- 神经辐射场(NeRF)的逆渲染：可识别性与非凸优化landscape 引言：NeRF与逆渲染的交叉领域神经辐射场（Neural Radiance Fields, NeRF）自2020年提出以来，已成为三维场景表示与视图合成的革命性技术。其核心思想是使用多层感知机（MLP）将三维坐标和观察方向映射为体积密度和颜色值。然而，逆渲染（Inverse Rendering）视角下的NeRF提出了更深... 神经辐射场(NeRF)的逆渲染：可识别性与非凸优化landscape 引言：NeRF与逆渲染的交叉领域神经辐射场（Neural Radiance Fields, NeRF）自2020年提出以来，已成为三维场景表示与视图合成的革命性技术。其核心思想是使用多层感知机（MLP）将三维坐标和观察方向映射为体积密度和颜色值。然而，逆渲染（Inverse Rendering）视角下的NeRF提出了更深...
- NLDAS Primary Forcing Data L4 Hourly 0.125 x 0.125 degree V2.0 (NLDAS_FORA0125_H) at GES DISC简介本数据集包含北美陆地数据同化系统（NLDAS-2）第二阶段的主要逐时强迫数据“文件 A”。数据采用 1/8 度网格间距，时间范围从 1979 年 1 月至今，时间分辨率为小时。文件格式为 netCDF（... NLDAS Primary Forcing Data L4 Hourly 0.125 x 0.125 degree V2.0 (NLDAS_FORA0125_H) at GES DISC简介本数据集包含北美陆地数据同化系统（NLDAS-2）第二阶段的主要逐时强迫数据“文件 A”。数据采用 1/8 度网格间距，时间范围从 1979 年 1 月至今，时间分辨率为小时。文件格式为 netCDF（...
- 当Stable Diffusion在30秒内生成4K分辨率画作时，当GPT-4能通过法学院考试时，当波士顿动力Atlas机器人通过视觉反馈完成后空翻时，这背后是自然语言处理（NLP）、计算机视觉与强化学习构成的"认知三角"在精密协作。这三项技术如同量子纠缠的三位一体——NLP赋予机器语言理解能力，计算机视觉构建视觉认知维度，强化学习形成决策控制系统，共同推动人工智能从感知智能迈向认知智能的跃... 当Stable Diffusion在30秒内生成4K分辨率画作时，当GPT-4能通过法学院考试时，当波士顿动力Atlas机器人通过视觉反馈完成后空翻时，这背后是自然语言处理（NLP）、计算机视觉与强化学习构成的"认知三角"在精密协作。这三项技术如同量子纠缠的三位一体——NLP赋予机器语言理解能力，计算机视觉构建视觉认知维度，强化学习形成决策控制系统，共同推动人工智能从感知智能迈向认知智能的跃...
- 在当今这个数字化飞速发展的时代，软件系统变得越来越复杂。从简单的桌面应用到庞大的分布式微服务架构，代码行数呈指数级增长，随之而来的软件缺陷（Bug）也愈发难以捉摸。传统的软件测试方法虽然经过几十年的发展已经相当成熟，但在面对现代软件系统的复杂性时，仍然显得力不从心。作为一名长期从事软件开发和测试工作的工程师，我深刻体会到调试过程中的痛苦与挑战。然而，近年来机器学习技术的迅猛发展为软件测试领域... 在当今这个数字化飞速发展的时代，软件系统变得越来越复杂。从简单的桌面应用到庞大的分布式微服务架构，代码行数呈指数级增长，随之而来的软件缺陷（Bug）也愈发难以捉摸。传统的软件测试方法虽然经过几十年的发展已经相当成熟，但在面对现代软件系统的复杂性时，仍然显得力不从心。作为一名长期从事软件开发和测试工作的工程师，我深刻体会到调试过程中的痛苦与挑战。然而，近年来机器学习技术的迅猛发展为软件测试领域...
- Nimbus-7 Solar and Earth Flux Data in Native Binary Format简介NIMBUS7_ERB_SEFDT 数据集是由 Nimbus-7 地球辐射收支 (ERB) 仪器数据生成的太阳和地球辐射通量数据磁带 (SEFDT)。SEFDT 项目的主要目的是生成一个仅包含太阳数据和广角地球辐射通量数据的磁带。Nimbus-7 上的 ERB 仪器有两个总... Nimbus-7 Solar and Earth Flux Data in Native Binary Format简介NIMBUS7_ERB_SEFDT 数据集是由 Nimbus-7 地球辐射收支 (ERB) 仪器数据生成的太阳和地球辐射通量数据磁带 (SEFDT)。SEFDT 项目的主要目的是生成一个仅包含太阳数据和广角地球辐射通量数据的磁带。Nimbus-7 上的 ERB 仪器有两个总...
- Nimbus-7 Total Solar Irradiance Data in Native Format简介NIMBUS7_ERB_Ch10C_TSI_NAT 数据集是搭载于地球辐射收支 (ERB) 卫星上的 Nimbus-7 10C 通道 (Ch10C) 总太阳辐照度 (TSI) 数据，采用原生 (NAT) 格式。Nimbus 7 研发卫星是一个稳定的、面向地球的平台，用于测试用于污染... Nimbus-7 Total Solar Irradiance Data in Native Format简介NIMBUS7_ERB_Ch10C_TSI_NAT 数据集是搭载于地球辐射收支 (ERB) 卫星上的 Nimbus-7 10C 通道 (Ch10C) 总太阳辐照度 (TSI) 数据，采用原生 (NAT) 格式。Nimbus 7 研发卫星是一个稳定的、面向地球的平台，用于测试用于污染...
- 很多人第一次接触各家大模型时，都会觉得它们的回答能带来意想不到的惊喜，但有时，AI回答又怪怪的、啰嗦、甚至有点危险。这背后，其实就是一个核心问题：对齐（Alignment），本篇文章将带您轻松了解当下较为常见的三种训练模式：PPO、DPO、KTO，以及其所需要的配置，并安利一个网页大模型微调工具！ 很多人第一次接触各家大模型时，都会觉得它们的回答能带来意想不到的惊喜，但有时，AI回答又怪怪的、啰嗦、甚至有点危险。这背后，其实就是一个核心问题：对齐（Alignment），本篇文章将带您轻松了解当下较为常见的三种训练模式：PPO、DPO、KTO，以及其所需要的配置，并安利一个网页大模型微调工具！
- 开篇语哈喽，各位小伙伴们，你们好呀，我是喵手。运营社区：C站/掘金/腾讯云/阿里云/华为云/51CTO；欢迎大家常来逛逛 今天我要给大家分享一些自己日常学习到的一些知识点，并以文字的形式跟大家一起交流，互相学习，一个人虽可以走的更快，但一群人可以走的更远。 我是一名后端开发爱好者，工作日常接触到最多的就是Java语言啦，所以我都尽量抽业余时间把自己所学到所会的，通过文章的形式进行输出，... 开篇语哈喽，各位小伙伴们，你们好呀，我是喵手。运营社区：C站/掘金/腾讯云/阿里云/华为云/51CTO；欢迎大家常来逛逛 今天我要给大家分享一些自己日常学习到的一些知识点，并以文字的形式跟大家一起交流，互相学习，一个人虽可以走的更快，但一群人可以走的更远。 我是一名后端开发爱好者，工作日常接触到最多的就是Java语言啦，所以我都尽量抽业余时间把自己所学到所会的，通过文章的形式进行输出，...
- 可解释AI的公理化方法：Shapley值与交互指数的公理冲突 引言：可解释AI的数学基础危机在人工智能决策日益影响人类生活的今天，模型可解释性已从"锦上添花"变为"不可或缺"。然而，当前最流行的Shapley值解释方法正面临深刻的数学危机——其核心公理体系内部存在不可调和的冲突。研究表明，超过60%的工业级AI应用在使用Shapley值进行特征归因时，遭遇了交互效应导致的解释不一致问题。本... 可解释AI的公理化方法：Shapley值与交互指数的公理冲突 引言：可解释AI的数学基础危机在人工智能决策日益影响人类生活的今天，模型可解释性已从"锦上添花"变为"不可或缺"。然而，当前最流行的Shapley值解释方法正面临深刻的数学危机——其核心公理体系内部存在不可调和的冲突。研究表明，超过60%的工业级AI应用在使用Shapley值进行特征归因时，遭遇了交互效应导致的解释不一致问题。本...
- 可解释AI的公理化方法：Shapley值与交互指数的公理冲突 引言：可解释AI的数学基础危机在人工智能决策日益影响人类生活的今天，模型可解释性已从"锦上添花"变为"不可或缺"。然而，当前最流行的Shapley值解释方法正面临深刻的数学危机——其核心公理体系内部存在不可调和的冲突。研究表明，超过60%的工业级AI应用在使用Shapley值进行特征归因时，遭遇了交互效应导致的解释不一致问题。本... 可解释AI的公理化方法：Shapley值与交互指数的公理冲突 引言：可解释AI的数学基础危机在人工智能决策日益影响人类生活的今天，模型可解释性已从"锦上添花"变为"不可或缺"。然而，当前最流行的Shapley值解释方法正面临深刻的数学危机——其核心公理体系内部存在不可调和的冲突。研究表明，超过60%的工业级AI应用在使用Shapley值进行特征归因时，遭遇了交互效应导致的解释不一致问题。本...
- 一、引言在供应链体系中，有一个很重要的模块：需求预测模块，其精度直接决定了库存调拨的合理性与及时性。传统预测模式依赖静态历史数据与简单时间序列模型，面临三大核心挑战：响应滞后：无法实时捕捉促销活动、天气变化等动态因素（某门店促销期间预测误差高达35%）。特征单一：仅依赖商品历史销量，忽略区域人口密度、竞品价格等外部变量。迭代缓慢：模型参数调整需人工介入，季度更新一次，难以适应市场波动。为解决... 一、引言在供应链体系中，有一个很重要的模块：需求预测模块，其精度直接决定了库存调拨的合理性与及时性。传统预测模式依赖静态历史数据与简单时间序列模型，面临三大核心挑战：响应滞后：无法实时捕捉促销活动、天气变化等动态因素（某门店促销期间预测误差高达35%）。特征单一：仅依赖商品历史销量，忽略区域人口密度、竞品价格等外部变量。迭代缓慢：模型参数调整需人工介入，季度更新一次，难以适应市场波动。为解决...
- 一、引言我们的库存管理之前面临许多复杂性：门店分布广、商品品类多、消费需求波动大、供应链环节冗长。传统依赖人工经验的调拨决策模式，常常导致"要么库存积压占用资金，要么缺货损失销售机会"的两难局面。为解决这一痛点，我们团队研发了智能调拨系统，核心目标是通过AI算法生成多套调拨方案，并精准预测各方案的关键指标（如完成时间、总成本、缺货率），辅助决策者选择最优策略。本文将以AI协作开发日志的形式，... 一、引言我们的库存管理之前面临许多复杂性：门店分布广、商品品类多、消费需求波动大、供应链环节冗长。传统依赖人工经验的调拨决策模式，常常导致"要么库存积压占用资金，要么缺货损失销售机会"的两难局面。为解决这一痛点，我们团队研发了智能调拨系统，核心目标是通过AI算法生成多套调拨方案，并精准预测各方案的关键指标（如完成时间、总成本、缺货率），辅助决策者选择最优策略。本文将以AI协作开发日志的形式，...
- I. 因果推断的核心理论框架 1.1 潜在结果框架与识别挑战因果推断的数学基础建立在反事实推理之上。对于单元 iii，处理变量 Ti∈{0,1}T_i \in \{0,1\}Ti∈{0,1} 和结果变量 YiY_iYi，定义潜在结果 Yi(1)Y_i(1)Yi(1) 和 Yi(0)Y_i(0)Yi(0) 分别表示接受处理和未接受处理时的结果。个体因果效应为 τi=Yi(1)−Yi(... I. 因果推断的核心理论框架 1.1 潜在结果框架与识别挑战因果推断的数学基础建立在反事实推理之上。对于单元 iii，处理变量 Ti∈{0,1}T_i \in \{0,1\}Ti∈{0,1} 和结果变量 YiY_iYi，定义潜在结果 Yi(1)Y_i(1)Yi(1) 和 Yi(0)Y_i(0)Yi(0) 分别表示接受处理和未接受处理时的结果。个体因果效应为 τi=Yi(1)−Yi(...
- 大语言模型在复杂任务中常因缺乏执行反馈闭环而表现不佳。本文指出LLM存在状态管理、环境感知和结果验证等局限，需要结合工具执行、状态存储和监控验证构建系统化方案。成功关键在于建立可验证的工程体系，而非依赖模型本身，这对AI系统设计与测试提出了更高要求。 大语言模型在复杂任务中常因缺乏执行反馈闭环而表现不佳。本文指出LLM存在状态管理、环境感知和结果验证等局限，需要结合工具执行、状态存储和监控验证构建系统化方案。成功关键在于建立可验证的工程体系，而非依赖模型本身，这对AI系统设计与测试提出了更高要求。
- 大语言模型在复杂任务中常因缺乏执行反馈闭环而表现不佳。本文指出LLM存在状态管理、环境感知和结果验证等局限，需要结合工具执行、状态存储和监控验证构建系统化方案。成功关键在于建立可验证的工程体系，而非依赖模型本身，这对AI系统设计与测试提出了更高要求。 大语言模型在复杂任务中常因缺乏执行反馈闭环而表现不佳。本文指出LLM存在状态管理、环境感知和结果验证等局限，需要结合工具执行、状态存储和监控验证构建系统化方案。成功关键在于建立可验证的工程体系，而非依赖模型本身，这对AI系统设计与测试提出了更高要求。
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