- 综合排序
- 最热优先
- 最新优先
- 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
4-6 R语言函数 排序
#sort:对向量进行排序;返回排好序的内容 #order:返回排好序的内容的下标/多个排序标准 > x <- data.frame(v1=1:5,v2=c(10,7,9,6,8),v3=11:15,v4=c(1,1,2,2,1)) > sort(x$v2) [1] 6 7 8 9 10 > sort(x$v2,decreasing = TRUE) [1] 10 9 8 7 6 > order(x$v2) [1] 4 2 5 3 1 > x[order(x$v2),] v1 v
40740发布于 2020-09-16 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yuyy.info技术专栏
《代码整洁之道》笔记（4-6章节）
个人认为注释还是要写，算是对代码的中文翻译，因为我们的英语水平，命名习惯各不相同。
33810编辑于 2022-06-28 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”。
88120编辑于 2023-05-06 - 来自专栏量子位
支持移动GPU、推断速度提升4-6倍
TensorFlow用于移动设备的框架TensorFlow Lite发布重大更新，支持开发者使用手机等移动设备的GPU来提高模型推断速度。
1.2K30发布于 2019-04-24 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- 来自专栏人人都是极客
支持移动GPU、推断速度提升4-6倍
个公开模型和2个谷歌内部模型进行基准测试的效果如下： 公共模型： MobileNet v1（224 x 224）图像分类 ( 专为移动和嵌入式视觉应用而设计的图像分类模型 ) 下载地址：https://ai.googleblog.com tfjs-models/tree/master/posenet DeepLab 分割（257 x 257） ( 图像分割模型，为输入图像中的每个像素分配语义标签，例如，狗，猫，汽车 ) 下载地址：https://ai.googleblog.com 2018/03/semantic-image-segmentation-with.html MobileNet SSD 对象检测 ( 检测带有边框的多个对象的图像分类模型 ) 下载地址：https://ai.googleblog.com
1.8K20发布于 2019-03-15 - 来自专栏人工智能与演化计算成长与进阶
15非监督学习异常检测4-6构建与评价异常检测系统
Note 对于异常检测问题而言，样本数据集往往是倾斜的，即 标记为 1 异常的数据往往很少，而标记为 0 即正常的数据往往很多 此时使用准确率等方法来进行判断一个模型的好坏往往是不合适的，所以通过 查准率和查全率以及 F1 分数能够很好的分析和判断这个问题
1.8K11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 4-6 网格搜索与k近邻算法中更多超参数
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍使用sklearn网格搜索寻找最好的超参数以及kNN计算两个数据点距离的其他距离定义。
84700发布于 2019-11-13 - 来自专栏desperate633
第4-6课 数据的过滤where子句操作符使用通配符进行过滤
实际查询中，通常不会检索所有行，需要对数据进行筛选过滤，选出符合我们需要条件的数据。
2.3K10发布于 2018-08-22 - 来自专栏yuyy.info技术专栏
《Go语言精进之路：从新手到高手的编程思想、方法和技巧1》4-6章笔记
醍醐灌顶到没有，别扭确实存在。当然这需要一段时间来适应，说下这段时间最难接受的点吧。 1、文件的单一职责做不好，一个文件里有多个结构体，想知道某个结构体有哪些方法，需要借助IDE 2、命名使用单字母，特定场景能理解，例如循环里的i，遍历map的k,v，但是很多单字母不是这种常见场景里的。代码整洁之道里说命名要见名知意，宁愿用长命名也不用无法表达清楚的短命名，这点go背道而驰。此书里说有时需要短命名加注释，而代码整洁之道里说注释就不应该存在，如果要用注释，说明写的代码无法准确清晰的表达意思。
1.2K20编辑于 2022-09-21 马虾Agent的驾驭实践（四）-- 框架/模式和场景的“三角”选择
因为要反复调用AI模型，很容易“烧”掉不少API费用。 典型场景：开放域的探索任务，比如科研灵感、新奇想法的实验。 老实人：确定性工作流 + 规则引擎（比如RPA） 自主性：极低。 议会制：多智能体辩论/共识 自主性：很高。多个AI互相讨论、辩论，最终达成一致结论。 可控性：中高。结果经过“集体决策”，但仍然无法100%保证正确。 经济性：极低。 做AI Agent，就像组队打游戏：你总得放弃一样 前面我们聊了，想让一个AI智能体同时具备高自主性（自己会动）、高可控性（你能管得住它）、高效率（省时省钱）——这几乎是不可能的，就像打游戏时你不能同时点上所有天赋 所以优先保住：可控性（每一步都能解释、回滚） +效率（毫秒级响应） 愿意牺牲：自主性（AI不能自己发明新策略） 怎么做： 写死交易规则，加上各种“护栏”——比如禁止买入预算超标的股票、每笔交易都要记录。 所以优先保住：自主性（能自己设计实验步骤） +可控性（每一步都能审计） 愿意牺牲：效率（可以算几个小时甚至几天） 怎么做： 允许AI长时间推理、翻阅大量论文，但每一次搜索、每一个结论都要记录在案。
19410编辑于 2026-05-08- 来自专栏人工智能ai相关
商业实战归巢网智能问答系统建设方案对比分析报告03-优雅草卓伊凡
爬虫集群自建文本处理流水线模型层：HuggingFace开源嵌入模型（如bge-large-zh）本地部署LLM（如ChatGLM3-6B）服务层：FastAPI后端自研向量数据库2.2 方案优势技术自主性 5.1 技术指标对比关键性能矩阵：| 指标 | 自建方案 | DeepSeek-R1 | 阿里云方案 ||——————————|————————|————————|————————|| 初始构建周期 | 4- TCO比阿里云方案低21%硬件投资可复用其他项目演进灵活性：可平滑过渡到完全自主方案兼容未来多模态扩展实施路线图：第1阶段（1-3个月）：部署DeepSeek-R1基础环境完成50%历史数据接入第2阶段（4-
28310编辑于 2025-05-07 基于大语言模型的智能体自主性分级演进与产业价值链重构研究
第一章 自主性的进化：技术架构的代际跨越1.1 从Chatbot到Autonomous Agent的演进路径在分析智能体之前，必须厘清其与传统Chatbot及Copilot的本质区别。 当前的AI系统正处于“自主性阶梯”（Scale of Autonomy）的关键跃升期。L1：Chatbots（对话机器人）核心特征：基于静态知识库或预训练数据进行问答，缺乏记忆与规划能力。 2.3 信任层：监控、评估与安全随着Agent自主性的提升，其带来的风险（幻觉、违规操作、数据泄露）呈指数级上升。 在这里，您不仅能获取AI相关的各类市场分析报告、技术论文书籍和应用实践指南，涵盖生成式AI、大模型、AI芯片及机器人等前沿主题，还能与同侪一起深度探讨如何使用人工智能大模型和智能体来为工作增效，为生活添彩 VAPI、Retell AI等语音基础设施公司的快速融资，以及Meta对Play AI、WaveForms AI的收购，都预示着“语音Agent”将接管客户服务和销售通话。
70100编辑于 2025-11-30- 来自专栏IT技术圈（CSDN）
浙大版《C语言程序设计（第3版）》题目集 练习4-6 猜数字游戏
练习4-6 猜数字游戏 猜数字游戏是令游戏机随机产生一个100以内的正整数，用户输入一个数对其进行猜测，需要你编写程序自动对其与随机产生的被猜数进行比较，并提示大了（“Too big”），还是小了（“Too
1.2K20发布于 2020-09-15 - 来自专栏架构驿站
一文读懂 Agentic AI（代理型 AI ）技术点滴
Hello folks，我是 Luga，今天我们来聊一下赋能人工智能自主性和目标导向能力应用场景的 - 构建高效、灵活的计算架构的 Agentic AI 技术。 从某种意义上而言，Agentic AI 不仅仅是传统 AI 的升级版，通过结合大模型技术、强化学习和多模态交互，赋予了 AI 更强的自主性和目标导向能力。 具体可参考如下所示： 1、自主性（Autonomy） Agentic AI 无需持续的人类干预即可独立运行，能够根据目标和环境状态自主完成任务。 —02 — Agentic AI 与传统 AI 的对比解析 传统 AI 系统（如基于规则的专家系统或监督学习模型）通常专注于单一任务，缺乏自主性和上下文理解能力，其设计目标是高效完成预定义任务 代表了 AI 代理能力的最低阶段，其核心特征是高度依赖人类指令，缺乏自主性和对程序流程的控制能力。
5.1K10编辑于 2025-03-24
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