- 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。? 元注意模块位于较低位置，以捕获不同的场景间相关性，元剩余塔模块位于较高位置，以增强捕获场景特定特征表示的能力参考文献 基于元学习的多场景多任务商家建模
1.8K30编辑于 2022-06-09 - 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 b7 c7 d7 df1.append(df2) A B C D 0 a0 b0 c0 d0 1 a1 b1 c1 d1 2 a2 b2 c2 d2 3 a3 b3 c3 d3 0 a4 b4 c4 d4 1 a5 b5 c5 d5 2 a6 b6 c6 d6 3 a7 b7 c7 d7 genres.merge
50410编辑于 2024-06-06 - 来自专栏ytkah
iis7设置http跳转https实测可用
现在我们说说iis7设置http跳转https，因为还是有很多人在用iis服务器。 首先多站点用|线分割，http跳https需要另外设定一个rule规则，整合代码如下 <?xml version="1.0" encoding="UTF-8"?
3.5K20发布于 2019-05-25 - 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 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 == self::SCENE_ADD)这样来判断确定是否要做某些逻辑（当该方法与其它场景共用时）
68141发布于 2019-09-02 7 款实测告诉你
作为一个长期被翻译质量 “凌虐” 的学习党，我实在忍不了，决定亲自下场，测评 7 款翻译工具，看看哪个能真正拯救我于水火之中。 多场景支持：不管是网页、文档、视频，还是图片，各种翻译场景它都能覆盖，真正做到全方位服务。 沉浸式体验：翻译结果能自然融入原文，一点都不破坏阅读体验。就好像在看母语文章一样，轻松又自在。 上手难度：中等难度，虽然功能多，但对于一些不太熟悉翻译工具的人来说，可能需要花点时间去了解每个功能的使用方法。 优缺点总结 榜单排名 翻译工具名称 主要特色 优点 缺点 适合人群 使用难度 第 1 名 会译 AI 对照翻译，54 种语言互译 ・原文译文对照显示，学习效果好・AI 智能翻译准确度高・54 种语言全覆盖・多场景翻译支持 Yandex.Translate 俄语翻译优势明显 俄语翻译效果较好 其他语种精度平庸，功能单一 俄语学习者 简单⭐⭐ 第 6 名 OpenNMT 开源框架 可定制开发 需自建模型，配置复杂 NLP 研究人员 极难⭐⭐⭐⭐⭐ 第 7
4K20编辑于 2025-08-22- 来自专栏毕业论文写作指南
7款AI工具实测大推荐！
下面就为大家实测推荐7款超实用的AI工具，助你论文写作不再发愁。1. 瑞达写作：写论文从未如此简单工具简介：还在为对着空白文档写论文而发愁吗？ 多论文类型覆盖：全面支持毕业论文、学术研究、问卷调查等多种写作场景，满足不同专业与写作需求。 AI率和查重率双保障：生成内容的查重率与AI检测率通常控制在7%-25%之间，为后续润色与投稿留足空间。图片介绍：2. AI率和查重率双保障：生成内容的查重率与AI检测率通常控制在7%-25%之间，让你不用再担心论文查重。图片介绍：3. 图片介绍：结尾：以上就是这7款AI工具的详细介绍啦，希望能为你的论文写作提供有力帮助，祝大家都能顺利完成论文！
78410编辑于 2025-08-04 - 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 - 来自专栏禅境花园
Centos 7 多IP 配置
Centos7 配置多IP 我有500个IP ,要绑定在同一台linux机器上, OS为Centos9 .
66100编辑于 2024-11-21 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。 .upload-section.drag-over { background-color: #e8f5e9; border-color: #2e7d32
96800编辑于 2025-04-04- 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。 SELECT * FROM test_table limit ; //单条 SQL 执行耗时：约 700ms SELECT * FROM zengquan_zheng.test_table limit ; 7. 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 场景一&场景五：当单独并发执行小查询时耗时可能很快，但是大查询与小查询同时并发执行时大查询可能会导致小查询的执行耗时也大幅升高。 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
室内场景的3D应用相对成熟。结构光相机被广泛应用于工业机械臂的引导；TOF相机与双目相机被广泛应用于消费电子、机器人自动驾驶等。近年来，室外场景的各种3D应用被逐步挖掘出来。 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， 7.大理石柱+石砖 RGB图 双目相机A的点云（俯视图） 双目相机B的点云（俯视图） Tensor Eye的点云（俯视图） 在这个场景中，双目相机A对地面与大理石柱有严重的扭曲，Z向和XY向的误差 综合考虑各方面的因素，下面介绍各种相机适用的场景： 1.双目相机A，价格最便宜，成像速度最快，精度最低。适用于对成本敏感，对成像精度与稳定性没有严格要求的室外场景，以及室内对精度要求不高的场景。 适用于对成本相对不敏感、对成像精度要求不高的室外场景，以及部分室内场景。 3.结构光相机A，在室内场景中精度最高且成像稳定，成像速度慢，价格高。
1.3K20编辑于 2023-10-23 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。 340.67M⚠️部分DeepSeek-V3.2❌✅5:300.75M❌MiniMax-M2.7❌✅8:341.09M❌GLM-4.7❌✅11:470.18M❌Kimi-K2.6❌❌6:220.10M❌7个模型中 复盘7个模型的推理过程，GLM-5.1的成功可以归结为三个关键决策：决策一：追踪代码而非猜测URL6个失败的模型都尝试了URL猜测策略——根据已知音频URL的模式（如/s■■■■/f■■■■/q■■■■ 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- 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
10.1145/3580305.3599936 代码地址：https://github.com/qwerfdsaplking/SATrans 会议：KDD 2023 1 引言 近期研究已证明：利用统一的多场景模型相比单场景模型更适用于场景复杂的大规模商业平台 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。
2K50编辑于 2023-09-20 - 来自专栏Man_Docker
centos7多网卡配置
1.复制一个配置为对应网卡名字 2.查看UUID的对应信息： nmcli conn [root@localhost network-scripts]# nmcli conn NAME UUID TYPE DEVICE 有线连接 1 e9fd0702-082b-3a3b-aef3-e630a09cd504 ethernet ens224 ens192 e9b24c38-a6f0-47cf-bebb-2
2.3K53发布于 2020-10-09 - 来自专栏微观技术
消息队列的 7 种技术场景!
我们在做消息队列的技术选型时，往往会结合业务场景进行考虑。今天来聊一聊消息队列可能会用到的 7 种消息场景。 比如在一个电商场景，同一个用户提交订单、订单支付、订单出库，这三个消息消费者需要按照顺序来进行消费。 //MessageStoreConfig类 private String messageDelayLevel = "1s 5s 10s 30s 1m 2m 3m 4m 5m 6m 7m 8m 9m 10m 以电商购物场景来看，账户服务扣减账户金额后，发送消息给 Broker，库存服务来消费这条消息进行扣减库存。 7 优先级消息 有一些业务场景下，我们需要优先处理一些消息，比如银行里面的金卡客户、银卡客户优先级高于普通客户，他们的业务需要优先处理。
65711编辑于 2023-12-13 - 来自专栏技术博客
实测！不同场景下，哪款 AI IDE 能真正帮你少加班？
（MGX），围绕 “场景适配、效率、成本、稳定性” 四个核心维度，在真实开发任务里跑了一遍，现在就把最实在的体验分享给你。 这次实测发现，腾讯 CodeBuddy 才是真正能帮新手 “无痛入门” 的选择。 这次实测，三款工具的 “适配能力” 差距很明显。 我们实测时，游戏的物理引擎逻辑一次生成就没报错，浏览器和微信开发者工具双端验证直接通过，省了至少 2 小时适配时间。 企业技术团队要做微服务重构、核心系统开发，腾讯 CodeBuddy 企业版的多智能体协作 + 合规保障，能扛住重活还不踩合规坑，编译效率提升 68% 的实测数据摆在这，靠谱又高效。
1.1K20编辑于 2025-10-10
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