- 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？ 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 要点三：计量数据分层存储热存储（最近7天）：实时查询，用于监控和告警温存储（最近90天）：日常报表和分析冷存储（90天以上）：合规审计和长期趋势分析四、费用归因模型设计有了计量数据后，需要建立归因模型，
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。 计量经济学导论（第五版）[M]. 北京: 中国人民大学出版社.
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 - 来自专栏苏三说技术
微服务Token鉴权的7种方案
前言 最近有球友问我：微服务中Token鉴权除了使用JWT之外，还有什么其他的方案？ 今天这篇文章跟大家一起聊聊微服务Token鉴权的7种方案，希望对会有所帮助。 1. 为什么必须做Token鉴权？ .setSigningKey(SECRET_KEY) .parseClaimsJws(token) .getBody(); // 若Token被注销仍能解析通过！ ：必须使用PKCE扩展防止授权码截持攻击 方案3：Sa-Token轻量级框架 该方案是的国产Token鉴权方案的精品。 " + token); } 安全加固：使用JWT嵌套加密防止内部Token泄露 方案6：JWE加密令牌 该方案能保证金融级安全。 ())); return jwe.serialize(); } 适用场景： 支付凭证 身份证号传输 医疗健康数据 方案7：双向TLS认证 该方案是零信任架构。
80120编辑于 2025-08-06 - 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
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). 未服药（平均身体健康指数） 服药（平均身体健康指数） 健康状况差异（服药-未服药） 30岁 80 (6) 90 (2) 10 40岁 60 (3) 65 (5) 5 所有 73.3 (9) 72.1 (7) 健康差异= \frac{(80\times6 + 60\times3）}{9} - \frac{(90\times2 + 65\times5）}{7} = 73.3 - 72.1 = -1.2 (2). 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 - 来自专栏量化投资与机器学习
AQR最最最新 | 计量经济学应用投资失败的7个原因
什么是计量经济学？ William Greene, Econometric Analysis (2012, p.7) 至于其历史和学科介绍网上有很多，在此不再敖述。 原因一：结构化数据 计量经济数据相对乏味 1、信息最丰富的数据集适用于机器学习，但不适用于计量经济学。 非结构化数据：所有可用数据中只有不到20％是结构化的。 计量经济学研究估计反映虚假关系的贝塔系数。 而且是可以实现的：计量经济学分析的每一步，都有一个对应的机器学习工具包。 计量经济学应用量化投资案例
1.3K50发布于 2019-05-17 - 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。 一般而言，当F 统计量大于经验值10时，我们认为工具变量法估计值的偏倚大约是观察性研究的10%，因此F大于10这个标准在孟德尔随机化研究中广为使用。然而，这样的盲目使用不见得是合理的。 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
as np np_input = np.array([[[[1, 2, 3], [4, 5, 6], [7, unfolded) # 输出为 tensor([[[ 1., 2., 4., 5.], [ 2., 3., 5., 6.], [ 4., 5., 7. ') self.soft_split0 = nn.Unfold(kernel_size=(7, 7), stride=(4, 4), padding=(2, 2)) (dim=in_chans * 7 * 7, in_dim=token_dim, num_heads=1, mlp_ratio=1.0) self.attention2 = Token_transformer transpose(1, 2) # final tokens x = self.project(x) return x 首先设置三个划窗大小分别为7x7
8.1K10发布于 2021-03-11 - 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 因果推断常用计量方法
7. 断点回归 (Interrupted Time Series, ITS)原理：分析时间序列数据中某一事件（如政策实施）前后趋势的变化，以估计处理效应。优点：无需对照组，适合单一单位的研究。
81910编辑于 2025-02-21- 来自专栏PyStaData
计量笔记 ｜ 简单线性回归
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 1.1 OLS 估计量的推导 目标：残差平方和最小 此最小化问题的一阶条件为： 消去方程左边的 ，可得： 对上式各项分别求和，移项可得： 上式为“正规方程组”。 (图片来源：古扎拉蒂《经济计量学精要》（第四版）p.54) 由上图可知， 的观测值围绕其均值（total variation）可分解为两部分，一部分来自回归线（ESS），另一部分来自随机扰动（RSS 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 - 来自专栏全栈程序员必看
小米 token(token在哪里获取)
小米设备token获取&HomeAssistant安装部署 小米智能设备token获取 miIO-discovery获取token与控制 app直接token获取 DB获取token 开源智能家居平台HomeAssistant 在使用这个局域网控制协议之前需要获取到设备token，接下来介绍小米设备获取token的一些方法。 :’,tok) 运行python3.5 miio_test.py，获取小米Wi-Fi插座token 执行控制脚本，输入插座的ip和token两个参数就可以看到现在插座的状态，在这两个参数的基础上添加 接下来还有一种方法可以直接从app获取token。以小米绿米网关为例，首先下载米家app，将绿米网关配置入网后，点击网关设备。接下来步骤如下组图，最后的密码即为网关的token。 目前绿米的这种设计模式是最方便用户的，而且设备的所有者还可以选择是否开放局域网控制以及刷新控制token的有效性，个人还是很希望小米的其他设备同样开放app侧获取设备token，因为毕竟获取需要搭建复杂的环境以及调试代码
10.7K10编辑于 2022-07-29 - 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 - 来自专栏生物信息与临床医学专栏
R语言入门之基本统计量
描述性统计量 第一部分：使用R语言基本函数进行统计描述 R语言是为统计分析而生的，它提供了大量灵活而使用的统计功能，其中最基础的就是一些描述性统计量，主要包括求和、均值、最值、方差、标准差 下面我们将在R语言中逐一学习一遍： # 基本统计量示例 ##创建相关变量 a <- c(1,2,3,NA,5) # 创建变量a b <- c("red", "white", "red", "blue", # 创建变量b c <- c(TRUE,TRUE,TRUE,FALSE,TRUE) # 创建变量c mydata <- data.frame(a,b,c) # 利用以创建的变量构建数据框 ##基本统计量计算 第二部分：使用“psych”包进行统计描述 上面的例子都是使用R语言基本函数进行统计描述，实际上R语言里面还有一个很强大的统计包---“psych“，这个R包一开始是计量心理学（Psychometric 在psych包中我们可以使用describe.by()函数直接获得数据的基本统计量，这里面有四个统计量trimmed（trimmed mean，切尾均值）、mad（median absolute deviation
1.4K50发布于 2020-08-06
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