- 深度强化学习的离线策略评估：重要性采样与双重机器学习 引言在强化学习（RL）中，策略评估是核心任务之一。传统方法依赖在线交互，这在许多现实场景（如医疗、金融、自动驾驶）中成本高昂甚至不可行。离线策略评估（Off-Policy Evaluation, OPE）应运而生，它利用历史数据评估新策略，无需额外交互。本文将深入探讨两种前沿方法：重要性采样（Importance Sampling, I... 深度强化学习的离线策略评估：重要性采样与双重机器学习 引言在强化学习（RL）中，策略评估是核心任务之一。传统方法依赖在线交互，这在许多现实场景（如医疗、金融、自动驾驶）中成本高昂甚至不可行。离线策略评估（Off-Policy Evaluation, OPE）应运而生，它利用历史数据评估新策略，无需额外交互。本文将深入探讨两种前沿方法：重要性采样（Importance Sampling, I...
- 随着 Agent 智能体在自动驾驶、语音交互、机器人等领域的落地，一项关键挑战是 如何让模型在实际部署中具备高效、低延迟的推理性能。仅有训练精度高的模型还不够，推理框架的选择与优化策略，对性能影响巨大。 本篇文章从工程实践出发，对 TensorRT 与 ONNX Runtime (ORT) 的推理加速能力进行对比，并给出完整部署示例。 随着 Agent 智能体在自动驾驶、语音交互、机器人等领域的落地，一项关键挑战是 如何让模型在实际部署中具备高效、低延迟的推理性能。仅有训练精度高的模型还不够，推理框架的选择与优化策略，对性能影响巨大。 本篇文章从工程实践出发，对 TensorRT 与 ONNX Runtime (ORT) 的推理加速能力进行对比，并给出完整部署示例。
- 本文整理了一份AI测试开发岗位面试指南，涵盖基础概念、模型测试方法及系统设计场景题。从算法原理到工程实践，帮助测试从业者系统掌握AI测试要点，提升转型竞争力。 本文整理了一份AI测试开发岗位面试指南，涵盖基础概念、模型测试方法及系统设计场景题。从算法原理到工程实践，帮助测试从业者系统掌握AI测试要点，提升转型竞争力。
- 在缺乏统一控制者的情境中，各智能体为了最大化自身收益，会产生策略博弈，最终表现为市场均衡点、稳定策略或不良竞争。因此，如何通过博弈论视角设计资源分配算法，成为多智能体系统研究的关键命题。 在缺乏统一控制者的情境中，各智能体为了最大化自身收益，会产生策略博弈，最终表现为市场均衡点、稳定策略或不良竞争。因此，如何通过博弈论视角设计资源分配算法，成为多智能体系统研究的关键命题。
- LBA-ECO ND-11 Pre-harvest Forest Tree and Liana Biomass, NW Mato Grosso, Brazil: 2003简介摘要代码!pip install leafmap!pip install pandas!pip install folium!pip install matplotlib!pip install mapclassif... LBA-ECO ND-11 Pre-harvest Forest Tree and Liana Biomass, NW Mato Grosso, Brazil: 2003简介摘要代码!pip install leafmap!pip install pandas!pip install folium!pip install matplotlib!pip install mapclassif...
- LBA-ECO ND-11 河流碳和营养物质，巴西马托格罗索州：2003-2006 年简介本数据集包含亚马逊季节性干旱地区四条源头溪流的基流水体 pH 值、电导率、碱性阳离子、碳（溶解性有机碳（DOC）、颗粒性有机碳（POC）和碳酸氢盐碱度）以及二氧化硅的浓度数据（Johnson 等，2006a；Johnson 等，2006b）。数据以逗号分隔的 ASCII 文件形式提供。这项针对四个源头流... LBA-ECO ND-11 河流碳和营养物质，巴西马托格罗索州：2003-2006 年简介本数据集包含亚马逊季节性干旱地区四条源头溪流的基流水体 pH 值、电导率、碱性阳离子、碳（溶解性有机碳（DOC）、颗粒性有机碳（POC）和碳酸氢盐碱度）以及二氧化硅的浓度数据（Johnson 等，2006a；Johnson 等，2006b）。数据以逗号分隔的 ASCII 文件形式提供。这项针对四个源头流...
- 元学习中任务分布偏移的PAC-Bayesian泛化界 引言元学习作为机器学习领域的重要分支，旨在使模型能够从少量样本中快速学习新任务，其核心挑战之一便是如何在任务分布发生偏移时保持强泛化能力。传统机器学习理论主要关注数据分布固定情况下的泛化分析，而元学习环境下面临的任务分布偏移问题则需要更深入的理论框架。PAC-Bayesian理论为这一问题提供了有力的数学工具，通过结合概率先验与后验分析... 元学习中任务分布偏移的PAC-Bayesian泛化界 引言元学习作为机器学习领域的重要分支，旨在使模型能够从少量样本中快速学习新任务，其核心挑战之一便是如何在任务分布发生偏移时保持强泛化能力。传统机器学习理论主要关注数据分布固定情况下的泛化分析，而元学习环境下面临的任务分布偏移问题则需要更深入的理论框架。PAC-Bayesian理论为这一问题提供了有力的数学工具，通过结合概率先验与后验分析...
- 本文介绍如何结合Playwright与MCP协议实现自然语言驱动的网页自动化操作。通过配置MCP服务器，AI助手可直接操控浏览器完成信息获取、表单填写等复杂任务，显著降低自动化技术门槛，提升操作效率。 本文介绍如何结合Playwright与MCP协议实现自然语言驱动的网页自动化操作。通过配置MCP服务器，AI助手可直接操控浏览器完成信息获取、表单填写等复杂任务，显著降低自动化技术门槛，提升操作效率。
- 本文整理了一份AI测试开发岗位面试指南，涵盖基础概念、模型测试方法及系统设计场景题。从算法原理到工程实践，帮助测试从业者系统掌握AI测试要点，提升转型竞争力。 本文整理了一份AI测试开发岗位面试指南，涵盖基础概念、模型测试方法及系统设计场景题。从算法原理到工程实践，帮助测试从业者系统掌握AI测试要点，提升转型竞争力。
- 你是软件测试从业者，但想转向人工智能测试开发岗位吗？AI 测试岗位不仅考察传统测试技能，还要求你理解 AI/ML 模型特性、设计测试流程、编写自动化脚本。今天，我们整理了一份面试题，从基础概念到实战场景，帮你快速掌握 AI 测试面试要点。如果你想系统学习 AI 测试开发能力，我们的【人工智能测试开发训练营】可以帮你从零到一建立完整技能体系，让你面试更自信、就业更有竞争力！一、基础认知题：AI... 你是软件测试从业者，但想转向人工智能测试开发岗位吗？AI 测试岗位不仅考察传统测试技能，还要求你理解 AI/ML 模型特性、设计测试流程、编写自动化脚本。今天，我们整理了一份面试题，从基础概念到实战场景，帮你快速掌握 AI 测试面试要点。如果你想系统学习 AI 测试开发能力，我们的【人工智能测试开发训练营】可以帮你从零到一建立完整技能体系，让你面试更自信、就业更有竞争力！一、基础认知题：AI...
- openEuler 在大规模计算集群里的那些优化秘籍 openEuler 在大规模计算集群里的那些优化秘籍
- 边缘检测是计算机视觉中的基础任务，旨在识别图像中亮度或颜色急剧变化的区域（即边缘），这些区域通常对应物体的轮廓或纹理边界。AI（尤其是深度学习）实现边缘检测的思路可分为传统方法和深度学习方法两大类，以下是详细的技术路线和实现思路： 一、传统边缘检测方法（基于手工特征）传统方法通过数学运算（如微分、卷积）直接检测像素值突变，核心思想是利用图像梯度。典型算法包括： 1. Sobel算子原理：通过... 边缘检测是计算机视觉中的基础任务，旨在识别图像中亮度或颜色急剧变化的区域（即边缘），这些区域通常对应物体的轮廓或纹理边界。AI（尤其是深度学习）实现边缘检测的思路可分为传统方法和深度学习方法两大类，以下是详细的技术路线和实现思路： 一、传统边缘检测方法（基于手工特征）传统方法通过数学运算（如微分、卷积）直接检测像素值突变，核心思想是利用图像梯度。典型算法包括： 1. Sobel算子原理：通过...
- 异常检测（Anomaly Detection）与预测模型（Predictive Modeling）是数据科学中的两大核心任务，分别用于识别异常数据和预测未来趋势。以下是它们的详细解释、方法对比及实践应用： 一、异常检测（Anomaly Detection）定义：识别数据中显著偏离正常模式或预期行为的观测值（异常点）。 1. 异常类型点异常（Point Anomaly）：单个数据点异常（如信用... 异常检测（Anomaly Detection）与预测模型（Predictive Modeling）是数据科学中的两大核心任务，分别用于识别异常数据和预测未来趋势。以下是它们的详细解释、方法对比及实践应用： 一、异常检测（Anomaly Detection）定义：识别数据中显著偏离正常模式或预期行为的观测值（异常点）。 1. 异常类型点异常（Point Anomaly）：单个数据点异常（如信用...
- 损失函数（Loss Function）和优化器（Optimizer）是机器学习和深度学习中的两个核心概念，它们共同决定了模型的训练过程和性能。以下是它们的详细解释及关系： 一、损失函数（Loss Function）定义：损失函数用于衡量模型预测值与真实值之间的差异（误差），其目标是通过最小化损失函数来优化模型参数。 1. 常见损失函数类型回归任务：均方误差（MSE, Mean Squared... 损失函数（Loss Function）和优化器（Optimizer）是机器学习和深度学习中的两个核心概念，它们共同决定了模型的训练过程和性能。以下是它们的详细解释及关系： 一、损失函数（Loss Function）定义：损失函数用于衡量模型预测值与真实值之间的差异（误差），其目标是通过最小化损失函数来优化模型参数。 1. 常见损失函数类型回归任务：均方误差（MSE, Mean Squared...
- LBA-ECO ND-11 Soil Water Pressure and Flow Measurements under Tree Crops简介该数据集包含可用于研究亚马逊农林区树木作物下土壤水分通量的信息。数据包括对多个深度土壤基质压力和土壤含水量的重复测量。该研究于 1998 年在巴西马瑙斯以北 29 公里（南纬 3°8′，西经 59°52′，海拔 40-50 米）的巴西农业研究... LBA-ECO ND-11 Soil Water Pressure and Flow Measurements under Tree Crops简介该数据集包含可用于研究亚马逊农林区树木作物下土壤水分通量的信息。数据包括对多个深度土壤基质压力和土壤含水量的重复测量。该研究于 1998 年在巴西马瑙斯以北 29 公里（南纬 3°8′，西经 59°52′，海拔 40-50 米）的巴西农业研究...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签