- 综合排序
- 最热优先
- 最新优先
腾讯云Agent Memory多场景实测攻克AI记忆挑战
腾讯云AgentMemory多场景实测攻克AI记忆挑战一、基础高频场景实测：从“翻文档半小时”到“3分钟开箱即用”痛点直击：做AI智能体开发的同学都知道，想让Agent记住用户偏好、跨会话延续任务，最先碰到的就是 二、复杂深水区场景实测：从“单点救火”到“全局记忆不丢线”痛点直击：到了遗留系统重构或者长周期多任务场景，记忆问题直接升级成“拦路虎”。 常规工具局限：传统方案在金融多轮推理与历史数据调用场景中，常因数据建模与跨系统分析能力有限，需大量人工衔接，导致分析效率受限、决策质量波动。 可读性与细节优化：这些指标背后对应的是不同场景的核心优势——基础场景赢在快，复杂场景赢在稳，跨端场景赢在顺。每一步实测都能感受到它在记忆管理上的针对性设计，不是堆功能，而是解真问题。 避坑建议：别碰需要手动搭向量库的开源方案，部署复杂度能把人劝退；别信只留最近N次对话的Rolling方案，长期关键信息说丢就丢；跨端场景一定要选底层打通多系统的，不然记忆断层能把用户体验搞崩。
10410编辑于 2026-05-07- 来自专栏SIGAI学习与实践平台
户外场景4种典型3D相机成像精度实测
为了让3D视觉学术研究、产品研发人员对这一问题有基本的了解，本文给出以下4种典型3D相机的成像效果实测： 1.国外某知名品牌双目3D相机（以下简称双目相机A），是当前全球范围内知名度最高的双目3D相机， 4.张量无限Tensor Eye（以下简称Tensor Eye），官方标明可用于室外场景。 本次测试了这4款3D相机在户外较强光照条件下对典型材质物体的成像效果，重点分析精度与成像稳定性。 下表是4种型号相机的部分参数。 在这个场景中，双目相机A对光滑的细金属电线杆有明显的扭曲变形，Z向和XY向的误差都超过了4cm。双目相机B对电线杆的Z向和XY向的误差>1cm，也有明显的变形。 适用于室内场景的高精度应用，包括机械臂引导，精确测量，缺陷检测等。 4.Tensor Eye，户外场景精度最高，通常可以稳定地达到毫米级成像误差，成像速度慢，价格高。
1.3K20编辑于 2023-10-23 - 来自专栏程序人生小记
多场景学习
1 背景大型推荐系统存在多场景，而多场景的训练数据存在分布差异。比如：不同媒体的用户存在差异，不同资源位的用户存在差异。 对于多场景建模，如果采用各场景独立的方式，会忽视场景共性，导致长尾小场景难以学好，同时每个场景维护一个模型极大地增加系统资源开销和人力成本；如果直接将样本混合，训练共享模型，整个模型会被数据丰富的场景主导 和多场景建模很相似的任务是多任务学习，但这二者关注点不同。多任务学习解决相同场景/分布下的不同任务，而多场景建模解决不同场景/分布下的相同任务。 例如：推荐场景下的多任务学习通常是单个样本对于 CTR，CVR 等目标同时预估，而多场景建模是对不同场景样本预估相同的 CTR 目标。直接采用多任务学习的方法解决多场景建模也会存在一些问题。? 元注意力模块位于较低位置以捕获不同的场景间相关性，元残差塔模块位于较高位置以增强捕获特定场景特征表征的能力，如图 4 所示。
1.8K30编辑于 2022-06-09 【AGI-Eval实测】Claude 4 网页生成、游戏开发场景深度实测：发布会宣传与真实效果相差几何？
AGI-Eval评测社区第一时间做了对比实测，下滑查看！目录：01. Claude4 模型简介02. Claude 4 实测核心结论03. 网页生成案例实测04. Claude Opus 4 和 Claude Sonnet 4 两个模型在编码、推理、多模态能力和 Agent 任务方面均表现出色。 为验证其真实能力，我们选取了网页开发和游戏制作两个典型场景，对 Claude Opus 4 （调用API）和 Claude Sonnet 4 （调用API）进行深度实测，与 DeepSeek-v3 进行横向对比 ，但提示卡片区域与文案的视觉呈现效果良好，受限于上述问题暂不具备实际场景应用条件。 4. 游戏制作案例实测测试能力：游戏制作类实测通过跳跃游戏、贪吃蛇游戏案例，考察模型的响应速度、代码生成能力、交互与实用性，在游戏制作实测中，代码多需要二次调试。
84010编辑于 2025-06-11- 来自专栏xiaosen
机器学习多场景实战
从智能推荐系统个性化推送你可能喜爱的电影和商品，到金融风控领域精准识别欺诈交易；每一个应用场景都是机器学习技术多维度、深层次实战的精彩演绎，我们通过一些小案例对业务进行了解~ 什么是数据指标 数据指标概念 转化率：计算方法与具体业务场景有关 淘宝店铺，转化率=购买产品的人数／所有到达店铺的人数 在广告业务中，广告转化率=点击广告进入推广网站的人数／看到广告的人数。 当月与上月都有购买的用户数/上月购买的用户数 应用Pandas合并数据集 - 组合数据的一种方法是使用“连接”（concatenation) - 连接是指把某行或某列追加到数据中 - 数据被分成了多份可以使用连接把数据拼接起来 b4 c4 d4 1 a5 b5 c5 d5 2 a6 b6 c6 d6 3 a7 b7 c7 d7 pd.concat([df1,df2], axis=1) A B C D A B C D 0 a0 b0 c0 d0 a4 b4 c4 d4 1 a1 b1 c1 d1 a5
50410编辑于 2024-06-06 - 来自专栏IT码农
定义多场景的表单
定义多场景的表单 下面是一个带有添加/编辑的文章表单示例： namespace app\forms; use Yii; use app\models\Article; class ArticleForm extends \yii\base\Model{ const SCENE_ADD = 'add'; //添加场景 const SCENE_EDIT = 'edit'; //编辑场景 public return [ [['id', 'title', 'categoryId', 'content'], 'required'], ['title', 'string', 'length' => [4, 接收参数失败'; } if($form->edit()){ return '保存完毕'; }else{ return $form->firstError[0]; } } 如果表单定义了多场景 ，而不是盲目地全部validate，毕竟不同场景下有不同的校验字段 深入应用 其实不能仅仅把场景理解为使用在validate控制上的，自己在form里面写的逻辑代码都可以if($this->scenario
68141发布于 2019-09-02 - 来自专栏机器人课程与技术
4G网速实测与WIFI使用对比
5G即将普及，4G数据也基本能够满足需要，实测为日常使用地点（两处）和办公室WIFI，如果要求时延低，任何场合都推荐光钎，wifi和4g信号时延都要明显高于有线网络。 在线测网速链接：http://www.speedtest.cn/report_mobile/4G 移动（wifi+4G1+4G2）： ~ ? ~ ? ~ ? ~ 联通（wifi+4g1+4g2）： ~ ? ~ ? ~ ? ~ 电信（wifi+4g1+4g2）： ~ ? ~ ? ~ ?
1.8K50发布于 2019-01-23 - 来自专栏JavaEdge
多主复制的适用场景(1)-多IDC
这就是多主节点（也称为主-主，或主动/主动）复制。 此时，每个主节点还同时扮演其他主节点的从节点。 3.1 适用场景 在一个IDC内部使用多个主节点没啥大意义，因复杂性远超带来的好处。 但某些case，多活配置也合理： 3.1.1 多IDC 为容忍整个IDC级别故障或更接近用户，可将DB的副本横跨多个IDC。 单主和多主： 性能 单活，每个写入须穿过互联网，进入主节点数据中心。 采用异步复制功能的多活配置通常能更好地承受网络问题：临时的网络中断并不会妨碍正在处理的写入。 有些数据库默认情况下支持多主配置，但使用外部工具实现也很常见，如MySQL的Tungsten Replicator。
67820编辑于 2022-08-01 开源模型新标杆：谷歌 Gemma 4 核心技术架构与多场景能力分析
模型变体与技术规格 Gemma 4 包含四个模型变体，覆盖从边缘设备到数据中心的全场景需求： 在 AI Arena 排行榜上，Gemma 4 31B 在所有开源模型中排名第 3，性能可与10 倍规模的模型相媲美 多模态处理能力 全系模型支持文本、图像和视频（最长60秒，1fps），E2B 和 E4B 额外支持音频输入（最长30秒）。 、原生多模态、原生工具调用）、生态系统优势（与Android、Google Workspace 等深度集成）。 部分 iPhone 机型只需要 4GB 即可跑 Gemma 4。iPad 使用的是 M 芯片，较新的机型可以跑通 E4B 甚至 26B-A4B。 应用前景 Gemma 4在软件开发与代码生成、智能体与自动化、多模态内容理解、边缘计算与物联网、移动应用开发等领域展现出广阔前景。其本地部署能力特别适合企业级开发场景，确保代码隐私和数据安全。
95310编辑于 2026-04-13- 来自专栏程序猿DD
实测：文心一言 vs GPT-4
咱们就用百度发布会演示的预录制Demo，对比一下崭新出炉的GPT-4，先凭实力说话。 文心一言 vs GPT-4 和GPT-4一样，文心一言是一个多模态大模型。 李彦宏开场就展示了文心一言具备的5种能力，包括文学创作、商业文案创作、数理逻辑推算、中文理解、多模态生成。 文心一言甚至还现场秀了一口接地气的四川话，现场网友发出一片笑声： 其他能力如何？ 到底有多贵？” 这是文心一言的效果展示： 还解释了一下这个成语背后的经济学原理： 那么，将这个问题抛给GPT-4呢？ 多模态生成 最后，李彦宏还简单展示了一下文心一言多模态生成的能力。 首先来看看，为即将到来的2023世界智能交通大会创作海报—— 而除了前文展示过的文字转四川话能力，文心一言还能文字转视频。 百度基于对中国语言文化和中国应用场景的理解，筛选了特定的数据来训练模型。 至于人类反馈的强化学习（RLHF）和提示构建，操作上也与ChatGPT大差不差。
77420编辑于 2023-04-04 从个人博客到电商中台：EdgeOne Pages的MCP Server弹性架构×DeepSeek多场景模板实测报告
其核心价值在于将边缘计算能力与现代 Web 开发范式深度融合，支持静态站点托管、动态应用开发、边缘函数部署等场景，尤其适合需要快速迭代、全球化加速或低成本运维的项目。 以下从技术原理、核心功能、应用场景等维度展开详细解析。 background: white; padding: 2rem; border-radius: 10px; box-shadow: 0 4px 100px; line-height: 1.6; } #result h1, #result h2, #result h3, #result h4, width: 100%; height: 8px; background-color: #e0e0e0; border-radius: 4px
96800编辑于 2025-04-04- 来自专栏爱可生开源社区
多场景 OceanBase 并发参数调整方案
租户线程相关概念 2.1 租户最大线程数 为了维持租户活跃线程数恒定，同时考虑到大查询线程挂起的发生，租户就需要动态的从多租户线程池中申请线程。 4. 参数一览 并发相关参数 5. ON t1.tenant_id = t4.tenant_id -> INNERJOIN OCEANBASE.DBA_OB_UNITS t2 ON t4.resource_pool_id 结论 场景一&场景二：parallel_servers_target 等于 80，但在实际应用场景中，达到 80 并发并不一定会产生队列等待；未达到 80 并发也可能产生队列等待，与查询种类（大查询/小查询 back=kb 《工作线程》：https://www.oceanbase.com/docs/common-oceanbase-database-cn-1000000002014039 《多租户线程常见问题
52310编辑于 2025-06-20 - 来自专栏yeedomliu
腾讯云微搭多场景使用
实践：快速搭建餐饮小程序 步骤 使用微搭快速完成表单的CRUD 制作一个搜索页面（通过手机号查询预约信息），需要两个页面（搜索页、显示页） 数据源 创建数据源 添加字段『姓名』 添加字段『手机』 添加字段『日期』 创建应用 添加表单 填写并提交表单 查看数据 创建搜索页面 添加表单搜索字段 添加搜索按钮 修改输入框提示语 添加信息展示页 添加全局变量 搜索处理 显示页处理 显示效果 显示页面把全局参数赋值给表达式
4K30编辑于 2022-01-23 - 来自专栏架构驿站
【性能工具】LoadRunner多场景顺序执行
应用场景： 假设有多个不同的测试场景，多个场景有先后执行顺序。或者都需要测试,但白天时间有限, 通过晚上批量执行,可以有两种方式实现。 3个脚本的运行顺序为“Start when Group xxx finished”，并在“Scenario Start Time”中设定场景在晚上的运行启动时间。 设定完定时执行场景后，点击StartScenario按钮，会出现一个倒计时窗口，这样在固定的某个时间 上，测试场景中的3个脚本将乖乖的按照设定的先后顺序进行测试。 ，假设其中每个场景一个测试脚本(实际上没有关系,在场景里边设置你需要的脚本和模式,时间等等)。 首先创建并设置好不同测试场景，再创建一个一个批处理程序按先后顺序调用这些场景进行测试，最后通过Windows的定时任务设定批处理的执行时间。
75750编辑于 2022-03-25 - 来自专栏深度学习与python
实测对比！扣子空间播客功能完爆 NotebookLM，覆盖场景更大
实测对比！ 扣子空间播客功能完爆 NotebookLM，覆盖场景更大,InfoQ,4分钟 本播客由扣子空间（coze.cn）一键生成 作者 | 红羽 多模态始终是大模型领域，想象空间最大的应用概念，从 Sora 的文生视频 从场景来看，计划出游是个相对轻松的场景，用户很难这时去研究“提示词工程”，AI 的理解能力就成了保障交付的关键。 扣子空间的播客功能最强大的地方，在于其可适配的场景非常多，完全不限于上传 word 生成播客的僵化形式，接近于随时随地，在任何主流场景下，提供播客服务。 至于其他 AI 生成 PPT 的垂类工具，压力主要来自场景和产品。 场景足够广、产品足够强，是当下 AI 应用抢占市场的不二原则。但是垂类工具天然场景狭窄，客户获取困难。
64800编辑于 2025-06-08 - 来自专栏编程
（4）Superset权限使用场景
本文先介绍这几个角色，然后结合实际的安全访问控制的场景，看在Superset中怎样实现。 角色权限介绍 Admin： 拥有所有权限。 /incubator-superset/issues/3938 https://github.com/apache/incubator-superset/issues/2326 本文列举了权限使用几种场景
9.6K120发布于 2018-01-30 - 来自专栏秋枫学习笔记
SATrans：多场景CTR预估，场景地适应的特征交互方式
然而大部分多场景模型都面临场景区分建模不充分、随着场景数量增加效果下降，缺乏可解释性等问题。 并且现存的所有多场景模型在对各场景区分建模时，都没有考虑过显示特征交互问题，这限制模型的表达能力且影响到模型性能。 本文针对多场景模型内的特征交互问题，提出场景自适应特征交互框架SATrans(Scenario-Adaptive Feature Interaction framework)。 接着是多场景自适应交互层，在场景embedding的指导下通过自注意力机制组合高阶特征。通过堆叠L交互层，可以对(L + 1)阶的场景自适应特征交互进行建模。 ，文中提出下图三种方式 4 实验结果 Ali-CCP 和 Ali-Mama 数据集上的AUC表现 WeChat-MS 上的表现 往期推荐 MemoNet：用codebook记住所有的交叉特征来做
2K50编辑于 2023-09-20 - 来自专栏算法一只狗
Llama 4发布即开源 | 实测效果如何？
Meta 终于发布了一个原生多模态大模型 Llama4。而且一经发布，在大模型LMSYS排行榜上，Llama 4 Maverick冲上第二。仅仅比 Gemini-2.5-pro 模型少 22 分。 应用场景： 预计将用于需要极高计算能力和复杂推理的任务，如科学研究和高级数据分析。这三个模型共同特点：混合专家架构（MoE）： 通过仅激活部分参数，提高计算效率，降低训练和推理成本。 在专家混合架构（Mixture of Experts，MoE）中，采用了128 个路由专家和一个共享专家，同时为了高效训练，也采用 FP8 精度加快模型训练速度为了支持原生的多模态输入，Llama 4 写在最后Llama 4 的发布，标志着 Meta 正式加入原生多模态大模型竞赛的核心战场。 、多模态通用性。
1K20编辑于 2025-04-25 - 来自专栏架构进阶
实测｜Mac本地Claude Code，4大热门模型（minimaxqwenkimiglm）对比
（基础编码、复杂代码调试、办公文档处理、多模态推理），每个场景设置相同的任务指令，对比模型的响应速度、输出质量、容错率、易用性 测试环境：全程关闭其他后台应用，仅保留Ollama和Claude Code 四 核心实测：4大模型全方位对比（相同案例，公平PK） 本次测试选取了4类高频场景，覆盖编码、办公、推理等日常使用场景，每个场景设置相同的任务指令，从响应速度、输出质量、容错率、易用性4个维度进行评分（ 明显短板 速度略逊于 minimax，使用成本更高适用人群：重度办公、长文章阅读、多轮深度对话、对输出品质要求极高的用户 五、实测总结：4个模型怎么选？ 七、最后总结 本次Mac本地基于Ollama安装Claude Code，以及4个热门模型的实测，到这里就全部结束了。 最后，希望这篇实测推文，能够帮到大家，无论是Ollama安装Claude Code的实操，还是4个模型的选择，都能让大家少走弯路。
58931编辑于 2026-05-06 2026年4月 7款国产大模型能力实测
2026年4月7款国产大模型推理能力实测：谁能发现网站付费墙的漏洞？一次真实的代码安全分析任务，7款国产大模型同台竞技，最终只有1款完成了挑战。背景大模型的代码能力评测很多，但跑分和实战是两回事。 2个模型下载了错误的文件，4个模型完全没下载成功。网站的真实漏洞是什么？在分析模型表现之前，先说清楚这个网站到底有什么问题。 id=45c396367f59→拿到MP3的CDN直链下载成功，441KB，朗诵者"诵读客"深入分析s■■■■.js源码→发现前端检查Cookie但后端不验证→完整还原漏洞链关键决策点在第4步：当其他模型在猜测 这次测试只是一个具体场景，不能代表模型的整体能力。 本文基于2026年4月23日的实测数据，测试环境为Trae企业版IDE模式。所有模型使用相同的提示词和工具集。
28200编辑于 2026-04-23
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