- 综合排序
- 最热优先
- 最新优先
- 来自专栏大模型应用
大模型应用：遗传算法 (GA)+混元大模型：自动化进化最优Prompt与模型参数.95
而遗传算法，GA，全称Genetic Algorithm，与大模型的组合，正是为解决这些问题而生，用进化的思想让机器自己“试错”、“迭代”、“进化”，最终自动找到最优的 Prompt 或模型参数，彻底告别低效的手动调优 、交叉、变异”三个核心操作，让解不断进化，最终逼近最优解。 1.6 终止条件GA 不能无限进化，需要设定终止条件，常见的有：迭代次数：比如固定迭代 50 代；适应度收敛：连续 5 代的最优适应度值变化小于 1%，说明已经逼近最优解；达到目标分数：比如适应度分数达到 比如种群大小 20，保留前 4 个最优 Prompt，其余 16 个由交叉变异生成。2. 适应度函数的优化初次接触容易犯的错误是“单一维度打分”，导致进化出的 Prompt 只适配一个维度。 总的来说，GA + 大模型的本质是“用遗传算法的进化思想搜索最优 Prompt或参数，用大模型作为评估器量化结果好坏”，核心流程为“初始化种群→大模型评估适应度→选择→交叉→变异→迭代进化→输出最优解”
17333编辑于 2026-05-03 - 来自专栏AI科技评论
干货 | 进化策略入门：最优化问题的另一种视角
如你所见，这个函数有许多的局部最优点。我们要做的就是找到一系列的模型参数 (x, y)，从而使 F(x, y) 尽可能地接近全局最大值。 ? 尽管人们对于进化策略的定义版本不一。 在适应结果被评估之后，我们将 μ 设置为这一次迭代中在种群中最优解，并且在这个新的均值周围进行抽样得到下一代的解决方案。下图为这个简单的进化策略在之前提到的两个问题中进行20次迭代之后的表现： ? 由于这个算法本身是一个贪婪算法，它会抛弃当前的最优解之外的所有解。因此，在更加复杂的问题中，这个算法可能更易于陷入局部最优点。 由于 CMA-ES 算法可以利用最优解的信息调整其均值和协方差矩阵，它可以在还距离最优解很远时对较大的空间进行搜索，在距离最优解较近时对较小的搜索空间进行探索。 notebook ( https://github.com/hardmaru/estool/blob/master/simple_es_example.ipynb ) 中，展示了在 es.py 中使用进化策略去解决解决具有更多局部最优的一百维
2.5K50发布于 2018-03-07 这也许是AI时代，自动化测试的最优解了
自动化测试也迎来了快速迭代！ 以前小编总安利那套“Selenium+Pytest+Allure+Jenkins”经典组合，但隐隐感觉有点落伍了。 毕竟在我们部门搞了这么久的自动化，真正在用的也就我和另一个同事，其他测试小伙伴依然坚持手工作战… 就在这时，突然想起一个很早就知道但一直没深入研究和使用的工具——Playwright。 是时候向小伙伴们推荐这个“半自动化神器”了！ 再也不用担心某天醒来脚本全挂，排查后发现原来是浏览器升级的痛苦了（简直是自动化测试人员福音啊⭐️） 安装 1、安装 Playwright pip install playwright 小编已经安装过了， Playwright最大的魅力就是快和简单，特别适合快速上手自动化测试的小伙伴～
17210编辑于 2026-04-14- 来自专栏网络安全观
安全编排、自动化及响应(SOAR)平台的进化
企业战略集团(ESG)首席分析师 Jon Oltsik 最近的两篇文章：《安全运营、自动化和编排的进化》、《以分析师为中心的安全运营技术的兴起》，点出了SOAR平台的大幅成长。 SOAR当前进化中的一部分，正是其所提供功能的日趋成熟。伴随着越来越复杂的自动化策略和与其他安全工具的井喷式集成，自动化和编排功能已成长成熟，扩展了分析师使用SOAR过滤大量噪音找出真正威胁的能力。 无需更多经验 SOAR平台的进化，减轻了对用户经验的需求。供应商以预构建策略、导向性调查工作流和自动化警报分级的形式，在产品中内置了安全专业知识。 自动化与编排功能还进化到了无需用户懂得该自动化哪些东西，就能与现有安全框架融合的程度。SOAR平台仍会在重大动作上征询分析师的批准，但分析师已不再需要是自动化和编排方面的专家。 自动化和编排已经进化成了不可或缺的工具，而很快，他们还将在很多平台上得到来自机器学习、人工智能和其他新兴技术的补充。
1.1K10发布于 2021-02-26 - 来自专栏商业智能方案
报表自动化是最优选择！
常规的数据可视化方式我们可以选择直接读取数据库，通过绘图软件/库进行绘制，最终构成自建的前端显示效果，比如使用 Apache ECharts (incubating) 等工具。
1.2K20发布于 2020-11-11 - 来自专栏AI+运维：智能化运维的未来
智能调度：自动化运维的最强大脑进化论
智能调度：自动化运维的"最强大脑"进化论（本文共1320字，阅读约需4分钟） 凌晨3点的机房警报突然响起，200台服务器同时亮起红灯——这不是灾难片场景，而是某电商平台去年双11的真实遭遇。 二、智能调度三剑客：预测、决策、进化1. action) next_state = get_new_state() update_q(state, action, reward, next_state) 这套算法就像会自我进化的围棋 AI，在无数次"资源博弈"中学习最优策略。 ，经过500代"自然选择"筛选出最优节点布局。
42210编辑于 2025-02-18 - 来自专栏用户12479937的专栏
AI辅助审计底稿自动化实践：从手工到智能的进化
摘要：本文结合会计师事务所真实业务场景，介绍一套基于AI+Python的审计底稿自动化解决方案，覆盖数据解析、分录生成、底稿输出全流程，实测单套底稿处理时间从8小时缩短至0.5小时，效率提升16倍。 六、总结与展望#要点1AI辅助审计的核心价值是替代重复劳动，而非替代专业判断2多格式数据解析是自动化的前提，pdfplumber+RapidOCR组合效果稳定3规则库维护是长期工作，建议每季度回顾一次命中率 也欢迎各位同行在评论区分享你们的审计自动化实践，一起推动行业数字化升级。作者：审计从业者+AI工具开发者，专注于审计信息化与AI辅助审计工具研发。本文数据已做脱敏处理。
5810编辑于 2026-05-12 - 来自专栏机器之心
AutoML大提速，谷歌开源自动化寻找最优ML模型新平台Model Search
神经架构搜索 (NAS) 等技术利用强化学习、进化算法和组合搜索等算法，基于给定搜索空间构建神经网络。在恰当的设置下，这些技术找到的神经网络架构优于手动设计的网络架构。 为了克服这些缺陷，并将 AutoML 解决方案扩展到更广泛的研究社区，最近谷歌开源了一个自动、高效构建最优 ML 模型的平台 Model Search。
53820发布于 2021-03-15 - 来自专栏机器之心
羊驼进化成鲸鱼，Meta把对齐「自动化」，Humpback击败现有全部LLaMa模型
这一年来，以 ChatGPT 和 GPT-4 为代表的大语言模型（LLM）发展迅速，紧随其后，Meta 开源的 LLaMa、Llama 2 系列模型在 AI 界也引起的了不小的轰动。但随之而来的是争议不断，有人认为 LLM 存在一些不可控的风险，给人类生存构成一些潜在威胁。
37220编辑于 2023-09-08 - 来自专栏Python项目实战
从DevOps到GitOps：自动化再进化，运维的未来不靠“人”，靠“流
从DevOps到GitOps：自动化再进化，运维的未来不靠“人”，靠“流——作者：Echo_Wish兄弟姐妹们，今天咱聊一个既火、又被很多人“理解错”的话题——DevOps到GitOps：自动化的再升级 一个靠人（工具+流程），一个靠Git（事实源+自动化控制）。一个是“自动化”，一个是“自动化+自愈+不可变+声明式”。今天我就和你掏心窝子聊聊：GitOps到底解决了DevOps解决不了的问题？ DevOps的目标你我都熟：开发与运维协作，自动化CI/CD，提高上线效率。 ③DevOps自动化有限，不能保证集群的“最终一致性”DevOps的自动化是执行一次性的，但GitOps的自动化是持续的、反复的、永不停止的。二、GitOps是啥？ DevOps的精神是：让开发与运维合作更好，让部署更快，让交付更自动化。GitOps的精神是：让系统具备自驱力，让状态永远一致，让自动化从“被动执行”变成“主动治理”。
27300编辑于 2025-11-23 - 来自专栏人工智能
从RPA到智能体工作流，自动化的智能化进化路径解析
Gartner数据显示，2023年RPA仍是全球自动化市场中增长最快的子类之一。但问题在于，RPA的逻辑过于刚性，流程一旦变动，维护成本就会指数级增加。 金智维Ki-AgentS企业级智能体能让AI具备类人的任务识别、业务理解与自动化操作能力，结合可复用流程模板设计，大幅缩短企业级AI业务流程的开发周期。 其实更准确的说法是，智能体让RPA进化。对于高度标准化的流程，RPA依旧是高效、稳定的首选；但在跨部门、跨系统、需要一定判断力的场景，智能体工作流展现出更强的灵活性。 从对账机器人掉链子的案例，到今天多智能体的协同尝试，企业的诉求其实始终没变：要的是更省心、更安全、更有价值的自动化。区别只是，RPA解决的是“如何让手更快”，智能体解决的是“如何让脑更聪明”。 谁能真正把这两者结合好，谁就更有可能在未来的自动化赛道上走得更远。
41910编辑于 2025-10-17 - 来自专栏实验盒
｜蛋白质语言模型+自动化生物铸造厂：高效蛋白质进化新策略
其次，由于每次只引入一个突变，这种方法容易陷入局部最优解，限制了进一步的改进。 然而，一个关键的问题是，这些从序列变异中学习到的通用进化信息是否足以在特定选择压力下高效地进化特定蛋白质。 这一过程不断迭代，直到开发出最优的蛋白质变体。 实验验证与成果 为了验证PLMeAE平台的有效性，研究团队以甲烷热球菌的p-氰基苯丙氨酸tRNA合成酶（pCNF-RS）为模型酶进行了实验。 在四轮进化过程中，每轮设计96个变体，由自动化生物铸造设施构建和测试。结果显示，经过四轮进化，酶活性提高了2.4倍，整个过程仅用了10天。 这种方法不仅能够加速蛋白质的进化过程，还能够提高进化结果的质量，为工业应用中的蛋白质优化提供了有力的支持。
45610编辑于 2025-02-18 - 来自专栏AIGC与生成式AI
AI Agent构建到执行全自动化，RPA Agent持续进化再次降低智能体应用门槛
智能体进化发展了一年，现在的RPA Agent迭代到什么程度了？ 抓取豆瓣信息、自己制作PPT，这款AI Agent真的实现了流程全自动化AI Agent构建到执行全自动化，持续进化RPA Agent再次降低智能体应用门槛C端AI Agent构建与应用实现端到端，这个智能体构建平台真的不一般文 RPA已经成为智能体的重要技术，也是实现基于LLM的智能自动化的必要技术之一。从去年LLM爆发以来，RPA\超自动化厂商们也都在持续进化，完成了RPA Agent的产品化进阶。 那么它们进化到什么程度了？在王吉伟频道写这个选题期间，恰好实在智能发布了最新产品实在Agent 7.0。这篇文章，我们就以这款产品为例，透视国产RPA Agent产品的发展情况。 其他平台的Agent构建方式是：人力构建智能体，智能体自动化执行任务。实在Agent的构建方式则是：自动化构建智能体，智能体自动化执行任务。这种方式，实现了从构建到执行的全自动化。
75210编辑于 2024-09-02 - 来自专栏人工智能前沿讲习
【他山之石】SAM再进化｜伦敦大学开源 Surgical-DeSAM，无需人工即可完成手术自动化
Detr Surgical-DeSAM 如图1所示，作者提出了_Surgical-DeSAM_来自动化边界框提示，通过设计（i）Swin-DETR：将DETR中的ResNet50替换为Swin-transformer 在本文中，作者提出了一种新颖的模型架构Surgical-DeSAM，通过解耦SAM来自动化手术器械分割的边界框提示。 为了自动化边界框提示，作者通过移除图像编码器并将DETR编码器的特征和预测的边界框输入到SAM Mask 解码器和提示编码器来解耦SAM，以获得最终的分割。
80800编辑于 2024-05-25 [python]geatpy安装后测试代码
var_trace[gen,:]=Chrom[best_ind,:] #记录当代种群最优个体的染色体 # 进化完成 end_time = time.time() # 结束计时 ea.trcplot 这三个参数是给“crtfld”函数 来自动化生成译码矩阵用的。 API 文档）： import geatpy as ea help(ea.crtfld) 准备好这些参数后，就可以调用 crtfld() 函数自动化生成译码矩阵 本例中，它的第一列是存放各代种群最优个体的目标函数值；第二列是存放各代种群的平均目标函数值。 8. 创建最优个体记录器，记录各代种群的最优个体的染色体。 9. Geatpy 中提供 trcplot 函数来根据进化记录器绘制进化过 程追踪图。
22701编辑于 2025-07-17- 来自专栏CreateAMind
规模化数学探索与发现
，它将大语言模型的生成能力与自动化评估相结合，构成迭代式进化框架，可针对具有挑战性的科学与实际问题提出、测试并精炼算法解。 这些结果表明，大语言模型引导的进化搜索能够自主发现与人类直觉互补的数学构造，有时可匹配甚至超越已知最优结果，凸显了数学家与人工智能系统之间产生全新交互方式的潜力。 AlphaEvolve（见 [224]）代表了这一演进中的重要一步，它表明：当大语言模型与进化计算及严格的自动化评估相结合时，能够大规模地发现显式数学构造，其性能可匹配甚至超越长期存在的数学问题的已知最优界 它预示了一种潜在的未来方法论：多种AI工具的组合可协助实现从经验观察到的模式（由模型提出）到形式化验证数学结果的全过程，全程自动化或半自动化。 1.6 局限性。 特别是，我们遇到若干实例中 AlphaEvolve 未能达到最优或接近最优结果，下文将一并报告这些案例。
19910编辑于 2026-03-11 - 来自专栏DeepHub IMBA
神经架构搜索NAS详解：三种核心算法原理与Python实战代码
进化算法的群体搜索机制 进化算法借鉴生物进化的思想，将网络架构类比为生物个体，通过模拟自然选择过程来搜索最优架构。 进化算法通过维护一个架构群体并模拟生物进化过程来搜索最优解。 值得注意的是，这个最优架构在第2代就被发现，说明进化算法能够快速识别出有前景的架构模式。 从这个轨迹可以看出，进化算法通过维护群体多样性，即使在后续代中出现性能波动，但始终保持了全局最优解。 进化算法通过群体多样性和并行搜索，能够更好地避免局部最优并发现全局最优解。强化学习虽然有一定的探索能力，但单一智能体的搜索路径限制了其搜索效率。
46311编辑于 2025-11-15 - 来自专栏机器之心
指数级加速架构搜索：CMU提出基于梯度下降的可微架构搜索方法
引言 发现最优的神经网络架构需要人类专家耗费大量精力才能实现。近来，人们对开发算法来解决架构设计过程的自动化问题产生了兴趣。 自动化的架构搜索已经在诸如图像分类和目标检测这样的任务中获得了非常有竞争力的性能。 当前最佳的架构搜索算法尽管性能优越，但需要很高的计算开销。 ., 2017) 或进化算法的 3150 个 GPU 工作天数（Real et al., 2018）。 实验证明 DARTS 设计的卷积单元可在 CIFAR-10 上获得 2.83 ± 0.06% 的测试误差，与使用正则化进化方法（Real et al., 2018）的当前最优结果不相上下，而后者使用的计算资源高于前者三个数量级 ., 2017）或进化（Real et al., 2018; Liu et al., 2017b）的方法。
87120发布于 2018-07-26 - 来自专栏BPM与RPA观察
从钢铁行业数字化管控平台的智能进化，看超自动化能力边界
，是智能流程自动化、集成自动化等概念的进一步延伸。 集成应用是将超自动化技术集成到企业原有的信息化系统中，打造基于超自动化技术的智能自动化新产品，这种方式的特点是可以将打包的融合超自动化技术整体应用于更多业务场景，比如下面要讲的京诚数科管控平台就是这类产品 经过几年的发展，华为WeAutomate的各项能力也在不断进化，目前，它已经成为华为面向千行百业的数智化解决方案中不可或缺的能力之一。 华为WeAutomate能力的进化这次发布会，也是华为WeAutomate的行业标杆现场会。超自动化主要用于为组织提供更稳定的业务流程自动化，或者被内置在组织的IT架构中构建更稳定的端到端自动化能力。 如果持续关注的话，你会发现近几年各厂商所推出的RPA、智能自动化、超自动化产品及服务都在迭代变化中，尤其是在变化更快的大型组织中，超自动化产品的定位也正在发生更积极的变化。
61420编辑于 2023-07-09 - 来自专栏一飞开源
一个专注微信生态的工作流自动化平台，企业智能进化新引擎
一、开源项目简介 ChatWiki 是一个专注微信生态的工作流自动化平台，致力于让每个公众号都可成为一个超级AI智能体。 拖拽即可搭建微信生态应用，实现公众号推文一键改稿、留言AI精选回复等能力 二、开源协议 使用Apache-2.0开源协议 三、界面展示 系统截图： 四、功能概述 ChatWiki 是一个专注微信生态的工作流自动化平台
1.2K10编辑于 2025-11-30
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