工作内容： 1、对《AI量化交易》书籍章节初稿进行优化完善，包括但不限于文字润色、案例补充、逻辑梳理、数据核查等。 2、通过AI工具及互联网检索相关领域信息，确保内容准确性与前沿性。 3、与负责人保持沟通，每周线下交流进展，接受反馈并迭代优化。 4、每完成一个章节的优化任务，可获得固定报酬。 职位要求： 1、对知识有强烈好奇心，喜欢通过AI或互联网检索、整合信息。 2、注重细节，追求内容的严谨性与可读性，有一定文字打磨能力。 3、每周可工作3-5天，支持线上办公，但需在上海（松江大学城或华东师范周边优先）。 4、对AI、量化交易、金融科技等领域有基础了解或兴趣者优先。
一、项目概述 我们是生活服务O2O平台，计划开发一款集门店加盟、供应链管理、会员营销于一体的微信小程序生态系统。 二、核心技术要求 ✓ 后端语言：必须使用Go语言(Gin框架) ✓ 数据库：MySQL + Redis缓存 ✓ 设备通信：MQTT等协议对接物联网设备 ✓ 小程序端：微信原生框架开发 ✓ 部署环境：自有服务器集群 三、详细功能模块 1. 消费者端小程序 - 微信一键登录、付款后自启动设备 - 会员成长体系（积分、权益、优惠券） - 服务记录与订单追踪 2. 商户端小程序 - 订单管理与服务核销 - 进销存销存数据可视化 - 一体化采购商城 - 经营分析与财务报表 3. 运营管理后台 - 全域数据驾驶舱 - 自动化财务清算 - 商户管理与赋能工具 - 商品及供应链管控 需配备小团队，不接受一人开发，需签合同，走平台交易。
做一个数据库，然后实时直播视频监控球体运动速度等等，白球的运动速度每一圈速度是多少ms，保存到数据库 1:白色球体扔出时候顺时针，逆时针 2:从扔出球体开始位置，每一圈的速度是多少，ms 3:白色球体扔出去时候对应的数字是多少，每一圈到白色球体开始位置对应的数字是多少
视频世界模型采购需求（游戏） 需求描述 1.1.需求详情 1.1 需求描述 采集带动作标注的3D游戏视频，可以是赛车类游戏、科技类游戏、世界探索类游戏等。主要有以下要求： 1.游戏场景多样化（比如不同的自然环境，城市街道、森林、山地等），不能是大量单一重复的场景。尽可能的去遍历游戏中的不同场景和操作/交互。同个场景重复录制以及在同个场景中长时间停留为无效数据。 2.需要包含游戏角色和场景的互动，比如攻击、开关/门、上车/马、推动物体、拾取装备等。游戏角色静止不动，或者简单走来走去无任何交互动作为无效数据。 3.需要记录所有输入设备的操作，比如键盘输入、鼠标轨迹等。记录所有操作对应的视频帧。操作和视频帧对应误差不超过0.1s 4.录制游戏时，要尽可能的消除所有和场景无关的内容，减少对场景遮挡，比如进度条，文字对话框，各种弹窗/提示框等等。要求干净的视频区域的长和宽(不包括场景无关的内容)不得小于原始视频的长以及宽的70%。下面示例图中左边为不合格示例，右侧为合格示例： 不合格，画面存在较多UI遮挡 合格，场景画面干净，或UI遮挡不超过画面长&宽的70% 5.应尽量保持自然体验，不要出现太多拥挤的人物和NPC，以及过多过于复杂的打斗场景。不要有过多的非物理世界元素，如大量特效技能等。 6.游戏视角的变化要尽量平滑。不能剧烈的移动画面和视角。 7.不要过场动画。 8.排除2D游戏，比如棋牌类的，俄罗斯方块等。 9.场景明亮可见度高，避免太暗的场景。如漆黑的夜晚，阴暗的地下室等。 游戏种类应丰富，可参考steam平台top 500的当前热门游戏 + top 2000的历史 具体费用详细沟通，可按条数或者按工时，具体可谈 —————————————————————————————— 注意📢：具体项目费用、需求情况需和客户直接沟通，现在的费用是平台发布随机填写，不具参考意义
主要技术栈需要会的 vue2 js ts ，ts 部分最起码可以读懂代码，能够看懂页面逻辑，实现 vue 3 页面和 vue2 页面的转换。目前工作是将 vue3 +angularJs转换成 vue2+js，可熟练运用大模型完成语句转化，对接现有接口
项目需求：开发软件系统和硬件 人员要求：需要做过红外光谱和拉曼病毒检测类似这种项目的开发人员 附加优势：做过消防检测预警类项目，会硬件及软件优先 附言：可远程办公，时间充足着优先，可先沟通具体开发需求，兼职全职都可
有网阅系统成本开发经验，系统有大量成功使用案例 寻找具有K12网络阅卷系统开发经验的技术人员。要求有扎实的编程能力，熟悉教育行业的相关需求，尤其是在线阅卷、自动评分和成绩分析等模块的开发经验。能独立开发、部署并维护系统的人员。需要了解数据安全和隐私保护，能够处理大规模并发访问以及实时数据分析。
需求：制作一个时长120分钟的ai短剧，周期是一个月，费用30000， 要求水平高，有参照水平视频，客户提供小说剧情，需要创作者改成脚本，生成视频等
我是临清本地人从事出租车行业，现在是客户通过电话联系我们坐车去济南，不过这种弊端是客户很容易流失，而且价格不统一，很多拉低价的撬走客户，我想借此平台找个有能力的人才开发一种软件或者想一种办法留住客户。
预约和外包人员管理系统的项目收尾验收： 该项目已基本开发完毕，功能包括预约管理、外包人员管理、首页工作台和后台系统管理四个模块。 需要做剩余的验收收尾工作，内容包括： 1、对照需求进行查漏补缺（如单点登录、待办对接、大屏驾驶舱展示等） 2、现场部署测试（如策略开通、UAT和生产的环境及程序包部署安装、测试验证等） 3、割接上线（如生产环境安装部署后的功能和性能验证） 4、完成客户侧验收（配合完成客户侧的验收流程） 由于涉及保密，此项目部署和联调均需现场工作（安贞门）。 付款节点为客户侧完成验收证明，此项目无首付。
自然语言处理，涉及大模型开发、调优、评估等技术，能对开源的大模型有一定的分析调优能力，包括预训练、有监督微调、人类反馈强化学习等关键环节，需能够对开源大模型进行深入分析与性能调优，通过参数高效微调、提示工程、模型剪枝等手段提升其效果与效率。必须具备系统化的模型评估能力，熟悉各类自动评价指标如BLEU、ROUGE、Perplexity等，并能结合人工评估和实际业务场景，构建全面有效的评估机制，从而确保模型在实际应用中的可用性与可靠性。
模型开发与训练： 负责从0到1构建、训练和优化机器学习/深度学习模型，解决具体的业务问题，包括但不限于：高质量文本分类模型的开发，如报告质量评估；大型语言模型的专项微调与优化，以在特定任务和环境中达到极致性能。 端到端项目交付： 独立或协同完成整个项目生命周期，包括需求理解、数据预处理、模型开发、模型训练与迭代、性能评估、模型部署上线以及技术文档编写。 算法研究与创新： 跟踪NLP和LLM领域的最新进展，并将先进技术应用于实际项目，以提升模型效果与效率。 代码与工程： 编写高质量、可维护、可复现的代码，并遵循软件工程最佳实践。
需要找一位能拿到Turnitin Instructor 版本的API KEY , 然後整合在我的telegram bot 入面, 另外整合Stripe 作收費。 因為現在我找不到那裡能拿到Turnitin api key, 我想用家能上載文章檔案去我的telegram bot, 然後自動發送抄襲報告以及人工智能檢查率的報告
点云算法相关：使用一些预测算法对激光点云数据进行精确识别与分类，包含大目标与小目标识别分割，一些扫描效果不好的点云数据要有一定的补全机制。精确分类后，能使用算法，对目标点位位置按照规程要求进行规划，使这些点位形成行动轨迹。
需求描述 产品类别：Shopify 开发进度：修改模版上的橱窗展示功能 功能：商品展示的时候，橱窗上的展示图片不变，只改变首图展示 技术：Liquid 具备Shopify账号授权，远程实现即可，不用坐班。
一、需求描述 产品类别：工具 开发进度：已经有原型、UI图，需要技术开发。 功能：通过工业和信息化部关于印发《互联网应用适老化及无障碍改造专项行动方案》接口，实现企业微信自动发送文本和文件消息 二、参考产品 内部产品 三、人才要求 3 年以上android开发经验，有《互联网应用适老化及无障碍改造专项行动方案》接口开发经验。 四、其他要求 坐班要求：无。 项目周期：demo周期10个工作日，如需要扩展开发，周期再定。
我们是教育软件行业从业者，现需定制一款应用于K12教育领域的题库软件。期望能打造出契合K12教育场景、满足基于PAD使用场景的题库设计和建设，期待专业服务商基于对K12教育的题库系统深入理解，快来展示你的优秀案例与独特构想
需求描述： 1、大模型部署与自然语言交互需求 2、知识库构建与管理需求 3、应用构建与体验需求 4、平台监控、运营与权限需求 5、性能与并发需求 有需求文档，可驻场接单的可详细沟通 坐班要求：需驻场开发 驻场地点：广西桂林驻场开发 项目周期：10-15天 预算：30000
🌐 GraphRAG 开发者挑战赛——法律文档处理（原型） 职位类型： 合同 / 自由职业 报酬方式： 仅在通过评测（总体得分 95% 以上）后支付 开发周期： 从接收材料起 7–10 天内完成现场演示 项目范围： GraphRAG 原型（无前端、无生产环境） 我们正在寻找一位紧跟当前图结构检索（Graph-based Retrieval）研究的专家，能够为法律文档设计一个高精度 GraphRAG 管道系统。 本项目不是聊天机器人或界面开发项目，也不是比拼延迟速度的竞赛。 系统可包含多跳检索或智能 Agent 调度。 知识图谱的构建与遍历属于项目范围。 ⚠️ 必须实现 GraphRAG，而非普通的 RAG！ 📂 你将获得的资料 /docs/ → 10 份预处理的 Markdown 法律文档（包含丰富元数据） /sample_questions.json → 2 个示例问题（格式参考） /sample_answers_rag.json → 2 个示例答案（风格与结构参考） 以上仅为格式参考。正式评测将使用未公开的新问题。 🛠️ 你需要完成的内容（仅限原型阶段） 请在 Python 3.12 环境下（Poetry 项目结构）实现以下两个函数： def ingest(document_paths: List[str]) -> None: """导入提供的法律 Markdown 文档，构建知识图谱等。""" def query(questions: List[str]) -> List[str]: """返回基于检索结果的答案，并使用 Vancouver 风格的引文格式。""" 要求： 无需前端 UI、无需 API Key、无需云环境； 可使用任意技术栈，重点在于方法与结果； query(...) 必须支持并行执行，并能在终端显示进度； 在 60 分钟的现场测试中需处理约 400 个问题。 🧪 评测与报酬（如何获得支付） 你在本地使用示例文件进行开发与调试； 现场测试时（60 分钟内），我们提供约 400 个新问题； 你运行 query(...) 并生成 /answers.json 文件； 我们使用 LLM 作为评测者对你的答案进行打分（你无需构建评估框架）。 若你的总体得分在以下四项指标中超过 95%，则视为通过： 忠实性（Faithfulness）：无幻觉，回答内容来源明确； 相关性（Relevance）：检索内容与问题高度匹配； 完整性（Completeness）：覆盖问题的所有关键要点； 清晰度（Clarity）：结构清晰、逻辑严谨、法律表达规范。 通过后需提交完整代码库（包含仓库、Poetry 锁文件、运行说明及技术说明文档）。 我们验证可复现性后支付报酬，并考虑与你签订长期合作。 注意事项： 不使用 F1 指标； 不考察延迟时间； 官方统一运行评测； 若未通过评测 → 无报酬，你保留代码所有权；不做例外处理。 英文版：We’re hiring an expert who follows current graph-based retrieval research and can design a high-accuracy GraphRAG pipeline for legal documents. This is not a chatbot/UI project and not a latency contest. The system may include multi-hop/agentic orchestration. Knowledge-graph construction and traversal are in scope. Must be GraphRAG not vanilla RAG! ---------------------------------------------------------------------- 📂 What You Receive - /docs/ → 10 pre-processed Markdown legal documents (rich metadata) - /sample_questions.json → 2 sample questions (format reference) - /sample_answers_rag.json → 2 sample answers (style/structure reference) These are for orientation only. The live benchmark uses unseen questions. ---------------------------------------------------------------------- 🛠️ What You Must Build (Prototype Only) Expose exactly two Python functions (Python 3.12, Poetry project): def ingest(document_paths: List[str]) - None: """Ingest the provided legal markdown documents, build knowledge graph etc.""" def query(questions: List[str]) - List[str]: """Return answers as strings with Vancouver-style citations grounded in retrieved sources.""" - No UI, no API keys provided, no cloud required - Use any stack—we care about your approach and results, not tools - query(...) must support parallel execution to process ~400 questions in the 60-min live session. Must show a progress indicator in the terminal. ---------------------------------------------------------------------- 🧪 Demo & Evaluation (How You Get Paid) - You implement locally using the samples for orientation - Live 60-min session: we provide ~400 questions - You run query(...) live and produce /answers.json - We run the benchmark (LLM-as-judge) on your answers; you don’t need to build an evaluation framework If your overall score is more than 95% across: • Faithfulness (no hallucinations; grounded in retrieved text) • Relevance (retrieval matches the query) • Completeness (key points fully covered) • Clarity (clear, structured, legally coherent) You hand over the entire codebase (repo, Poetry lock, run instructions, and short tech note). Payment is released only after you deliver the full repo and we verify reproducibility. You are considered for hiring/further engagement. NOTE: - We do not use F1 - We do not measure latency - We run the benchmark - Fail → No payment; you keep your code. No exceptions
招聘｜Python 后端兼职】亚马逊竞品数据自动采集与分析脚本开发 —— 可远程，个人开发者优先 🧩 项目简介 本项目用于亚马逊选品分析：基于 SellerSprite API + Keepa API，实现自动采集竞品数据 → 清洗 → 生成 Excel 报表，并能定期自动更新。 仅使用官方 API，不做爬虫。 📊 核心需求（必须实现） 1️⃣ 数据采集模块 SellerSprite： /v1/product/competitor-lookup（竞品查找） /v1/traffic/keyword（关键词流量） Keepa（精简版，可选）：历史价格、BSR、评论趋势、上架时间（Date First Available） 2️⃣ 数据输出模块（仅以下字段，其他不需要） 固定列： 记录日期｜类目名称｜产品图片｜链接｜ASIN｜品牌｜父体销量｜类目排名｜价格｜评分｜评论｜上架时间｜变体数量｜变体类型｜ 变体1销量｜变体1规格｜变体1价格｜变体2销量｜变体2规格｜变体2价格｜变体3销量｜变体3规格｜变体3价格 说明： 记录日期、类目名称：每次采集自动写入； 变体仅展开 Top3（按子体近30日销量优先，若不足3个则留空）。 3️⃣ 采样/选品模式 模式A：正态分布随机抽样（≥30个） 从 SellerSprite 返回的候选竞品池中，按类目排名/销量分布抽样；可设置参数：--sample-size、--std、--seed 等。 模式B：手动指定竞品 支持直接传入 ASIN 列表或文件，可选中需要调查的竞品，而不是随机抽样。 4️⃣ 自动更新模块（基础版） 命令行参数：--update daily | weekly | monthly 日更：价格、评分、评论数、BSR； 周更：关键词与广告词数据； 月更：趋势汇总（BSR、价格曲线）； 自动覆盖 Excel 对应字段，生成日志。 5️⃣ 配置与日志模块 config.yaml：存放 API Key、输出路径、更新频率、列名顺序； 限流与重试机制（429、超时自动重试），支持断点续传； 日志文件：error.log。 6️⃣ 上传与共享模块 在生成 Excel 文件后，系统可选择自动上传到 腾讯文档表格，实现团队共享； 通过 腾讯文档开放平台 API（HTTP 调用）实现： 支持创建/更新指定文档； 可设置更新模式：覆盖指定区域或追加行； 自动填充日期、类目、ASIN 等字段； 上传成功后返回腾讯文档链接写入日志。 🧠 技术要求 Python 3.10+；requests / pandas / openpyxl / tenacity /tencentcloud-sdk； 熟悉 REST API 调用与 JSON 解析； 有 Excel 生成与在线文档 API 对接经验优先； 能独立完成限流/重试逻辑；命令行工具即可，无需前端； 若后期扩展 Web 界面（上传类目/关键词），可再议长期合作。
