人工智能技术文章
-
通过固定权重示例说明Captum NoiseTunnel如何包装Saliency完成多次加噪归因，介绍采样数、噪声幅度、分批处理，以及解释服务的资源限制与配置记录。500 收藏 -
Gemini API Batch 适合输入已准备好、结果不要求实时返回的大量生成任务。本文用 Python 和 JSONL 说明文件上传、批任务创建、状态轮询、逐行结果处理、幂等边界与批次拆分策略。486 收藏 -
librosa可通过起音强度包络与选峰提取起音位置。本文给出短音频检测函数，说明采样参数、阈值、回溯和空结果处理，帮助区分起音候选、节拍与实际切割边界。484 收藏 -
PEFT 中启用和停用 LoRA，关键是区分临时禁用全部适配器、按名称切换活动适配器，以及永久卸载模块。本文用 PeftModel 和 Transformers 两种接口说明调用边界，并给出状态检查清单。483 收藏 -
RAG 应用排障不能只盯着最终答案。本文用 context_recall、context_precision、faithfulness 和 answer_correctness 拆分检索与生成问题，并给出一套可接入回归集的评估方法。476 收藏 -
torch.compile 变慢或日志出现多个 FX 图时，先用 eager 基线排除代码错误，再用 fullgraph=True、TORCH_LOGS=graph_breaks 和 torch._dynamo.explain 定位断点。本文按值班手册给出改写、隔离和回退路径。475 收藏 -
Optuna 的 enqueue_trial 可以把人工指定的参数组合放入试验队列，让 objective 先评估这些候选，再继续交给 sampler 搜索。本文演示调用顺序、skip_if_exists、参数范围和并发边界。472 收藏 -
PyTorch CUDA Graph 适合重复执行、输入形状稳定且 CPU 调度开销明显的推理路径。本文用静态输入、旁路流预热、捕获和 replay 说明怎样固定形状复用流程，以及变长请求应该怎样分桶或回退。471 收藏 -
librosa beat_track 返回的 tempo 是速度估计，beats 是节拍事件位置。本文用实际调用拆解两者的单位、稀疏表示、时变 BPM 和常见误判，帮助你把节拍正确对齐到秒或帧。467 收藏 -
LabelSpreading 的 transduction_ 是 fit 阶段整张训练图上的传导标签，predict 与 predict_proba 则用于拟合后新样本的归纳式推断。本文按样本范围、接口、参数和上线检查清楚区分三者。467 收藏 -
科技周边 · 人工智能 | 2天前 | 异步任务 · 人工智能 · openai · 批处理文件 OpenAI Batch API output_file_id error_file_id output_expires_after
OpenAI Batch API 的 output_expires_after 怎样设置？本文说明 created_at 锚点、seconds 的合法范围，以及如何区分批次完成窗口、输出文件和错误文件的读取时机。460 收藏 -
用 scikit-learn ColumnTransformer 把数值列与类别列分开处理：数值列填补并标准化，类别列填补并独热编码，再统一接入 Pipeline，避免列遗漏、未知类别和数据泄漏。459 收藏 -
SHAP Explainer 可以用 NumPy 数组或 pandas DataFrame 作为表格背景数据。本文比较 Independent 与 Partition 的遮罩假设，说明 max_samples、特征相关性和字段一致性如何影响解释基线，并给出可直接改造的初始化代码。455 收藏 -
LangChain 工具调用需要保留完整 messages，而不是只取最终文本。本文说明 AIMessage、ToolMessage、tool_call_id、content 与 artifact 的关系，以及如何保存中间消息并继续交给模型。450 收藏 -
Captum NoiseTunnel 的 SmoothGrad 与 SmoothGradSquared 都会对加噪输入重复计算归因，但前者聚合原始归因均值，后者聚合平方后的归因均值。本文用公式、代码和选型表说明符号、强度与参数边界。450 收藏