人工智能

《噪声》全书总结

1.偏差和噪声,即系统性偏差和随机分散,是误差的不同组成成分。偏差和噪声是独立的。 2.可将“判断”描述为使用人类大脑作为工具的一种测量。决策需要预测性判断和评估性判断。 3.噪声的分类:水平噪声/模式噪声/情境噪声。情绪是情境噪声的源头。 4.明智的简单规则比人类的判断要好很多。 5.理解现实的过程是回溯性的。理解就是描述因果关系,而预测能力就是衡量这一因果关系是否成立的指标。 6.替代偏差导致

机器能做科学家吗?一场关于开放式科研的 AI 革命

目录一、引言:AI 能否成为真正的“科学家”?二、背景综述:构建“自动科研”的基础模块(一)大语言模型(LLMs):AI 科学家的“大脑”(二)LLM 代理框架(Agent Frameworks):让模型“做事”的方式

蓝耘DS满血版震撼来袭!500万Tokens限时免费,开启AI新纪元

🎁个人主页:我们的五年🔍系列专栏:Linux网络编程🌷追光的人,终会万丈光芒🎉欢迎大家点赞👍评论📝收藏⭐文章​前言: 2025年02月21日 14:23,蓝耘科技股份有限公司公布,蓝耘元生代推理引擎现已上线满血版 D

从人类到 AI:意群阅读的奥秘与英语学习的高效技巧

一、人类的英语阅读理解:意群如何加速大脑处理? 1.1 什么是意群(Chunking):自然语义单元意群,顾名思义,就是将语言中具有内在联系的部分组合在一起,形成一个相对独立且完整的语义单元。举个简单的例子,在句子“I love reading books in the

实时数仓的过去、现在和未来

1991年,比尔·恩门(Bill Inmon)出版了他的第一本关于数据仓库的书《Building the Data Warehouse》,标志着数据仓库概念的确立。我们所常说的企业数据仓库Enterprise Data Warehouse (EDW) ,就是一个用于聚合不同来源的数据(比如事务系统、关系数据库和操作数据库),然后方便进行数据访问、分析和报告的系统(例如销售交易数据、移动应用数据和C

Apache Hudi - 初步了解

知乎上看到的这个文章,视野开阔,转载一下。 URL: ?utm_source=com.ucmobile 自己关于 Apache Hudi 的一些简单的了解和想法。 背景 Hudi 是 Uber 主导开发的开源数据湖框架。所以大部分的出发点都来源于 Uber 自身场景,比如司机数据和乘客数据通过订单 Id 来做 Join

『告别手工测试:AI 自动化测试覆盖 90% 场景的秘诀』

在 AI 技术飞速渗透各行各业的当下,我们早已告别 “谈 AI 色变” 的观望阶段,迈入 “用 AI 提效” 的实战时代 💡。无论是代码编写时的智能辅助 💻、数据处理中的自动化流程 📊,还是行业场景里的精准解决方案 ,AI 正以润物细无声的方式,重构着我们的工作逻辑与行业生态

【2025年度创作】分享和总结如何通过AI快速开发一款MCP(模型上下文协议)服务插件,并进行本地和线上部署测试,最后上架MCP以及智能体调用MCP插件

一年一度的CSDN博客之星活动现已开启!时光飞逝,2025的代码即将合上尾页,指针向前,2026的技术新篇静待启封。这一年,我依然坚持在CSDN平台持续创作,也见证了AI与智能体领域的持续升温,特别是MCP(模型上下文协议)技术带来的崭新突破。 值此CSDN平台年度技