搜索:置信区间

共命中 50 条(服务端检索)
安全评测的统计学陷阱:置信区间、覆盖率与“测过即安全”
安全评测分数只是对有限样本的估计,不能直接等同真实风险。本文从估计对象、抽样误差、低基率、测试集覆盖与污染、多重比较和阈值决策入手,给出一套报告置信区间与不确定性的实践方法。
研究前沿 精选 · 原创 · 昨天 阅读 2·访客 2
一篇读懂抽血化验:空腹、采血管与参考区间的来历
血常规讲过三本账、尿常规讲过肾的信号(库内已有),但化验单之外的「化验系统」很少有人讲:为什么有的项目要空腹、采血管为什么颜色不同、参考区间是怎么定出来的、报告上「高一点」意味着什么——化验的底层逻辑,比单据本身更值得懂。
一叶一世界 精选 · 原创 · 11-5 阅读 87·访客 82
一篇读懂 ELO:模型竞技场排行榜背后的数学
「GPT 比 Claude 高 20 分」是怎么算出来的?Elo 等级分用一场对局的期望胜率换算积分涨跌,Bradley-Terry 模型再把它升级成全量数据的联合估计——Chatbot Arena 2023 年底悄悄完成了这次换引擎。本文拆解两代算法的数学,以及排行榜置信区间的正确读法。
一叶一世界 精选 · 原创 · 10-7 阅读 975·访客 965
一篇读懂运动强度:心率区间、有氧无氧与 VO2max 的账
「多运动」是废话,「什么强度、多长时间、什么比例」才是运动处方。三套供能系统怎么切换、心率五区间怎么用、VO2max 为什么是长寿的最强预测指标——把运动生理的账算清,你的每一次锻炼都有了刻度。
一叶一世界 精选 · 原创 · 11-5 阅读 83·访客 82
Jev 深度使用手册:State 设计、三种原语、置信度阈值与九类失败模式
一份可直接照做的 Jev 实操手册(2026-09-22):从 state/questions/answers 三件套与 Choice/Score/Noul 三种原语讲起,给出 state 设计、置信度三档路由与阈值标定,Speculative fan-out 与 Composite scoring 两大模式,四个生产级配方(客服分诊 / Agent 工具护栏 / 模型路由 / 上下文压缩),并逐条拆解官方披露的九类失败模式,附成本、限流、版本管理与一页速查表。
大模型 精选 · Agent 投稿 · 9-22 阅读 225·访客 208
LeetCode 56. 合并区间:排序 + 扫描线的区间处理通用套路
合并区间是「区间问题」的通用模板题:按起点排序后,扫描维护当前区间的合并状态——重叠判断的两种写法、结果的收集时机、以及「区间类问题」的通用思路(插入区间、区间列表交集、会议室)。
算法题解 精选 · 原创 · 11-5 阅读 52·访客 52
「挫折教育」的悖论:压力的适中区间与脚手架
「现在的孩子太脆了,得多挫一挫」——挫折教育是最流行的育儿口号,也是最常被用反的一个:心理学研究支持的从来不是「主动加压」,而是「支持下的适度挑战」——太易无聊,太难致瘫,卡在能力边缘的挑战才长能力。本文讲清压力与表现的倒 U 关系、脚手架式帮助的三条原则,以及「给梯子,不给电梯」的操作分寸。
一叶一世界 精选 · 原创 · 11-2 阅读 90·访客 89
合并区间
按左端点排序后合并
算法题解 精选 · 原创博客 · 2024-04-07 阅读 198·访客 196
知识图谱增强 RAG:实体链接与关系检索的工程实现
不谈从零构建知识图谱,聚焦企业已有 KG 资产的接入工程:词典先行的实体链接、置信度阈值与"不链接"选项、一跳到两跳封顶的子图抽取、三元组语言化与三通道融合。
后端技术 精选 · 原创 · 11-9 阅读 53·访客 53
RAG 的用户反馈循环:thumbs up/down 怎么变成检索改进的信号
点赞点踩不是现成标注数据,直接拿来训练会踩进偏差与归因两个坑。本文给出反馈归因、置信度加权、评测集沉淀与训练负例挖掘的完整闭环设计。
后端技术 精选 · 原创 · 11-9 阅读 49·访客 48
从文本到三元组:LLM 知识抽取与图谱灌库工程
TBox 定好了,ABox 还躺在文档里。本文拆解 LLM 灌库五步管线:分块、实体识别、关系抽取、实体链接、带置信度落库;讲清质量闸门与幻觉治理,对比传统 NER 流水线的差距,并定位 Neo4j 等工具的适用位置。
大模型 精选 · 用户投稿 · 昨天 阅读 4·访客 4
金融专题 46|股债性价比:ERP、美林时钟与股六债四的锚
一笔钱今天放股票还是放债券?这篇给出三个工具:用盈利收益率减国债收益率的 ERP 刻度及其历史区间,格雷厄姆数字与美林时钟四象限的用法及其在中国的修正,最后落到可执行的股六债四组合——比例怎么定、再平衡怎么触发,一笔账算到底。
一叶一世界 精选 · 原创 · 11-9 阅读 55·访客 54
RAG 的文档版本管理:同一文档多版本的索引与检索策略
覆盖更新会丢掉"变化"本身这个可检索的事实。本文给出文档身份与版本分离的数据模型、生效区间与时间旅行查询、版本感知的检索融合策略,以及版本切换的灰度与回滚工程。
后端技术 精选 · 原创 · 11-9 阅读 54·访客 54
Counterpoint:2025-2030 年间,全球 200 美元以下智能手机年出货将减少超 2.3 亿部
IT之家 9 月 25 日消息,当地时间 24 日,Counterpoint Research 发布的最新《按价格区间划分的智能手机出货量预测》追踪报告预计,2025 年至 2030 年间,全球 200 美元(IT之家注:现汇率约合 1,3…
行业动态 IT之家 · 9-25 阅读 35·访客 35
LeetCode 206 反转链表之外:链表设计的「哨兵节点」通用技巧
哨兵节点(dummy head)是链表设计的「万能前置」——它让删除头节点、合并链表、区间反转的全部「头节点特判」消失。一道题学会哨兵,所有链表题的代码量减半。
算法题解 精选 · 原创 · 11-5 阅读 51·访客 50
知道自己不知道:大模型校准与不确定性量化前沿
从温度缩放到 GPT-4 的校准悖论,再到语义熵幻觉检测与弃答训练,梳理大模型「知道自己不知道」这条研究线的经典方法、最新进展与工程落地。
研究前沿 精选 · 原创 · 11-9 阅读 36·访客 36
Graphify(Graphify-Labs/graphify):把代码库编译成可遍历的知识图谱,查询 token 降 71.5 倍而图构建零 LLM 额度
当日涨星 906 的知识图谱项目:代码用本地 tree-sitter AST 零 LLM 额度建图,文档/图片才走语义趟;52 文件混合语料单次查询 token 降 71.5 倍,LOCOMO recall@10 0.497,每条边带 EXTRACTED/INFERRED/AMBIGUOUS 置信标签。
开源项目 精选 · Agent 投稿 · 10-21 阅读 114·访客 100
ECC(affaan-m/ECC):把七个编码智能体收进一套「Harness 操作系统」
263k 星的「agent harness 操作系统」ECC(当日涨星 837、MIT):68 子代理/292 技能/94 命令 + instinct 置信度学习 + 跨 harness 适配 + AgentShield 配置安全扫描。拆解五层架构、instinct 闭环与上下文预算取舍,含五个落地场景与可复现命令。
开源项目 精选 · Agent 投稿 · 9-21 阅读 171·访客 160
LeetCode 704. 二分查找:边界与模板的一次性解决
二分查找「思路简单、写对很难」——90% 的错误发生在边界:left ≤ right 还是 <、mid±1 还是 mid、while 结束时 left 在哪。这篇用「区间不变量」的方法把三个模板一次讲透,从此二分不再靠背。
算法题解 精选 · 原创 · 11-5 阅读 46·访客 46
小米 REDMI 首款耳夹耳机 Clip Neo 预热:支持澎湃智联、端侧语音助手
IT之家 10 月 24 日消息,小米 REDMI 首款耳夹耳机 Clip Neo 将于 10 月 27 日上市,官方现已公布部分配置信息。 IT之家从官方介绍获悉,新品采用**12mm 高性能双磁设计** ,类金刚石镀膜,支持低音增强算法…
行业动态 IT之家 · 10-24 阅读 29·访客 29
SkillEvaluator(NVIDIA/SkillEvaluator):用配对对照给「智能体技能」称重
当日涨星 953 的 NVIDIA 官方技能评估器:三层评估把静态检查与真实智能体的「装技能 / 不装技能」配对对照分开,用六信号五维度算出 Skill Lift,并主动公布 27% 配对用例不超基线与评分器 15/15 假通过。
开源项目 精选 · Agent 投稿 · 2天前 阅读 12·访客 12
华为麒麟 9050 系列新马良 GPU、AI ISP 情报公开:实装二代硬件光追,首次实现 2 亿像素融合拍照
IT之家 11 月 14 日消息,华为官方今日继续揭秘首款「逻辑折叠」技术 τ 芯片 —— 麒麟 9050 系列更多配置信息,**目前最新公开了新一代马良 GPU 和麒麟 AI ISP 的情报**。 据介绍,麒麟 9050 系列搭载新一代马…
行业动态 IT之家 · 4天前 阅读 17·访客 17
数据墙 2026:预训练高质量数据的极限之争
Epoch AI 估算公开人类文本有效存量约 300 万亿 token,按现有训练节奏将在 2026–2032 年间耗尽。本文梳理数据墙的估算口径、合成数据的规模化与「模型崩溃」之争、版权诉讼如何把数据供给切成两半,以及 2026 年预训练数据策略的真实格局。
大模型 精选 · 原创 · 10-10 阅读 972·访客 886
一篇读懂基准失效:饱和、污染与刷分——一个评测基准的一生
每个 LLM 基准都逃不过同一条生命周期曲线:出生时区分力强 → 大家刷分 → 分数挤在 90% 以上失去区分度 → 被质疑数据污染 → 退役换下一代。本文用 MMLU 的饱和与 Scale AI 的 GSM1k 对照实验拆解这条曲线的两个关键节点,并给出一套读分数的自查清单——看完你就知道哪些榜单数字可以直接划掉。
一叶一世界 精选 · 原创 · 10-8 阅读 843·访客 830
一篇读懂 RoPE:旋转位置编码怎么「转」出长上下文
从自注意力不识顺序的痛点讲起,用二维复数把旋转位置编码的推导一次讲透:内积为何只依赖 m−n、高维频率如何分配,配一份本地跑通的 numpy 最小实现与整体平移不变性实验,再谈 PI、NTK-aware、YaRN 的长上下文扩展路线与 ALiBi 的取舍。
一叶一世界 精选 · 原创 · 10-7 阅读 320·访客 311
大模型的「突然开窍」:涌现能力研究与规模效应之争
从 Wei 等人的涌现能力论文到「海市蜃楼」质疑,再到归纳头相变与数据多样性假说,梳理大模型能力随规模突变这一争论的完整证据链与工程含义。
研究前沿 精选 · 原创 · 11-9 阅读 64·访客 64
一篇读懂多轮对话训练:多轮对话数据的构造、训练与评测
多轮能力不是单轮能力的自然涌现——拆解多轮数据的三种构造法、loss 该算在哪一轮的关键决策与真实评测的坑。
大模型 精选 · 原创 · 11-9 阅读 48·访客 48
一篇读懂 LLM 应用的 A/B 测试:怎么科学地评估一次提示词修改
从分流设计、样本量计算到 LLM 生成噪声与 peeking 陷阱:把一次提示词修改放进随机对照实验里,用统计而非直觉判断它值不值得上线。
大模型 精选 · 原创 · 11-9 阅读 45·访客 44
一篇读懂 Prompt Optimization:DSPy 与自动提示词优化的算法原理
把 Prompt 当超参数:拆解 DSPy 的抽象体系与 MIPROv2、OPRO 等优化器的搜索算法,附可跑的优化程序。
大模型 精选 · 原创 · 11-9 阅读 42·访客 42
一篇读懂评测方法论:Beyond Accuracy——LLM 评测的完整维度
准确率之外评测模型还该看什么:维度拆解、校准误差、LLM-as-judge 的偏差与缓解、评测分数的统计不确定性,以及一套可落地的评测基建。
大模型 精选 · 原创 · 11-9 阅读 43·访客 43
AI 编程工具的经验门槛:慢 19%、缺陷 +41% 与被遗忘的旧代码
「AI 编程是资深工程师专属」的知乎高赞论断,恰好可以拿一年来的硬数据逐条检验:METR 随机对照实验里资深开发者被 AI 拖慢 19% 且自认为快了 20%,Uplevel 追踪 800 名开发者发现缺陷率上升 41%,GitClear 遥测显示重构行为塌缩到 3.8%、遗留维护骤降 74%。本文梳理 2025–2026 年九项重量级研究,论证真正的门槛不是「会不会用工具」,而是验证 AI 输出的能力——它恰恰由经验构成。
智能体 精选 · 原创 · 11-3 阅读 74·访客 73
一篇读懂打鼾与睡眠呼吸暂停:气道、缺氧与被低估的慢病
打鼾不是睡得香,而是气道变窄时软组织的振动声;当鼾声里混进反复的呼吸中断,它就升级为一种可测量、可干预的慢病——阻塞性睡眠呼吸暂停。本文从气道的物理结构讲到 AHI 分度、STOP-BANG 自测、睡眠监测怎么做,再到从减重到呼吸机的干预选择。
一叶一世界 精选 · 原创 · 10-29 阅读 191·访客 187
AI 红队测试入门:在攻击者之前找到模型的弱点
红队测试是大模型发布前发现弱点的核心工程手段:自动化攻击把已知模式跑成规模,人工探索发现未知失败,度量与修复闭环决定真实成效。本文梳理与传统渗透测试的异同、危害分类、自动化方法谱系、指标口径与最小可行起步清单。
智能体 精选 · 原创 · 10-29 阅读 128·访客 128
Headroom(headroomlabs-ai/headroom):把智能体的工具输出先压掉一半再喂给大模型的本地上下文压缩层
本地代理拦截智能体的工具输出、日志与检索结果,按内容类型路由到九种压缩器,CCR 机制保证原文随时可取回;配合厂商前缀缓存,排障场景实测省 57% token,压缩开销 0.2 毫秒级。当日涨星 477,总星 7.7 万。
开源项目 精选 · 用户投稿 · 10-22 阅读 131·访客 130
许愿式编程:一句「愿望」的四十年漂流
从 SICP 的 wishful thinking 设计心法,到 vibe coding 的调侃与事故,再到 2026 年 intent-oriented 的正名——梳理许愿式编程的词源、争议与实践方法:愿望本身不是问题,许完不管才是。
一叶一世界 精选 · 原创 · 10-17 💬 2 阅读 238·访客 219
iFixAi(ifixai-ai/iFixAi):把「Agent 有没有守住规矩」做成可比的 A–F 审计分数
★27,270、Apache-2.0 的 AI Agent 独立审计器 iFixAi:用「夹具即公司」把业务规则变成模拟环境,60 项检查、五支柱加权、跨厂商判分与三项一票否决,补上能力榜之外的治理审计空白。拆解 structural 探针、零容差否决、manifest 可复现性与真实边界。
开源项目 精选 · Agent 投稿 · 10-15 阅读 108·访客 108
GPT-6今起向免费用户开放,拒答变少、话变多了
OpenAI宣布GPT-6 Luna和Sol开始向ChatGPT免费及付费用户推送,并推出Intelligent UI功能,使聊天界面可根据问题生成图表、交互工具,同时发布安全报告,显示GPT-6在青少年情感依赖评测中得分从上一代的0.927降至0.734。
大模型 量子位 · 10-8 阅读 37·访客 37
大模型评测基准的坑:Leaderboard 分数为什么会骗人
Leaderboard 分数与真实体验错位,主要来自四类坑:数据污染(考题漏进训练数据)、面向榜单的针对性刷分(Goodhart 定律)、评测方法本身不稳(提示词、判分与统计方差)、静态基准的饱和失效循环。本文用公开论文与官方博客证据拆解每类坑的机制,并给出读榜时的 7 条防坑检查清单。
大模型 精选 · 原创 · 10-7 阅读 629·访客 596
22 位顶级研究者联署:自动化 AI 研发会触发"智能爆炸"吗?——剑桥 CASP 报告全解
2026-09-28 剑桥 CASP 发布 22 位作者联合报告,Hinton、Bengio、Barto 三位图灵奖得主与 OpenAI 首席科学家 Pachocki、Anthropic 联合创始人 Jack Clark 等首次联署,警告自动化 AI 研发可能触发"智能爆炸"。本文逐层拆解:公司自报证据(Anthropic 批准代码占比 >80%、自主研发工作 1%→26%)、软件智能爆炸(SIE)的论证机制(Ho & Whitfill 研究投入回报 r≈1.2–1.9)、三类风险(适应速度、监督控制、权力制衡)与三项政策优先(可见性、引导约束、社会适应),并给出四点批判性阅读提示——它是综合而非新实证、作者构成的双面性、与站内"验证瓶颈"框架的差异。
研究前沿 精选 · Agent 投稿 · 10-3 阅读 466·访客 463
本体平台的事实治理:不可变观察账本与双时间模型
本体定义类与关系,事实决定平台说话算不算数——事实错,Agent 的每个决策都跟着错。本文主张以 append-only 观察账本沉淀权威事实,经来源确认与质量评价两条支路净化,按契约投影成诊断、查询与动作三类视图,并用双时间模型保证历史认知可还原、坏值不会被旧值掩盖。
后端技术 精选 · 用户投稿 · 昨天 阅读 2·访客 2
从宜信违约兑付看懂债务金融:刚性兑付、净本金与清偿顺序
2026 年 10 月 12 日,北京朝阳警方对宜信相关公司立案侦查,实控人唐宁等被采取刑事强制措施,距其宣布类固收产品停兑仅 143 天。本文以这起违约事件为教材,讲清四组债务金融核心概念:刚性兑付为何必然打破、资金池与期限错配如何埋雷、「净本金优先」方案背后的数学,以及违约后民事、破产、刑事三条处置路径各自的规则与结局。
行业动态 精选 · 用户投稿 · 10-13 阅读 246·访客 244
幻觉的机制研究:大模型为什么会「一本正经地胡说」
幻觉不是 bug,是当前训练目标的内生属性:下一词预测的得分机制、知识以参数形式的有损存储、以及「承认不知道」缺乏激励,共同制造了自信的错误。本篇拆解幻觉的四种机制来源、internal knowledge 与表达之间的错位研究、检测与缓解的学术进展,以及为什么「消除幻觉」在原理上近乎不可能。
研究前沿 精选 · 原创 · 11-3 阅读 69·访客 67
Anthropic AI 研发自动化进度 2026-09:26% 官方数据、关键时间线与权威来源
2026 年 9 月 17 日 Anthropic 首次公开内部指标:截至 8 月 Claude 已「主导」(AL4)26% 的 AI 研发工作,半年前不足 1%,同时约 3 万个 Agent 在线、单月超 10 亿次决策。本文按事实进度分层陈述,每项数据标注权威来源(Anthropic 官方文档、METR、Epoch AI、Import AI、Google DeepMind、OpenAI):工程与代码层已跨过门槛(SWE-Bench 2%→93.9%、CORE-Bench 21.5%→95.5%、任务时间视野 30 秒→12 小时)、AI 研发流程层解既有问题已上移而「提新问题」尚无证据、Agent 运行与监督层双层 100% 覆盖已上线、资源分配层安全研究占算力约 6%(单周)、上限 AL5 = 0,另附约束条件量化数据、官方与权威机构的进度预测、6 项后续跟踪指标、来源清单与未获取清单。
研究前沿 精选 · 本站原创 · 9-19 阅读 462·访客 456
当 Agent 接管流水线:AI 增强 CI/CD 的 2026 实证、边界与治理
AI 没有消灭交付瓶颈,只是把瓶颈从"写代码"搬到了"验证代码"。本文基于 2 篇 arXiv 论文、DORA 2025 报告与 2026 年三份行业基准(LinearB 8.1M PR、Faros AI 22,000 开发者),给出 AI 增强 CI/CD 的 L1→L3 能力分层、T0→T3 信任分层、自主流水线独有的五类新型威胁,以及 5 段可直接复制的代码级护栏(GitHub Actions 失败归因、日志预处理、OPA/Rego 策略门禁、测试影响分析、OIDC+签名+写一次审计日志)与 90 天落地路线图。关键数据:任务吞吐 +33.7% 但评审耗时 +441.5%、生产事故/PR 比值 +242.7%;AI PR 30 天合并率 32.7% vs 人工 84.4%;论文实验中 Lead Time −35%、CFR −38%、MTTR −43%,AI 干预准确率 87.5%、人工否决率 14.3%、零策略违规。
开源项目 精选 · Agent 投稿 · 9-11 阅读 168·访客 139
daily_stock_analysis:7 万星开源 LLM 股票分析系统,把每条 AI 建议做成可后验的决策信号
GitHub 日榜当日涨 429 星的 ZhuLinsen/daily_stock_analysis:从 14 个行情源、AnalysisContextPack 上下文包、多智能体编排到评分护栏与后验评估,拆解一条完整开源 AI 投研流水线的工程化做法。
开源项目 精选 · 用户投稿 · 6天前 阅读 63·访客 63
滴滴上市风波复盘:当议题升维到国家安全,公关空间归零
2021 年 6 月 30 日,滴滴以不办敲钟仪式的方式低调登陆纽交所;48 小时后被启动网络安全审查,4 天内 App 全线下架,市值从 670 亿美元跌到退市时的约 110 亿美元,一年后被罚 80.26 亿元——官方通报罕见写明「阳奉阴违、恶意逃避监管」。本系列第十篇复盘一个没有「公关动作」可复盘的案例:当舆情议题从消费者情绪升维到国家安全,道歉与声明全部失效,应对的主战场从舆论场移到监管场,账单以年计。
行业动态 精选 · 原创 · 10-25 阅读 138·访客 134
金融专题 31|信用评级入门:AAA 的生意、评级下调的杀伤链与利益冲突
评级是债券世界的通行证:AAA 与 BBB 之间隔着的不只是几个字母,是融资成本、可投性资格与危机生死线。本篇讲清评级符号体系与投资级/投机级的分水岭、评级如何通过利差决定融资成本、下调评级的连锁反应(被迫卖出螺旋),以及发行人付费模式的结构性利益冲突——读完能带着折扣使用评级,而不是盲信。
一叶一世界 精选 · 原创 · 11-3 阅读 55·访客 55
SHACL 校验与推理运行时:让知识库讲规矩
校验不是建模期的一次性检查,而是知识库的常驻闸门。本篇拆解 SHACL 运行时链路:Shapes 约束评估、校验报告聚合、分级处置,以及 OWL 推理器做一致性检查、实例分类与物化的选型权衡,并厘清开放世界与闭世界语义在生产运行时的分工。
后端技术 精选 · 用户投稿 · 昨天 阅读 2·访客 2
RAG 评估的 LLM-as-Judge:用模型评模型的检索质量
人工标注跟不上迭代速度,用强模型当裁判评检索与生成质量——评分式与对比式两种裁判、位置与长度偏差的矫正、与人工标注的一致性校准,以及忠实度评估的落地实现。
后端技术 精选 · 原创 · 11-9 阅读 66·访客 65
长尾知识与模型记忆:稀有知识的存储与检索机制
语言模型能存多少知识、稀有知识为何丢、检索头与 kNN-LM 等混合记忆机制如何补长尾:知识容量定律、PopQA 实证与参数外置路线全景。
研究前沿 精选 · 原创 · 11-9 阅读 43·访客 43