- 综合排序
- 最热优先
- 最新优先
- 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
1.9K30编辑于 2022-06-09 语音转写工具快速选型：4 类主流方案的适用场景梳理
二、4 类主流转写方案特点梳理智在记录：全场景独立专业方案这是垂直语音转写领域的代表性工具，不受单一办公生态限制，线上线下场景都能适配，尤其适合有专业领域需求、会议类型多元的团队。 针对垂直行业痛点，内置了 IT、金融、法律、医疗等多领域专属词库，还支持企业自定义术语库，专业场景下的识别准确度有保障。方言与多语种覆盖也比较全面，带口音的普通话、跨地域团队沟通都能较好适配。 线下场景可以搭配同系列的 VibeNote 录音卡使用，多脉拾音加 AI 降噪，长续航满足全天会议需求，录音自动同步到软件端转写归档，软硬一体的体验比较顺畅。 整体来看，这类独立专业方案的综合能力最全面，适合希望用一套工具覆盖多场景的个人与团队。办公生态内置转写以腾讯会议、钉钉、飞书的内置纪要功能为代表，核心优势是和自身办公生态深度绑定。 以英文会议为主、涉外协作频繁：选择英文场景优化的专属工具，适配性更好。结尾语音转写工具的本质是提升信息处理效率，没有绝对的 “最优解”，只有和自身场景最匹配的方案。
13310编辑于 2026-06-18- 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
62210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 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）
76641发布于 2019-09-02 企业级语音转写选型实践：5 类主流方案的技术架构与场景适配
它突破了 8 小时超长连续录音的技术瓶颈，能够适配职级评审、多场次连续答辩、全天研讨会这类高强度会议场景。如果线下会议较多，还可以搭配同系列的 VibeNote 录音卡硬件使用，实现软硬协同。 这款录音卡采用卡片式设计，搭载多麦阵列与骨传导拾音组合，支持 45 小时连续录音，AI 降噪算法可以过滤键盘声、空调声、环境喧哗声等干扰，实现长时间、高清晰的无损收音。 录音转文字方面，支持现场实时录音转写、离线音频文件导入，自带高清降噪处理，适配会议、课堂、访谈等绝大多数场景；同时支持直接导入主流视频平台的链接，无需下载视频即可提取音频转写，适配内容创作、素材整理场景 对比仅适配单一生态的产品，它的适配范围更广，即便企业内部使用多套办公系统，也能统一接入。 技术上依托通义大模型的语音识别能力，硬件端搭载多麦克风阵列与骨传导拾音技术，支持远距离收音与芯片级降噪。
18510编辑于 2026-06-18- 来自专栏禅境花园
Centos Stream 9 多IP 配置
Centos Stream 9 配置多IP 我有500个IP ,要绑定在同一台linux机器上, OS为Centos9 .
1.2K00编辑于 2024-11-21 @Async异步失效的9种场景
void async(String value) { log.info("async:" + value); }}这个问题还是比较有意思的，今天这篇文章总结了@Async注解失效的9种场景 9 Spring无法扫描异步类我们在Spring项目中可以使用@ComponentScan注解指定项目中扫描的包路径，例如：@ComponentScan({"com.susan.demo.service1
2.4K20编辑于 2024-05-09@Async异步失效的9种场景
9 Spring无法扫描异步类我们在Spring项目中可以使用@ComponentScan注解指定项目中扫描的包路径，例如：less复制代码@ComponentScan({"com.susan.demo.service1
81010编辑于 2024-05-28- 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。
74420编辑于 2022-08-01 图解AI：9个MCP应用场景
现在的MCP协议一个服务只能暴露一个协议，如果企业有很多服务，部署起来就是个灾难，我曾经给官方提过issue希望mcp能是个多服务协议，官方的回复是我们就是这么设计的，想集成你们自己实现，于是我就封装个服务用于集成各种
8810编辑于 2026-06-22- 来自专栏龙台的技术笔记
聊聊动态线程池的9个场景
在 高并发以及大批量 的任务处理场景，线程池的使用是必不可少的。 如果有在项目中实际使用线程池，相信你可能会遇到以下痛点： 线程池随便定义，线程资源过多，造成服务器高负载。 什么场景适合用 hippo4j 1. 线程池随意定义，造成服务器高负载 在系统开发的过程中，因为涉及到多人协作，难免会出现信息不互通的情况。在同一个系统，对于线程池来说，常见的是线程池随意定义。 9. 动态线程池对性能有无影响 这可能是很多开发者担心的一个点，在这里统一回复下。 hippo4j 仅对线程池做部分核心功能增强，没有修改任务执行源代码流程，可以保证绝对的安全。
1K20编辑于 2022-08-29 从转写准度率到场景适配：2025 年 10 款语音文字软件测评，谁是效率外挂首选？
不仅通用转写准确率高，更支持视频转文字和方言转写（如粤语、四川话、河南话等），应对各种复杂场景无压力。AI能力：这才是其降维打击的核心。 如果你需要一款功能全面、中文准确、安全可靠，能覆盖会议、学习、访谈等多场景的「全能王牌」：那么讯飞听见无疑是综合实力最强的首选，它提供的不仅仅是一个工具，更是一套提升个人与组织效率的完整解决方案。 主要适用于钉钉办公用户的日常会议记录场景，优势在于与钉钉办公软件的集成，操作相对简单。2、腾讯会议本身作为一款强大的会议软件，附带的语音转文字功能可在会议过程中实时转写。 但功能相对基础，在转写准确率、专业领域适配以及文档处理等方面，与讯飞听见有一定差距。主要针对腾讯会议的使用者，在会议场景中有一定便利性。3、网易见外工作台支持语音转写，能满足一些基础需求。 不过文件大小和格式限制较多，转写速度相对较慢，在复杂场景下的准确率也有待提高。适用于对转写要求不高，偶尔使用的用户。海外先锋队：六款国际主流工具一览Otter.ai：北美市场的明星产品。
1.7K10编辑于 2025-08-26- 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
4.3K30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。 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 场景三&场景四：大查询阈值并非越大越好，在 primary_zone 为 zone 相同优先级时，大查询阈值过大可能导致严重的队列积压从而导致 SQL 执行耗时大幅度上升。 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
62310编辑于 2025-06-20 OpenClaw🦞多Agent从场景到实践
尤其是多 Agent 玩法，几乎成了所有用户都会遇到的话题。 但一个现实是：多 Agent 看起来很酷，不代表你一定需要它。 真正有效的做法，不是先追求复杂架构，而是先判断场景、再选模式、最后做可验证的落地。 这篇文章，我把直播里的核心内容整理成一套可以直接上手的实战框架。 一、先说结论：多数场景，单 Agent 就够用 在刚开始使用 OpenClaw 时，最容易犯的错误是：还没找到稳定的业务场景，就先花大量时间搭多 Agent。 当你明显遇到边界，再切多 Agent。边界包括这么几种典型场景 Agent在会话中出现了遗忘的现象，说明上下文长度已经超过模型上下文了，此时可以考虑拆分多Agent了。 模式 3：单实例 + 多 Agent + 多 BOT 但互不协作（推荐） 各 Agent 独立运行，适合并行但无协同场景；例如财务、运营、研发各自处理独立任务。
13910编辑于 2026-06-22- 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。 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。 时间精度为微妙，使用平台为Win9x/WinNT系列。
83650编辑于 2022-03-25 - 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。
2.1K50编辑于 2023-09-20 - 来自专栏前端食堂
文件下载，搞懂这9种场景就够了
一般在我们工作中，主要会涉及到 9 种文件下载的场景，每一种场景背后都使用不同的技术，其中也有很多细节需要我们额外注意。今天阿宝哥就来带大家总结一下这 9 种场景，让大家能够轻松地应对各种下载场景。 在浏览器端文件下载的场景中，比如我们今天要讲到的 a 标签下载、showSaveFilePicker API 下载、Zip 下载 等场景中，都会使用到 Blob ，所以我们有必要在学习具体应用前，先掌握它的相关知识 ：big-file https://github.com/semlinker/file-download-demos/tree/main/big-file 十一、总结 本文阿宝哥详细介绍了文件下载的 9 种场景，希望阅读完本文后，你对 9 种场景背后使用的技术有一定的了解。 有了文件下载的场景，怎么能缺少文件上传的场景呢？如果你还没阅读过 文件上传，搞懂这 8 种场景就够了 这篇文章，建议你有空的时候，可以一起了解一下。
4.2K10发布于 2021-08-20 - 来自专栏规划领域技术
POI数据多场景获取脚本分享
之前已经分享了使用场景最广的“划定矩形区域获取POI数据”，考虑到我们规划相关工作中的其他使用场景，增加了针对公服设施、小城镇的“获取整个城市的POI数据”脚本、针对线性空间分块获取数据来提升效率的“多矩形区域获取 Get_GaodeMap_POI.exe脚本，等待爬取完成，目标文件为"poi_get\POI.xls" 3.爬取完成提示为：##########POI数据爬取完成，下次使用请删除"poi_get"文件夹”，并按任意键退出 02 多矩形区域获取 POI数据 用于爬取多个矩形区域内的POI数据，适用场景：为提高爬取效率进行分块爬取（自动去重），如有拐弯的河流、道路，或城市中的不同区域 1.在reference文件夹中改写key.txt、subdivision.txt
1.4K20发布于 2020-08-01 - 来自专栏FreeBuf
Metasploit-framework 内网穿透：多场景详解
在笔者对网上的文章进行研究后，发现绝大多数文章解决的场景都类似于《msf生成木马时的内网映射》，并未涉及到在 exploit 模块中如何使用反弹shell。 此文章旨在解决不同场景下的使用方法，同时让新手也能轻松理解。 MSF生成反连木马上线 笔者在前言中提到过此种场景的解决方法在网上大量流传，只做一些查漏补缺，不做过多赘述。 使用场景： 内网MSF，目标主机不限，目标主机运行木马反弹上线。 MSF通过Exploit模块上线 使用场景： 内网MSF，目标主机不限，通过MSF Exploit模块执行payload反弹上线。
2.4K31发布于 2021-05-20
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