利用低置信度预测实现模型持续优化的闭环机制
标签：模型推理, 置信度, 主动学习, 数据回流, 微调训练, AI工程 在人工智能系统中，模型训练并不是一劳永逸的过程。尤其在实际部署后，模型会遇到各种“边界样本”“难分类样本”或“新型数据分布”。…
分类： 2025
从“种草”到生成式AI：构建面向LLM应用的小红书高价值多模态数据集综合框架
第一部分：小红书数据生态系统：AI价值的基石 在人工智能（AI），特别是大型语言模型（LLM）飞速发展的今天，高质量、高维度、高价值的数据集已成为驱动模型能力进化的核心燃料。在众多社交媒体平台中，小红…
从社区到语料库：构建源自小红书的高价值AI数据集战略蓝图
报告摘要 小红书（Xiaohongshu）已崛起为当代数字生态中一个极具价值的数据金矿，其独特的用户生成内容（UGC）为训练下一代人工智能（AI）和大型语言模型（LLM）提供了前所未有的机遇。本报告旨…
构建下一代AI数据栈：DataJuicer、Daft与Lance的深度剖析与比较分析
执行摘要 在基础模型时代，人工智能（AI）和机器学习（ML）工作负载对数据处理基础设施提出了前所未有的要求。传统的数据工程范式已难以应对海量、高质量、多模态数据集的挑战。本报告深入分析了代表AI数据处…
🛠️ 修复 Git 提交使用错误用户名的标准方法（企业规范版）
在实际开发过程中，我们偶尔会遇到这种情况：提交代码时使用了错误的 Git 用户名或邮箱（例如将公司项目提交成了个人账户，或者脚本提交使用了默认配置）。这类问题虽然看似细节，却可能影响代码审计、变更追踪…
🚧修复 Git 错误用户提交的完整记录
在日常开发中，我们有时会不小心使用了错误的 Git 用户名或邮箱地址提交了代码，比如： 误用公司账户提交了个人项目 切换环境时忘记设置用户信息 批量脚本提交时用户名配置错误 这篇文章记录一次我提交时用…
研究报告：DataOps——加速数据价值实现的战略、框架与实践
第一部分：执行摘要 本报告旨在深入剖析DataOps，阐明其不仅是一种技术实践，更是一种融合了人员、流程与技术的组织性战略。在当今数据驱动的商业环境中，企业普遍面临数据孤岛、质量低下、交付缓慢及协作不…
数据标注工具-Doccano
一、介绍 提供给机器学习从业者的开源标注工具 github：https://github.com/doccano/doccano?tab=readme-ov-file 文档：https://docca…
chatgpt模型从强到弱排序
截至 2025 年 6 月，以 ChatGPT 系列核心模型的性能从高到低排序如下： ✅ 最新最强模型排行 o3（或称为 o3‑pro） — OpenAI 最新旗舰模型，继 o1 后推出，显著提升结构…
在你当前的项目或团队中，哪些场景最适合引入 MCP 协议来替代手写集成？
一、gemini MCP（Master-Slave Control Protocol，主从控制协议）协议在许多场景下都能显著优于手写集成，尤其是在需要标准化、可扩展和易于维护的系统交互中。 在你当前的…
【极客时间】大模型RAG进阶实战营毕业总结
一、目前在什么岗位做什么？ 继模型微调、企业级Agents技能掌握之后，担任AI数据负责人。 在做数据集构建、AI应用开发等领域内容。 二、为什么选择报名学习此训练营？ 不断完善AI领域技术体系，系统…
更换烧坏的笔记本主板后，git代码不识别解决
一、背景 笔记本电脑主板烧坏，根本更换主板，系统不变，重新用IDEA打开代码，识别git项目分支为unknow 报错： Cannot check the working tree for unmerg…
WSL安装分布式文件系统JuiceFS
https://juicefs.com/docs/zh/community/tutorials/juicefs_on_wsl mkdir juiceFS cd juiceFS/ curl -sSL h…
React深度探索：从小白到精通的进阶手册
引言 React作为一个专注于构建用户界面的JavaScript库，自诞生以来便彻底改变了前端开发的面貌 1。它并非一个大而全的框架，而是精巧地聚焦于UI层，通常与ReactDOM等其他库协同工作，以…
技术领袖成长手册：从精通实践到卓越引领
第一部分：奠定技术领导力基石 技术领导力并非一蹴而就，它建立在对技术管理核心理念的深刻理解、对关键领导角色的清晰认知以及对个人成长路径的持续探索之上。本部分将为有志于成为技术领袖的专业人士奠定坚实的理…
大数据与实时计算核心手册：从入门到精通 (Flink & Spark 深度解析)
Part I: 大数据的世界 Chapter 1: 大数据概览 定义大数据 “大数据”已成为科技领域的热词，但其内涵远不止于数据量的庞大。大数据指的是无法通过传统数据处理软件在可容忍的时间内进行采集、…
系统设计：从基础到精通——一本综合学习手册
Part 1: 现代系统设计基础 第一章：分布式系统架构概览 分布式系统由多个自主计算单元组成，这些计算单元对用户而言表现为一个统一的连贯系统。其核心挑战在于处理并发、缺乏全局时钟以及各组件可能独立发…
深入理解缓存：从入门到精通的权威指南
深入理解缓存：从入门到精通的权威指南 1. 缓存导论：速度的基石 1.1. 什么是缓存？ 在计算领域，缓存（Cache）是一种高速数据存储层，它存储着一部分数据的子集，这些数据通常具有瞬时性。其核心目…
2025年人工智能发展态势：技术演进与未来趋势综合分析
I. 执行摘要 2024至2025年标志着人工智能（AI）加速发展的新阶段。其主要特征表现为：AI在各项全新且更严苛的基准测试中性能显著提升；功能强大且高效的小型模型迅速普及；生成式AI和智能体AI（…
Redis 完全手册：从入门到精通
前言 Redis（Remote Dictionary Server）是一个开源的、基于内存的高性能键值存储系统，被广泛用作数据库、缓存、消息代理和流处理引擎 1。本手册旨在为所有 Redis 用户——…