- 本案例通过数据科学手段，将机器学习技术与业务目标紧密结合，具体体现在以下几个方面：聚类算法与用户标签体系、回归模型与价格预测、数据驱动的营销优化。 本案例通过数据科学手段，将机器学习技术与业务目标紧密结合，具体体现在以下几个方面：聚类算法与用户标签体系、回归模型与价格预测、数据驱动的营销优化。
- 通过本案例可以对线性分类器与⽀持向量机进行学习，同时了解MindSpore框架的使用。 通过本案例可以对线性分类器与⽀持向量机进行学习，同时了解MindSpore框架的使用。
- 本文整理了测试开发在面试中常见的大模型微调相关问题。涵盖了从显存需求、数据构建到训练策略等35个关键点，重点分析了SFT与预训练的区别、领域适应与灾难性遗忘等核心挑战。文章强调测试开发人员需掌握模型评估、数据质量控制和训练监控等技能，以适应AI时代对质量保障提出的新要求。 本文整理了测试开发在面试中常见的大模型微调相关问题。涵盖了从显存需求、数据构建到训练策略等35个关键点，重点分析了SFT与预训练的区别、领域适应与灾难性遗忘等核心挑战。文章强调测试开发人员需掌握模型评估、数据质量控制和训练监控等技能，以适应AI时代对质量保障提出的新要求。
- 本文整理了测试开发在面试中常见的大模型微调相关问题。涵盖了从显存需求、数据构建到训练策略等35个关键点，重点分析了SFT与预训练的区别、领域适应与灾难性遗忘等核心挑战。文章强调测试开发人员需掌握模型评估、数据质量控制和训练监控等技能，以适应AI时代对质量保障提出的新要求。 本文整理了测试开发在面试中常见的大模型微调相关问题。涵盖了从显存需求、数据构建到训练策略等35个关键点，重点分析了SFT与预训练的区别、领域适应与灾难性遗忘等核心挑战。文章强调测试开发人员需掌握模型评估、数据质量控制和训练监控等技能，以适应AI时代对质量保障提出的新要求。
- 从事测试开发同学这两年跳槽，会越来越频繁遇到“大模型微调”类问题。很多人第一反应是：我平时写 UI 自动化、搞接口压测，怎么突然和模型训练扯上关系了？现实就是，AI 已经渗透进测试领域：质量评估、数据生成、智能测试、甚至大模型测试本身，都需要对微调机制、预训练逻辑、指令数据构造有基本理解。下面整理了一份涵盖 35 个经典微调面试问题的技术解读帮助你在面试里不被问懵。1. 全参数微调到底要多少... 从事测试开发同学这两年跳槽，会越来越频繁遇到“大模型微调”类问题。很多人第一反应是：我平时写 UI 自动化、搞接口压测，怎么突然和模型训练扯上关系了？现实就是，AI 已经渗透进测试领域：质量评估、数据生成、智能测试、甚至大模型测试本身，都需要对微调机制、预训练逻辑、指令数据构造有基本理解。下面整理了一份涵盖 35 个经典微调面试问题的技术解读帮助你在面试里不被问懵。1. 全参数微调到底要多少...
- 通用大模型在面对复杂的物联网（IoT）指令时，常因无法理解“半小时后”、“稍微调低一点”等模糊语义而“翻车”。本文将分享如何通过高质量的数据清洗与精准的超参调优，将轻量级的 Qwen-3-4B-Instruct 模型训练成一个懂逻辑、会推理的智能家居专家。从数据治理到参数内幕，干货全公开！ 通用大模型在面对复杂的物联网（IoT）指令时，常因无法理解“半小时后”、“稍微调低一点”等模糊语义而“翻车”。本文将分享如何通过高质量的数据清洗与精准的超参调优，将轻量级的 Qwen-3-4B-Instruct 模型训练成一个懂逻辑、会推理的智能家居专家。从数据治理到参数内幕，干货全公开！
- 在传统的 SQL 处理中，面对复杂的数学运算、文本解析或机器学习推理时，SQL 语句往往变得臃肿且难以维护。DWS 提供的 PL/Python 扩展，将 Python 强大的生态系统直接引入数据库内部。 在传统的 SQL 处理中，面对复杂的数学运算、文本解析或机器学习推理时，SQL 语句往往变得臃肿且难以维护。DWS 提供的 PL/Python 扩展，将 Python 强大的生态系统直接引入数据库内部。
- 智能体预训练模型选型-通用基座模型与任务专用模型的适配策略在智能体（Agent）技术飞速发展的今天，预训练模型选型直接决定了智能体的能力上限与落地效率。通用基座模型（如GPT-4、Llama 3、Qwen 2）凭借海量数据训练获得的泛化能力，成为多场景智能体的首选基础；而任务专用模型（如代码领域的CodeLlama、医疗领域的Med-PaLM）则通过垂直领域优化，在特定场景下展现出更高的精... 智能体预训练模型选型-通用基座模型与任务专用模型的适配策略在智能体（Agent）技术飞速发展的今天，预训练模型选型直接决定了智能体的能力上限与落地效率。通用基座模型（如GPT-4、Llama 3、Qwen 2）凭借海量数据训练获得的泛化能力，成为多场景智能体的首选基础；而任务专用模型（如代码领域的CodeLlama、医疗领域的Med-PaLM）则通过垂直领域优化，在特定场景下展现出更高的精...
- 基于Qwen3-VL打造作文阅卷助手，通过对300篇高中作文进行LoRA微调，将教师从繁重批改中解放，更通过即时、客观的反馈助力学生写作能力提升，展现了垂直领域大模型应用的实用价值与高效落地路径。 基于Qwen3-VL打造作文阅卷助手，通过对300篇高中作文进行LoRA微调，将教师从繁重批改中解放，更通过即时、客观的反馈助力学生写作能力提升，展现了垂直领域大模型应用的实用价值与高效落地路径。
- 曾几何时，也想自己训练一个大模型，即使不能像deepseek一样一鸣惊人，也希望能把大模型从0到1的训练过程弄清楚。于是首先想到的是transformer论文《Attention is all you need》，其主要技术架构图如下： 看到这张图，不得不放弃了，不仅是因为步骤太多，关键是有几步理解起来就很困难，编码实现更困难，比如多头注意力。不过好在我们有开发者空间 vibe ... 曾几何时，也想自己训练一个大模型，即使不能像deepseek一样一鸣惊人，也希望能把大模型从0到1的训练过程弄清楚。于是首先想到的是transformer论文《Attention is all you need》，其主要技术架构图如下： 看到这张图，不得不放弃了，不仅是因为步骤太多，关键是有几步理解起来就很困难，编码实现更困难，比如多头注意力。不过好在我们有开发者空间 vibe ...
- 大模型幻觉（Hallucination）的生成机理与知识中心检测方法关键词：幻觉、知识编辑、知识图谱、对比解码、不确定性估计、Python、PyTorch、RAG 1. 幻觉现象与业务风险：为什么“一本正经地胡说八道”最昂贵 1.1 典型案例回顾2023 年 2 月，Google Bard 在演示中声称“JWST 拍摄了第一张太阳系外行星照片”，而事实由 2004 年地面望远镜完成。某医疗... 大模型幻觉（Hallucination）的生成机理与知识中心检测方法关键词：幻觉、知识编辑、知识图谱、对比解码、不确定性估计、Python、PyTorch、RAG 1. 幻觉现象与业务风险：为什么“一本正经地胡说八道”最昂贵 1.1 典型案例回顾2023 年 2 月，Google Bard 在演示中声称“JWST 拍摄了第一张太阳系外行星照片”，而事实由 2004 年地面望远镜完成。某医疗...
- NPP Tropical Forest: Chamela, Mexico, 1982-1995, R1简介该数据集包含五个数据文件（.txt 格式）。其中三个数据文件提供了位于墨西哥查梅拉生物站（Chamela Biological Station）内一片 3300 公顷热带干旱落叶林的净初级生产力（NPP）估算值。这三个文件分别对应三个位于海拔梯度上、海拔高度从 60 米到 160 米的... NPP Tropical Forest: Chamela, Mexico, 1982-1995, R1简介该数据集包含五个数据文件（.txt 格式）。其中三个数据文件提供了位于墨西哥查梅拉生物站（Chamela Biological Station）内一片 3300 公顷热带干旱落叶林的净初级生产力（NPP）估算值。这三个文件分别对应三个位于海拔梯度上、海拔高度从 60 米到 160 米的...
- 深夜十一点，李老师揉了揉发酸的眼睛，面前还有三十多篇作文等待批改。这是无数语文教师的日常写照——繁重的批改负担、难以完全统一的标准、反馈到达学生手中时已失去时效性。而在AI技术日新月异的今天，我们能否让机器真正“理解”一篇作文的优劣？答案是肯定的。基于Qwen3-VL-30B-A3B-Instruct大模型，我们成功打造了一款能够深度理解中文作文的智能阅卷助手，让作文批改走向自动化、标准化、... 深夜十一点，李老师揉了揉发酸的眼睛，面前还有三十多篇作文等待批改。这是无数语文教师的日常写照——繁重的批改负担、难以完全统一的标准、反馈到达学生手中时已失去时效性。而在AI技术日新月异的今天，我们能否让机器真正“理解”一篇作文的优劣？答案是肯定的。基于Qwen3-VL-30B-A3B-Instruct大模型，我们成功打造了一款能够深度理解中文作文的智能阅卷助手，让作文批改走向自动化、标准化、...
- AI正在重塑测试行业，但不会淘汰测试工程师，只会淘汰不会使用AI的工程师。未来的价值将分层：AI接管重复性执行，人类则专注于深度分析、策略规划与质量架构。测试工程师需转型为AI训练师、质量架构师，并深耕机器不擅长的复杂业务与用户体验领域。从现在起，应逐步拥抱工具、升级思维并主导质量智能体系建设，以驾驭AI解决更深层次的质量问题。 AI正在重塑测试行业，但不会淘汰测试工程师，只会淘汰不会使用AI的工程师。未来的价值将分层：AI接管重复性执行，人类则专注于深度分析、策略规划与质量架构。测试工程师需转型为AI训练师、质量架构师，并深耕机器不擅长的复杂业务与用户体验领域。从现在起，应逐步拥抱工具、升级思维并主导质量智能体系建设，以驾驭AI解决更深层次的质量问题。
- AI正在重塑测试行业，但不会淘汰测试工程师，只会淘汰不会使用AI的工程师。未来的价值将分层：AI接管重复性执行，人类则专注于深度分析、策略规划与质量架构。测试工程师需转型为AI训练师、质量架构师，并深耕机器不擅长的复杂业务与用户体验领域。从现在起，应逐步拥抱工具、升级思维并主导质量智能体系建设，以驾驭AI解决更深层次的质量问题。 AI正在重塑测试行业，但不会淘汰测试工程师，只会淘汰不会使用AI的工程师。未来的价值将分层：AI接管重复性执行，人类则专注于深度分析、策略规划与质量架构。测试工程师需转型为AI训练师、质量架构师，并深耕机器不擅长的复杂业务与用户体验领域。从现在起，应逐步拥抱工具、升级思维并主导质量智能体系建设，以驾驭AI解决更深层次的质量问题。
上滑加载中
推荐直播
-
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中 -
华为云码道全新升级，多会话并行与多智能体协作2026/05/08 周五 19:00-21:00
王一男-华为云码道产品专家；张嘉冉-华为云码道工程师；胡琦-华为云HCDE；程诗杰-华为云HCDG
华为云码道4月份版本全新升级，此次直播深度解读4月份产品特性，通过“特性解读+实操演示+实战案例+设计创新”的组合，全方位展现码道在多会话并行与多智能体协作方面的能力，赋能开发者提升效率
正在直播
热门标签