- 综合排序
- 最热优先
- 最新优先
Token计量与费用归因体系设计
二、成本失控的根因分析根因一：计量颗粒度太粗传统IT成本计量以“实例”或“账号”为单位。但AI成本是以“Token”为单位的——每次调用消耗数百到数千Token，单价低、频次高、总量大。 没有精细化的Token计量，就无法回答“谁、什么时候、用什么模型、花了多少Token”。根因二：缺少多维度归因能力一个Token消耗背后涉及多个维度：哪个部门？市场部还是研发部？哪个项目？ 一个业务上线不当，Token消耗可能在几小时内翻倍。如果成本可见性是“T+30天”，等发现问题时，预算已经超了。三、Token计量体系设计核心目标： 每一次模型调用，都能回答“花了多少Token”。 设计要点：要点一：统一计量口径不同模型的Token计价方式不同（有的按输入+输出分别计费，有的按总Token计费）。 计量系统需要：统一采集每次调用的输入Token数、输出Token数记录模型名称、调用时间、响应耗时保留原始请求和响应（用于审计和复盘）要点二：实时计量流采用流式计量架构：模型调用完成 → 异步写入计量队列计量消费者聚合数据
30410编辑于 2026-05-12Token 计量与费用归因体系的设计
大模型调用的成本有几个特殊性：· 按量计费，弹性大：一个写得差的 prompt 可能比写得好的多用 3 倍 token，成本差异完全不透明· 多项目共用 Key：研发、运营、客服都在用同一套 API 无法拆分到各业务线· 用量行为难预测：某个员工突然开始用 AI 批量处理数据，当月成本暴增，事后才发现· 模型价格不一致：GPT-4o 和 GPT-4o-mini 单价差 20 倍，但用户选择模型往往没有约束二、计量体系的设计 2.1 归因维度要做有意义的费用报告，至少需要以下几个归因维度：计量记录（每次 LLM 调用）：{ 'timestamp': '2026-03-15T10:23:45Z', 'model': ' token 比，比值异常往往意味着 prompt 设计有问题四、降低成本的工程手段4.1 Prompt 压缩input token 是成本的大头。 ZGI（zgi.cn）的费用管控模块提供了从计量、归因到预算预警的完整体系，支持按部门独立预算管理。
75810编辑于 2026-03-26- 来自专栏Lambda
5.access_token和refresh_token时效如何设置
access_token和refresh_token实效如何设置 什么时候需要用户跳转到登录页面重新登录？ token 过期了就需要用户跳转到等页面重新登录？ 时效设置 为了保证能够刷新用户端的 access_token ，refresh_token 的有效时间不能小于 用户活跃时间点，假设 access_token 有效时间为et，那么用户在[access_token 起始时间，2 * et]时间内用户都是活跃的，因此 refresh_token 的有效时间 >= 2 * access_token 一般,refresh_token 的有效时间 > 2 * access_token 的有效时间 比如，access_token 实效7天，那么 refresh_token 实效可以给15天,也可以给30天 当然，access_token和refresh_token 的时长具体多少 刷新refresh_token 每次 刷新access_token 时判断 refresh_token 是否快过期 [ refresh_token 剩余有效时间 <= 2*access_token实效
2.7K10发布于 2020-02-14 - 来自专栏苏三说技术
Token续期的5种方案
如何续期：单Token还是双Token？有状态还是无状态？ 安全防控：如何防止令牌劫持和并发风暴？ 下面我跟大家一起聊聊工作中最常用的5种主流方案，希望对你会有所帮助。 oldToken) { // 旧Token加入黑名单（有效期比Token长5分钟） redis.setex("blacklist:"+oldToken, "1", 35 * 60); refreshToken; RLock lock = redissonClient.getLock(lockKey); try { if (lock.tryLock(2, 5, = token.getTotalValidTime(); // 双阈值策略：绝对时间（5分钟）和相对时间（30%有效期） return remainTime <= Math.min (5 * 60 * 1000, 0.3 * totalTime); } 4.2 Redis缓存续期方案 public void autoRenewToken(String headerToken) {
1.2K10编辑于 2025-08-24 - 来自专栏全栈程序员必看
matlab空间计量模型AIC和SC,空间计量模型
第二列(value)是各个统计量的值，比如LM lag就是统计量等于0.238，服从自由度为1的卡方分部。下面的差不多。 第三列(Prob)应该是对应的P value。
81940编辑于 2022-11-01 - 来自专栏PyStaData
计量笔记 ｜ 异方差
1.2 异方差的后果 存在异方差的情况下： 估计量无偏：用 OLS 估计所得参数估计量 仍具有无偏性，即 。 ---- 【问题】为什么 LM 统计量是 呢? 在大样本中， 与检验整个方程显著性的 F 统计量渐近等价。 计算 F 统计量或者 LM 统计量并计算 p 值。（前者使用 分布，后者使用 分布）。如果这个 p 值很小，即低于选定的显著性水平，那么就拒绝同方差性的原假设。 )，即在完成估计后所计算的后续统计量。 计量经济学及 Stata 应用[M]. 高等教育出版社. 古扎拉蒂, 波特, 2011. 计量经济学基础 第 5 版 （上册）[M]. 北京：中国人民大学出版社. 杰弗里·M·伍德里奇, 2015.
7.8K20发布于 2021-03-05 - 来自专栏机器学习与统计学
【温习统计学】无偏估计量、相合估计量
无偏估计量，数学期望等于被估计的量的统计估计量。 设^θ(X1,X2,…,Xn)是θ的估计量，若E(^θ)=θ，对一切θ∈Θ，则称^θ为θ的无偏估计量，否则称为θ的有偏估计量。 估计量的一种大样本性质:当样本容量n充分大时,估计量可以以任意的精确程度逼近被估计参数的真值。设n＝T (X1,X2,…,Xn)是未知参数θ∈Θ的估计量,其中Θ是θ的值域。
6K30发布于 2019-04-10 - 来自专栏PyStaData
计量笔记 ｜ 拟合优度
（图片来源：古扎拉蒂《计量经济学精要》（第 4 版）） 如上图所示，将 的总变异（TSS）分解为两部分，可以被回归分解（ESS） + 未被回归分解（RSS）。 自由度是指当以样本的统计量来估计总体的参数时，样本中独立或能自由变化的数据的个数，称为该统计量的自由度。通常为 。 比如，若存在两个变量 ，而 那么自由度为 1 。 计量经济学导论（第 5 版）[M]. 北京: 中国人民大学出版社. [2] 陈强, 2015. 计量经济学及 Stata 应用[M]. 经济计量学精要（第 4 版）[M]. 机械工业出版社. [4] 李·C·阿迪金斯, 卡特·希尔, 2015. 应用 Stata 学习计量经济学原理（第 4 版）[M]. 重庆：重庆大学出版社.
6.8K30发布于 2021-04-13 - 来自专栏站长的编程笔记
jwt token 鉴权验证 【firebase 5.x】
JWT 功能封装类 5. JWT 鉴权控制器 1. JWT 功能封装类 安装扩展包 composer require firebase/php-jwt:'5.*' <? = JWT::encode($token, $this->key); // 创建token $this->cache($data['uid'], $token); // 将token存入缓存 return $token; // 返回token } /** * 解析token * * @param string $token 前端请求携带的token string $token 前端请求携带的token * @return boolean true token 有效 false 已过期 */ public function
4.4K20编辑于 2022-12-31 - 来自专栏YoungGy
ISLR_t统计量
mean inference for comparing two independent means inference for comparing two paired means 回顾 之前讲了Z统计量 Z统计量的总体逻辑是：假设H0成立，建立群体均值的正态分布。正态分布的均值是总体均值，标准差是σ/n−−√\sigma /\sqrt{n}，σ\sigma一般用ss估计。
96850发布于 2018-01-02 - 来自专栏DearXuan的博客文章
算法基础-顺序统计量
顺序统计量 将长度为 n 的数组升序排序后，则第 i 个位置的数字是该数组的第 i 小的量，称之为第 i 顺序统计量 数组最小值是第1个顺序统计量，最大值是第n个顺序统计量，中位数(又称下中位数)是第⌊ (n+1)/2⌋个顺序统计量 ⌊n⌋ 表示对 n 向下取整，⌈n⌉表示对 n 向上取整 最大值和最小值 若想要寻找n个数字里的最大值或最小值，只需要进行(n-1)次比较 int min = a[0]; i += 2; } cout << "min:" << min << endl; cout << "max:" << max << endl; } 第i顺序统计量 如果想要找到数组里的第 i 顺序统计量，也就是第 i 小的数字，通常的办法是把整个数组排序，然后直接取出对应位置的数字。
1.1K60编辑于 2022-01-31 - 来自专栏技术学习笔记
因果推断常用计量方法
5. 混淆变量(Confounder)：既影响自变量又影响因变量的变量。潜在结果框架的核心: 通过尽可能消除混淆变量的影响，得到精准的干预效应。 6. 干预效应(Treatment Effect)：干预问题的基础是量化干预效应，常用的计量指标包括: (1). 5 所有 73.3 (9) 72.1 (7) -1.2 (1). 常用计量方法 随机对照试验 因果推断的一条黄金法则：随机对照试验(AB测试) 是确定因果关系最可靠的方法 [3]。 常用于计算复杂随机变量的方差、标准差等统计量，从而简化概率推断的计算过程。
1.6K34编辑于 2025-02-09 - 来自专栏生物信息与临床医学专栏
关于F统计量的澄清
在往期推送中，米老鼠和大家介绍过评价弱工具变量偏倚的策略------孟德尔随机化之F统计量。 Study，CGPS) 去探索C反应蛋白对纤维蛋白原的影响，他们将总人群分别平均分成5,10,16,40,100和250个子队列，然后将子队列的结果进行meta分析，具体结果如下表： 以第三行数据为例 从上表中我们不难看出，随着均分的子队列数目增加，观察性估计量比较稳定，2SLS和LIML的估计值和实际观察值越来越接近，但是每个子队列的平均F统计量在不断减少。 也即说明，等分的子队列数目越多，工具变量估计值越接近真实值，但这时候F统计量可能是比较小的。 从上表中我们不难看出单纯依靠F统计量大于10来判断弱工具变量偏倚是不可靠的，当然我们这里并不是否认F统计量的作用，在实际研究中，F统计量越大，确实偏倚会小，但不能拿F大于10作为“金标准”。
3.2K21编辑于 2022-08-21 - 来自专栏用户8955222的专栏
计量模型 | 前定变量#时间FE
最近在某年会的学术汇报上看到一篇DID实证论文，不过作者构建的计量模型比较特别。这篇文章的基本财务数据来自工企数据库，但却用于评估2017年实施的某项政策的政策效应。
1.2K20发布于 2021-11-10 - 来自专栏YoungGy
统计简单学_常用统计量
连续型数据特征 数据特征值的应用 经验法则 盒须图 连续型数据特征 集中趋势 平均数 中位数(群体η\eta，样本X̃ \tilde{X}) 众数 选择：当群体中有离群值时，使用中位数或者众数，
92540发布于 2019-05-27 - 来自专栏GiantPandaCV
解析 Token to Token Vision Transformer
最后看下T2T，通过Token to Token结构（下文会讲），它在浅层的时候也能建模出结构信息，同时也避免了极值的出现。 Token To Token结构 ? 这样会逐渐减少token的数量，但随之而来token的长度会增加很多（因为多个tokens连接在一个token），因此后续模型也降低了维度数目，以平衡计算量。 下面是一段测试代码 import torch import numpy as np np_input = np.array([[[[1, 2, 3], [4, 5, padding=0, stride=1) unfolded = unfold(torch_input) print(unfolded) # 输出为 tensor([[[ 1., 2., 4., 5. ], [ 2., 3., 5., 6.], [ 4., 5., 7., 8.], [ 5., 6., 8., 9.],
8.1K10发布于 2021-03-11 因果推断常用计量方法
5. 倾向得分匹配 (Propensity Score Matching, PSM)原理：通过估计每个个体接受处理的概率（倾向得分），将处理组和对照组中倾向得分相近的个体进行匹配，从而减少选择偏差。
81910编辑于 2025-02-21- 来自专栏PyStaData
计量笔记 ｜ 简单线性回归
= rnormal(0, 9) gen y = 1*x + e //Data Generation Process reg y x tw function PRF = 1+2*x, range(-5 15) || /// scatter y x || lfit y x, lp(dash) 计量经济学的主要任务之一就是通过数据 来获取关于总体参数 的信息。 gen x = rnormal(3, 4) gen e = rnormal(0, 9) gen y = 1*x + e reg y x tw function PRF = 1+2*x, range(-5 计量经济学及 Stata 应用[M]. 高等教育出版社. 古扎拉蒂, 波特, 2010. 经济计量学精要[M]. 机械工业出版社. 杰弗里·M·伍德里奇, 2015. 计量经济学导论（第五版）[M]. 北京: 中国人民大学出版社.
4.7K42发布于 2021-03-05 - 来自专栏技术人生
使用JWT实现Token认证，前端H5登录加密
JSON Web Tokens 随着技术的发展，分布式web应用的普及，通过session管理用户登录状态成本越来越高，因此慢慢发展成为token的方式做登录身份校验，然后通过token去取redis中的缓存的用户信息 ，随着之后jwt的出现，校验方式更加简单便捷化，无需通过redis缓存，而是直接根据token取出保存的用户信息，以及对token可用性校验，单点登录更为简单。 array_merge($data, $ext); $ret = base64_encode(json_encode($ret)); $sign = hash_hmac('md5' ', $auth); $sign = hash_hmac('md5', $data[0], '12D&(HS^H!
1.4K40编辑于 2022-01-04 - 来自专栏CSDN小华
如何评价估计量的好坏
无偏性保证了估计量的长期稳定性；有效性确保了估计精度；一致性则保证了估计量在大样本情况下的可靠性。这三种标准共同构成了评价估计量优劣的基础框架。 无偏性 如何计算估计量的无偏性？ 步骤 计算估计量的无偏性需要通过数学期望来判断。具体步骤如下： 定义无偏估计量：首先，我们需要明确什么是无偏估计量。 为了确保估计量的一致性，可以采用以下步骤： 选择合适的估计量：首先，需要选择一个无偏且有效的估计量。 无偏性意味着估计量的期望值等于待估计的参数，即估计量的系统误差为零；有效性则指在所有无偏估计量中，具有最小方差的估计量被认为是最有效的。 有效性是指对同一总体参数，如果有多个无偏估计量，那么方差最小的估计量更有效。有效性强调的是在所有无偏估计量中，波动（方差）最小的估计量更为理想。
1.6K10编辑于 2024-10-16
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