- Nimbus-7 Total Solar Irradiance Data in Native Format简介NIMBUS7_ERB_Ch10C_TSI_NAT 数据集是搭载于地球辐射收支 (ERB) 卫星上的 Nimbus-7 10C 通道 (Ch10C) 总太阳辐照度 (TSI) 数据，采用原生 (NAT) 格式。Nimbus 7 研发卫星是一个稳定的、面向地球的平台，用于测试用于污染... Nimbus-7 Total Solar Irradiance Data in Native Format简介NIMBUS7_ERB_Ch10C_TSI_NAT 数据集是搭载于地球辐射收支 (ERB) 卫星上的 Nimbus-7 10C 通道 (Ch10C) 总太阳辐照度 (TSI) 数据，采用原生 (NAT) 格式。Nimbus 7 研发卫星是一个稳定的、面向地球的平台，用于测试用于污染...
- 很多人第一次接触各家大模型时，都会觉得它们的回答能带来意想不到的惊喜，但有时，AI回答又怪怪的、啰嗦、甚至有点危险。这背后，其实就是一个核心问题：对齐（Alignment），本篇文章将带您轻松了解当下较为常见的三种训练模式：PPO、DPO、KTO，以及其所需要的配置，并安利一个网页大模型微调工具！ 很多人第一次接触各家大模型时，都会觉得它们的回答能带来意想不到的惊喜，但有时，AI回答又怪怪的、啰嗦、甚至有点危险。这背后，其实就是一个核心问题：对齐（Alignment），本篇文章将带您轻松了解当下较为常见的三种训练模式：PPO、DPO、KTO，以及其所需要的配置，并安利一个网页大模型微调工具！
- 开篇语哈喽，各位小伙伴们，你们好呀，我是喵手。运营社区：C站/掘金/腾讯云/阿里云/华为云/51CTO；欢迎大家常来逛逛 今天我要给大家分享一些自己日常学习到的一些知识点，并以文字的形式跟大家一起交流，互相学习，一个人虽可以走的更快，但一群人可以走的更远。 我是一名后端开发爱好者，工作日常接触到最多的就是Java语言啦，所以我都尽量抽业余时间把自己所学到所会的，通过文章的形式进行输出，... 开篇语哈喽，各位小伙伴们，你们好呀，我是喵手。运营社区：C站/掘金/腾讯云/阿里云/华为云/51CTO；欢迎大家常来逛逛 今天我要给大家分享一些自己日常学习到的一些知识点，并以文字的形式跟大家一起交流，互相学习，一个人虽可以走的更快，但一群人可以走的更远。 我是一名后端开发爱好者，工作日常接触到最多的就是Java语言啦，所以我都尽量抽业余时间把自己所学到所会的，通过文章的形式进行输出，...
- 可解释AI的公理化方法：Shapley值与交互指数的公理冲突 引言：可解释AI的数学基础危机在人工智能决策日益影响人类生活的今天，模型可解释性已从"锦上添花"变为"不可或缺"。然而，当前最流行的Shapley值解释方法正面临深刻的数学危机——其核心公理体系内部存在不可调和的冲突。研究表明，超过60%的工业级AI应用在使用Shapley值进行特征归因时，遭遇了交互效应导致的解释不一致问题。本... 可解释AI的公理化方法：Shapley值与交互指数的公理冲突 引言：可解释AI的数学基础危机在人工智能决策日益影响人类生活的今天，模型可解释性已从"锦上添花"变为"不可或缺"。然而，当前最流行的Shapley值解释方法正面临深刻的数学危机——其核心公理体系内部存在不可调和的冲突。研究表明，超过60%的工业级AI应用在使用Shapley值进行特征归因时，遭遇了交互效应导致的解释不一致问题。本...
- 可解释AI的公理化方法：Shapley值与交互指数的公理冲突 引言：可解释AI的数学基础危机在人工智能决策日益影响人类生活的今天，模型可解释性已从"锦上添花"变为"不可或缺"。然而，当前最流行的Shapley值解释方法正面临深刻的数学危机——其核心公理体系内部存在不可调和的冲突。研究表明，超过60%的工业级AI应用在使用Shapley值进行特征归因时，遭遇了交互效应导致的解释不一致问题。本... 可解释AI的公理化方法：Shapley值与交互指数的公理冲突 引言：可解释AI的数学基础危机在人工智能决策日益影响人类生活的今天，模型可解释性已从"锦上添花"变为"不可或缺"。然而，当前最流行的Shapley值解释方法正面临深刻的数学危机——其核心公理体系内部存在不可调和的冲突。研究表明，超过60%的工业级AI应用在使用Shapley值进行特征归因时，遭遇了交互效应导致的解释不一致问题。本...
- 一、引言在供应链体系中，有一个很重要的模块：需求预测模块，其精度直接决定了库存调拨的合理性与及时性。传统预测模式依赖静态历史数据与简单时间序列模型，面临三大核心挑战：响应滞后：无法实时捕捉促销活动、天气变化等动态因素（某门店促销期间预测误差高达35%）。特征单一：仅依赖商品历史销量，忽略区域人口密度、竞品价格等外部变量。迭代缓慢：模型参数调整需人工介入，季度更新一次，难以适应市场波动。为解决... 一、引言在供应链体系中，有一个很重要的模块：需求预测模块，其精度直接决定了库存调拨的合理性与及时性。传统预测模式依赖静态历史数据与简单时间序列模型，面临三大核心挑战：响应滞后：无法实时捕捉促销活动、天气变化等动态因素（某门店促销期间预测误差高达35%）。特征单一：仅依赖商品历史销量，忽略区域人口密度、竞品价格等外部变量。迭代缓慢：模型参数调整需人工介入，季度更新一次，难以适应市场波动。为解决...
- 一、引言我们的库存管理之前面临许多复杂性：门店分布广、商品品类多、消费需求波动大、供应链环节冗长。传统依赖人工经验的调拨决策模式，常常导致"要么库存积压占用资金，要么缺货损失销售机会"的两难局面。为解决这一痛点，我们团队研发了智能调拨系统，核心目标是通过AI算法生成多套调拨方案，并精准预测各方案的关键指标（如完成时间、总成本、缺货率），辅助决策者选择最优策略。本文将以AI协作开发日志的形式，... 一、引言我们的库存管理之前面临许多复杂性：门店分布广、商品品类多、消费需求波动大、供应链环节冗长。传统依赖人工经验的调拨决策模式，常常导致"要么库存积压占用资金，要么缺货损失销售机会"的两难局面。为解决这一痛点，我们团队研发了智能调拨系统，核心目标是通过AI算法生成多套调拨方案，并精准预测各方案的关键指标（如完成时间、总成本、缺货率），辅助决策者选择最优策略。本文将以AI协作开发日志的形式，...
- I. 因果推断的核心理论框架 1.1 潜在结果框架与识别挑战因果推断的数学基础建立在反事实推理之上。对于单元 iii，处理变量 Ti∈{0,1}T_i \in \{0,1\}Ti∈{0,1} 和结果变量 YiY_iYi，定义潜在结果 Yi(1)Y_i(1)Yi(1) 和 Yi(0)Y_i(0)Yi(0) 分别表示接受处理和未接受处理时的结果。个体因果效应为 τi=Yi(1)−Yi(... I. 因果推断的核心理论框架 1.1 潜在结果框架与识别挑战因果推断的数学基础建立在反事实推理之上。对于单元 iii，处理变量 Ti∈{0,1}T_i \in \{0,1\}Ti∈{0,1} 和结果变量 YiY_iYi，定义潜在结果 Yi(1)Y_i(1)Yi(1) 和 Yi(0)Y_i(0)Yi(0) 分别表示接受处理和未接受处理时的结果。个体因果效应为 τi=Yi(1)−Yi(...
- 大语言模型在复杂任务中常因缺乏执行反馈闭环而表现不佳。本文指出LLM存在状态管理、环境感知和结果验证等局限，需要结合工具执行、状态存储和监控验证构建系统化方案。成功关键在于建立可验证的工程体系，而非依赖模型本身，这对AI系统设计与测试提出了更高要求。 大语言模型在复杂任务中常因缺乏执行反馈闭环而表现不佳。本文指出LLM存在状态管理、环境感知和结果验证等局限，需要结合工具执行、状态存储和监控验证构建系统化方案。成功关键在于建立可验证的工程体系，而非依赖模型本身，这对AI系统设计与测试提出了更高要求。
- 大语言模型在复杂任务中常因缺乏执行反馈闭环而表现不佳。本文指出LLM存在状态管理、环境感知和结果验证等局限，需要结合工具执行、状态存储和监控验证构建系统化方案。成功关键在于建立可验证的工程体系，而非依赖模型本身，这对AI系统设计与测试提出了更高要求。 大语言模型在复杂任务中常因缺乏执行反馈闭环而表现不佳。本文指出LLM存在状态管理、环境感知和结果验证等局限，需要结合工具执行、状态存储和监控验证构建系统化方案。成功关键在于建立可验证的工程体系，而非依赖模型本身，这对AI系统设计与测试提出了更高要求。
- I. Neyman正交性与因果识别的理论基础 1.1 因果模型的参数化表述考虑部分线性模型（Partially Linear Model）：Y=θD+g(X)+U,E[U∣X,D]=0Y = \theta D + g(X) + U, \quad E[U|X,D] = 0Y=θD+g(X)+U,E[U∣X,D]=0其中YYY是结果变量，DDD是我们关心的处理变量（如价格），XXX是高维协变量... I. Neyman正交性与因果识别的理论基础 1.1 因果模型的参数化表述考虑部分线性模型（Partially Linear Model）：Y=θD+g(X)+U,E[U∣X,D]=0Y = \theta D + g(X) + U, \quad E[U|X,D] = 0Y=θD+g(X)+U,E[U∣X,D]=0其中YYY是结果变量，DDD是我们关心的处理变量（如价格），XXX是高维协变量...
- I. 核心识别假设的放松与强化 1.1 清晰断点到模糊断点的假设演变假设类型清晰断点（Sharp）模糊断点（Fuzzy）经济含义分配连续性$\lim_{x\to c^-} \mathbb{E}[Y_i(0)X_i=x] = \lim_{x\to c^+} \mathbb{E}[Y_i(0)X_i=x]$处理确定性Di=ZiD_i = Z_iDi=Zi放松：ZiZ_iZi仅为工具变量处... I. 核心识别假设的放松与强化 1.1 清晰断点到模糊断点的假设演变假设类型清晰断点（Sharp）模糊断点（Fuzzy）经济含义分配连续性$\lim_{x\to c^-} \mathbb{E}[Y_i(0)X_i=x] = \lim_{x\to c^+} \mathbb{E}[Y_i(0)X_i=x]$处理确定性Di=ZiD_i = Z_iDi=Zi放松：ZiZ_iZi仅为工具变量处...
- I. 引言：多重检验的必然性与挑战在单假设检验框架下，我们习惯于控制I类错误概率为α\alphaα（通常为0.05）。然而，当代数据分析很少局限于单一问题。当检验mmm个相互独立的假设时，至少犯一次I类错误的概率膨胀为：P(至少一个假阳性)=1−(1−α)mP(\text{至少一个假阳性}) = 1 - (1 - \alpha)^mP(至少一个假阳性)=1−(1−α)m当m=10m=10m... I. 引言：多重检验的必然性与挑战在单假设检验框架下，我们习惯于控制I类错误概率为α\alphaα（通常为0.05）。然而，当代数据分析很少局限于单一问题。当检验mmm个相互独立的假设时，至少犯一次I类错误的概率膨胀为：P(至少一个假阳性)=1−(1−α)mP(\text{至少一个假阳性}) = 1 - (1 - \alpha)^mP(至少一个假阳性)=1−(1−α)m当m=10m=10m...
- I. 引言：超越平均效应的局限在数字经济和精准营销时代，“一刀切"的策略已难以满足精细化运营的需求。传统的A/B测试报告通常聚焦于平均处理效应（Average Treatment Effect, ATE），例如"新推荐算法使整体点击率提升2.3%”。然而，这种聚合指标可能掩盖了用户群体间的显著差异：年轻用户可能提升8%，而老年用户反而下降3%，最终相互抵消形成微弱的平均效应。异质性处理效应... I. 引言：超越平均效应的局限在数字经济和精准营销时代，“一刀切"的策略已难以满足精细化运营的需求。传统的A/B测试报告通常聚焦于平均处理效应（Average Treatment Effect, ATE），例如"新推荐算法使整体点击率提升2.3%”。然而，这种聚合指标可能掩盖了用户群体间的显著差异：年轻用户可能提升8%，而老年用户反而下降3%，最终相互抵消形成微弱的平均效应。异质性处理效应...
- I. 引言：高维因果推断的挑战与机遇在数字经济时代，因果推断正面临前所未有的维度爆炸。金融科技公司的用户行为数据包含数千维特征，医疗影像分析涉及百万级像素点，电商平台的推荐系统需处理数百个用户-商品交互变量。传统因果推断方法——无论是倾向得分匹配还是双重差分——均基于"低维可观测假设"，即研究者能穷尽所有混淆因素。但当特征维度p超过样本量n（p>>n），或协变量存在高度多重共线性时，传统方... I. 引言：高维因果推断的挑战与机遇在数字经济时代，因果推断正面临前所未有的维度爆炸。金融科技公司的用户行为数据包含数千维特征，医疗影像分析涉及百万级像素点，电商平台的推荐系统需处理数百个用户-商品交互变量。传统因果推断方法——无论是倾向得分匹配还是双重差分——均基于"低维可观测假设"，即研究者能穷尽所有混淆因素。但当特征维度p超过样本量n（p>>n），或协变量存在高度多重共线性时，传统方...
上滑加载中
推荐直播
-
华为云码道-AI时代应用开发利器2026/03/18 周三 19:00-20:00
童得力，华为云开发者生态运营总监/姚圣伟，华为云HCDE开发者专家
本次直播由华为专家带你实战应用开发，看华为云码道(CodeArts)代码智能体如何在AI时代让你的创意应用快速落地。更有华为云HCDE开发者专家带你用码道玩转JiuwenClaw，让小艺成为你的AI助理。
回顾中 -
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中 -
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中
热门标签