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

Agent-Reach:构建AI智能体可靠执行外部动作的框架设计

在AI应用开发中,智能体(Agent)的认知与决策能力日益成熟,但其从“思考”到“行动”的转化常面临可靠性挑战。这涉及如何让智能体安全、稳定地调用外部API、操作系统或设备,即解决“最后一公里”的触达问题。其技术原理在于通过抽象层标准化行动接口,并引入执行引擎、重试机制与状态管理来保障可靠性。该框架的核心技术价值在于为AI驱动的自动化任务提供了系统性的执行保障,降低了集成复杂度与运维风险。其应用场

#AI智能体
AI Agent从云端到边缘:以京东智能头盔为例的移动AI工程实践

AI Agent(智能体)作为能够感知环境、自主决策并执行动作的软件实体,其核心原理在于通过感知、规划、记忆、工具调用与执行等模块的协同工作,实现复杂任务的自动化。这一技术正从传统的云端与桌面场景,向移动边缘、资源受限的物理世界下沉,其技术价值在于解决高实时性、环境多变且交互受限的垂直领域难题。应用场景广泛覆盖了智能配送、巡检机器人、仓储物流及车载系统等。本文以京东外卖AI智能头盔为典型落地案例,

#边缘计算
Deepseek-V4-Pro、Claude Fable5、5.6Sol与KimiK3:四大AI模型实战选型指南

大语言模型(LLM)作为当前人工智能的核心技术,通过海量数据训练和Transformer架构,具备了强大的自然语言理解和生成能力。其技术原理在于利用自注意力机制捕捉长距离依赖关系,从而在代码生成、逻辑推理、文本摘要等任务上表现出色。这一技术进步为开发者带来了前所未有的效率提升,其核心价值在于能够作为智能助手,无缝集成到研发、分析、创作等多种应用场景中。在实际工程实践中,开发者常面临模型选型的难题:

从何凯明的MAE项目看timm:如何像大佬一样复用模块构建自定义ViT

本文通过分析何凯明团队在MAE项目中对timm库的创造性使用,深入探讨如何利用timm的模块化架构构建自定义ViT模型。文章详细解析了PatchEmbed、Attention等核心模块的实战应用,并分享模块组合策略、参数初始化技巧等工程实践,帮助开发者高效复用PyTorch模型库中的组件实现创新视觉架构。

#迁移学习
从ConvMixer的权重可视化里,我发现了CNN学习纹理和颜色的秘密(附PyTorch代码)

本文通过PyTorch代码实现ConvMixer权重可视化,揭示了CNN学习纹理和颜色的秘密。研究发现ConvMixer的卷积核呈现出类似Gabor滤波器的纹理检测模式和颜色选择特性,与生物视觉系统高度相似。文章详细解析了权重可视化的技术实现,并对比了与传统CNN的特征学习差异,为模型优化提供了实践指导。

#深度学习
告别RuntimeError:一份PyTorch Tensor与NumPy数组安全互转的备忘清单(附GPU/CPU场景)

本文详细解析了PyTorch Tensor与NumPy数组安全互转的完整指南,重点解决RuntimeError等常见问题。从基础转换到GPU/CPU场景处理,再到内存共享与性能优化,提供了一套即查即用的解决方案,帮助开发者高效避免数据转换中的各种陷阱。

机器学习模型数据漂移检测与应对实战指南

数据漂移是机器学习模型在生产环境中性能下降的关键因素,指实际数据分布逐渐偏离训练数据分布的现象。其核心检测技术包括KS检验、PSI指标等统计方法,通过监控特征分布和模型输出变化实现早期预警。在金融风控、医疗诊断等高价值场景中,构建实时漂移监测系统能显著提升模型稳定性。本文结合电商推荐、工业质检等典型案例,详解从特征工程到模型热更新的全链路解决方案,并分享Evidently、Alibi Detect

机器学习数据预处理对象持久化实践指南

数据预处理是机器学习流程中的关键环节,其核心在于将原始数据转换为适合模型训练的格式。标准化、归一化等预处理方法依赖于训练数据的统计特性,必须确保预处理过程在训练和预测阶段的一致性。通过对象持久化技术,可以保存预处理参数和模型作为一个整体,避免因预处理不一致导致的模型性能下降。在工程实践中,scikit-learn的Pipeline和pickle模块提供了高效的解决方案,特别适合处理包含MinMax

#机器学习
R语言快速验证机器学习算法的实战指南

机器学习算法选择是数据科学项目中的关键环节,快速验证(Spot Check)技术能高效对比多种算法性能。通过R语言的caret等工具包,开发者可以快速实现线性回归、随机森林、XGBoost等算法的基准测试,建立性能基线并发现潜在优势算法。这种方法特别适用于工业级项目初期,能避免过早优化并显著提升模型选型效率。以零售库存预测为例,快速验证可在2小时内完成7种算法对比,帮助团队选择最优方案。核心价值在

零日漏洞分析与机器学习预测模型实践

零日漏洞(Zero-Day Vulnerability)是网络安全领域的重要威胁,指攻击者已利用但厂商尚未修复的安全缺陷。这类漏洞的核心危害在于信息不对称,攻击者通过逆向工程等手段发现漏洞后,防御方往往缺乏有效应对手段。CVSS评分系统是评估漏洞严重性的行业标准,通过基础、时序和环境三个维度的指标量化风险。机器学习技术在漏洞预测领域展现出巨大潜力,通过特征工程(如TF-IDF向量化、关键词提取)和

#机器学习
    共 193 条
  • 1
  • 2
  • 3
  • 20
  • 请选择