- 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 行业数据显示，采用混合检索的方案可将召回率从单一向量检索的78%提升至92%以上-1-7-9。 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- 来自专栏微信公号【Java技术江湖】
Java基础9：解读Java回调机制
（关注公众号后回复”资料“即可领取 3T 免费技术学习资源以及我我原创的程序员校招指南、Java学习指南等资源） 本文主要介绍了Java中的回调机制，以及Java多线程中类似回调的机制。 具体代码在我的GitHub中可以找到 https://github.com/h2pl/MyTech 文章首发于我的个人博客： https://h2pl.github.io/2018/04/26/javase9 （3）回调 最后是回调，回调的思想是： 类A的a()方法调用类B的b()方法 类B的b()方法执行完毕主动调用类A的callback()方法 这样一种调用方式组成了上图，也就是一种双向的调用方式。 回调接口，可以理解为老师接口 //回调指的是A调用B来做一件事，B做完以后将结果告诉给A，这期间A可以做别的事情。 其实这种方法本质上不是回调，回调要求的是任务完成以后被调用者主动回调调用者的接口。而这里是调用者主动使用get方法阻塞获取返回值。
1.4K40发布于 2019-04-07 - 来自专栏FPGA探索者
数字IC笔试题（9）——代码覆盖率、功能覆盖率
下列关于代码覆盖率描述错误的是： 答案：AB 2. 代码覆盖率、条件覆盖率和状态机覆盖率均达到 100%，可以认为设计没有问题。 A：正确 B：错误 答案：B 解析： 覆盖率 2 个大方面：代码覆盖率，功能覆盖率。 代码覆盖率包括： （1）语句覆盖率 （2）条件覆盖率； （3）分支覆盖率； （4）状态机覆盖率； 代码覆盖率 100% 不代表功能没问题。 代码覆盖率： 白盒覆盖率，一般仿真工具都有这个统计功能。代码覆盖率达到 100% 不代表设计没有问题。 （4）条件覆盖率与表达式覆盖率 条件覆盖率可以看作是对分支覆盖率的补充。每一个分支条件表达式中，所有条件的覆盖。
2.2K21发布于 2021-10-25 - 来自专栏机器之心
史上首枚9飞9回收火箭「猎鹰9号」，昨日将60颗Starlink卫星送入太空
这是猎鹰 9 号运载火箭执行的第 9 次飞行任务，由此诞生了 SpaceX 史上首枚「9 飞 9 回收」火箭。火箭的重复回收意味着执飞过程的更安全可靠，对载人飞行的成功发射也有着重要意义。 ? image.png 这次飞行刷新了猎鹰 9 号的记录，这已经是它的第 9 次发射和第 9 次着陆，距离马斯克「一箭十飞」的承诺也就一步之遥。 2018 年，猎鹰 9 号 B5 型初次面世，也是猎鹰 9 号的最后一次重大升级。 猎鹰 9 号的 9 次飞行 2015 年，SpaceX 首席执行官伊隆 · 马斯克在西雅图宣布推出一项太空高速互联网计划 - 星链计划，旨在形成一个高覆盖、低成本的天基全球通讯系统。 包括本次发射在内，搭载猎鹰 9 号运载火箭的星链卫星已经先后 9 次被送入太空。
77820发布于 2021-03-30 - 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
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？ 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。 刷新率，通常指垂直刷新率，表示屏幕的图象每秒钟重绘的次数，也可以理解为由显卡输入的显示信号，通过电子束对屏幕扫描的次数，把多张静止的图像连贯播放出来形成动态影像。 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。 模型在 ARCH(p) 模型中包含滞后波动率，以纳入历史收益的影响 GARCH(1,1) 每个阶数只使用一个滞后，是实证研究和分析中最常用的版本。 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 - 来自专栏后端从入门到精通
B+树索引使用(9)分组、回表、覆盖索引（二十一)
回表的代价 上面一直说回表，一直没仔细介绍过，当我们用select * from where person_info where name > ‘Anny’ and name <’barlow’;查询的步骤 所以如果回表的主键数据太多，占百分之80以上需要回表，那还不如直接聚簇索引全表扫描查询。 那我们什么时候用全表扫描的方式，什么时候用二级索引+回表的聚簇索引方式呢？ 这个就是神秘的mysql查询优化器需要做的事，查询优化器会先对数据进行统计，然后根据这些数据，来判断是全表扫描还是二级索引+回表的方式，如果回表的数据比较少，就用二级索引+回表，比如SELECT * FROM person_info ORDER BY name, birthday, phone LIMIT 10; 这里加了个limit10，所以查询回表数据不是很多，会采用二级索引+回表方式。
78431编辑于 2022-07-26 - 来自专栏猫头虎博客专区
2015年10月9日 Go生态洞察：Golang UK 2015回顾
2015年10月9日 Go生态洞察：Golang UK 2015回顾 摘要 猫头虎博主在此！今天我们将回顾在伦敦举行的首届Golang UK会议。
31210编辑于 2024-04-08 - 来自专栏【腾讯云开发者】
一行代码降低i9-13900K故障率
如果你在开发项目里用过 i9-13900K，可能也遭遇过这种情况：程序跑得好好的，突然间就崩了。检查下来，问题竟然出在 CPU 的供电电压波动上。 于是我们决定换个角度——从代码入手，看能否通过分析调试，来降低故障率。这篇文章，就是这次尝试的复盘记录。 关注腾讯云开发者，一手技术干货提前解锁 01、起源 游戏启动编译PSO的时候会偶尔出现崩溃在shader编译或者驱动里面： 02、踩坑过程 在看到设备详细信息后，第一印象就是CPU故障（i9-13900K 的故障率实在太高了），但是在这个机器上多次运行其他游戏以及AIDA64、IPDT等多个测试工具，并没有发现问题，所以首先排除了这方面的可能性， 然后开始了踩坑过程：因为总是崩溃在和dxilconv相关的地方 是不是意味着有方法可以通过程序的手段降低CPU的故障率？
1.1K10编辑于 2025-09-11 - 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Java后端技术栈cwnait
年后面试必备：95%错误率的9道面试题！
如果你试图用常识回答一个棘手的问题，你很可能会因为需要一些特定的知识而失败。大多数棘手的Java问题来自于令人困惑的概念，如函数重载和覆盖，多线程，掌握非常棘手，字符编码，检查与未检查的异常和Integer溢出等微妙的Java编程细节。
1.4K20编辑于 2023-02-27 - 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 处理细节 ---- 1 . AAudio 中采样率处理 : 在 AAudio 音频流中 不建议设置采样率 , 一般使用默认采样率即可 , 每个音频设备都有一个最佳采样率 , 如果不设置 , 默认就按照该最佳采样率进行工作 , 如果设置错了 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 . 采样率使用 : 获取采样率后 , 需要准备样本 , 这些样本的采样率需要转换成指定的采样率 , 才能向 AAudio 音频流中读写 , 如果采样率不对 , 播出来的声音就会出问题 ; Android
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
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。 模型在 ARCH(p) 模型中包含滞后波动率，以纳入历史收益的影响 GARCH(1,1) 每个阶数只使用一个滞后，是实证研究和分析中最常用的版本。 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。 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 ---- 点击文末 “阅读原文” 获取全文完整资料。 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 - 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# 改变列名colnames 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。 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点击文末 “阅读原文”获取全文完整资料。 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 - 来自专栏机器视觉CV
多目标跟踪评价指标
这三项依次表示缺失率（[d4f2345fde9bf8f0dc90b1cd137603ee.svg#card=math&code=%5Cbegin%7Bequation%7D%5Cfrac%7BF%20N %7D%7BG%20T%7D%5Cend%7Bequation%7D&height=29&width=25]）、误判率（[df32d89da1c5c708c83e88a14878b9f2.svg#card card=math&code=c_t%0A&height=11&width=10] 表示 第 t 帧的匹配个数，对每对匹配计算匹配误差 [2a470e08ed1375bf2f1a931975e925c9. 7Bequation%7D&height=29&width=139] 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 [75ce48fac8e09e34c3270ec7de103e54.svg#card=math&code=%5Cbegin
3.6K51发布于 2020-06-15 - 来自专栏我是攻城师
Lucene/Solr/ElasticSearch搜索问题案例分析
这里大概描述下处理思路： 对于短文本关键词分词后term个数小于3的，我们采用精确匹配 对于中文本关键词分词后term个数大于3小于9的，我们乐观模式的缺减匹配，至多允许一个词不一致 对于长文本关键词分词后 term个数大于10的，我们悲观模式的缺减匹配，至少允许一个词不一致 尽量保证在查准和召全之间的得到一个平衡，当然这需要不断调试，探索，改进才能得出来，并非泛泛而谈。 这种情况下改词库也解决不了，你不可能将有限公司和有限责任公司保留，而细粒度的关键词去掉，这样的话，召全率就会出现问题 比较好的解决办法是： （1） 匹配方式更改，正如案例一种的场景，我们可以允许term 中，有1到2个term词不匹配，这样的话，就可以互相搜到，但是可能 在召全率上提升，查准率上有所下降，因为他们本来就是相生相克的关系，一个率升高，另一个率必然下降。
1K40发布于 2018-05-14 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Rust
第 9 篇：方差分析 ANOVA · 多组收益率与因子暴露差异检验
rust量化合集 科技、金融、消费三大行业收益率有差异吗？ 低估值 vs 高估值组合谁更抗跌？ 两两比较太麻烦——ANOVA 一次搞定。 ("=== 单因素 ANOVA：行业收益率差异 ==="); println! ("结论: {}", if result.significant { "各组收益率存在显著差异" } else { "各组收益率无显著差异" }); ("--- 行业收益率差异 ---"); println! ("\n--- 市值收益率差异 ---"); println!
20110编辑于 2026-05-13
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