机器学习/深度学习

首页 标签 机器学习/深度学习
# 机器学习/深度学习 #
关注
73045内容
|
1月前
|
《OpenClaw自验证体系的搭建与优化技巧》
本文针对大模型检索增强无法根治事实性错误的核心痛点,提出OpenClaw自验证闭环的落地解决方案。文章阐述了生成与验证代理分离的核心设计,详细拆解了事实单元拆分、多源交叉验证、动态信息源可信度评分、矛盾消解与自动修正的完整流程,给出了不同场景下验证精度与效率的平衡策略。实测显示该方案可将输出事实性错误率降低80%以上,同时分析了自验证体系的局限性,并展望了多模型交叉验证、知识图谱融合等未来演进方向。
|
1月前
| |
大模型应用:低资源场景下的语言生成:N-Gram与大模型的协同之路.100
本文探讨N-Gram与大模型的融合方案:以N-Gram为兜底校验,弥补大模型在低资源语言、文本纠错、输入法预测等场景中易乱码、不流畅、逻辑断裂等缺陷;通过概率加权融合(如生成后校验或生成中约束),兼顾语义创造性与局部准确性,提升生成下限与鲁棒性。
Skill技术正在吃掉传统自动化框架的最后一块领地
本文深度解析AI测试范式革命:传统自动化脚本正被“Skill”技术重构。Skill非代码而是可复用的测试方法论;Agent、MCP、Skill三层协同,实现从“写脚本”到“搭能力”的跃迁。Cursor、Money Forward、OpenClaw等案例印证:测试工程师正升级为AI时代的Skill架构师。
DDoS 攻击解析与防御体系
本文系统解析DDoS攻击原理、主流类型(流量型/应用层/混合型)及全链路防护体系,涵盖架构加固、智能清洗、WAF防护、应急响应与云原生防御趋势,助力构建稳定、安全、弹性的数字服务屏障。(239字)
|
2月前
| |
大模型应用:TextRank+大模型:轻量化算法与大模型协同的文本摘要实践.99
本文提出“TextRank粗摘+大模型精摘”融合方案:用轻量TextRank快速提取核心句与关键词,再借大模型润色生成流畅、精准、场景适配的摘要。兼顾效率与质量,降低门槛与成本,适合论文、会议、内容等高频场景。
|
2月前
| |
来自: Qoder CN
AI 编程时代来了!Karpathy 出品「避坑指南」一夜爆火
AI编程时代来临,Karpathy指出四大通病:错误假设、代码臃肿、误改无关代码、缺乏验证标准。开发者Forrest Chang据此推出开源《CLAUDE.md》指南,通过“思考优先、简单优先、精准改动、目标驱动”四原则,让Claude Code更可靠、高效、可控。(239字)
|
2月前
|
工业织物缺陷目标检测数据集分享(适用于YOLO系列深度学习分类检测任务)
本数据集面向工业织物弱纹理场景,含1000+张768×512 RGB图像,精准标注4类缺陷(洞、异物、油斑、织线错误),采用标准YOLO格式,适配YOLOv5/v8等系列模型,助力智能制造质检研究与落地。(239字)
|
2月前
|
工业粉尘检测数据集分享(适用于YOLO系列深度学习分类检测任务)
本数据集含4000张工业场景粉尘图像(训练集2910张、验证集923张),人工精标YOLO/COCO格式,覆盖矿山、工厂、工地等多场景,适配YOLO系列目标检测与分类任务,助力智能粉尘监测研发。(239字)
|
2月前
| |
来自: 视觉智能
用 200 元改了一个普通摄像头,测直径稳定到 ±5 微米
本项目实现了一种低成本、高鲁棒的圆形工件视觉检测方案:仅用200元USB摄像头,无需远心镜头与深度学习,15ms内完成检测,直径重复精度达±2μm,圆心定位误差<0.01mm;自动抑制灰尘、划痕、油污干扰,换型一键标定,结果可解释。
免费试用