- 综合排序
- 最热优先
- 最新优先
- 来自专栏Java Life
程序员逻辑测试题(10)
程序员逻辑测试题(10) 李明、王冰、马云三位股民对股票A和股票B分别作了如下预测:李明:只有股票A不上涨,股票B才不上涨。 王冰:股票A和股票B至少有一种不上涨。
66320发布于 2019-09-12 - 来自专栏简尚
这10道经典软件测试题，你都会么？
今天，这篇文章，通过10道题，考考大家，是否掌握了软件测试职业，一些必备的基础知识 。 请花时间，完整、仔细的看看题目，写下你的答案 。 现在，我从专栏中精心挑选了10个核心知识点，组成了10道测试题目（包含5道选择题，5道问答题）。 无论是否是我专栏的订阅者，你都可以用这10道题目，找到自己的薄弱点，对症下药；如果你已经学习了一段时间，可以用这10道题目，检测一下学习成果，查漏补缺。 我的建议是：你可以拿出纸笔，写下这10道题的答案，然后再与文末的答案进行对照。 选择题 1. （单选）当需要对某个系统进行测试的时候，应该从哪些方面来设计测试用例？ A. 功能验证 B. 如果你不记得它的使用方法了，可以再回顾下第21篇文章《移动测试神器：带你玩转Appium》中的内容。 6、GUI自动化测试脚本分层设计的最佳实践是怎样的？
83830发布于 2019-12-11 - 来自专栏Java帮帮-微信公众号-技术文章全总结
【选择题】Java基础测试题一（10道）
【选择题】Java基础测试题一（10道） 1.下面哪些是合法的变量名? 只能被该类自身所访问和修改 D．只能被同一个包中的类访问 10.下列有关继承的说法。正确的是：(B) A. 子类能继承父类的所有方法和属性； B. 子类能继承父类的非私有方法和属性 C. toLowerCase 将字符串转换成小写 toUpperCase 将字符串转换成大写 charAt 获取位于指定索引位置的字符 indexOf 查找子字符串的位置 innerHTML 起始到终止标签的仝部内容 ，包含 attribute / ə'tribju:t / 属性，特征 hyperlink 超链接 Service / 'sə:vis / 服务 Content / 'kɔntent / 内容
1.9K80发布于 2018-03-22 - 来自专栏WebJ2EE
【前端】：内容生成（::before、::after）
::before 、::after 在 CSS 中可以使用 ::before 伪元素选择器与 ::after 伪元素选择器在页面中的元素的前面或后面生成内容，而生成的内容是用 content 属性来定义的 /* CSS3 syntax */ ::before ::after /* CSS2 syntax */ :before :after 用 content 主要用于生成以下几类内容： 普通字符串 详解 CSS 中有一个计数功能，就像使用变量一样，它有以下4个属性： counter-reset：创建或重置计数器； counter-increment：增长计数器； content：生成内容； counter ()：将计数器的值添加到生成内容中 Manipulating a counter's value： To use a CSS counter, it must first be initialized 生成——图片 示例： ? <!
95710发布于 2020-01-17 - 来自专栏python百例
68-生成器实例：每次取出文件的10行内容
counter = 0 for line in fobj: block.append(line) counter += 1 if counter == 10 block # 返回中间结果，下次取值，从这里继续向下执行 block = [] counter = 0 if block: # 文件最后不够10
38310发布于 2018-09-11 大模型备案材料—测试题库内容及评估要求详解
二、基础测试题库的构建与评估要求（一）生成内容测试题库生成内容测试题库作为评估大模型文本生成能力安全性的核心工具，其构建需遵循全面性与代表性的双重原则。 三、测试题库合格率判断标准的明确（一）生成内容测试题库安全评估对于生成内容测试题库的安全评估，我们采用人工抽检与关键词抽检相结合的方式。 具体而言，从题库中随机抽取不少于1000条测试题，通过人工审查与关键词匹配两种手段，对模型生成的内容进行合格率评估。为确保评估结果的可靠性，模型生成内容的抽样合格率需不低于90%。 （三）非拒答测试题库安全评估对于非拒答测试题库的安全评估，我们关注的是模型在面对不应拒答问题时的正常生成能力。 但与拒答测试题库不同的是，此处要求模型的拒答率不应高于5%，以确保其在正常生成内容时不会出现不必要的拒答行为。
48200编辑于 2025-07-31- 来自专栏Python小屋
Python批量生成垃圾邮件内容
问题背景：这个文章的代码是为下一篇关于贝叶斯分类的文章做准备的，用来生成一些模拟的垃圾邮件。一般而言，垃圾邮件都是带有特定目的的，所以邮件中必然会包含一些特定的词，例如发票、请加微信或者其他词语。 也可以在这个框架的基础上进行改写和扩充，生成更真实的垃圾邮件。关于邮件群发请参考以前发过的文章使用Python实现电子邮件群发功能 参考代码： ? 生成的模拟邮件文件如下： ? 任意打开其中几个，内容如下： ? ?
1.5K60发布于 2018-04-16 - 来自专栏Java
MyBatis逆向工程可以生成哪些内容？
MyBatis逆向工程可以生成哪些内容？ MyBatis逆向工程可以根据已有的数据库表自动生成Java实体类、Mapper接口和XML文件。 executions> </plugin> </plugins> </build> 添加 Mybatis-Generator 配置文件（generatorConfig.xml），配置连接属性、生成器属性 domainObjectName="User"/> </context> </generatorConfiguration> 在上述配置文件中，我们指定了数据库连接信息、Java模型和映射文件存放的路径，以及需要生成表名为 pom.xml 所在的目录，并在命令行运行如下代码： mvn mybatis-generator:generate 运行成功后，即可在目标位置（默认为target/generated-sources）找到自动生成的
21210编辑于 2025-01-21 - 来自专栏AI进修生
Claude Code 学习最佳实践：NotebookLM 生成全套学习视频+卡片+测试题
在网上发现一个NotebookLM公开链接：https://reurl.cc/qK845E “ 他将36篇Claude Code相关内容“喂”给NotebookLM AI，生成了一套包含视频和音频的深度学习资料库 整个过程耗时80分钟，浏览了440个资源，最终形成了一个可供他人学习的NotebookLM项目” 想深入了解Claude Code的最佳实践，可以看看这个笔记 NotebookLM 生成的深度学习资料库界面 NotebookLM 生成的学习卡片示例 或者测试题目。 NotebookLM 生成的测试题目示例 用提问或者问题的方式来反问自己？ 这，对于我在学习一些东西然后准备组织输出的阶段，很有用。 又或者它生成了一段播客音频以及讲解视频。 你也可以向他提问。他会RAG前面的输入资料。
60610编辑于 2025-11-20 - 来自专栏腾讯研究院的专栏
ChatGPT生成的内容，是否享有版权？
AI模型软件“辅助创作”与“自动生成”的差别，实际从根本上决定了用户对于生成内容是否存在创作贡献，也即决定了AI生成内容能否构成作品。 “利用AI工具生成的内容，能否证明存在自然人的创作贡献，进而判定是否构成作品，答案取决于AI工具生成内容的机制原理，以及AI工具是如何被自然人用来生成最终内容的。” 邻接权不要求权利人对生成的内容付出创作性贡献，而是强调在内容形成的过程中权利人是否有相关投入（包括劳动、金钱和时间等），这便契合了目前ChatGPT类产品生成内容的客观属性。 而上述判决，从“最密切原则”——相关主体和生成内容的直接关联程度，“额头流汗原则”——相关主体对于生成内容的付出回报机制，“著作权制度初衷”——如何最大程度促进内容传播、公众内容的获取等角度考量，实质上更倾向于将 权责一致： ChatGPT类产品生成内容版权侵权的三方责任承担机制 目前ChatGPT类产品生成内容主要涉及三方主体：AIGC模型的研发者、AIGC模型的商业化应用者，以及最终使用AIGC模型生成内容的用户
80510编辑于 2023-11-16 - 来自专栏腾讯云智能·AI公有云
紧跟“AI生成内容”新规，内容平台如何高效应对？
在刷短视频、浏览社交动态时，你一定发现许多内容下方多了一个小小的角标：“该内容由 AI 参与生成”。这背后不仅是技术的迭代，更是内容安全与合规的硬要求。 尤其在 AI 生成内容爆发式增长的背景下，中央网信办深度推进“规范短视频内容标注”工作。 腾讯云 “AI 生成识别能力”：帮助精准识别图文、音视频内容是否AI生成，已在多场景落地。 场景一：UGC平台——识别是否真人头像、实拍视频，维护社区的“活人感”。 场景二：新闻平台——识别新闻素材是否AI生成，辅助治理虚假内容。 如今AI生成的新闻图文太逼真了，有的虚假文案配上一张AI做的“现场图”或者公众人物的假视频，传播极快且极具误导性。 大模型厂商在采集训练数据时，最怕采集到大量由前代AI生成的文本，因此需要从海量互联网数据中，精准剔除那些AI代写的内容。
49710编辑于 2026-03-30 - 来自专栏图形学与OpenGL
实验10 Bezier曲线生成
1．实验目的： 了解曲线的生成原理； 掌握几种常见的曲线生成算法，利用VC+OpenGL实现Bezier曲线生成算法。 2．实验内容： （1）结合示范代码了解曲线生成原理与算法实现，尤其是Bezier曲线。 （2）调试、编译、修改示范程序。 3．实验原理： Bezier曲线是通过一组多边形折线的顶点来定义的。 图A.10（a）Bezier曲线 5．实验提高 模仿上述代码，以( 10, 5, 0 ),( 5, 10, 0 ),( -5, 15, 0 ),( -10, -5, 0 ),( 4, -4, 0 ) ,( 10, 5, 0 ), ( 5, 10, 0 ), ( -5, 15, 0 ), ( -10, -5, 0 )，( 10, 5, 0 )为控制点，将其转变为B样条曲线生成算法，见图A.10(b)。 图A.10（b）B样条曲线
1.4K40发布于 2020-10-29 - 来自专栏AI人工智能
内容创作智能体：多模态内容生成的完整解决方案
多模态内容生成技术深度解析1.1 技术架构总览多模态内容生成系统的核心在于统一的多模态表示学习和跨模态的内容生成能力。 Sarah Chen, AI研究院多模态实验室主任量化评测结果评测指标GPT-4方案开源方案商业平台评测标准内容质量8.7/107.8/107.2/10专家评分生成速度6.5/108.2/109.1/10 响应时间成本效益6.0/108.5/107.8/10单位成本定制化程度7.0/109.2/105.5/10功能灵活性技术门槛8.0/104.5/109.0/10易用性评分6. 在商业应用层面，我预测个性化内容生成将成为下一个爆发点。随着用户数据的积累和分析技术的进步，AI将能够为每个用户生成高度个性化的内容，这将彻底改变内容消费的模式。 ⚡️ 我的更新节奏：每周三晚8点：深度技术长文每周日早10点：高效开发技巧突发技术热点：48小时内专题解析
58610编辑于 2025-07-20 - 来自专栏林德熙的博客
dotnet 使用 IndentedTextWriter 辅助生成代码时生成带缩进的内容
随着源代码生成的越来越多的应用，自然也遇到了越来越多开发上的坑，例如源代码的缩进是一个绕不过去的问题。如果源代码生成是人类可见的代码，我期望生成的代码最好是比较符合人类编写代码的规范。 为了能让人类在阅读机器生成的代码的时候，不会想着拿刀砍那个编写代码生成代码的开发者，最好，或者说至少代码也应该有个缩进和换行吧。 本文将安利大家通过 IndentedTextWriter 这个辅助类，用来辅助生成带缩进的内容 使用 IndentedTextWriter 辅助类核心的用途在于自动加上缩进，缩进的等级由代码设置，可以通过加等和减等控制缩进等级 对 IndentedTextWriter 写入的内容，最终将会写入到 StringBuilder 里面，初始化的代码如下 var stringBuilder = new StringBuilder(); ，这就可以让大家更加开森，可以将 IndentedTextWriter 用来除代码之外的其他生成内容里 本文的代码放在github 和 gitee 欢迎访问 可以通过如下方式获取本文的源代码，先创建一个空文件夹
80810编辑于 2023-04-07 - 来自专栏学习
AIGC ---探索AI生成内容的未来市场
AI生成内容（AIGC）正成为科技领域的热点，广泛应用于文本生成、图像生成、视频生成等多个方向。本文将通过丰富的代码示例，带您探索AIGC市场的潜力、挑战及应用技术。 overwrite_output_dir=True, num_train_epochs=3, per_device_train_batch_size=8, save_steps=10 跨模态内容生成的实现 多模态生成将文本与图像结合在一起，以下代码展示如何使用CLIP模型实现文本-图像检索： 代码示例：CLIP模型的文本-图像检索 from transformers import CLIPProcessor 模型偏差问题 模型偏差可能导致生成内容的失真。可以通过多样化训练数据来缓解。 内容真实性问题 为确保生成内容的真实性，可以使用事实验证工具。
51611编辑于 2024-11-21 - 来自专栏python前行者
python根据文章标题内容自动生成摘要
AlphaSense可以搜索“研究文献,包括公司提交的文件证明、演示、实时新闻、新闻报道、华尔街的投资研究、以及客户的内部内容。” 数库行业分类,分为10个层级,4000个产品节点,帮助投资者快速了解产业竞争环境、系统化对比公司财务及运营数据。其二、产业链的分析工具。数库在行业分析工具SAM的基础上,衍生出的一个分析工具。 ''' 方法一：根据标题内容生成摘要 # -*- coding: utf-8 -*- import jieba,copy,re,codecs from collections import Counter return sents #**** 提取特征词 ********************** def getKeywords(self,title,sentences,n=10 return keysents if __name__=='__main__': summary=Summary() summary.main(title,text) 方法二：根据内容生成摘要
2.9K20发布于 2019-03-25 - 来自专栏学习
AIGC：人工智能生成内容的未来
其主要贡献在于通过生成对抗机制优化内容生成质量。 与GANs相比，VAEs更容易训练，且在生成内容时具有更好的平滑性，但生成的内容通常不如GANs那样有高度的真实感和细节。 随着计算能力的提升和大规模数据集的积累，AIGC技术的突破使得AI不仅能够生成结构化的文本内容，还能够生成图像、音频、视频等形式的创意内容，极大地推动了数字内容生产的自动化。 生成器的目标是生成尽可能逼真的内容，而判别器则负责判断这些内容是否来自真实数据。 GANs工作原理： 生成器（Generator）：通过接收随机噪声作为输入，生成逼真的数据。 4.2 生成内容的质量 尽管AIGC技术取得了突破，但生成内容的质量仍然是一个挑战。如何确保AI生成的内容多样化、有创意且符合伦理标准，是当前的研究热点。
1.4K10编辑于 2024-11-21 - 来自专栏summerking的专栏
创建10个文件并写入内容
# 执行效果 root in jCeXjfniZtN in / ➜ mkdir test10 root in jCeXjfniZtN in / ➜ cd test10/ root in jCeXjfniZtN in /test10 ➜ vim test.sh root in jCeXjfniZtN in /test10 took 5s ➜ cat test.sh #! \n11 22\n11 22\n11 22\n11 22\n11 22\n11 22\n11 22\n11 22" >> $file done root in jCeXjfniZtN in /test10 root in jCeXjfniZtN in /test10 ➜ ll total 44 -rw-r--r-- 1 root root 60 Dec 9 14:40 test10.txt -rw-r /test10 ➜
1.7K20编辑于 2022-09-16 - 来自专栏Super 前端
10 分钟了解 webpack 核心内容
10 分钟了解 webpack 核心内容 直接上手稿了 tapable_flow.jpeg Tapable 是 webpack 核心工具之一，提供了插件接口。 AsyncSeriesBailHook, AsyncSeriesWaterfallHook } = require("tapable"); tapable.png 主线 hook 事件注册 ==> hook 触发 ==> 生成
59911发布于 2020-07-11 - 来自专栏Super 前端
10 分钟了解 webpack 核心内容
10 分钟了解 webpack 核心内容 直接上手稿了 Tapable 是 webpack 核心工具之一，提供了插件接口。 AsyncSeriesBailHook, AsyncSeriesWaterfallHook } = require("tapable"); 主线 hook 事件注册 ==> hook 触发 ==> 生成
55430发布于 2021-08-30
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