- API代码生成 Ascend for PyTorch 训练营(https://www.chaspark.com/#/s/AscendforPyTorch2026?multi=zh) 第四期PyTorch 的 Codegen 的调用全链路：以 torch.add(a, b) 为例，展示一次调用从 Python 到硬件的完整路径：Python 入口 ↓pybind11 C++ 绑定（cod... API代码生成 Ascend for PyTorch 训练营(https://www.chaspark.com/#/s/AscendforPyTorch2026?multi=zh) 第四期PyTorch 的 Codegen 的调用全链路：以 torch.add(a, b) 为例，展示一次调用从 Python 到硬件的完整路径：Python 入口 ↓pybind11 C++ 绑定（cod...
- 机器学习模型不能只看训练结果，更要看它在新数据上的表现。对于科研任务来说，一个模型是否可靠，不仅取决于评价指标高不高，还取决于数据划分是否合理、测试集是否独立、是否存在数据泄漏，以及模型结论是否符合专业认知。 机器学习模型不能只看训练结果，更要看它在新数据上的表现。对于科研任务来说，一个模型是否可靠，不仅取决于评价指标高不高，还取决于数据划分是否合理、测试集是否独立、是否存在数据泄漏，以及模型结论是否符合专业认知。
- 同一个岗位序列，薪资差距已经大到没法用“职级”解释了大家好，我是某互联网大厂质量保障团队的技术负责人，同时也参与了多年的招聘和职级评审工作。今天不聊技术方案，聊一个让很多测试同行扎心的话题——2026年测试岗位的薪资，已经分化到了什么程度？先上一组真实数据。一、两张offer截图，差了一辆特斯拉上个月帮一个学弟看offer，某大厂给AI对齐岗的校招白菜价，总包42万。同一个公司，传统测试开发... 同一个岗位序列，薪资差距已经大到没法用“职级”解释了大家好，我是某互联网大厂质量保障团队的技术负责人，同时也参与了多年的招聘和职级评审工作。今天不聊技术方案，聊一个让很多测试同行扎心的话题——2026年测试岗位的薪资，已经分化到了什么程度？先上一组真实数据。一、两张offer截图，差了一辆特斯拉上个月帮一个学弟看offer，某大厂给AI对齐岗的校招白菜价，总包42万。同一个公司，传统测试开发...
- 算子接入 Ascend for PyTorch 训练营(https://www.chaspark.com/#/s/AscendforPyTorch2026?multi=zh) 第三期基于 OpPlugin（官方推荐的主流方式）仿照 PyTorch 原生机制，在 YAML 里声明算子信息，编译时自动生成声明和注册代码，开发者只需关注核心逻辑。支持两类算子：ACLOP（旧）和 ACLNN（新），... 算子接入 Ascend for PyTorch 训练营(https://www.chaspark.com/#/s/AscendforPyTorch2026?multi=zh) 第三期基于 OpPlugin（官方推荐的主流方式）仿照 PyTorch 原生机制，在 YAML 里声明算子信息，编译时自动生成声明和注册代码，开发者只需关注核心逻辑。支持两类算子：ACLOP（旧）和 ACLNN（新），...
- 一、引言在机器学习中，集成学习方法通过组合多个基学习器来提升整体性能，而AdaBoost（Adaptive Boosting，自适应增强）正是其中最经典的算法之一。AdaBoost由Freund和Schapire于1996年提出，是第一个成功的Boosting算法实现。本文将从理论到实践，详细介绍如何使用Scikit-learn库训练AdaBoost分类器。 二、AdaBoost算法原理A... 一、引言在机器学习中，集成学习方法通过组合多个基学习器来提升整体性能，而AdaBoost（Adaptive Boosting，自适应增强）正是其中最经典的算法之一。AdaBoost由Freund和Schapire于1996年提出，是第一个成功的Boosting算法实现。本文将从理论到实践，详细介绍如何使用Scikit-learn库训练AdaBoost分类器。 二、AdaBoost算法原理A...
- 文章摘要： Skill工程是构建AIAgent能力体系的核心，通过模块化封装、标准化编排和智能调度，解决大模型在复杂业务场景中逻辑混乱、执行不稳定等问题。Skill分为原子技能（基础能力单元）和复合技能（业务场景组合），需遵循单一职责、输入输出标准化等设计原则。关键实现包括分层封装（工具层、原子层、业务层）、四大编排模式（串行、并行、分支、循环）及智能路由调度（规则、语义、向量匹配）。优化方向涵盖 文章摘要： Skill工程是构建AIAgent能力体系的核心，通过模块化封装、标准化编排和智能调度，解决大模型在复杂业务场景中逻辑混乱、执行不稳定等问题。Skill分为原子技能（基础能力单元）和复合技能（业务场景组合），需遵循单一职责、输入输出标准化等设计原则。关键实现包括分层封装（工具层、原子层、业务层）、四大编排模式（串行、并行、分支、循环）及智能路由调度（规则、语义、向量匹配）。优化方向涵盖
- 很多人第一次做机器学习实验时，会下意识寻找“最先进的模型”。但对于大多数科研预测任务来说，第一步更应该是跑通完整流程，而不是追求复杂算法。本文介绍如何用最朴素的思路完成第一次机器学习实验。 很多人第一次做机器学习实验时，会下意识寻找“最先进的模型”。但对于大多数科研预测任务来说，第一步更应该是跑通完整流程，而不是追求复杂算法。本文介绍如何用最朴素的思路完成第一次机器学习实验。
- 算子接入 Ascend for PyTorch 训练营(https://www.chaspark.com/#/s/AscendforPyTorch2026?multi=zh) 第三期概览与背景算子接入给 PyTorch 和昇腾 NPU 之间搭一座桥。PyTorch 原生算子主要面向 CPU/GPU，要让它在昇腾芯片上跑，需要把上层算子调用翻译成昇腾底层能执行的指令。OpPlugin 就是这个... 算子接入 Ascend for PyTorch 训练营(https://www.chaspark.com/#/s/AscendforPyTorch2026?multi=zh) 第三期概览与背景算子接入给 PyTorch 和昇腾 NPU 之间搭一座桥。PyTorch 原生算子主要面向 CPU/GPU，要让它在昇腾芯片上跑，需要把上层算子调用翻译成昇腾底层能执行的指令。OpPlugin 就是这个...
- 大家好，我是老K，一个在电商安全圈儿摸爬滚打七八年的老兵。前两天跟一个在拼多多做安全的老友撸串，三杯啤酒下肚，他跟我吐了个槽：他们现在搞大促，安全测试已经不怎么靠人肉堆了，而是让AI先把“最可能被薅秃噜皮”的路径自动筛出来，测试照着打就行，效率直接翻了10倍。我听完差点一口毛肚呛进嗓子眼儿。你知道，干我们这行的，大促前最怕什么？不是黑客DDoS，而是那群拿着计算器、比产品经理还懂规则的羊毛党... 大家好，我是老K，一个在电商安全圈儿摸爬滚打七八年的老兵。前两天跟一个在拼多多做安全的老友撸串，三杯啤酒下肚，他跟我吐了个槽：他们现在搞大促，安全测试已经不怎么靠人肉堆了，而是让AI先把“最可能被薅秃噜皮”的路径自动筛出来，测试照着打就行，效率直接翻了10倍。我听完差点一口毛肚呛进嗓子眼儿。你知道，干我们这行的，大促前最怕什么？不是黑客DDoS，而是那群拿着计算器、比产品经理还懂规则的羊毛党...
- 不夸张地说，华为云RLaaS强化学习调度正在重塑云资源编排的决策逻辑。它不是又一个调度算法的简单翻新，而是把在线学习的试错能力注入到底层资源分配中，让集群能够根据实时负载动态调整策略。过去一年间，多家云厂商在弹性调度上的内卷已经从静态阈值转向了模型驱动，RLaaS的落地正好踩在这条技术曲线上。 不夸张地说，华为云RLaaS强化学习调度正在重塑云资源编排的决策逻辑。它不是又一个调度算法的简单翻新，而是把在线学习的试错能力注入到底层资源分配中，让集群能够根据实时负载动态调整策略。过去一年间，多家云厂商在弹性调度上的内卷已经从静态阈值转向了模型驱动，RLaaS的落地正好踩在这条技术曲线上。
- 引言在机器学习中，特征工程往往比算法选择更能决定模型的上限。当数据呈现非线性结构时，传统的线性模型常常力不从心。本文将介绍Scikit-learn中一个相对冷门却非常强大的工具——随机森林嵌入（Random Forest Embedding），它能够将原始数据映射到高维稀疏空间，从而让线性模型也能捕捉非线性关系。 什么是随机森林嵌入？随机森林嵌入的核心思想来自Scikit-learn的Ra... 引言在机器学习中，特征工程往往比算法选择更能决定模型的上限。当数据呈现非线性结构时，传统的线性模型常常力不从心。本文将介绍Scikit-learn中一个相对冷门却非常强大的工具——随机森林嵌入（Random Forest Embedding），它能够将原始数据映射到高维稀疏空间，从而让线性模型也能捕捉非线性关系。 什么是随机森林嵌入？随机森林嵌入的核心思想来自Scikit-learn的Ra...
- 上下文工程：大模型落地的核心方法论 本文系统阐述了上下文工程作为大模型应用底层基石的重要性与实施框架。不同于零散的提示词优化，上下文工程是一套体系化的信息管理方法论，通过四大核心策略解决大模型实际应用中的关键问题： 窗口管理 - 精细化分配Token资源，采用滑动窗口、动态预算等策略防止信息溢出 消息编排 - 结构化组织信息流，利用大模型首尾注意力偏好提升关键信息识别率 记忆压缩 - 通过摘要提炼 上下文工程：大模型落地的核心方法论 本文系统阐述了上下文工程作为大模型应用底层基石的重要性与实施框架。不同于零散的提示词优化，上下文工程是一套体系化的信息管理方法论，通过四大核心策略解决大模型实际应用中的关键问题： 窗口管理 - 精细化分配Token资源，采用滑动窗口、动态预算等策略防止信息溢出 消息编排 - 结构化组织信息流，利用大模型首尾注意力偏好提升关键信息识别率 记忆压缩 - 通过摘要提炼
- 单车目标检测数据集：3,000张图像 | 目标检测源码数据分享通过网盘分享的文件：单车检测数据集 链接: https://pan.baidu.com/s/1IQSl2fuzS1VtbyUurb0M9w?pwd=wrd5 提取码: wrd5一、引言：城市单车管理的视觉智能化浪潮随着智慧城市建设与人工智能视觉技术的快速发展，基于深度学习的目标检测技术已经广泛应用于交通监测、安防巡检、共享单车管理... 单车目标检测数据集：3,000张图像 | 目标检测源码数据分享通过网盘分享的文件：单车检测数据集 链接: https://pan.baidu.com/s/1IQSl2fuzS1VtbyUurb0M9w?pwd=wrd5 提取码: wrd5一、引言：城市单车管理的视觉智能化浪潮随着智慧城市建设与人工智能视觉技术的快速发展，基于深度学习的目标检测技术已经广泛应用于交通监测、安防巡检、共享单车管理...
- OMI/Aura Surface UV Irradiance 1-orbit L2 Swath 13x24 km V003 (OMUVB)简介美国宇航局戈达德地球科学数据与信息服务中心 (GES DISC) 现已向公众开放 Aura 臭氧监测仪 (OMI) 003 版地表紫外线辐照度产品 (OMUVB)。该二级 OMI 地表 UVB 产品的简称为 OMUVB。该产品的算法科学家为：Jari... OMI/Aura Surface UV Irradiance 1-orbit L2 Swath 13x24 km V003 (OMUVB)简介美国宇航局戈达德地球科学数据与信息服务中心 (GES DISC) 现已向公众开放 Aura 臭氧监测仪 (OMI) 003 版地表紫外线辐照度产品 (OMUVB)。该二级 OMI 地表 UVB 产品的简称为 OMUVB。该产品的算法科学家为：Jari...
- 很多测试工程师做到高级阶段后，都会遇到一个现实问题：技术能力已经很强了，复杂问题能解决，自动化框架能搭建，线上故障能快速定位，团队遇到难题时，大家也习惯来找你。但继续往上走，却开始变得困难。技术专家岗位数量有限，想进一步晋升，测试负责人、测试经理、质量负责人，往往成为绕不开的职业方向。于是，不少技术骨干会产生一个疑问：技术能力很强，就一定适合做测试管理吗？答案当然不是“技术强，就一定会管理”... 很多测试工程师做到高级阶段后，都会遇到一个现实问题：技术能力已经很强了，复杂问题能解决，自动化框架能搭建，线上故障能快速定位，团队遇到难题时，大家也习惯来找你。但继续往上走，却开始变得困难。技术专家岗位数量有限，想进一步晋升，测试负责人、测试经理、质量负责人，往往成为绕不开的职业方向。于是，不少技术骨干会产生一个疑问：技术能力很强，就一定适合做测试管理吗？答案当然不是“技术强，就一定会管理”...
上滑加载中
推荐直播
-
用码道，让你的AI作品三步上朋友圈2026/08/04 周二 19:00-20:00
林华鼎-华为云AI开发者运营负责人
从入门 · 到做AI应用 · 到企业级开发。不教编程，只教用AI · 零代码、有产出、能带走、可炫耀 · 每课人人动手实操
回顾中 -
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中
热门标签