- 算法偏见的社会技术耦合：训练数据与权力结构的共谋 引言：当技术"中立性"神话的崩塌在人工智能蓬勃发展的今天，我们正目睹一个令人不安的现实：算法系统正在以惊人的精度和效率复制并放大社会中长期存在的不平等。从招聘系统歧视女性候选人，到面部识别技术对有色人种的误判率显著更高，再到刑事司法系统中的累犯风险评估工具对非裔美国人的系统性偏见——这些并非技术故障，而是社会技术耦合（sociotechni... 算法偏见的社会技术耦合：训练数据与权力结构的共谋 引言：当技术"中立性"神话的崩塌在人工智能蓬勃发展的今天，我们正目睹一个令人不安的现实：算法系统正在以惊人的精度和效率复制并放大社会中长期存在的不平等。从招聘系统歧视女性候选人，到面部识别技术对有色人种的误判率显著更高，再到刑事司法系统中的累犯风险评估工具对非裔美国人的系统性偏见——这些并非技术故障，而是社会技术耦合（sociotechni...
- 多 Agent 推理系统的负载均衡关键技术：任务复杂度导向的调度算法 一、背景与问题引入随着 多 Agent 系统（Multi-Agent System, MAS） 在智能体协作、自动化运维、智能搜索、LLM Agent 编排等场景中的广泛应用，系统规模迅速扩大，一个现实问题逐渐显现：任务分配不均，导致部分 Agent 过载，而部分 Agent 长期空闲。在实际工程中，Agent 并非同质... 多 Agent 推理系统的负载均衡关键技术：任务复杂度导向的调度算法 一、背景与问题引入随着 多 Agent 系统（Multi-Agent System, MAS） 在智能体协作、自动化运维、智能搜索、LLM Agent 编排等场景中的广泛应用，系统规模迅速扩大，一个现实问题逐渐显现：任务分配不均，导致部分 Agent 过载，而部分 Agent 长期空闲。在实际工程中，Agent 并非同质...
- 一、引言：从平均效应到个性化效应的思维范式转变在因果推断的演进历程中，研究者长期聚焦于平均处理效应（Average Treatment Effect, ATE）的估计。然而，ATE如同"一刀切"的粗浅度量，掩盖了效应在个体或子群层面的丰富异质性。正如医疗实践中，同一种药物对 different 患者可能产生截然不同的疗效——从治愈到无效甚至副作用——政策干预、营销策略、教育方案等社会干预同... 一、引言：从平均效应到个性化效应的思维范式转变在因果推断的演进历程中，研究者长期聚焦于平均处理效应（Average Treatment Effect, ATE）的估计。然而，ATE如同"一刀切"的粗浅度量，掩盖了效应在个体或子群层面的丰富异质性。正如医疗实践中，同一种药物对 different 患者可能产生截然不同的疗效——从治愈到无效甚至副作用——政策干预、营销策略、教育方案等社会干预同...
- Ⅰ. 小样本因果识别的核心挑战 1.1 统计效能的维度灾难小样本场景下，因果估计面临三重困境：挑战类型具体表现影响程度传统方法失效原因方差爆炸估计量方差与样本量成反比，n<100时置信区间过宽★★★★★依赖渐进正态性假设模型过拟合高维协变量下，控制函数复杂度过高★★★★☆正则化引入新的偏差重叠假设违反处理组与对照组倾向得分分布分离★★★★★匹配失败导致选择偏差以医疗场景为例，某新型抗癌药物... Ⅰ. 小样本因果识别的核心挑战 1.1 统计效能的维度灾难小样本场景下，因果估计面临三重困境：挑战类型具体表现影响程度传统方法失效原因方差爆炸估计量方差与样本量成反比，n<100时置信区间过宽★★★★★依赖渐进正态性假设模型过拟合高维协变量下，控制函数复杂度过高★★★★☆正则化引入新的偏差重叠假设违反处理组与对照组倾向得分分布分离★★★★★匹配失败导致选择偏差以医疗场景为例，某新型抗癌药物...
- 第一章：从频率学派到贝叶斯思维的范式转变 1.1 传统统计决策的困境在当今数据驱动的商业环境中，企业每天需要做出数千个决策：定价策略、营销预算分配、库存管理、用户获取成本控制等。传统上，这些决策依赖于频率学派统计方法，其中p值作为"黄金标准"主导了假设检验流程。然而，p值的滥用和误读造成了严重的业务后果。一项针对500家电商企业的调查显示，73%的数据分析师无法正确解释p值的含义，导致大量... 第一章：从频率学派到贝叶斯思维的范式转变 1.1 传统统计决策的困境在当今数据驱动的商业环境中，企业每天需要做出数千个决策：定价策略、营销预算分配、库存管理、用户获取成本控制等。传统上，这些决策依赖于频率学派统计方法，其中p值作为"黄金标准"主导了假设检验流程。然而，p值的滥用和误读造成了严重的业务后果。一项针对500家电商企业的调查显示，73%的数据分析师无法正确解释p值的含义，导致大量...
- 本文聚焦游戏官网突破公告、下载单一功能的技术升级路径，针对玩家停留时间短、粘性不足的痛点，提出六大高价值技术赋能方向。从搭建沉浸叙事矩阵、行为映射资产工坊，到打造动态平衡观测站、跨端感知协同层，再到上线技能谱系解构实验室与生态共创孵化池，每个方向均落地于具体技术实践，通过玩家行为数据联动、跨端数据同步、低门槛创作工具赋能等手段，构建“叙事-资产-共创”的官网生态闭环。 本文聚焦游戏官网突破公告、下载单一功能的技术升级路径，针对玩家停留时间短、粘性不足的痛点，提出六大高价值技术赋能方向。从搭建沉浸叙事矩阵、行为映射资产工坊，到打造动态平衡观测站、跨端感知协同层，再到上线技能谱系解构实验室与生态共创孵化池，每个方向均落地于具体技术实践，通过玩家行为数据联动、跨端数据同步、低门槛创作工具赋能等手段，构建“叙事-资产-共创”的官网生态闭环。
- 智能体动作执行精度提升：基于强化学习的动作微调方法 一、背景：为什么“动作执行精度”成了智能体瓶颈？在当前的智能体（Agent）系统中，我们往往把更多注意力放在决策是否正确上，却忽略了另一个现实问题：即使决策是对的，动作执行也可能是“不准的”。典型场景包括：机器人抓取目标，但总是偏几毫米自动驾驶转向角略有误差，导致轨迹漂移游戏 AI 明明选择了“攻击”，却打空了工业控制中，控制指令存在执行... 智能体动作执行精度提升：基于强化学习的动作微调方法 一、背景：为什么“动作执行精度”成了智能体瓶颈？在当前的智能体（Agent）系统中，我们往往把更多注意力放在决策是否正确上，却忽略了另一个现实问题：即使决策是对的，动作执行也可能是“不准的”。典型场景包括：机器人抓取目标，但总是偏几毫米自动驾驶转向角略有误差，导致轨迹漂移游戏 AI 明明选择了“攻击”，却打空了工业控制中，控制指令存在执行...
- 基于元学习的 Agent 快速适应：少样本场景下的环境迁移学习 一、背景与问题定义在强化学习（Reinforcement Learning, RL）和智能 Agent 领域，一个长期存在的核心问题是：Agent 在新环境中往往需要大量交互样本才能学会有效策略。然而在现实世界中，数据获取成本高昂、环境不可逆（如机器人真实操作）、或任务变化频繁，这使得“从零开始训练”变得不可行。典型场景包括：... 基于元学习的 Agent 快速适应：少样本场景下的环境迁移学习 一、背景与问题定义在强化学习（Reinforcement Learning, RL）和智能 Agent 领域，一个长期存在的核心问题是：Agent 在新环境中往往需要大量交互样本才能学会有效策略。然而在现实世界中，数据获取成本高昂、环境不可逆（如机器人真实操作）、或任务变化频繁，这使得“从零开始训练”变得不可行。典型场景包括：...
- 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。
上滑加载中
推荐直播
-
华为云码道 × 仓颉编程：工程化AI编码探索2026/05/27 周三 19:00-21:00
刘俊杰-华为云仓颉语言专家/李炎-华为云码道技术专家/王智鹏-OpenCangjie开源社区发起人
本场直播围绕华为云仓颉语言与华为云码道的深度结合，展示华为云智能编程从零基础到高效落地的完整生态能力。以华为云码道为引擎，仓颉语言为载体，带给大家日常提效、趣味创新到极速量产的开发体验。
回顾中
热门标签