- 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。
- 引言随着云原生体系不断演进，算力形态正从传统 CPU 主导逐渐迈向 GPU、NPU、AI 加速器、FPGA、DPU/IPU 等多种计算单元协同发展的异构格局。在这种环境下，不同硬件在驱动模型、加速框架、容器化支持和调度方式上存在显著差异，使得应用迁移、资源管理和运维复杂性急剧增加。在多样化算力高速增长、AI 工作负载愈发主导的趋势下，openFuyao 提出了清晰的技术目标：构建一个屏蔽硬... 引言随着云原生体系不断演进，算力形态正从传统 CPU 主导逐渐迈向 GPU、NPU、AI 加速器、FPGA、DPU/IPU 等多种计算单元协同发展的异构格局。在这种环境下，不同硬件在驱动模型、加速框架、容器化支持和调度方式上存在显著差异，使得应用迁移、资源管理和运维复杂性急剧增加。在多样化算力高速增长、AI 工作负载愈发主导的趋势下，openFuyao 提出了清晰的技术目标：构建一个屏蔽硬...
- 本文立足实战开发经验，拆解6个突破传统框架的隐性核心指标，精准锚定难度设计与玩家体验的深层适配逻辑：以难度体感锚点捕捉真实行为熵变，用策略适配密度激活多元探索空间，靠体感容错弹性贴合操作节奏，借进度沉浸衰减系数维系探索动力，凭难度传导协同度把控整体体系连贯，让难度评估从结果导向转向体感与行为导向。 本文立足实战开发经验，拆解6个突破传统框架的隐性核心指标，精准锚定难度设计与玩家体验的深层适配逻辑：以难度体感锚点捕捉真实行为熵变，用策略适配密度激活多元探索空间，靠体感容错弹性贴合操作节奏，借进度沉浸衰减系数维系探索动力，凭难度传导协同度把控整体体系连贯，让难度评估从结果导向转向体感与行为导向。
- NPP Tropical Forest: Cinnamon Bay, U.S. Virgin Islands, 1982-1993, R1简介该数据集包含三个 ASCII 文件（.txt 格式）。其中一个数据文件包含基于 16 个永久样地（位于美属维尔京群岛圣约翰岛 132 公顷的肉桂湾流域内，沿海拔（60-290 米）和地形梯度分布）的测量数据，对一片晚期次生湿润亚热带森林的地上生物量、... NPP Tropical Forest: Cinnamon Bay, U.S. Virgin Islands, 1982-1993, R1简介该数据集包含三个 ASCII 文件（.txt 格式）。其中一个数据文件包含基于 16 个永久样地（位于美属维尔京群岛圣约翰岛 132 公顷的肉桂湾流域内，沿海拔（60-290 米）和地形梯度分布）的测量数据，对一片晚期次生湿润亚热带森林的地上生物量、...
- 自监督学习中的相变现象：模型规模与智能跃迁的临界条件 引言：从量变到质变的智能涌现自监督学习在近年的突破揭示了一个令人着迷的现象：随着模型规模的增大，智能能力并非线性增长，而是在特定临界点发生相变式跃迁。这种相变现象在语言模型、视觉表征和多模态系统中普遍存在，类似于物理学中的相变过程。本文将从统计力学视角深入分析这一现象，揭示模型规模、数据质量与智能涌现之间的临界关系，并提供完整的相变检测... 自监督学习中的相变现象：模型规模与智能跃迁的临界条件 引言：从量变到质变的智能涌现自监督学习在近年的突破揭示了一个令人着迷的现象：随着模型规模的增大，智能能力并非线性增长，而是在特定临界点发生相变式跃迁。这种相变现象在语言模型、视觉表征和多模态系统中普遍存在，类似于物理学中的相变过程。本文将从统计力学视角深入分析这一现象，揭示模型规模、数据质量与智能涌现之间的临界关系，并提供完整的相变检测...
上滑加载中
推荐直播
-
用码道，让你的AI作品三步上朋友圈2026/08/04 周二 19:00-20:00
林华鼎-华为云AI开发者运营负责人
从入门 · 到做AI应用 · 到企业级开发。不教编程，只教用AI · 零代码、有产出、能带走、可炫耀 · 每课人人动手实操
回顾中 -
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
热门标签