- 综合排序
- 最热优先
- 最新优先
- 来自专栏Deep learning进阶路
8-3 图的遍历
8-3 图的遍历 和树的遍历类似，图的遍历也是从某个顶点出发，沿着某条搜索路径对图中所有顶点各做一次访问。 若给定的是连通图，则从图中任一顶点出发顺着边可以访问到该图中所有的顶点。
54610发布于 2019-07-02 - 来自专栏从头开始学习测试开发
DSPy —— 用程序化方式优化提示与推理链的下一代 LLM 编程框架
Generate、Predict）和自动优化器（如 BootstrapFewShot、MIPRO），让系统能根据任务指标（如准确率、F1）自动调整提示、示例甚至推理流程，实现“代码即提示，训练即优化”的范式跃迁 DSPy 会自动生成初始提示模板。 七、DSPy vs. LangChain vs. LlamaIndex：范式差异 维度 LangChain / LlamaIndex DSPy 编程范式 命令式（Imperative） 声明式（Declarative） 提示管理 手工编写、硬编码 自动优化 结语 DSPy 代表了 LLM 编程的下一个范式：从写提示到写程序，从人工调参到自动优化。它不是否定提示工程，而是将其提升到工程化、可扩展的新高度。
43110编辑于 2026-01-29 - 来自专栏Reinvent Data Science
Milvus 集成 DSPy：搭建高效 RAG Pipeline
在接下来的部分中，我们将探讨 DSPy 的本质及其操作机制，并提供一个实际示例，展示如何使用 DSPy 和 Milvus 向量数据库构建和优化一个 RAG 应用。 什么是 DSPy？ DSPy 提供七个内置模块以满足各种用途，包括 dspy.ReAct、dspy.ChainofThought、dspy.Predict、dspy.ProgramOfThought、dspy.ReAct、 dspy.MultiChainComparison 和 dspy.Retrieve。 一个典型的 DSPy 优化器需要三个输入： 您的 DSPy 程序：可以是单一模块（例如 dspy.Predict）或复杂的多模块程序。 参考 DSPy GitHub仓库: https://github.com/stanfordnlp/dspy DSPy 文献: https://arxiv.org/pdf/2310.03714 DSPy
1.3K10编辑于 2024-06-25 - 来自专栏mysql
hhdb数据库介绍(8-3)
1.在192.168.190.186的服务器上执行ssh-keygen,连续按3次回车，完成生成公钥和私钥,其中id_rsa为私钥，id_rsa_pub为公钥，到/root/.ssh目录下可看到刚刚命令生成的私钥和公钥文件。
30510编辑于 2025-03-10 - 来自专栏机器学习与统计学
斯坦福NLP实验室重磅开源：DSPy，让大模型开发更简单，附代码
DSPy: 编程而非提示工程的基础模型框架 DSPy是斯坦福大学自然语言处理实验室开发的一个开源框架,旨在为基础模型提供一种新的编程范式,取代传统的提示工程方法。 DSPy的核心理念 DSPy的核心理念是"编程而非提示工程"(Programming—not prompting)。 安装和使用 可以通过pip安装DSPy: pip install dspy-ai 实践示例 让我们通过两个简单的示例来展示DSPy的使用方法。 配置语言模型和检索模型： import dspy turbo = dspy.OpenAI(model='gpt-3.5-turbo') colbertv2_wiki17_abstracts = dspy.ColBERTv2 结语 DSPy为基础模型应用开发提供了一种全新的范式,有望大幅提高开发效率和应用质量。通过上述示例，我们可以看到DSPy如何简化了复杂语言模型应用的开发过程。
93610编辑于 2024-10-23 - 来自专栏云云众生s
告别人工提示，用DSPy编程
什么是 DSPy DSPy (声明式自改进语言程序) 是由 Omer Khattab 及其团队在 斯坦福 NLP 小组 开发的框架。 因此，为了实现这一点，DSPy 取得了以下进展： 对提示的抽象: DSPy 引入了签名的概念。签名旨在用类似模板的结构替换手动提示措辞。在此结构中，我们只需要定义任何给定任务的输入和输出。 (metric=dspy.evaluate.answer_exact_match) DSPy 编译器：主编排器 DSPy 编译器是操作背后的核心。 实用示例：使用 DSPy 和 MyScaleDB 构建 RAG 模型 现在我们已经介绍了 DSPy 的基础知识，让我们创建一个实际的应用程序。 使用 MyScaleDB 配置 DSPy 我们连接 DSPy 和 MyScaleDB，并配置 DSPy 默认使用我们的语言和检索模型。
76410编辑于 2024-07-12 - 来自专栏AI大模型
不，是时候重新思考AI工程范式了
人日资源消耗过度包装带来的性能损耗Agent调用延迟增加300%更令人担忧的是，某头部AI公司的工程效能报告显示：LangChain应用的平均启动时间达到17.3秒内存占用比裸API实现高出42%debug复杂度指数级增长三、新范式崛起 DSPy的革命（华盛顿大学新框架）# DSPy的声明式编程class QA(dspy.Module):def __init__(self):self.generate_answer = dspy.Predict 真正的AI工程高手已不再争论框架优劣，而是深入理解：任何技术范式都只是实现业务价值的临时脚手架。那些正在默默采用轻量级组合、声明式编程和显式状态管理的团队，正以数倍效能构建着下一代智能应用。
74510编辑于 2025-07-28 - 来自专栏人工智能
什么是人工智能领域的 dspy 框架
DSPY 的工作机制DSPY 的基本架构通常由三个主要模块组成：数据获取与处理模块、模型构建与训练模块、以及收益优化与预测模块。1. DSPY 的优缺点分析优点高度数据驱动：DSPY 的优势之一在于它完全基于数据驱动，从而可以很好地捕捉复杂系统中的潜在关系。 DSPY 与传统 AI 系统的区别DSPY 与传统的 AI 系统相比，主要有以下几个显著的区别。首先，DSPY 强调数据驱动下的收益最大化，而传统 AI 系统更多关注模型预测的精度。 因此在实际应用中，DSPY 更适用于需要在复杂系统中进行持续调优的场景。其次，DSPY 系统中常常涉及到对动态数据的处理和实时预测，这意味着 DSPY 需要具备一定的实时响应能力。 DSPY 的未来发展与挑战随着数据采集与存储技术的不断发展，DSPY 也面临着新的发展机遇与挑战。在未来，DSPY 的发展可能主要集中在以下几个方向。
84910编辑于 2024-12-20 - 来自专栏小七的各种胡思乱想
DSPy论文串烧和代码示例
这一章我们先看看大火的DSPy框架，会先梳理DSPy相关的几篇核心论文了解下框架背后的设计思想和原理,然后以FinEval的单选题作为任务，从简单指令，COT指令，到采样Few-shot和优化指令给出代码示例和效果评估 Self-Improving Pipelines对流程进一步做了抽象和重构，提出了以三个核心模块为基础的prompt生成和优化框架Signature: 继承了pydantic的BaseModel，定义任务的范式 DSPy: Compiling Declarative Language Model Calls into Self-Improving Pipelines是DSPy新出的一个子功能-条件判断。 DSPy提供了一些Exact Match，Passage Match之类的指标，但其实自己定义指标最方便。只要和DSPy Metric的输入输出对齐即可。 评估代码如下，DSPy支持在返回打分的同时，返回每一条预测的具体结果from dspy.evaluate.evaluate import Evaluatedef choice_match(example
1.7K61编辑于 2024-08-01 - 来自专栏信数据得永生
django 1.8 官方文档翻译： 8-3 点击劫持保护
点击劫持中间件和装饰器提供了简捷易用的，对点击劫持的保护。这种攻击在恶意站点诱导用户点击另一个站点的被覆盖元素时出现，另一个站点已经加载到了隐藏的frame或iframe中。
67720编辑于 2022-11-27 - 来自专栏全栈程序员必看
第一范式、第二范式、第三范式、BC范式
=宿舍，所以符合传递函数的要求； 1NF 一言以蔽之：“第一范式的数据表必须是二维数据表”，第一范式是指数据库的每一列都是不可分割的基本数据项，强调列的原子性，试题中某一属性不能拥有几个值。 比如数据库的电话号码属性里面不可以有固定电话和移动电话值，如下图： 说明：在任何一个关系数据库中，第一范式（1NF）是对关系模式的基本要求，不满足第一范式（1NF）的数据库就不是关系数据库。 2NF 第二范式建立在第一范式的基础上，即满足第二范式一定满足第一范式，第二范式要求数据表每一个实例或者行必须被唯一标识。 3NF 若某一范式是第二范式，且每一个非主属性都不传递依赖于该范式的候选键，则称为第三范式，即不能存在：非主键列 A 依赖于非主键列 B，非主键列 B 依赖于主键的情况。 BCNF 在第三范式的基础上，数据库表中如果不存在任何字段对任一候选关键字段的传递函数依赖则符合第三范式。
1.1K20编辑于 2022-08-31 - 来自专栏掘金安东尼
浅析优化文本提示技术 —— TextGrad
本瓜前面的文章（感兴趣见：《求求你别学了：从 Prompt 到 RAG，从 RAG 到 DSPy》）有提到 DSPy 框架，通过管道化的方式用编程强化提示语，今天则介绍另外一个、也是来自于斯坦福大学研究人员推出的 TextGrad VS DSPy 先来从大的概念范围看看 TextGrad 与 DSPy 的对比： TextGrad： （1）将 LLM 文本反馈“反向传播”到各组件中，无需手动调整，实现优化复合系统； （4）TextGrad 通过提供自然语言梯度增强可解释性； DSPy： （1）引入一种编程模型，用于将语言模型管道抽象为文本转换，同时自动优化这些管道，以最大化实现响应目标。 （2）DSPy 把 LM 调用表示为参数化模块，使用编译器优化这些模块组合，实现LM管道的系统化开发和优化。 （3）DSPy在数学文字题等任务上有超过25%和65%的性能提升。 小结 TextGrad 是一种通过文本反馈反向传播优化大模型系统的新范式，DSPy 则专注于通过参数化模块和编译器优化实现LM管道的系统化开发和优化。
1.3K10编辑于 2024-06-24 - 来自专栏AI机器学习与深度学习算法
机器学习入门 8-3 过拟合与欠拟合
本系列是《玩转机器学习教程》一个整理的视频笔记。通过之前的小节了解了多项式回归的基本思路，有了多项式就可以很轻松的对非线性数据进行拟合，进而求解非线性回归的问题，但是如果不合理的使用多项式，会引发机器学习领域非常重要的问题过拟合以及欠拟合。
1.3K60发布于 2019-12-25 AI驱动安全攻防：腾讯云Superposition框架赋能自动化渗透测试
Plan（生成固定执行序列、评估payload有效性）、Explore（含最大探索轮次控制、重复检测）、Exploit（漏洞利用）三模块，支持意图偏离管理“探索有效性检测（角色/意图保持）”； 技术范式 ：采用DSPy（Programming—not prompting），通过编程调用工具而非提示驱动基础模型，结合Programmatic Tool Calling Flow（代码执行工具、容器脚本暂停恢复机制 腾讯云安全技术领先性 选择腾讯云的核心优势在于技术确定性与工程化落地能力： 独家框架：Superposition（云鼎实验室）实现探索-利用闭环，含意图偏离管理、探索有效性检测等独家策略； 范式创新 ：DSPy（Programming-not-prompting）突破传统提示工程局限，长亭科技刘金钊团队验证其“高效代理构建”价值； 工程化支撑：Multi-Agent协作、并行执行、上下文工程模块经
21910编辑于 2026-04-06- 来自专栏全栈程序员必看
MySQL （4） 第一范式 第二范式 第三范式 BC范式
第一范式 第一范式：所有属性都是不可分割的原子值。 也就是每个属性都是不可再分的。 如果我们要在RDBMS中表现表中的数据，就得设计为下图的形式： ---- 第二范式（2NF） 第二范式：在第一范式的基础上，要求非主属性都要和码有完全依赖关系 所谓完全依赖是指不能存在仅依赖码一部分的属性 （区别于部分依赖） 如果有哪些数据只和码的一部份有关的话，它就不符合第二范式。同时可以得出：如果一个数据表的码只有单一一个字段的话，它就一定符合第二范式(前提是该数据表符合第一范式)。 ——无改进 所以我们要使用第三范式。 ---- 第三范式（3NF） 第三范式：任何非主属性不依赖于其它非主属性。 3NF在2NF的基础之上，消除了非主属性对于码的传递函数依赖。 ---- BC范式 BC范式在 3NF 的基础上消除主属性对于码的部分与传递函数依赖。
1.5K10编辑于 2022-08-31 AI驱动多智能体安全框架：提升渗透测试效率与精准度
构建AI多智能体协同框架 腾讯云安全推出AI驱动多智能体框架（Multi-Agent Framework），以Programming—not prompting为核心范式（基于DSPy Foundation 腾讯安全技术领先性解析 选择腾讯云安全的核心在于技术架构的确定性与场景适配性： 范式创新：基于DSPy（Programming—not prompting—Foundation Models）构建中间表示
28320编辑于 2026-04-05- 来自专栏全栈程序员必看
第一范式、第二范式、第三范式、BCNF范式详解
范式(NF) 1. 第一范式（1NF） 2. 第二范式（2NF） 2.1 函数依赖 2.1.1完全函数依赖 2.1.2 部分函数依赖 2.1.3 传递函数依赖 2.2 码 2.3 非主属性 3. 第三范式（3NF） 4. BCNF范式 5. 小结 6. 参考文献 ---- 0. 范式(NF) 按照教材中的定义，范式是“符合某一种级别的关系模式的集合，表示一个关系内部各属性之间的联系的合理化程度”。很晦涩吧？ 符合高一级范式的设计，必定符合低一级范式，例如符合2NF的关系模式，必定符合1NF。 接下来就对每一级范式进行一下解释。 1. 第一范式（1NF） 符合1NF的关系（你可以理解为数据表。 参考文献 数据库范式那些事 详解第一范式、第二范式、第三范式、BCNF范式 发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/142158.html原文链接：https
7K11编辑于 2022-08-31 - 来自专栏全栈程序员必看
第一范式，第二范式，第三范式，BCNF范式理解
第一范式、第二范式、第三范式 参考了https://www.zhihu.com/question/24696366 https://www.cnblogs.com/lca1826/p/6601395 第一范式 第一范式列不能再分。 第二范式 第二范式建立在第一范式的基础上，非主属性完全依赖于码。 简单说：消除部分依赖。 （什么是码？） 要是上面那张表符合第二范式。需要将表拆分为两张表。 =宿舍，所以符合传递函数的要求 第三范式 满足第二范式的条件下不存在传递函数依赖。 要满足第三范式，在分成两张表的时候第二张表还是有问题? 学号->系名，系名->系主任 传递依赖。 总结： 第一范式：简单说 列不能再分 第二范式：简单说 建立在第一范式基础上，消除部分依赖 第三范式：简单说 建立在第二范式基础上，消除传递依赖。
1.5K30编辑于 2022-08-25 - 来自专栏开源服务指南
媒体管理的未来：Jellyfin 助你自如掌控音视频资源 | 开源日报 0904
它支持多种机器学习建模范式，包括监督学习、市场动态建模和强化学习。该项目提供了完整的数据处理、模型训练和回测流程，并涵盖了量化投资中的各个环节：寻找 Alpha 信号、风险建模、组合优化和订单执行等。 stanfordnlp/dspy[6] Stars: 2.0k License: MIT DSPy 是一个用于解决复杂任务的框架，结合了语言模型和检索模型的技术。 DSPy 还包括一个自动编译器，用于为大型语言模型生成高质量的提示。这个框架的主要功能和特点包括： 提供 Pythonic 模块，用于指导语言模型执行任务。
77210编辑于 2023-09-14 - 来自专栏全栈程序员必看
数据库第一范式 第二范式 第三范式 BC 范式
（基本来自于我上课的内容，某些地方为了不过于啰嗦，放弃了一定的严谨，主要是在“关系”和“表”上） 首先要明白”范式（NF）”是什么意思。 数据库范式也分为1NF，2NF，3NF，BCNF，4NF，5NF。一般在我们设计关系型数据库的时候，最多考虑到BCNF就够。 符合高一级范式的设计，必定符合低一级范式，例如符合2NF的关系模式，必定符合1NF。 接下来就对每一级范式进行一下解释，首先是第一范式（1NF）。 符合1NF的关系（你可以理解为数据表。 BCNF范式 要了解 BCNF 范式，那么先看这样一个问题： 若： 某公司有若干个仓库； 每个仓库只能有一名管理员，一名管理员只能在一个仓库中工作； 一个仓库中可以存放多种物品，一种物品也可以存放在不同的仓库中 那么关系模式 仓库（仓库名，管理员，物品名，数量） 属于哪一级范式？
62530编辑于 2022-08-31
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