了:a)在1.5V的VG脉冲下的PPD情况,在连续脉冲情况下,通道电流由于CT的积累而减小,导致第二脉冲峰A2低于第一个峰A1,右面板显示ID中峰值电流的逐渐下降,而在不同的长期FS状态下增加了刺激脉冲;自动驾驶中,轨迹预测是一个至关重要的功能,通常使用LSTM类型的网络来实现,已有的静态存内计算技术对长期参数(long-term parameter)进行了加速,但短期参数(short-term parameter)的推理计算仍面临较大的缓存开销。
复制链接 扫一扫
分享
顶刊论文详解系列

845
评分
回复


世界模型加速发布,原生多模态世界模型Emu3
2024年10月21日,智源研究院发布原生多模态世界模型Emu3,该模型将图像、文本和视频等不同模态数据转化为离散空间中的token来进行预测,开创跨语言多模态世界模型的全新构建方式。
复制链接 扫一扫
分享
顶刊论文详解系列

193
评分
回复


【精彩回顾·北京】Bedrock 开发进阶:re:Invent & Deepseek,探索 AI 无限潜力!
2025 年 2 月 23 日,由亚马逊云科技 User Group 北京社区联合 COC 北京、CSDN 存内计算开发者社区举办的《Bedrock 开发进阶:re:Invent & Deepseek,探索 AI 无限潜力》
复制链接 扫一扫
分享
存算一体训练营

211
评分
回复


浙江大学专场/存内计算驱动AI算力与应用生态链创新
诚邀您参加一场新型开放的AI聚会,立足杭州创新高地,依托浙大系科研力量,聚焦算力革命,打通AI全链路。专家解读存内计算,现场开发ROKID AR LITE应用,畅想开源协同,共探AI新力量
复制链接 扫一扫
分享
存算一体训练营

312
评分
回复


哪吒大闹DeepSeek之开发板部署大模型实战
今年春节什么最火?一定是哪吒2和Deepseek, 今天,我就告诉你怎么把DeepSeek塞到哪吒嘴里!
复制链接 扫一扫
分享
AI时代热点

11097
评分
回复


AI Agent的核心技术及其发展趋势—从自主学习到全感知决策【附核心点关键代码】
目录摘要引言核心技术1. 自主学习与强化学习强化学习代码示例2. 感知系统与传感器融合传感器数据融合代码示例3. 多模态数据融合多模态数据融合代码示例4. 全感知决策:AI Agent的未来4. 全感知决策:AI Agent的未来4.1. 全感知决策
复制链接 扫一扫
分享
多模态/Agent追踪
为您搜索到以下结果:
4,224
社区成员
375
社区内容





存算一体开发者社区
聚焦开发者需求,构建AI全链路生态,推动存算一体技术普及。依托行业前沿算力架构,首发技术开源与实战训练营,提供高性能硬件底座与全栈工具链。联合高校、研究院及企业,打造新一代AI硬件开发者社区
复制链接 扫一扫

确定
社区描述
聚焦开发者需求,构建AI全链路生态,推动存算一体技术普及。依托行业前沿算力架构,首发技术开源与实战训练营,提供高性能硬件底座与全栈工具链。联合高校、研究院及企业,打造新一代AI硬件开发者社区 其他 企业社区
加入社区
获取链接或二维码
- 近7日
- 近30日
- 至今
加载中
社区公告
- 奖品兑换上新:
100积分 - 品牌赞助托特包 (单个账号限兑换5个)
200积分-罗技M240无线鼠标 ( 单个账号限兑换3个)
400积分-马歇尔入耳式耳机 (单个账号限兑换2个)
600积分-Cherry MIX 3.0键盘 (单个账号限兑换2个)
800积分- 雷切Pro游戏手柄 (单个账号限兑换1个)
1000积分-小米/Redmi显示器A27 IPS版27英寸100Hz(单个账号限兑换1个)
1200积分-Switch 积分(单个账号限兑换1个)
- 积分规则:
创作积分:
参与主题征文活动,发布博文获取50积分
1,发布文章获取20积分
2,文章内容加精30积分
互动积分:
1,发布评论互动积分:2积分
2,点赞文章获取积分:1积分
活动积分:
活动参与积分以每场活动规则为准
