首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏决策智能与机器学习

    自主性

    自主这个词在AI圈子越来越火,有变成玄学的趋势,但到底什么是自主,跟自动化、智能有啥关系,我们一起来看看。 先问大家一个问题,自主性是越高越好吗? 什么是自主性 自主性的英文是autonomy,英文上的解释为“the quality orstate of being self-governing;self-directingfreedom and 中文上的词条解读,自主性是行为主体按自己意愿行事的动机、能力或特性。 所以比较好理解的是,自主就是自己当家作主。 ,或者独立完成,都应该算作自主性,而且,如果是与人协作沟通完成的方式反而是更加复杂一些的。 回到一开始说的问题,自主性是越高越好吗?

    94950发布于 2021-05-11
  • 来自专栏网络安全技术点滴分享

    AI重塑工程实践:对齐自主性如何提升团队效能

    工程实践正在被重写:不再有黄金路径在技术持续变革的时代,工程领导者如何确保团队的对齐性、自主性和生产力? 关键讨论要点AI对工作流的全局影响Superhuman通过AI技术全面提升组织工作流程改进新员工入职培训体系帮助员工优化工作流程使团队能够重启先前搁置的项目工程效能度量策略定性指标与定量指标的结合运用通过数据驱动方法衡量团队效能持续改进工程团队绩效的实践方案对齐自主性概念在快速变化的行业中领导力的重要性通过赋予团队自主权提升组织运转速度平衡团队自治与组织目标的对齐机制资源链接通过 LinkedIn联系Loïc Houssier了解Superhuman:专为高效团队设计的AI原生邮件应用通过LinkedIn或Bluesky联系Ben Matthews本文节选自Stack Overflow 播客《代码领导者》系列,关注工程领导力与生成式AI在技术组织中的实践应用。

    27010编辑于 2025-08-22
  • 来自专栏Hank’s Blog

    3-4 列表的子集

    #列表的子集 Subsetting List #[[]] / $ / [[]][] / [[]][[]] #嵌套列表 /不完全匹配(partial matching) > x <- list(id=1:4,height=170,gender="male") > x[1] #找第1列的元素 $`id` [1] 1 2 3 4 > x["id"] #两个函数作用相同 $`id` [1] 1 2 3 4 > x[[1]] [1] 1 2 3 4 > x[["id"]] [1] 1 2 3 4 > x

    98810发布于 2020-09-16
  • 来自专栏python3

    3-4 文件读写例子(2)

    向项目中添加名为FileOption.cs的类文件,并准备填写关于文件操作的各种方法,如图3-8所示:

    58830发布于 2020-01-14
  • 来自专栏python3

    3-4 文件读写例子

    n学习通过文件流FileStream打开文本文件、写入文本文件、设置文件属性、实施对文件的目录操作管理的基本方法

    1.3K30发布于 2020-01-14
  • 来自专栏python3

    3-4 文件读写例子(4)

    /*******************************************************

    55130发布于 2020-01-14
  • 来自专栏python3

    3-4 文件读写例子(3)

    //==============================第二部分:类设计============================

    55810发布于 2020-01-08
  • 来自专栏python3

    3-4 文件流类FileStream

    nFileMode和FileAccess,FileShare方法基本介绍及注意事项

    1.1K20发布于 2020-01-07
  • 智能体革命:从0到1,拆解AI获得“自主性”的基础密码

    摘要:2026年AI简单作为“问答机器”的存在,却见证了其向“智能体(Agent)”的形态跃迁。从0到1,这不仅是功能的高度,更是“自主性”的觉醒。 在AI进化的坐标系中,大模型(LLM)完成了从-1到0的知识压缩,而Agent(智能体)则正在完成从0到1的行动闭环。 它的核心跃迁在于“非凡的动感”的获得:0.0阶段(传统AI):听懂指令-生成文本。角色是“护照工具”。1.0阶段(Agent):设定目标-主动拆解-调用工具-闭环交付。角色是“积极参与者”。 02.核心能力拆解:具有“自主性”的三重架构技术架构Agent协调能实现“从0到1”(Exception)、决策(推理)与执行(行动)三位一体构成。 (本文章由AI辅助生成)

    34210编辑于 2026-01-23
  • 来自专栏用户画像

    4.4 文件系统疑难点 3-4

    为了创建一个文件,应用程序调用逻辑文件系统。逻辑文件系统知道目录结构形式。它将分配一个新的FCB给文件,把相应目录读入内存,用新的文件名更新该目录和FCB,并将结果写回到磁盘。

    74510发布于 2018-08-24
  • 来自专栏叽叽西

    lagou 爪哇 3-4 spring cloud 问答笔记

    熔断即断路保护。微服务架构中,如果下游服务因访问压⼒过⼤⽽响应变慢或失 败,上游服务为了保护系统整体可⽤性,可以暂时切断对下游服务的调⽤。这种牺 牲局部,保全整体的措施就叫做熔断。

    64220编辑于 2022-05-17
  • 来自专栏爬虫逆向案例

    Js逆向-猿人学(3-4)访问逻辑-样式干扰

    第三题和第四题跟Js逆向没有什么关系,本来是不想发的,为了排版好看也发这个专栏里吧。

    75830发布于 2021-11-22
  • 来自专栏人工智能与演化计算成长与进阶

    16推荐系统3-4协同过滤算法

    和这个用户对此影片的评价,理论上我们能够通过用户对电影类型的喜好,和用户对此电影的评价来推断出电影的特征向量的

    96011发布于 2020-08-14
  • 来自专栏AI机器学习与深度学习算法

    机器学习入门 3-4 创建Numpy数组(和矩阵)

    Notes: zeros 和 ones 函数创建的数组默认为浮点型,而 full 函数 dtype 默认为 None 类型,所以如果在使用 full 不指定 dtype 的情况下,默认为传入 fill_value 值的类型。

    1K10编辑于 2022-05-25
  • 2026年,重新定义Agent:从模型级标准定义看AI的“自主性”跃迁

    摘要:在2026年的AI技术浪潮中,Agent(智能体)已不再是实验室里的概念,而是从“能说会道”的Chatbot进化为“能承载事”的数字定义生命体。 .模型等级标准定义:解构“数字生命体”在人工智能领域,Agent的定义已经被行业广泛接受,其核心不仅仅在于它执行指令的软件,而且具备以下三大特征的自主系统:1.经典三要素完全覆盖(TheLoop)符合AI 代理就像“打车时的导航AI”:你只给它目的地,它会实时规划路线、避开拥堵、在封路时自动重算,甚至主动问你“检测到前方加油站,是否需要补充能源?” (灵活)05.2026年展望:从“能说会道”到“能扛事”站在2026年的时间节点,Agent正在成为AI技术落地的“操作系统”。从工具到伙伴:以前我们把AI代理工具(工具),你需要知道怎么用它。 让AI从“辅助人类”走向“美好创造”。写给开发者与创作者的建议写作贴士:不要只写“这个Agent可以生成PPT”,这太浅了。要强调它的“自主性”和“决策链”。

    2.5K43编辑于 2026-01-19
  • 生成式AI驱动的范式转移:论智能体在企业价值链重构中的自主性演进

    在传统 IT 时代,数据是被动记录的资产;而在 AI 时代,数据是训练大模型和驱动智能体决策的燃料。缺乏高质量、AI 就绪的数据,任何宏大的 AI 愿景都将成为空中楼阁。 这种自主性在供应链领域体现得尤为明显。预测指出,相当比例的日常供应链决策将由 AI 智能体独立完成。 攻击者正在利用 AI 智能体进行更高效的凭证窃取和欺诈,这使得防御方必须同样采用 AI 技术来进行对抗。网络安全正在演变为一场“AI 对抗 AI”的军备竞赛。数据安全特别是隐私保护面临着严峻挑战。 在这里,你不仅能获取AI相关的各类市场分析报告、技术论文书籍、应用实践指南等等,涵盖生成式AI、大模型、AIGC、AI芯片和机器人等技术、应用和市场,还能与同侪一起探讨如何使用人工智能大模型和智能体来为工作增效 企业和个人都需要从根本上改变对技术的认知,从将 AI 视为一种单纯的效率工具,转变为将其视为具有一定自主性的合作伙伴。

    47810编辑于 2025-12-15
  • 来自专栏cwl_Java

    C++编程之美-结构之法(代码清单3-4)

    代码清单3-4 while(true) { // n为电话号码的长度 for(i = 0; i < n; i++) printf("%c", c[number

    24920编辑于 2022-11-30
  • 来自专栏量子位

    人人都可拥有的自主性AI:有记忆会使用工具,还会自我学习!底层自研框架即将开源

    还不是把人类对AI的想象力再次打开了。 使唤AI不用再一句句引导,更不用去研究提示工程了。 人人像钢铁侠那样拥有超级AI贾维斯不是梦。 生产有记忆会自学习的AI Copilot 如上看到的AI Copilot来自名为MindOS的AGI应用助手平台。 以此让AI可以完成一个长链条任务,和AutoGPT非常相似。 而且相对于AutoGPT,MindOS背后框架的自主性更高。 AI Copilot串联成网络:应用和服务的AI Copilot和每个个人AI Copilot,连接成一张全新的网络,服务的分发会在这个AI Network上发生。 林宋琪表示: 未来用户通过自然语言讲解工作流程,AI就可以连通各个软件的API,自主构建工作流和专属用户的UI,这样所有屏幕都可以变成AI的画布,而每个AI助手都是用户的“马良神笔”。

    88020编辑于 2023-05-06
  • Anthropic 实测数据曝光 :AI 智能体已经能自主跑 45 分钟了

    AI 智能体到底有多 “自主”?不是实验室跑分,不是理论推演,而是真实用户场景里的实测数据。 最近,Anthropic 发布了一份重磅研究 —— 基于数百万次真实人机交互,第一次把 AI 智能体在现实中的自主性、风险、人类干预行为彻底摊开。 结论很直白:AI 已经可以在无人干预的情况下,连续自主运行 45 分钟;越熟练的用户,越敢给 AI 放权,但也越会主动监控;高风险场景正在出现,只是还没大规模普及。 以下是该研究的完整中文版解读。 本研究的核心结论是:要实现对智能体的有效监管,需要搭建全新的部署后监控体系,也需要构建新的人机交互模式,助力人类与 AI 共同管控自主性与风险。 风险值整体集中在低分段,而自主性的分布则更为广泛:自主性评分为 3-4 分的低分段,智能体主要为人类完成小型、边界清晰的任务,如预订餐厅、微调代码;自主性评分超 6 分的高分段,智能体可独立完成向数据科学竞赛提交机器学习模型

    20210编辑于 2026-06-01
  • 双图谱驱动智能渗透测试:解决复杂任务遗忘与幻觉,提升攻防自主性

    undefined客户价值:实现从“脚本执行”到“自主推理”跨越,达成动态重规划与证据推理闭环,提升复杂环境攻防自主性(来源:任务图 | Plan-on-Graph动态图规划、因果图设计总结)。 生态与责任:方班-BinX战队以“开源共享”促进行业协同,加速我国“AI+安全”自主创新(来源:About us | 方班 - BinX 使命担当)。

    25510编辑于 2026-04-05
领券