AI 助理
文档备案控制台
开发者社区 mPaaS 移动开发平台 文章 正文

拜托，不用记密码真的超酷好吗？

2022-03-24 484
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： mPaaS 小程序 IDE 更新，新增免密登录模式

免密登陆.jpg

>>> 立即前往 mPaaS 控制台，添加配置 <<<


动态logo2.gif

文章标签：
开发工具
数据安全/隐私保护
IDE
小程序
mPaaS小助手
目录
相关文章
糜终
|
存储 Go 容器
深入探究Go语言中的数据结构
深入探究Go语言中的数据结构
糜终
375 4
请看我回答~
|
机器学习/深度学习 数据采集 自然语言处理
打造个性化新闻推荐系统：机器学习与自然语言处理的结合Java中的异常处理：从基础到高级
【8月更文挑战第27天】在信息过载的时代，个性化新闻推荐系统成为解决信息筛选难题的关键工具。本文将深入探讨如何利用机器学习和自然语言处理技术构建一个高效的新闻推荐系统。我们将从理论基础出发，逐步介绍数据预处理、模型选择、特征工程，以及推荐算法的实现，最终通过实际代码示例来展示如何将这些理论应用于实践，以实现精准的个性化内容推荐。
请看我回答~
318 2
chnjames
|
机器学习/深度学习 人工智能 数据可视化
21款改变世界的AI工具：释放无限创意！
本文收集了21款令人惊叹的人工智能工具，每一款工具都为用户带来了创新与便捷。从数据分析、文档编写、语音克隆到图像升频，这些工具涵盖了多领域的应用。无论是自动化工作流的 n8n，还是开源替代 Notion 的 AppFlowy，这些工具都旨在通过 AI 提高生产力、简化流程，甚至激发更多创意。本文详细介绍了每个工具的用途、功能特点以及使用场景，是你探索 AI 世界的必备指南。
chnjames
884 0
汀丶人工智能
|
存储 人工智能 自然语言处理
高级 RAG 技术：提升生成式 AI 系统输出质量与性能鲁棒性【预检索、检索、检索后、生成优化等】
高级 RAG 技术：提升生成式 AI 系统输出质量与性能鲁棒性【预检索、检索、检索后、生成优化等】
汀丶人工智能
897 2
高级 RAG 技术：提升生成式 AI 系统输出质量与性能鲁棒性【预检索、检索、检索后、生成优化等】
路人与大师
|
人工智能 自然语言处理 搜索推荐
如何构建一套qwen-max智能体拥有媲美通义千问在线接口的能力
智能系统通过任务识别、决策引擎、工具选择和结果整合，自动选择合适的工具和方法，高效处理查询、生成、翻译、图像处理等任务，提供精准的解决方案。系统支持自然语言理解、任务分类、语义解析与意图识别，确保任务的准确执行和反馈。
路人与大师
401 3
1941623231718325
|
传感器 人工智能 安全
智能窗户：自动调节光线与温度的玻璃
【10月更文挑战第20天】智能窗户通过内置传感器和控制系统，自动调节光线与温度，提升家居舒适度并实现节能减排。本文探讨其基本原理、技术创新、实际应用及未来发展趋势，展示这一高科技产品如何改变我们的生活方式。
1941623231718325
713 3
baker_zhuang
|
移动开发 JavaScript 前端开发
ThreeJs简介
这篇文章介绍了Three.js的基础知识，包括其相对于WebGL的优势以及如何使用Three.js创建基本的3D场景。
baker_zhuang
729 1
请看我回答~
|
人工智能 自然语言处理 算法
人工智能浪潮下的编程教育革新
【8月更文挑战第20天】在AI技术的推动下，编程教育正在经历一场革命性变化。本文将探讨这一变革如何影响学习者、教育者和行业实践，并分析其对传统教学方法和课程设计的影响及未来趋势。
请看我回答~
337 3
nanshaws
|
安全 测试技术 项目管理
中级软件设计师考试（软考中级）计算机专业英语
一些常用的英语词汇和短语，可能在软考中级设计师考试中有所帮助。
nanshaws
545 0
楠竹11
|
人工智能 自然语言处理 网络架构
单一作者论文，谷歌提出百万专家Mixture，超越密集前馈、稀疏MoE
【7月更文挑战第27天】谷歌提出了一种名为“百万专家Mixture”的神经网络架构，旨在解决Transformer模型处理大规模数据时面临的计算和内存效率问题。该架构通过利用“产品键”技术实现从大规模专家池中的高效检索，相较于传统密集前馈网络和稀疏MoE模型，在性能-计算权衡方面展现出明显优势。尽管如此，模型训练的复杂性和大规模模型的有效管理仍然是挑战。[链接](https://arxiv.org/abs/2407.04153)
楠竹11
307 2