logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

Go 单元测试进阶:AI 加持下的高效实践与避坑指南

Cursor可以提供深度的代码库上下文感知能力,一个普通的AI聊天插件,你问它问题时,它并不知道你正在看哪个文件,你的项目结构是怎样的。“帮我开发一个会与实验平台交互的函数,函数将使用xx 实验因子读取实验,实验策略样例如...,读取实验策略后将会用策略中 xx 参数,计算车型的打分,并根据车型的打分默勾 xx 车型。就像在英雄联盟中玩打野,只有获取到足够的全局信息才能做出更好的下一步决策(是抓下

#golang#单元测试#开发语言 +1
滴滴开源AgileTC:敏捷测试用例管理平台

桔妹导读:AgileTC是一套敏捷的测试用例管理平台,支持测试用例管理、执行计划管理、进度计算、多人实时协同等能力,方便测试人员对用例进行管理和沉淀。产品以脑图方式编辑可快速上手,用例关...

#数据库#java#linux +1
滴滴基于 Ray 的 XGBoost 大规模分布式训练实践

背景介绍作为机器学习模型的核心代表,XGBoost 在滴滴众多策略算法业务场景中发挥着至关重要的作用。因此,保障并持续提升 XGBoost 模型的离线训练及在线推理稳定性一直是机器学习平台的重点工作。同时,面对多样化的业务场景定制需求和数据规模从万到亿级的跨度,XGBoost 的训练效率和灵活性也成为我们需要重点关注的问题。由于平台历史架构原因,平台 XGBoost 模型训练仍是开源 XGBoos

#分布式
小样本学习在滴滴治理和安全场景应用

桔妹导读:滴滴作为一家网约车交易平台,乘客和司机的体验和安全是其核心壁垒之一。在体验和安全优化过程中,缺少准确而大量的标注样本,是制约模型效果、进而影响业务优化的重要技术难题。在滴滴,我们...

#算法#大数据#数据挖掘 +2
「无人」之竞 :滴滴自动驾驶的成长之路

桔妹导读:在过去的几个月里,滴滴技术分享了许多来自滴滴自动驾驶的技术文章,让读者们对滴滴自动驾驶所做的事情有了更多的认知和了解。今天,我们终于迎来了滴滴自动驾驶的专题分享特辑,接下来就跟随...

#人工智能#大数据#编程语言 +1
滴滴自动驾驶:充满“不确定性”环境下的决策和控制

桔妹导读:实现自动驾驶是一个复杂的系统工程,需要精准感知环境,理解交通参与者的意图并能够在广泛丰富的场景下,实现稳定安全的无人驾驶。需要面对真实路况中的大量 “不确定性”。这种不确定性是...

#算法#大数据#编程语言 +2
滴滴大数据在汽车金融风控场景中的应用

导读:滴滴独有的出行场景大数据在金融领域有着非常广泛的应用前景,未来可与银行,保险,支付和理财等机构深入合作,帮助传统金融机构提升资源配置效率,降低获客和风险管理成本。出行场景大数据在交易欺诈识别、风险定价、精准营销、全生命周期风险管理、增长运营等方面都有着重要商业价值。对于大数据的应用分析能力,正在成为金融机构未来发展的核心竞争要素。本文从汽车金融车贷产品的视角切入,将场景数据与传统信贷风控理.

#大数据#金融
滴滴出行场景中语音识别模型的自学习平台化实践

桔妹导读:车联网时代,由于驾驶舱环境中视觉与触觉都受到高度约束,语音交互成为了车载场景下最自然的交互方式。通过车机/手机的语音助手,车主只需要说说话就可以完成车辆控制、信息查询、导航娱乐...

#大数据#编程语言#人工智能 +2
滴滴因果建模新突破:最优传输+表征学习攻克长期效应估计难题​

近年来,基于观测数据的因果推断在补贴定价等领域得到广泛的应用,其旨在评估不同处理变量( Treatment,例如优惠券金额)对结果变量(Outcome,例如GMV)所能带来的处理效应(Treatment effect),进而我们能够根据不同处理效应选择最优的处理变量。进一步地,为了消除可观测混淆偏差。首先在生成数据和半生成数据(News、TCGA)上验证模型LEARN的有效性,使用测试集上Long

#学习#人工智能#算法
清华大学车辆学院联合滴滴自动驾驶提出STAPO算法,解决大模型强化学习微调稳定性问题

前者筛选前20%的优势词元进行训练,而STAPO则通过剔除极少数虚假词元(仅0.01%),确保数据纯洁度和训练稳定性。以六个基准测试(AIME24、AIME25、AMC23、MATH500、Minerva 和 OlympiadBench)和三个大模型(Qwen3 1.7B、8B 和 14B)的实验表明,正成为自动驾驶端到端模型、机器人具身智能模型、语言类多模态模型的重要训练算法,尤其是在大规模神经

#自动驾驶#算法#人工智能 +1
    共 58 条
  • 1
  • 2
  • 3
  • 6
  • 请选择