- 从“机房”到“数字油田”的三重跃迁 当服务器机房成为数字时代的“新油田”，它正在被重新定义2026年，亚马逊、微软、谷歌、Meta四家科技巨头计划在AI基础设施上投入的资本支出合计约7300亿美元——这个数字同比暴涨78%，超过了很多国家的全年GDP。这些钱大部分去了同一个地方：算力中心。但如果你对算力中心的印象还停留在“一排排服务器的空调机房”，那可能需要更新一下认知了。今天的算力中心，正... 从“机房”到“数字油田”的三重跃迁 当服务器机房成为数字时代的“新油田”，它正在被重新定义2026年，亚马逊、微软、谷歌、Meta四家科技巨头计划在AI基础设施上投入的资本支出合计约7300亿美元——这个数字同比暴涨78%，超过了很多国家的全年GDP。这些钱大部分去了同一个地方：算力中心。但如果你对算力中心的印象还停留在“一排排服务器的空调机房”，那可能需要更新一下认知了。今天的算力中心，正...
- 离线评测高分上线却翻车，根因常是评测集样本来源偏离真实流量。文章拆解便利样本、静态快照、长尾坍缩三类偏差，给出流量画像与 PSI 漂移度量、按流量分层的采样配额、桶级门槛与置信区间判定，以及抽样集与回归集分离的线上回流闭环。 离线评测高分上线却翻车，根因常是评测集样本来源偏离真实流量。文章拆解便利样本、静态快照、长尾坍缩三类偏差，给出流量画像与 PSI 漂移度量、按流量分层的采样配额、桶级门槛与置信区间判定，以及抽样集与回归集分离的线上回流闭环。
- 一、背景：为什么 Agent 不能只看最终答案？随着大语言模型（LLM）从简单的文本问答逐渐发展为能够自主规划、调用工具和执行复杂任务的 AI Agent，如何准确评价 Agent 的能力，成为一个越来越重要的问题。对于传统的大语言模型，我们通常可以通过准确率、BLEU、ROUGE 等指标评价模型生成的结果。但对于 Agent 来说，仅仅判断最终答案是否正确，已经不足以全面反映其能力。例如，... 一、背景：为什么 Agent 不能只看最终答案？随着大语言模型（LLM）从简单的文本问答逐渐发展为能够自主规划、调用工具和执行复杂任务的 AI Agent，如何准确评价 Agent 的能力，成为一个越来越重要的问题。对于传统的大语言模型，我们通常可以通过准确率、BLEU、ROUGE 等指标评价模型生成的结果。但对于 Agent 来说，仅仅判断最终答案是否正确，已经不足以全面反映其能力。例如，...
- Keras 3 架构解析（二）：神经网络层——从 Layer 抽象到网络组件设计 引言在上一篇文章中，我们介绍了 Keras 3 的基础计算层，包括多后端计算架构、Keras Ops、自动微分、JIT 编译以及数值精度管理等核心机制。基础计算层解决了数学运算如何执行的问题，但仅有张量运算并不足以构建完整的神经网络。一个实际的深度学习模型通常由多个计算单元组成。这些计算单元不仅需要执行数学变... Keras 3 架构解析（二）：神经网络层——从 Layer 抽象到网络组件设计 引言在上一篇文章中，我们介绍了 Keras 3 的基础计算层，包括多后端计算架构、Keras Ops、自动微分、JIT 编译以及数值精度管理等核心机制。基础计算层解决了数学运算如何执行的问题，但仅有张量运算并不足以构建完整的神经网络。一个实际的深度学习模型通常由多个计算单元组成。这些计算单元不仅需要执行数学变...
- 投机解码在 2026 年已经从研究论文变成了推理框架的标配功能。原理不复杂：用一个小模型快速生成若干草稿 Token，大模型一次并行验证，接受的部分直接保留，拒绝的部分重新生成。宣传口径通常是“2 到 2.5 倍加速”。但生产环境的调优经验给出的图景比这个数字细得多。vLLM 的文档对适用条件写得很直接：投机解码减少的是 inter-token latency，适合中低 QPS、memory... 投机解码在 2026 年已经从研究论文变成了推理框架的标配功能。原理不复杂：用一个小模型快速生成若干草稿 Token，大模型一次并行验证，接受的部分直接保留，拒绝的部分重新生成。宣传口径通常是“2 到 2.5 倍加速”。但生产环境的调优经验给出的图景比这个数字细得多。vLLM 的文档对适用条件写得很直接：投机解码减少的是 inter-token latency，适合中低 QPS、memory...
- 随机森林（Random Forest）是机器学习中最经典的集成学习算法之一。它通过 Bootstrap 有放回抽样和随机特征选择，训练大量具有差异的决策树，再将多棵树的预测结果进行组合，从而降低单棵决策树的预测方差，提高模型稳定性。 随机森林（Random Forest）是机器学习中最经典的集成学习算法之一。它通过 Bootstrap 有放回抽样和随机特征选择，训练大量具有差异的决策树，再将多棵树的预测结果进行组合，从而降低单棵决策树的预测方差，提高模型稳定性。
- 过去几年，我们习惯让大模型去优化文本：提示词、Agent 脚手架，甚至训练代码。但神经网络的权重一直是 Adam、Muon 这类符号优化器的领地。11 月 2 日，MIT CSAIL 的 Rikiya Takehi、Jayden Teoh、Alex Zhang 和 Omar Khattab 发布博客，提出“权重空间编程”：让通用前沿 LLM 直接读、写、改另一个网络的权重，不经梯度下降。结果... 过去几年，我们习惯让大模型去优化文本：提示词、Agent 脚手架，甚至训练代码。但神经网络的权重一直是 Adam、Muon 这类符号优化器的领地。11 月 2 日，MIT CSAIL 的 Rikiya Takehi、Jayden Teoh、Alex Zhang 和 Omar Khattab 发布博客，提出“权重空间编程”：让通用前沿 LLM 直接读、写、改另一个网络的权重，不经梯度下降。结果...
- 最近 LongCat-2.5 这个模型在技术圈讨论挺多。做测试这些年，对大模型新闻一般保持克制——参数再大、榜单再漂亮，跟我天天点 bug、守门禁能有多大关系？但这个模型我研究下来，方向不太一样。它不是又一个会聊天的模型，定位是面向长程智能体任务，参数 1.6 万亿，激活约 480 亿，原生多模态，Agentic RL——这几个标签凑一起，恰好都压在测试自动化的命门上。。一、LongCat-... 最近 LongCat-2.5 这个模型在技术圈讨论挺多。做测试这些年，对大模型新闻一般保持克制——参数再大、榜单再漂亮，跟我天天点 bug、守门禁能有多大关系？但这个模型我研究下来，方向不太一样。它不是又一个会聊天的模型，定位是面向长程智能体任务，参数 1.6 万亿，激活约 480 亿，原生多模态，Agentic RL——这几个标签凑一起，恰好都压在测试自动化的命门上。。一、LongCat-...
- 大模型是如何训练出来的？从海量数据到智能对话的全过程一、引言近年来，人工智能技术发展迅速，以 ChatGPT、DeepSeek、Claude 等为代表的大语言模型（Large Language Model，简称 LLM）逐渐走进人们的日常生活。无论是回答问题、编写代码、撰写文章，还是进行复杂的逻辑推理，大模型都展现出了令人惊叹的能力。那么，一个大模型究竟是如何诞生的？它为什么能够理解人类语言... 大模型是如何训练出来的？从海量数据到智能对话的全过程一、引言近年来，人工智能技术发展迅速，以 ChatGPT、DeepSeek、Claude 等为代表的大语言模型（Large Language Model，简称 LLM）逐渐走进人们的日常生活。无论是回答问题、编写代码、撰写文章，还是进行复杂的逻辑推理，大模型都展现出了令人惊叹的能力。那么，一个大模型究竟是如何诞生的？它为什么能够理解人类语言...
- 数据挖掘和 BI 常被当成一件事来采购:既想看报表,也想让系统告诉下一步会怎样。但这两件事在平台里的落点完全不同——BI 把已经发生的事摆清楚,数据挖掘把还没发生的事推出来;前者要求口径统一、权限清晰,后者要求样本干净、目标可定义。把这两段分开看,"买一个带挖掘的 BI 还是两套并存"才有答案。先把界划清:BI 管看到与解释,数据挖掘管预测与分群BI 的产出是"看到"与"解释":这个月卖了多... 数据挖掘和 BI 常被当成一件事来采购:既想看报表,也想让系统告诉下一步会怎样。但这两件事在平台里的落点完全不同——BI 把已经发生的事摆清楚,数据挖掘把还没发生的事推出来;前者要求口径统一、权限清晰,后者要求样本干净、目标可定义。把这两段分开看,"买一个带挖掘的 BI 还是两套并存"才有答案。先把界划清:BI 管看到与解释,数据挖掘管预测与分群BI 的产出是"看到"与"解释":这个月卖了多...
- AI趋势分析：瓶颈从“模型能力”转向“系统交付”2026年走到尾声，一个判断正在变得清晰：AI竞争的胜负手，已经不在模型本身。前沿模型仍在迭代，但真正决定AI能走多远的，是模型之外的那一层——智能体能否接入真实的工作流，世界模型能否产出可信的仿真环境，开源生态能否跑通商业闭环，治理规则能否跟上迭代节奏。能力不是问题，交付才是。**智能体：使用量已过临界点，卡点在“门”不在“脑”**智能体在2... AI趋势分析：瓶颈从“模型能力”转向“系统交付”2026年走到尾声，一个判断正在变得清晰：AI竞争的胜负手，已经不在模型本身。前沿模型仍在迭代，但真正决定AI能走多远的，是模型之外的那一层——智能体能否接入真实的工作流，世界模型能否产出可信的仿真环境，开源生态能否跑通商业闭环，治理规则能否跟上迭代节奏。能力不是问题，交付才是。**智能体：使用量已过临界点，卡点在“门”不在“脑”**智能体在2...
- 引言11 月 2 日，美团 LongCat 团队正式发布 LongCat-2.5：原生多模态的混合专家（MoE）模型，总参数 1.6 万亿，每个 token 约激活 480 亿。真正值得拆解的是它的训练思路——围绕“长程任务”做强化学习，并把真实智能体的失败变成新的训练数据。一、目标：从“写一段代码”到“做完一个项目”据 Pandaily 与 TechNode 报道，LongCat-2.5 ... 引言11 月 2 日，美团 LongCat 团队正式发布 LongCat-2.5：原生多模态的混合专家（MoE）模型，总参数 1.6 万亿，每个 token 约激活 480 亿。真正值得拆解的是它的训练思路——围绕“长程任务”做强化学习，并把真实智能体的失败变成新的训练数据。一、目标：从“写一段代码”到“做完一个项目”据 Pandaily 与 TechNode 报道，LongCat-2.5 ...
- 一、智能体本地部署：企业数字化转型的必然选择随着人工智能技术的快速迭代，2026年已成为AI智能体从概念验证迈向规模化落地的关键节点。根据行业权威报告显示，全球AI智能体相关市场规模预计将突破1500亿美元，其中企业级应用贡献超七成份额。在此背景下，多模态感知与跨场景协同已成为智能体技术演进的核心方向，而本地部署作为保障数据安全、提升系统性能的关键模式，正成为企业数字化转型的重要选择。企业选... 一、智能体本地部署：企业数字化转型的必然选择随着人工智能技术的快速迭代，2026年已成为AI智能体从概念验证迈向规模化落地的关键节点。根据行业权威报告显示，全球AI智能体相关市场规模预计将突破1500亿美元，其中企业级应用贡献超七成份额。在此背景下，多模态感知与跨场景协同已成为智能体技术演进的核心方向，而本地部署作为保障数据安全、提升系统性能的关键模式，正成为企业数字化转型的重要选择。企业选...
- 11 月 2 日，美团 LongCat（龙猫）团队正式发布了 LongCat-2.5。据报道，这是一款总参数约 1.6 万亿、每 token 激活约 480 亿参数的 MoE（混合专家）模型，上下文窗口达 1M token，定位非常明确：面向长程智能体任务的原生多模态模型。API 已经上线，但据 11 月 3 日的第三方梳理，权重尚未在 GitHub 与 Hugging Face 上放出。如... 11 月 2 日，美团 LongCat（龙猫）团队正式发布了 LongCat-2.5。据报道，这是一款总参数约 1.6 万亿、每 token 激活约 480 亿参数的 MoE（混合专家）模型，上下文窗口达 1M token，定位非常明确：面向长程智能体任务的原生多模态模型。API 已经上线，但据 11 月 3 日的第三方梳理，权重尚未在 GitHub 与 Hugging Face 上放出。如...
- 《强化学习与最优控制》第 2.2-2.4 节 · 策略前展策略前展（Policy Rollout）是值空间近似最直观的实例：用一个已知的次优策略（基础策略）来估计未来费用，然后在此基础上做一步前瞻。它简单、有效、适用面广——从离散优化到棋类游戏都能用。 一、策略前展的基本思想 设定有一个基础策略 μ\muμ（已知的、容易计算的次优策略）想要得到一个更好的策略 μ~\tilde{\mu}μ~... 《强化学习与最优控制》第 2.2-2.4 节 · 策略前展策略前展（Policy Rollout）是值空间近似最直观的实例：用一个已知的次优策略（基础策略）来估计未来费用，然后在此基础上做一步前瞻。它简单、有效、适用面广——从离散优化到棋类游戏都能用。 一、策略前展的基本思想 设定有一个基础策略 μ\muμ（已知的、容易计算的次优策略）想要得到一个更好的策略 μ~\tilde{\mu}μ~...
上滑加载中
推荐直播
-
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 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签