Go语言技术文章
-
- Label Studio webhook 任务完成回调的签名处理
- Label Studio 普通 webhook 可配置认证头，动态 HMAC 需另行实现。本文区分标注创建与任务完成，给出自建中继签名约定、原始正文校验及防重放与持久化边界。
- 科技周边 · 人工智能 | 1星期前 | 459浏览 收藏
-
- GitHub Actions 可复用工作流的输入边界变化
- GitHub Actions 可复用工作流的输入边界，关键在 workflow_call 的类型声明、调用方 with 传值、inputs 上下文和 secrets 分离。本文按迁移场景说明参数从声明到使用的边界变化。
- 科技周边 · 业界新闻 | 1星期前 | 430浏览 收藏
-
- MCP 资源订阅变更通知的客户端处理
- 讲清 MCP 资源清单变更与单资源更新通知的区别，演示当前 subscriptions/listen 的 URI 订阅、旧协议兼容、缓存刷新和断线边界。
- 科技周边 · 人工智能 | 1星期前 | mcp · MCP 资源订阅 notifications/resources/updated subscriptions/listen 369浏览 收藏
-
- MCP progress token 长任务进度回报的实现
- MCP 长任务进度回报依赖请求中的 progressToken 与 notifications/progress 通知。本文用 TypeScript 示例说明 token 关联、progress 递增、total 缺失、最终结果分离和取消资源边界。
- 科技周边 · 人工智能 | 1星期前 | mcp · AI工程 · MCP 长任务 progress token 进度通知 智能体协议 367浏览 收藏
-
- Gemini API 预估 token 与使用量元数据的区分
- Gemini API 的 countTokens 只用于发送前估算输入规模，生成响应中的 usage metadata 才记录本次请求的实际输入、输出、缓存、工具调用与思考 token。本文用 Python 区分两类数字及其使用场景。
- 科技周边 · 人工智能 | 1星期前 | 254浏览 收藏
-
- MLflow signature required 字段的输入收窄
- MLflow signature 的 required 字段决定调用方不能省略哪些输入。本文用显式 Schema 与 input_example 两种方式收窄输入契约，并说明缺字段、可选字段与额外字段的处理边界。
- 科技周边 · 人工智能 | 1星期前 | 202浏览 收藏
-
- Ray Serve DeploymentHandle 的异步批处理
- 本文围绕 Ray Serve DeploymentHandle 的异步批处理，说明 DeploymentResponse 的提交与等待方式、@serve.batch 的参数边界、等长结果约束，以及如何用批等待和利用率指标判断参数是否合适。
- 科技周边 · 人工智能 | 1星期前 | 307浏览 收藏
-
- ONNX Runtime IOBinding 的设备内存复用
- ONNX Runtime IOBinding 适合把固定形状的输入输出绑定到 CUDA 等目标设备，通过复用 OrtValue 减少 CPU-GPU 数据搬运和重复分配。本文给出 Python 绑定写法，并说明动态 shape 与 CPU 读回的边界。
- 科技周边 · 人工智能 | 1星期前 | 人工智能 · ONNX Runtime IOBinding 设备内存复用 412浏览 收藏
-
- JAX PyTree 自定义数据结构的注册方法
- JAX 未注册的自定义类会整体作为叶子，无法让 jax.jit 看到内部数组。本文用 register_pytree_node、register_pytree_node_class 和 register_dataclass 说明动态字段、静态元数据与对象重建的注册边界。
- 科技周边 · 人工智能 | 1星期前 | JAX PyTree register_pytree_node register_dataclass jax.jit 156浏览 收藏
-
- PyTorch DistributedSampler 每轮 shuffle 的复现配置
- PyTorch DistributedSampler 以共同 seed 与逐轮 set_epoch 控制打乱。本文说明调用位置、rank 划分、尾部处理和恢复训练时的索引复现范围，并给出小样本对照代码。
- 科技周边 · 人工智能 | 1星期前 | 241浏览 收藏
-
- Transformers tokenizer offset mapping 的原文区间对齐
- 围绕 Hugging Face Transformers 的 Fast tokenizer 说明 offset_mapping 如何返回 token 对应的原文半开区间，处理特殊 token、空白、批量句对和截断，并给出实体字符区间转换为 token 范围的 Python 示例。
- 科技周边 · 人工智能 | 1星期前 | 文本对齐 Transformers tokenizer offset_mapping Fast tokenizer 423浏览 收藏
-
- Hugging Face Datasets unique 怎样列出字段的不同取值
- Hugging Face Datasets 的 Dataset.unique 和 DatasetDict.unique 可以直接列出字段的不同取值。本文用最小示例说明字段检查、split 结果、返回顺序以及高基数字段的内存边界。
- 科技周边 · 人工智能 | 1星期前 | 469浏览 收藏
-
- GitHub 增加 Copilot 行业对照数据，影响面板应怎样阅读
- GitHub Copilot 影响面板新增行业对照后，管理员可以把 agentic adoption 和 leverage 放到同行语境中阅读。本文按入口、指标、样本、排名和退出路径说明如何避免误读。
- 科技周边 · 业界新闻 | 1星期前 | GitHub Copilot 影响面板 行业对照 agentic adoption leverage 462浏览 收藏
-
- GitHub 更新 Actions 存储网络信息，防火墙配置需要关注什么
- GitHub 公告新增 Actions blob storage 主机范围。本文说明如何判断现有通配符是否已覆盖、如何补齐两段域名、如何通过 Meta API 维护动态允许列表，以及怎样用日志与连通性指标完成验收。
- 科技周边 · 业界新闻 | 1星期前 | 403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。
- 956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。
- 962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。
- 1073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。
- 1047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。
- 879次使用
