人工智能技术文章
-
- 智能体工具调用失败后怎样设计可控重试
- 智能体工具重试的关键不是固定重放，而是先分类失败，再用共享预算、幂等键、退避、熔断和审计日志控制风险。本文给出三种策略对比与可运行的 Python 控制器。
- 科技周边 · 人工智能 | 6天前 | 人工智能 · 工具调用 · 236浏览 收藏
-
- 模型路由怎样按任务难度分配不同推理预算
- 模型路由不应只选模型，还要分别控制推理强度与硬上限。本文给出四档难度信号、升级条件、Go 路由示例和最小回归指标，帮助团队兼顾质量、延迟与成本。
- 科技周边 · 人工智能 | 6天前 | 232浏览 收藏
-
- Hugging Face Datasets with_format 和 set_format 混用后为什么列类型变了
- Hugging Face Datasets 的列定义没有因为 with_format 或 set_format 自动改变；真正变化的是 __getitem__ 的读取视图。本文拆解两者的返回新对象与原地修改差异，并给出恢复默认格式和隔离训练视图的写法。
- 科技周边 · 人工智能 | 2天前 | 228浏览 收藏
-
- LiteRT 转换遇到不支持算子时怎么判断是否启用 Select TF Ops
- LiteRT 转换遇到不支持算子时，不是看到报错就直接打开 Select TF Ops。本文从转换器错误边界、模型体积、目标平台运行时依赖和验收清单四个方面，说明什么时候启用、什么时候优先替换算子。
- 科技周边 · 人工智能 | 2天前 | 兼容性 · LiteRT Select TF Ops TFLITE_BUILTINS TensorFlow模型转换 不支持算子 226浏览 收藏
-
- PEFT 适配器合并后为什么输出会变化
- PEFT 适配器合并理论上把增量权重写回基础模型，但浮点舍入、量化、基础模型版本、活跃适配器和生成参数差异都可能改变输出。本文给出固定条件、比较 logits、正确接收 merge_and_unload 返回值和定位大幅偏差的方法。
- 科技周边 · 人工智能 | 2星期前 | 人工智能 · LoRa PEFT merge_and_unload 适配器合并 221浏览 收藏
-
- 结构化输出遇到递归字段时怎样约束模式
- 用固定节点、根递归引用和输出预算约束结构化输出中的树状字段，并区分正常结果、拒答与截断响应。
- 科技周边 · 人工智能 | 6天前 | 215浏览 收藏
-
- Hugging Face Datasets map batched 返回长度不一致时怎么定位
- 围绕 Hugging Face Datasets 的 map(batched=True) 讲清返回列长度契约、remove_columns 的作用和最小诊断方法，帮助定位预处理函数中的扩行与错配问题。
- 科技周边 · 人工智能 | 2天前 | 213浏览 收藏
-
- vLLM 连续批处理下的显存与吞吐取舍
- vLLM 连续批处理并不是并发越高越快。本文从模型权重、KV Cache、序列数和批次 token 预算出发，给出显存与吞吐的调参顺序、压测方法和生产降级路径。
- 科技周边 · 人工智能 | 4天前 | 209浏览 收藏
-
- MCP把工具失败写入结构化错误结果的实现方法
- MCP 工具遇到业务失败时，应在正常工具结果中设置 isError，并把可行动信息放进 content；只有协议层故障才返回 JSON-RPC error。本文用 TypeScript 示例说明结构化错误的设计边界。
- 科技周边 · 人工智能 | 3星期前 | 错误处理 · mcp · 工具调用 · AI工程 · MCP工具错误 isError structuredContent CallToolResult JSON-RPC错误 208浏览 收藏
-
- ONNX 导出怎么声明动态批次和动态长度
- 介绍 PyTorch ONNX 导出时如何用 dynamic_shapes 和 torch.export.Dim 声明动态批次、动态序列长度，并比较现代 dynamo 导出器与 legacy dynamic_axes 的选择边界。
- 科技周边 · 人工智能 | 2星期前 | 206浏览 收藏
-
- Tokenizer padding_side 影响批量生成的对齐
- 说明 decoder-only 模型批量生成时 padding_side 为什么应设为 left，并结合 input_ids、attention_mask 和生成起点排查对齐问题。
- 科技周边 · 人工智能 | 2星期前 | 206浏览 收藏
-
- AI 工具调用失败怎样设计可重试错误
- AI 工具调用不应把所有失败都重试。本文从参数校验、限流、超时、服务过载和业务拒绝五类场景出发，设计错误分类、指数退避、重试预算、幂等键与最终兜底。
- 科技周边 · 人工智能 | 1天前 | 203浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案，代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景，打造一站式知识长龙服务，适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例，全面具体可落地，从理论到实践，一步一步将GO核心编程技术、编程思想、底层实现融会贯通，使学习者贴近时代脉搏，做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信：Le-studyg；在课程中，我们将首先介绍MySQL8的新特性，包括性能优化、安全增强、新数据类型等，帮助学生快速熟悉MySQL8的最新功能。接着，我们将深入解析MySQL的网络通信机制，包括协议、连接管理、数据传输等，让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网，分为导航，轮播，关于我们，成功案例，服务流程，团队介绍，数据部分，公司动态，底部信息等内容区块。网站整体采用CSSGrid布局，支持响应式，有流畅过渡和展现动画。
- 485次学习
-
- Golang深入理解GPM模型
- Golang深入理解GPM调度器模型及全场景分析，希望您看完这套视频有所收获；包括调度器的由来和分析、GMP模型简介、以及11个场景总结。
- 474次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集，涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用，助力提升NLP模型性能。
- 483次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台，提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能，助您快速选择最适合项目的高性能大语言模型。
- 540次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制，用户可对比不同大模型回答并生成实时排行榜，助力开发者优化模型及用户选择最佳AI工具。
- 561次使用
-
- HELM
- 深入了解斯坦福推出的HELM（Holistic Evaluation of Language Models）大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景，涵盖准确性、公平性、鲁棒性等多维度指标，助力开发者全面优化语言模型性能。
- 514次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台，提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景，助力开发者全面评估多模态模型性能。
- 331次使用
