- 1 简介编程语言Go 1.24 中引入了 Swiss Table 作为 map 数据类型的新底层实现，这是 Go 语言发展中的一个重要改进。这个实现借鉴了现代编程语言（如 C++ 和 Rust）中的哈希表优化技术，尤其是来自 Google 的 SwissTable 实现（在 C++ 的 absl::flat_hash_map 和 Rust 的 HashMap 中应用）。这次更改提升了性能、... 1 简介编程语言Go 1.24 中引入了 Swiss Table 作为 map 数据类型的新底层实现，这是 Go 语言发展中的一个重要改进。这个实现借鉴了现代编程语言（如 C++ 和 Rust）中的哈希表优化技术，尤其是来自 Google 的 SwissTable 实现（在 C++ 的 absl::flat_hash_map 和 Rust 的 HashMap 中应用）。这次更改提升了性能、...
- 1 简介在 Go（Golang）中，普通类型/值的赋值规则以及核心类型的定义是语言设计的重要组成部分，理解这部分有助于写出更高效和健壮的 Go 代码。 2 Go 中普通类型/值的赋值规则Go 是 静态强类型语言，赋值行为主要遵循值语义，即 默认是值拷贝。✅ 特点如下： 类型分类 赋值行为 值类型（value types） 赋值时会复制整个值（即值拷贝） 引用类型（r... 1 简介在 Go（Golang）中，普通类型/值的赋值规则以及核心类型的定义是语言设计的重要组成部分，理解这部分有助于写出更高效和健壮的 Go 代码。 2 Go 中普通类型/值的赋值规则Go 是 静态强类型语言，赋值行为主要遵循值语义，即 默认是值拷贝。✅ 特点如下： 类型分类 赋值行为 值类型（value types） 赋值时会复制整个值（即值拷贝） 引用类型（r...
- 1 简介Feyman 费曼学习法是一种非常强大的工具，但是存在一些数学或物理领域的复杂概念，不能通过简单类比或通俗语言直接解释清楚，至少解释起来会失去精确性、严密性，可能会误导听众。以下是一些费曼学习法难以直接奏效的复杂概念类型，以及原因分析。 2 费曼学习法难以直接解释的复杂概念类型高度抽象的数学结构如：拓扑空间、σ-代数、流形、多元范畴（Category Theory）皮亚诺公理、柯西... 1 简介Feyman 费曼学习法是一种非常强大的工具，但是存在一些数学或物理领域的复杂概念，不能通过简单类比或通俗语言直接解释清楚，至少解释起来会失去精确性、严密性，可能会误导听众。以下是一些费曼学习法难以直接奏效的复杂概念类型，以及原因分析。 2 费曼学习法难以直接解释的复杂概念类型高度抽象的数学结构如：拓扑空间、σ-代数、流形、多元范畴（Category Theory）皮亚诺公理、柯西...
- 1 简介本章将讨论对类型参数值的哪些操作 在泛型函数体中是有效的，哪些是无效的。在泛型函数体中， 对类型参数值的操作仅在以下情况下有效： 对 Type 参数约束的 Type 集中的每种类型的值都有效。 在当前的自定义通用设计和实现（Go 1.22）中， 反之亦然。 必须满足一些额外的要求才能使操作有效。目前，有许多这样的限制。其中一些是暂时的 并且可能会从未来的 Go 版本中删除，有些是永... 1 简介本章将讨论对类型参数值的哪些操作 在泛型函数体中是有效的，哪些是无效的。在泛型函数体中， 对类型参数值的操作仅在以下情况下有效： 对 Type 参数约束的 Type 集中的每种类型的值都有效。 在当前的自定义通用设计和实现（Go 1.22）中， 反之亦然。 必须满足一些额外的要求才能使操作有效。目前，有许多这样的限制。其中一些是暂时的 并且可能会从未来的 Go 版本中删除，有些是永...
- 1 简介基尼系数（Gini coefficient）在经济学中是衡量收入或财富分配不平等程度的核心指标之一，广泛用于国家、地区或群体之间的比较。通过一个简单的例子，详细说明**加权基尼系数（Weighted Gini Index）**的计算过程，以及它在 CART 决策树（Classification and Regression Tree） 中的应用。 2 基尼系数（Gini Index... 1 简介基尼系数（Gini coefficient）在经济学中是衡量收入或财富分配不平等程度的核心指标之一，广泛用于国家、地区或群体之间的比较。通过一个简单的例子，详细说明**加权基尼系数（Weighted Gini Index）**的计算过程，以及它在 CART 决策树（Classification and Regression Tree） 中的应用。 2 基尼系数（Gini Index...
- 1 简介CART（Classification and Regression Tree）既可以用于分类任务（Classification Tree），也可以用于回归任务（Regression Tree）。两者的关键区别在于 目标变量的类型：分类树：目标变量是类别（离散的）。回归树：目标变量是数值（连续的）。 2 使用的例子下面用两个简单明了的例子来分别说明：分类树（Classificati... 1 简介CART（Classification and Regression Tree）既可以用于分类任务（Classification Tree），也可以用于回归任务（Regression Tree）。两者的关键区别在于 目标变量的类型：分类树：目标变量是类别（离散的）。回归树：目标变量是数值（连续的）。 2 使用的例子下面用两个简单明了的例子来分别说明：分类树（Classificati...
- 1 大模型Grok（由 xAI 开发）和 ChatGPT（由 OpenAI 开发）都是基于大型语言模型（LLM）的对话型 AI，具有一些共同功能，但也有显著差异。以下是对两者功能的详细对比相似性:自然语言处理：两者都能理解和生成类人文本，支持多领域对话，包括回答问题、生成内容、提供建议等。都支持多模态功能，如处理文本、图像输入（Grok 通过 Aurora 图像模型，ChatGPT 通过 ... 1 大模型Grok（由 xAI 开发）和 ChatGPT（由 OpenAI 开发）都是基于大型语言模型（LLM）的对话型 AI，具有一些共同功能，但也有显著差异。以下是对两者功能的详细对比相似性:自然语言处理：两者都能理解和生成类人文本，支持多领域对话，包括回答问题、生成内容、提供建议等。都支持多模态功能，如处理文本、图像输入（Grok 通过 Aurora 图像模型，ChatGPT 通过 ...
- 1 简介Grok 是由 xAI（Elon Musk创办的公司）开发的大语言模型，并集成在 X（前 Twitter）平台中，用以对抗 OpenAI 的 ChatGPT、Google Gemini 等主流大模型。下面是对比 Grok 与 ChatGPT（以 GPT-4 为代表） 的功能相似度和差异性分析，以及探讨 为什么推出 Grok 大模型：功能相似度（Grok vs ChatGPT）功能 ... 1 简介Grok 是由 xAI（Elon Musk创办的公司）开发的大语言模型，并集成在 X（前 Twitter）平台中，用以对抗 OpenAI 的 ChatGPT、Google Gemini 等主流大模型。下面是对比 Grok 与 ChatGPT（以 GPT-4 为代表） 的功能相似度和差异性分析，以及探讨 为什么推出 Grok 大模型：功能相似度（Grok vs ChatGPT）功能 ...
- 1 简介安全地配置和存储云服务的 AK/SK（Access Key / Secret Key） 是非常重要的。不直接将它们硬编码进代码更能提高安全性。以下是几种推荐方式（以 Python 和 Go 为例）： ✅ 通用安全策略 方法 优点 场景 环境变量 简单、支持多平台 本地开发、部署在云主机 配置文件 + 加密 灵活、适合版本管... 1 简介安全地配置和存储云服务的 AK/SK（Access Key / Secret Key） 是非常重要的。不直接将它们硬编码进代码更能提高安全性。以下是几种推荐方式（以 Python 和 Go 为例）： ✅ 通用安全策略 方法 优点 场景 环境变量 简单、支持多平台 本地开发、部署在云主机 配置文件 + 加密 灵活、适合版本管...
- 1 简介ent 是一个简单但功能强大的 Go 实体框架，使其易于构建 维护具有大数据模型的应用程序，并遵循以下原则：轻松地将数据库架构建模为图形结构。将 schema 定义为编程 Go 代码。基于代码生成的静态类型。数据库查询和图形遍历很容易编写。使用 Go 模板轻松扩展和自定义。 2 Ent 与 GORM 对比分析主要区别 特性 Ent (Entity Framework) G... 1 简介ent 是一个简单但功能强大的 Go 实体框架，使其易于构建 维护具有大数据模型的应用程序，并遵循以下原则：轻松地将数据库架构建模为图形结构。将 schema 定义为编程 Go 代码。基于代码生成的静态类型。数据库查询和图形遍历很容易编写。使用 Go 模板轻松扩展和自定义。 2 Ent 与 GORM 对比分析主要区别 特性 Ent (Entity Framework) G...
- 1 简介作为最流行的经典机器学习算法之一，决策树的可解释性比其他算法更直观。CART算法经常用于构建决策树模型，它可能也是最常用的算法。当我们将 Scikit-Learn 库用于决策树分类器时，它是默认算法。用 scikit-learn 构建一个 CART 决策树模型；计算每个叶节点上“流失”类别的概率；根据概率阈值为每个叶节点打上模态标签： □ churn（必然流失，概率 > 0.9）... 1 简介作为最流行的经典机器学习算法之一，决策树的可解释性比其他算法更直观。CART算法经常用于构建决策树模型，它可能也是最常用的算法。当我们将 Scikit-Learn 库用于决策树分类器时，它是默认算法。用 scikit-learn 构建一个 CART 决策树模型；计算每个叶节点上“流失”类别的概率；根据概率阈值为每个叶节点打上模态标签： □ churn（必然流失，概率 > 0.9）...
- 1 简介模态逻辑（Modal Logic）是一种对“不确定性”、“可能性”、“必然性”等语义进行形式化推理的逻辑系统，它已经被广泛引入到现代人工智能（AI）、自然语言处理、知识表示与自动推理、博弈论、以及机器学习等领域。在数据科学中，模态逻辑与决策树（如 CART）结合使用，可以将“确定性计算”与“不确定性建模”融合，用于推理、决策支持或局部可信度评估。 2、模态逻辑的核心思想和计算目的基... 1 简介模态逻辑（Modal Logic）是一种对“不确定性”、“可能性”、“必然性”等语义进行形式化推理的逻辑系统，它已经被广泛引入到现代人工智能（AI）、自然语言处理、知识表示与自动推理、博弈论、以及机器学习等领域。在数据科学中，模态逻辑与决策树（如 CART）结合使用，可以将“确定性计算”与“不确定性建模”融合，用于推理、决策支持或局部可信度评估。 2、模态逻辑的核心思想和计算目的基...
- 1 简介本文介绍模态逻辑对现代计算机与人工智能的助力。 2 应用场景知识表示与推理（Knowledge Representation and Reasoning）模态逻辑，特别是认知逻辑（epistemic logic），提供了一种形式化的工具，表达“智能体知道/相信什么”。多智能体系统中，用模态逻辑建模每个智能体的信息状态与推理过程。描述如：“Agent A 知道 Agent B 不知道... 1 简介本文介绍模态逻辑对现代计算机与人工智能的助力。 2 应用场景知识表示与推理（Knowledge Representation and Reasoning）模态逻辑，特别是认知逻辑（epistemic logic），提供了一种形式化的工具，表达“智能体知道/相信什么”。多智能体系统中，用模态逻辑建模每个智能体的信息状态与推理过程。描述如：“Agent A 知道 Agent B 不知道...
- tensorflow自带的评估器（estimator）有Pre-made模式，可以轻松启动第一个深度学习模型。 tensorflow自带的评估器（estimator）有Pre-made模式，可以轻松启动第一个深度学习模型。
- 大语言模型为什么能生成上下文连贯的文本？当我们和 ChatGPT 这类大语言模型对话时，常常会觉得它“记得”前面说过什么：它能保持话题、接住指代、延续语气，甚至模仿某种文风。它并不是真正像人一样理解世界，但它确实能生成高度连贯的文本。这背后，是训练目标、模型结构和生成策略共同作用的结果。 一、核心起点：预测下一个词大语言模型最基础的训练目标是“下一词预测”。给定前文，模型要预测下一个词最可... 大语言模型为什么能生成上下文连贯的文本？当我们和 ChatGPT 这类大语言模型对话时，常常会觉得它“记得”前面说过什么：它能保持话题、接住指代、延续语气，甚至模仿某种文风。它并不是真正像人一样理解世界，但它确实能生成高度连贯的文本。这背后，是训练目标、模型结构和生成策略共同作用的结果。 一、核心起点：预测下一个词大语言模型最基础的训练目标是“下一词预测”。给定前文，模型要预测下一个词最可...
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签