《开发者评测》之DSW Gallery评测活动获奖名单

简介: DSW Gallery评测活动获奖名单出炉啦!

DSW.jpg
DSW Gallery评测活动自2022年11月29日启动以来,收到了大家真诚的点赞和建议,经过我们的审核,现公布争优奖、二等奖、一等奖获奖名单!快来看看有没有你的名字吧!

【一等奖获奖名单】

礼品:罗技K580无线键盘一个 + 阿里云定制冲锋衣一件(均码)

奖品收货方式:请添加【钉钉号:q72_wh5t3iq3f】提供联系方式和收货地址。


【二等奖获奖名单】

礼品:小米充电宝一个 + 阿里云定制公仔手办一个

获奖链接

博主昵称
https://developer.aliyun.com/note/254808623 六月的雨在钉钉
https://developer.aliyun.com/note/254703516 2023一张嘴巴分三片
https://developer.aliyun.com/note/254611465 Hzian
https://developer.aliyun.com/note/254775444 wait_

奖品收货方式:请添加【钉钉号:q72_wh5t3iq3f】提供联系方式和收货地址。


【争优奖获奖名单】

礼品:30元天猫超市卡(已于2月1日通过短信将卡号密码发送至帐号绑定的手机号上)


⚠️请获奖人员于2023年3月10日前将收获地址和联系方式发送给对应工作人员,逾期不候,感谢理解。

相关文章
|
3月前
|
JavaScript Linux API
零基础玩转OpenClaw部署及避坑指南:从阿里云到本地多系统搭建,附千问大模型API配置与免费模型接入方案
OpenClaw(原Clawdbot)作为2026年热门的开源AI执行网络,凭借其强大的任务执行与大模型集成能力,成为开发者与企业用户的首选AI工具之一。本文将详细介绍2026年阿里云轻量服务器部署及本地MacOS/Linux/Windows11部署OpenClaw的完整步骤,同时涵盖阿里云千问大模型API配置与免费大模型Coding Plan API配置方法,并针对部署过程中的常见问题提供解决方案,帮助用户快速完成OpenClaw的部署与使用。
730 4
|
3月前
|
人工智能 机器人 网络安全
不用写代码!零技术上手|阿里云极速部署OpenClaw + 飞书接入+新手常见问题解答
在2026年企业数字化与AI自动化深度融合的浪潮中,OpenClaw(原Clawdbot,曾用名Moltbot)凭借开源特性、灵活的插件生态与强大的任务执行能力,成为企业办公、团队协作与个人效率提升的核心工具。这款开源AI智能体框架,截至2026年3月,在GitHub平台星标数量已突破23万,Fork数超4.3万,支持通过自然语言完成文件管理、信息检索、流程自动化、多端协同等多样化任务。而飞书作为国内领先的企业级协同办公平台,覆盖超4000万企业组织,具备消息触达、群组管理、云文档、云盘存储、机器人集成等核心优势,是企业办公、团队协作、内部沟通的首选载体。
1560 4
|
2月前
|
数据采集 人工智能 监控
2026年企业级BI系统建设方案:大型企业数据驱动决策的构建指南
2026年,数据成为大型企业核心生产要素。本文系统解析企业级BI建设四阶段路径,直击数据孤岛、使用门槛高、安全与灵活难兼顾等痛点,深度介绍瓴羊Quick BI如何以AI原生能力、全链路治理、集团化管控与全场景应用,助力企业构建可落地、可扩展、可迭代的数据驱动决策体系。(239字)
|
人工智能 监控 数据库
LLM 应用可观测性:从 Trace 视角展开的探索与实践之旅
基于大语言模型的应用在性能、成本、效果等方面存在一系列实际痛点,本文通过分析 LLM 应用模式以及关注点差异来阐明可观测技术挑战,近期阿里云可观测推出了面向 LLM 应用的可观测解决方案以及最佳实践,一起来了解下吧。
20973 148
LLM 应用可观测性:从 Trace 视角展开的探索与实践之旅
|
Shell 网络安全 开发工具
【已解决】SSL certificate problem: self signed certificate
SSL certificate problem: self signed certificate
3517 2
|
机器学习/深度学习 人工智能 自然语言处理
探索未来AI趋势:掌握Function Calling技巧,解锁大模型精度提升的秘密武器,让你的数据科学项目事半功倍!
【10月更文挑战第6天】随着深度学习技术的发展,神经网络模型日益复杂,Function Calling作为一种机制,在提升大模型准确度方面发挥重要作用。本文探讨Function Calling的概念及其在大模型中的应用,通过具体示例展示如何利用其优化模型性能。Function Calling使模型能在运行过程中调用特定函数,提供额外的信息处理或计算服务,增强模型表达能力和泛化能力。例如,在文本生成模型中,根据上下文调用词性标注或实体识别等功能模块,可使生成的文本更自然准确。通过合理设计条件判断逻辑和功能模块权重,Function Calling能显著提升模型整体表现。
800 3
|
机器学习/深度学习 人工智能 自然语言处理
NotebookLM与NotebookLlama 了解下 | AI工具
在AI技术飞速发展的今天,Google和Meta分别推出了基于大型语言模型的笔记本应用——NotebookLM和NotebookLlama。这两款产品不仅提供了强大的文档处理和编码支持,还在文档和编码领域引领了创新。NotebookLM强调个性化和隐私保护,而NotebookLlama则以开源和高度定制性著称。本文将深入解析这两款产品并进行对比分析。【10月更文挑战第16天】
1721 2
|
机器学习/深度学习 算法 数据挖掘
K-均值算法
K-均值算法是发现给定数据集的k个簇的算法。簇个数k是用户给定的,每一个簇通过其簇中所有点的中心点来描述 工作流程: 首选选取样本中k个样本作为每个簇的簇中心 然后对每一个样本与每个簇之间的关系,来分配到每一个簇中 然后更新每个簇的均值
272 1
|
JSON Kubernetes 前端开发
熟悉又陌生的 k8s 字段:finalizers
metadata 中熟悉又陌生的字段 finalizers
7715 0

热门文章

最新文章