- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器之心
用ChatGPT「指挥」数百个模型，HuggingGPT让专业模型干专业事
然后通过上下文中的任务模型分配机制动态地为任务选择模型。 任务执行 一旦将任务分配给特定模型，接下来就是执行任务，即执行模型推理。 为了加速和计算稳定性，HuggingGPT 在混合推理端点上运行这些模型。将任务参数作为输入，模型计算推理结果，然后将信息反馈给大型语言模型。 表 5 提供了任务规划、模型选择和响应生成阶段详细的提示设计。 HuggingGPT 对话演示示例：在演示中，用户输入一个可能包含多任务或多模态资源的请求。 图 5 显示了 HuggingGPT 集成多个用户输入资源以执行简单推理。 该研究还在多模态任务上测试了 HuggingGPT，如下图所示。 还有人将其比喻为公司经理，评论道「HuggingGPT 有点像现实世界中的场景，公司有一群超强的工程师，在各个专业能力超群，现在有一个经理把他们管理起来，当有人有需求，那么这个经理就会分析需求，然后分给相应的工程师去做
95410编辑于 2023-04-06 - 来自专栏软件测试经验与教训
如何让测试工作更专业
面试官问我 如何让测试工作更专业 这道题目是几年前面试一家创业公司时，对方老板问我的问题，我觉得虽然小伙伴们在面试中碰到的几率不大，不过在工作中却很有思考它的必要。 其实道理很简单，难在执行。 面试题：如何让测试工作更专业？ 需求评审时，多关注（提问）这样几个问题：这个需求是什么？为什么会提这个需求？开发人员会怎么修改软件以完成这个需求？他们的改动方式是否合理？ 这次的改动会产生哪些影响，测试范围清楚吗？可能有什么风险？ 能根据不同的资源、项目情况，给出合理的测试周期。 追根究底，有一些问题需要反复验证，反复沟通确认。 多交流，组内、组外。 高质量的测试报告，包括测试计划、测试用例、bug、系统测试报告等各种测试人员需要出具的文档，高质量意味着： 格式规范 测试用例设计详尽、有深度、无歧义、便于执行。 不提交重复或虚假bug。 唠叨环节： 在任何行业，获得“你很专业”的评价都是一种很高的褒奖，说它是一枚“军功章”丝毫不夸张。上面给出的思路仅仅是个人看法，不代表一定是对的，仅仅给大家做参考。
1.2K40发布于 2019-04-28 - 来自专栏啄木鸟软件测试
大模型测试：性能优化的5大实战策略
引言 随着ChatGLM、Qwen、DeepSeek及Llama系列大语言模型在金融、政务、医疗等关键场景加速落地，模型测试已远超传统‘功能是否正确’的范畴——性能成为决定能否上线的核心瓶颈。 这些并非个例，而是大模型测试进入深水区的典型信号：性能不是附加项，而是可信AI的第一道防线。 一、明确性能基线：拒绝‘拍脑袋’指标 大模型性能测试首要误区是套用小模型标准。 二、分层注入式压测：从单卡到集群的穿透验证 传统压力测试常止步于API层，而大模型性能瓶颈常藏于框架底层。 推荐采用‘四层注入法’： 1）API层：模拟真实用户请求分布（如80%短提示+15%中长提示+5%对抗性长上下文），避免均匀负载失真； 2）Engine层：直连vLLM/Triton推理引擎，注入不同 结语 大模型性能测试的本质，是构建‘可测量、可归因、可演进’的效能反馈闭环。
19110编辑于 2026-03-31 - 来自专栏小雨的CSDN
软件测试 —— 测试模型（V模型 W模型）
【软件开发的周期：、需求分析、设计、实现、测试、安装部署、运行维护】 【软件测试的周期：、需求分析，测试计划，测试设计/测试开发，测试执行，测试评估】 软件测试v模型 （v模型是瀑布模型的变种） 优点：后期的测试阶段和前期的阶段可以一一对应起来，清楚的标注每一个测试阶段的依据 缺点：不利于项目前期风险的及时发现 软件测试W模型（双V模型） 特点:测试在项目前期介入，对需求，系统设计等都会进行验证 ，测试的对象不仅是程序，需求、设计等同样要测试，测试与开发是同步进行的 优点:测试介入早，有利于全面得发现系统前期的风险，同时，对需求的测试也有利于及时了解项目难度和测试风险，及早制定应对措施，显著减少总体测试时间 ，加快项目进度 缺点:阶段性比较强，需求、设计、编码等活动被视为串行的；测试和开发活动也保持着一种线性的前后关系，上一阶段完全结束，才可正式开始下一个阶段工作不可逆，所以无法适应敏捷开发。
1.8K30编辑于 2022-10-26 - 来自专栏华尔街科技眼
大模型分化趋势：更垂直、更专业
对于大模型的发展方向，大boss们目前达成了一些基本的产业共识：与实体经济相结合是大模型未来的发展路径，云厂商正在尝试将大模型落地到垂直领域，打造出金融、医疗、电力等领域的专业大模型。 今年4月，阿里云“通义千问”大模型开放对外测试，目前已有超过20万企业用户申请接入，几乎覆盖所有新兴和传统行业。 因此，企业使用的大模型必须可控、可追溯、可修正，而且必须经过反复与充分测试才能上线。我们认为，客户更需要有行业针对性的行业大模型，再加上企业自己的数据做训练或精调，才能打造出实用性高的智能服务。 在模型研发过程中，既要关注敏感数据的保护与安全合规，也需要管理好大量的数据与标签，不断测试与迭代模型。接着讲讲应用。 算力是模型持续运转的基础，高性能、高弹性和高稳定的算力需要借助专业的云服务。
50920编辑于 2023-06-28 - 来自专栏XINDOO的专栏
如何使用大语言模型绘制专业图表
过去的一年里，我相信大部分人都已经看到了大语言模型(后文简称LLM)所具备的自然语言理解和文本生成的能力，还有很多人将其应用于日常工作中，比如文案写作、资料查询、代码生成……今天我要向大家介绍LLM 我们可以直接让大模型将这两份数据放在一张图里，方便对比出生人口和高考人数变化趋势。 如果你不满意LLM用Mermaid绘制出来的图表，你还可以把它贴到Draw.io里做二次编辑（操作路径：工具栏/➕/高级/Mermaid），借助专业的绘图工具，就可以绘制出更专业好看的图表。
2.1K10编辑于 2024-08-07 - 来自专栏报表软件
专业测评：5款热门的免费报表软件
企业报表的需求越来越多变，就需要好用的免费报表软件，报表软件必须具备简捷、专业、灵活的特点，这里就给大家测评几款免费报表软件，供大家做参考。 编辑切换为居中添加图片注释，不超过 140 字（可选）编辑切换为居中添加图片注释，不超过 140 字（可选）1、中创微VeryReport 中创微VeryReport，是专业企业级报表软件，持续深耕报表分析领域 5、Grid++ Report Grid++ Report特别适用于信息管理系统，如ERP、进销存、财务等软件的报表开发。是完全可编程的报表工具，能制作动态报表。 报表工具产品更多介绍：VeryReport报表 - 专业Web报表系统,报表软件,报表工具
2.3K30编辑于 2023-04-18 - 来自专栏达达前端
软件测试模型以及测试方法
前言 大家好，我是 Vic，今天给大家带来软件测试模型以及测试方法的概述，希望你们喜欢 软件测试 软件开发过程 软件质量保证 理解软件测试 软件测试分类 测试工作流程 思考软件测试 软件测试时一门很重要的学科 那么软件生存期模型有什么内容呢 瀑布模型 原型模型 增量模型 螺旋模型 1.瀑布模型 答：对于瀑布模型，我知道有六个阶段：计划，需求分析，设计，编码，测试，运行维护。 3.什么是增量模型 答：对于增量模型，记住的是在每个阶段都会生成一个可发布的正式版本，而且每个软件版本是逐步完善的。 4.什么是螺旋模型 答：螺旋模型是瀑布模型和原型模型结合起来的，记住这个模型是有四个阶段，这四个阶段都是主要的，一是制定计划，二是风险分析，三是实施工程，四是评审。 总结 本文讲了软件测试模型以及测试方法，如果您还有更好地理解，欢迎沟通 定位：分享 Android&Java知识点，有兴趣可以继续关注
96620发布于 2019-07-03 - 来自专栏java思维导图
别再写 main 方法测试了，太 Low！这才是专业 Java 测试方法！
也就是说，JVM会不断的进行编译优化，这就使得很难确定重复多少次才能得到一个稳定的测试结果？所以，很多有经验的同学会在测试代码前写一段预热的逻辑。 JMH，全称 Java Microbenchmark Harness (微基准测试框架），是专门用于Java代码微基准测试的一套测试工具API，是由 OpenJDK/Oracle 官方发布的工具。 Java的基准测试需要注意的几个点： 测试前需要预热。 防止无用代码进入测试方法中。 并发测试。 测试结果呈现。 编写性能测试 这里我以测试LinkedList 通过index 方式迭代和foreach 方式迭代的性能差距为例子，编写测试类，涉及到的注解在之后会讲解 /** * @author Richard_yyf 执行测试 运行 JMH 基准测试有两种方式，一个是生产jar文件运行，另一个是直接写main函数或者放在单元测试中执行。
56620编辑于 2022-03-04 - 来自专栏漫谈测试
性能测试过程中你需要了解的专业及非专业术语
在线用户数：用户同时在一定时间段内的在线数量并发用户数：某一时刻同时向服务器发送请求的用户数并发与在线的比例约为5%~20%。 其实我们可以用多线程模型来解释他们，并发量就相当于线程数，吞吐量就是所有线程处理请求数之和。 通常我们做性能测试主要考察和评估的是TPS，而并发量是一个相对较虚的概念，比如我们说一个系统支持同时1k人操作，一般不在评估的范围内。 提交订单操作均可定义为事务，单位时间内系统可以成功完成多少个定义的事务，在一定程度上反映了系统的处理能力，一般以事务成功率来度量；超时错误率：主要指事务由于超时或系统内部其它错误导致失败占总事务的比率.三、非专业相关术语性能测试中的非专业术语通常指的是那些在日常对话中使用的 跑分指进行性能测试时得到的分数，用于比较不同系统或配置之间的表现。压测对软件或系统施加高负载以测试其稳定性和响应时间的过程。每秒连接数每秒连接数实现Web应用程序在运行过程中每秒建立的HTTP连接数。
44910编辑于 2024-12-16 - 来自专栏狗哥的 Java 世界
别再写 main 方法测试了，太 Low！这才是专业 Java 测试方法！
也就是说，JVM 会不断的进行编译优化，这就使得很难确定重复多少次才能得到一个稳定的测试结果？所以，很多有经验的同学会在测试代码前写一段预热的逻辑。 JMH，全称 Java Microbenchmark Harness (微基准测试框架），是专门用于 Java 代码微基准测试的一套测试工具 API，是由 OpenJDK/Oracle 官方发布的工具。 Java 的基准测试需要注意的几个点： 测试前需要预热。 防止无用代码进入测试方法中。 并发测试。 测试结果呈现。 运行 JMH 基准测试有两种方式，一个是生产 jar 文件运行，另一个是直接写 main 函数或者放在单元测试中执行。 .measurementIterations(10) // forks(3)指的是做3轮测试， // 因为一次测试无法有效的代表结果， // 所以通过3轮测试较为全面的测试
51310编辑于 2022-03-15 - 来自专栏java思维导图
别只会 main 方法做测试，太 Low！这才是专业 Java 测试方法！
也就是说，JVM会不断的进行编译优化，这就使得很难确定重复多少次才能得到一个稳定的测试结果？所以，很多有经验的同学会在测试代码前写一段预热的逻辑。 JMH，全称 Java Microbenchmark Harness (微基准测试框架），是专门用于Java代码微基准测试的一套测试工具API，是由 OpenJDK/Oracle 官方发布的工具。 Java的基准测试需要注意的几个点： 测试前需要预热。 防止无用代码进入测试方法中。 并发测试。 测试结果呈现。 编写性能测试 这里我以测试LinkedList 通过index 方式迭代和foreach 方式迭代的性能差距为例子，编写测试类，涉及到的注解在之后会讲解， @State(Scope.Benchmark) 执行测试 运行 JMH 基准测试有两种方式，一个是生产jar文件运行，另一个是直接写main函数或者放在单元测试中执行。
48040编辑于 2022-03-21 - 来自专栏Golang语言社区
【Go 语言社区】 H5 APP 前端开发专业的 HTML 5 Canvas
HTML5 的 canvas 元素使用 JavaScript 在网页上绘制图像。 画布是一个矩形区域，您可以控制其每一像素。 canvas 拥有多种绘制路径、矩形、圆形、字符以及添加图像的方法。 创建 Canvas 元素 向 HTML5 页面添加 canvas 元素。 document.getElementById("myCanvas"); 复制代码 然后，创建 context 对象： var cxt=c.getContext("2d"); 复制代码 getContext("2d") 对象是内建的 HTML5
1.5K60发布于 2018-03-19 - 来自专栏芋道源码1024
别再写 main 方法测试了，太 Low！这才是专业 Java 测试方法！
测试项目构建 2. 编写性能测试 3. 执行测试 4. JMH，全称 Java Microbenchmark Harness (微基准测试框架），是专门用于Java代码微基准测试的一套测试工具API，是由 OpenJDK/Oracle 官方发布的工具。 Java的基准测试需要注意的几个点： 测试前需要预热。 防止无用代码进入测试方法中。 并发测试。 测试结果呈现。 编写性能测试 这里我以测试LinkedList 通过index 方式迭代和foreach 方式迭代的性能差距为例子，编写测试类，涉及到的注解在之后会讲解。 执行测试 运行 JMH 基准测试有两种方式，一个是生产jar文件运行，另一个是直接写main函数或者放在单元测试中执行。
42740编辑于 2022-03-04 - 来自专栏陶陶计算机
PyTorch 实战（模型训练、模型加载、模型测试）
本次将一个使用Pytorch的一个实战项目，记录流程：自定义数据集->数据加载->搭建神经网络->迁移学习->保存模型->加载模型->测试模型 自定义数据集 参考我的上一篇博客：自定义数据集处理 数据加载 torch.eq(pred, y).sum().float().item() return correct / total def main(): model = ResNet18(5) test_acc = evalute(model, test_loader) 迁移学习 提升模型的准确率： # model = ResNet18(5).to(device) trained_model 此时使用的是前17层的网络 0-17 *：随机打散 Flatten(), nn.Linear(512,5) model.pkl则是第一种方法保存的 [在这里插入图片描述] 测试模型 这里是训练时的情况 [在这里插入图片描述] 看这个数据准确率还是不错的，但是还是需要实际的测试这个模型，看它到底学到东西了没有
3.3K20编辑于 2022-05-12 - 来自专栏EMQ 物联网
专业版即将支持自定义场景测试
物联网 MQTT 测试云服务 XMeter Cloud 专业版于 2022 年底上线后，已有不少用户试用，对数千甚至上万规模的 MQTT 并发连接和消息吞吐场景进行测试。 自定义测试场景支持XMeter Cloud 基础版及专业版均已提供多种内置 MQTT 测试场景，包括连接、上报、1 对 1、广播、共享订阅，用户可通过简单的选择及主要参数设置，方便快捷地提交 MQTT 在即将上线的新版本中，我们将为专业版用户提供自定义测试场景功能，以满足自主定义测试场景和测试更广泛协议的需求，帮助用户构建更复杂的 MQTT 测试场景，实现对除 MQTT 以外其他物联网协议的测试。 更清晰的版本选择XMeter Cloud 目前提供基础版和专业版两种产品版本。 基础版支持不超过 1,000 连接和每秒 1,000 消息吞吐的公网 MQTT 测试；专业版支持不超过 500,000 连接和每秒 500,000 消息吞吐的公网及私网 MQTT 测试，并将支持更多协议测试
43510编辑于 2023-03-07 5个技巧就能写出专业的Python代码！
5 个技巧就能写出专业的 Python 代码！写 Python 函数时，你是不是总被各种问题困扰？ 函数没写完却没提示，调用时出问题找不到原因；团队协作时，不知道函数返回啥类型，老是出类型错误；想理解个复杂函数，得一行行看代码，费时又费力…… 别愁，5 个技巧帮你搞定，写出专业的 Python 代码！ 从错误处理到参数设计，这 5 个技巧针对日常编码中的痛点，能帮助你写出更专业的函数。无论是新手理清逻辑，还是老手优化代码，都能提升开发效率。
35710编辑于 2025-08-31- 来自专栏reizhi
安卓专业相机软件FV-5使用教程
Camera FV-5 是安卓平台的一款专业相机软件，它能够手动调节曝光补偿，ISO，测光模式，对焦模式以及白平衡等参数。 Camera FV-5 主界面，各种功能按钮一应俱全。下面将对主要功能进行说明。 附加功能： 包围曝光：使用不同 EV 值连续拍摄多张照片，用于后期手动合成 HDR ； 定时拍摄：指定拍摄张数以及拍摄间隔，连续拍摄多张照片； 延时拍摄：在2、5或者10秒后启动一次拍摄； 图像稳定：在支持的硬件上开启数码防抖功能
2.8K10编辑于 2022-09-26 - 来自专栏腾讯移动品质中心TMQ的专栏
FAT(Fast-AutoTest) —专业服务于微信H5小程序UI自动化测试
然而目前市面上能完美支持微信H5和小程序测试的测试工具是缺失的。因此我们展开了求索之路，并且成功研发了FAT框架，来解决这个难题。 想了解我们是如何解决H5/小程序UI自动化测试难题的看官们，请听我慢慢讲来。 调研之路 首先团队先对市面上流行的测试工具，包括Uiautomator、Appium进行了快速的调研，调研结果如下： ? 我们的优势 （1）全面支持微信H5页面，能识别常见H5控件，能获取页面任意内容（常见的如文字、图片、链接等）； （2）全面支持小程序内控件识别，操作，页面内容获取等； （3）支持基础的性能测试监控； （ 如果自动化测试的重点主要是在web页面测试，如手机chrome页面测试或微信页面测试，自研FAT框架在稳定性、易用性还有兼容性会更出色；如果自动化测试的对象是Hybird App，主要集中于Native 界面的测试，兼顾web页面测试的话，使用Appium会更合适。
4.7K70发布于 2018-05-22 - 来自专栏流柯技术学院
性能测试学习之二 ——性能测试模型（PV计算模型）
PV计算模型 现有的PV计算公式是： 每台服务器每秒平均PV量 =( (总PV*80%)/(24*60*60*40%))/服务器数量 =2*(总PV)/* (24*60*60
1.4K20发布于 2018-08-30
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号