本项目面向定制AI芯片，完成TensorFlow、PyTorch框架适配，打通模型训练与推理在定制硬件上的工程链路。主要功能模块包括：（1）编译图优化模块：基于TensorFlowXLA/HLOPass机制，落地常量折叠、代数化简等图优化，并支持新增适配业务的自定义Pass；（2）自定义算子模块：支

项目包含开架式机械结构、推进与动力、传感与感知、运动控制、水面控制与通信五大功能模块。开架式框架模块采用高密度聚乙烯（HDPE）或铝合金型材构建模块化开放式骨架，配合浮力材实现水中零浮力配平，耐压电子舱采用双重O型圈密封，支持传感器与工具载荷的快速拆装。推进模块采用“4+4”或六推进器矢量布局，实现

详情页的文章解析算法，借鉴了多个开源项目。列表页纯自研，利用多维评分机制，主要维度有：按照链接密度，标题特征，节点相似性，热区聚类，扩散边界，url结构相似度。

基于RAG（检索增强生成）架构，构建了面向专家访谈内容的企业级知识库问答系统。系统整合了Elasticsearch稀疏检索、Milvus向量检索、LLM生成等多项AI技术，实现了高精度的语义检索和智能问答能力。

系统含五大模块：①批量预标注引擎：基于本地大模型对62706条评论完成情感、ABSA、意图、原因、质量分五类任务自动标注，速度0.45秒/条；②清洗护栏模块：四道白盒规则闸自动拦截幻觉、越界、格式错误；③数据台账模块：全量数据唯一键管理，抽样登记，杜绝重复漏标；④模型微调模块：LoRA微调训练与GG

项目包含四个核心模块：（1）多姿态站立恢复：针对俯卧、仰卧、侧卧、贴墙等多种初始姿态训练统一的恢复策略，输出连续关节轨迹，使机器人从任意倒地状态恢复到稳定站立；（2）课程学习训练：按初始姿态难度、地面高度、外力扰动分阶段递增训练难度，解决「一次性给最难姿态导致策略塌缩」的问题，显著提升训练收敛稳定性

项目包含设备接入管理模块、MQTT测点数据采集模块、时序数据存储模块、实时监控组态展示模块、数据统计报表模块、异常告警推送模块。支持多协议设备接入，实时采集逆变器、储能、智能电表测点，持久化存储历史数据，支持曲线查询、组态拓扑展示、能耗统计、超限告警，为场站运维、能源分析提供数据支撑。

本项目主要功能模块包括：1）知识库与文档管理：多格式解析与OCR、四种切块策略及LLM自动推荐；2）混合检索与精排：查询改写、向量与全文双路召回、RRF融合、Reranker精排；3）对话问答：带引用溯源的回答，置信度门控在低分时强制拒答，避免乱编；4）AgenticRAG：七个按权限授权、全链路审

1.数据预处理模块：完成遥感影像数据集的格式转换、标注校验与类别对齐，处理1400+张训练图像与对应标注文件；2.模型训练模块：基于PyTorch实现目标检测模型的训练流程，支持25种受控实验配置的自动调度与断点续训；3.结果评估模块：实现分层AP评估、梯度方向分析、秩相关性分析等多种评估方法，自动

该数据标注工具，可以选择文件目录，设置XML保存目录，快捷键A-上一张，D-下一张，切换图片时自动保存标注，可以选择是否显示置信度，通过模型生成的XML标注文件中如果包含置信度，可以显示出来。能显示对角线长度。