- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据猿
个人数据保护，越南变得很激进？
过去被视为“流量洼地”和“增长天堂”的新兴市场，正在成为东南亚数据主权监管最激进、执行最硬、处罚最狠的样本市场。 越南以极为鲜明的姿态，成为区域内“激进合规”的孤岛与参考样本。 越南模式最显著的特征在于“公安主导”与“国家安全优先”的底层逻辑。
18710编辑于 2026-02-04 - 来自专栏FreeBuf
“激进黑客”的复兴：自喻“正义的伙伴”
激进黑客们开始进行大面积进攻以向政府表示抗议。 她认为激进黑客相较于之前，除了社会意识的提高，技术和细节也发生了改变。 黑客行为主义的未来 鉴于目前紧张的世界局势与日益严峻的政治状况，激进黑客们在未来的几年中会发出更“有力”的声音。 研究人员表示，激进黑客的活跃可能会导致更多的数据泄露事件，也许还会有针对关键资产业务的攻击从而导致企业无法进行日常运作。 同时，并不是所有激进黑客都是处于内心的主张而行动，在他们之中，也有不少黑客是出于经济上的动机而采取行动。这也就意味着，激进黑客们的攻击模式在未来很可能转向盈利模式，而不是目前以宣传为目的的模式。
88430发布于 2021-05-20 - 来自专栏东风微鸣技术博客
基于 Traefik 的激进 TLS 安全配置实践
今天我们基于 Traefik on K8S 来详细说明如何对 TLS 安全进行「激进」配置。 「激进」的 TLS 配置 全站受信证书 + HTTPS。 具体如下： 1.全站 HTTPS 443 端口配置； 2.证书来自 Let's Encrypt（由 cert-manager 自动申请）（⚡激进，生产慎用！） 3.监听 HTTP 请求，并重定向到 HTTPS；（⚡激进，生产慎用！） 4.启用 HSTS 功能（⚡激进，生产慎用！） 5.TLS 版本限定在 TLS 1.3（⚡激进，生产慎用！）
2.8K30编辑于 2022-04-22 - 来自专栏想比AI跑得更快点
OpenClaw是一个激进的AI玩具
他们为什么不做，我觉得还是因为OpenClaw 本身就是一个相当激进、带有强实验性质的"玩具”。
60310编辑于 2026-02-04 - 来自专栏CreateAMind
具身认知与激进具身认知（2）
本章的最后问题是激进具身认知科学如何融入其中。特别是，它与具身认知科学有何关联？ 2.4 激进具身认知科学 本书题为《激进具身认知科学》。现在是时候阐明这一概念的内涵了。 激进具身认知包含两项肯定性主张与一项否定性主张： 激进具身认知，主张1：关于具身认知的表征性与计算性观点是错误的。 这两项主张共同构成了激进具身认知科学（radical embodied cognitive science）——即关于激进具身认知的科学。 ⁷）因此，我建议：激进具身认知科学并非具身认知科学的“激进化”（radicalization）；相反，具身认知科学应被视作对激进具身认知科学的稀释（watering down），并试图将一种本质上源于美国自然主义 第一，必须明确：激进具身认知科学属于一个值得敬重的科学传统——该传统始于美国心理学的诞生，因此绝非为激进而激进的标新立异。
11510编辑于 2026-03-11 - 来自专栏CreateAMind
激进具身认知科学 Radical Embodied Cognitive Science
区别于“温和具身认知”的激进性 作者明确区分： 具身认知（Embodied Cognition）：承认身体影响认知，但仍预设内在计算/表征过程（如Clark, 2008）； 激进具身认知（Radical 正因持此立场，我并未通过驳斥其他理论来证成激进具身认知科学。 第二章对激进具身认知科学作了宽泛勾勒，将其与“普通”的具身认知科学相比较，并简述其若干历史渊源及吸引力所在。 粗略而言，激进具身认知科学主张：对认知的恰当描述应诉诸“行动者—环境”动力学，而非计算与表征。这些章节的目的是表明：激进具身认知科学理应跻身认知科学主流阵营，与传统计算主义进路并列。 本书第二部分详细阐释了拥抱激进具身认知科学究竟意味着什么。我力图澄清的一点是：摒弃内部表征实属艰难；此一进路必须比其多数倡导者所意识到的更为彻底激进。 在本书最后部分，我尝试以激进具身认知科学的视角审视若干传统哲学难题。
11710编辑于 2026-03-11 - 来自专栏音视频技术
激进or务实？HEVC、AV1 和私有Codecs现状
原文：http://www.streamingmedia.com/Articles/Editorial/Featured-Articles/NAB-Roundup-The-State-of-HEVC-AV1-and-Proprietary-Codecs-124455.aspx
82730发布于 2021-09-01 - 来自专栏域名技术与下一代互联网
基于激进缓存的否定缓存效率技术研究
三、激进缓存原理激进缓存（Aggressive Caching，也可译为积极缓存，本文使用激进缓存）方法是由RFC 8198提出，RFC 8198可直译为：积极使用经过DNSSEC验证的缓存。 具备激进缓存的递归服务器通过缓存上述记录中的最后一条便可知tomato.example.cn不存在于该区。若此4条记录全被缓存，则该区的所有不存在请求均可被递归服务器使用激进缓存技术进行合成。 最新的探测研究表明互联网上过半数量的递归解析起具备激进缓存能力。）四、激进缓存的局限性技术上来看，NSEC记录名称连续，是激进缓存的最佳搭档。 哈希后的名称离散度高，导致激进缓存的命中几率大幅降低。此外NSEC3的opt-out功能将原本连续的NSEC3环拆分，也导致了激进缓存完全不可用。 关于NSEC和NSEC3在激进缓存效率差异上已有公开数据研究。
25910编辑于 2025-12-15 - 来自专栏腾讯社交用户体验设计
设计策略｜源源不断的创新思路（激进篇）
前言 上一篇设计策略｜源源不断的创新思路（渐进篇）我们介绍了渐进式创新和激进式创新，并详细展开了渐进式创新的设计策略，本篇激进篇希望帮助设计师们在渐进创新的基础上为产品带来更大的突破，也将通过创新启动 本篇讲述：激进式创新 激进式创新是相对罕见的，它同时依赖革命性的技术和创新的商业模式来解决问题，激进创新的发生往往伴随着产品的创新、组织创新等连锁反应甚至引起产业结构的变化。 一、激进创新启动 / 策略2则 上一篇提到渐进式创新的起点难度主要在于沟通和传达，而激进式创新依赖创意突破，有两类需求命题可能会让创意发散变得艰难。 二、激进创新过程 / 策略3则 上一篇渐进式创新介绍的方法和原则在激进式创新同样适用，而本文将介绍三则对于命题较大的激进式创新非常适合的过程方法，分别是：创意矩阵，逆向思考，多问“如果”。 这里介绍3类更适用于激进式创新的逆向思路和具体的案例，为激进式创新赋能。 程序或方向逆向 ｜ 颠倒事物发展变化的构成顺序、排列位置。 例a.
53730编辑于 2022-07-27 - 来自专栏刘旷专栏
国产机们的高端梦：OV保守、米耀激进
而随着高端市场竞争越发白热化，小米、荣耀、OPPO、vivo等国产品牌抓紧在战略打法上实现进一步升级，各方逐渐显露出鲜明的派系特征，其中OPPO、vivo坚持保守战术，而小米、荣耀则走高调激进路线，两派殊途同归 激进派：冲高端，先提速 除了OPPO和vivo之外，国内的小米、荣耀也在觊觎高端手机市场这块大蛋糕。因为有苹果、华为等实力玩家在国内高端市场驻扎已久，又有OPPO和vivo两者在其后紧随。
37010编辑于 2022-02-21 - 来自专栏刘旷专栏
激进的知乎想成为下一个B站？
但对于屡屡受挫的知乎来说，想要破圈成功，就不能过于激进，应当结合自身做出合适的战略。 其一，应当持续保证平台内容质量。 归根结底，知乎还是过于激进，难以将长期价值与短期价值达成平衡。对于内容平台来说，破圈一直都是难题，然而破圈成功也将带来更大的发展。
46250发布于 2020-12-03 - 来自专栏深度学习与python
抢跑 GitHub，程序员出身的激进CEO成亿万富翁
联合创始人 Dmitriy Zaporozhets 和 Sid Sijbrandij 2014 年，他们注册了 GitLab 公司，合并了 GitLab。
1.4K30编辑于 2023-04-01 - 来自专栏数据小魔方
多表合并——MS Query合并报表
今天要跟大家分享的仍然是多表合并——MS Query合并报表！ excel中隐藏着一个强大的查询工具——MS Query，但是隐藏的很深，可能很多人都不知道。 它的功能却异常强大，特别是报表合并、查询等。 我们经常的会碰到的关于合并表的难题无外乎两大类： 记录合并（横向行合并）； 变量合并（纵向列合并）。 记录合并（横向行合并） 这种情况下要求列字段标题与顺序相同（无合并单元格） 本例一共有四个工作薄（一班、二班、三班、四班）（每一个工作薄中只有sheet1是有效的表，每一个表都是15条记录），每一个表列字段数目 没错我们就是要通过修改SQL代码来完成数据的合并，但是不要担心不需要自己去写，只是稍微修改一下就OK了。 ? 变量合并（纵向列合并） 这种情况下，要求多表之中有一个共同列字段，且该列字段不存在重复记录。 这里所以使用的案例数据结构如下： ?
3.9K80发布于 2018-04-10 - 来自专栏数据小魔方
数据透视表多表合并|字段合并
今天要跟大家分享的内容是数据透视表多表合并——字段合并！ 因为之前一直都没有琢磨出来怎么使用数据透视表做横向合并（字段合并），总觉得关于表合并绍的不够完整，最近终于弄懂了数据透视表字段合并的思路，赶紧分享给大家！ 数据仍然是之前在MS Query字段合并使用过的数据； 四个表，都有一列相同的学号字段，其他字段各不相同。 建立一个新工作表作为合并汇总表，然后在新表中插入数据透视表。 在新工作表中选择合并表存放位置，最后完后。 ? 此时已经完成了数据表之间的多表字段合并！ ? 相关阅读： 数据透视表多表合并 多表合并——MS Query合并报表
8.9K80发布于 2018-04-10 - 来自专栏Hank’s Blog
Excel合并
file_name = "1.xlsx") #读取表1为字典e1 e2 = pe.get_book_dict(file_name = "2.xlsx") #读取表2为字典e2 e1.update(e2) #合并两个表的内容
72420发布于 2020-09-16 - 来自专栏全栈程序员必看
java 字符数组 合并_字符数组合并？c数组合并？java数组合并问题「建议收藏」
本文关键词数组合并，由教案网整理发布 public static String[] getOneArray() { String[] a = { “0”, “1”, “2” }; String[] b System.arraycopy(a, 0, c, 0, a.length); System.arraycopy(b, 0, c, a.length, b.length); return c; } 1.两个字符数组合并的问题 System.arraycopy(a, 0, c, 0, a.length); System.arraycopy(b, 0, c, a.length, b.length); return c; } 2.字符数组和整形数组合并问题 al,String[] bl) { int[] a = al; String[] b = bl; int[] ia=new int[b.length]; for(int i=0;i 本文关键词数组合并 ，由教案网整理发布，字符数组合并，java中两个数组合并，java中合并数组，java两个数组合并，c语言数组合并，c数组合并，python数组合并，两个数组直接合并c语言， 发布者：全栈程序员栈长，转载请注明出处
2.9K30编辑于 2022-09-12 - 来自专栏赵俊的Java专栏
合并区间
题意 给出若干闭合区间，合并所有重叠的部分。 样例 给出若干闭合区间，合并所有重叠的部分。 [15, 18] [15, 18] ] ] 思路 题目没有说是有序的集合，所以我们要进行先根据左端点进行排序，排序后，判断右端点与下一个节点的左端点的大小来决定是否合并区间 Math.max(last.end, item.end); } } return ans; } } 原题地址 LintCode：合并区间
2.5K30发布于 2018-06-04 - 来自专栏前端加油站
ArrayBuffer合并
原文：https://stackoverflow.com/questions/35372563/how-to-merge-two-array-buffers-into-one
1.6K20编辑于 2022-05-06 - 来自专栏奇妙的算法世界
区间合并
题意描述 给定 n 个区间 [li,ri]，要求合并所有有交集的区间。 注意如果在端点处相交，也算有交集。 输出合并完成后的区间个数。 例如：[1,3]和[2,6]可以合并为一个区间[1,6]。 输入格式 第一行包含整数n。 接下来n行，每行包含两个整数 l 和 r。 输出格式 共一行，包含一个整数，表示合并区间完成后的区间个数。 数据范围 1≤n≤100000, −109≤li≤ri≤109 思路： 首先对每个区间的左端点进行排序，如果两个区间不能合并的话，那么肯定存在A区间的终点≤B区间的起点，这时候需要更新起点和终点，否则 A区间和B区间可以合并，这个时候只需要更新终点即可。
92220发布于 2020-10-23 - 来自专栏数据结构与算法
合并果子
§合并果子(fruit) 【问题描述】 在一个果园里，多多已经将所有的果子打了下来，而且按果子的不同种类分成了不同的堆。多多决定把所有的果子合成一堆。 每一次合并，多多可以把两堆果子合并到一起，消耗的体力等于两堆果子的重量之和。可以看出，所有的果子经过n-1次合并之后，就只剩下一堆了。多多在合并果子时总共消耗的体力等于每次合并所耗体力之和。 因为还要花大力气把这些果子搬回家，所以多多在合并果子时要尽可能地节省体力。 假定每个果子重量都为1，并且已知果子的种类数和每种果子的数目，你的任务是设计出合并的次序方案，使多多耗费的体力最少，并输出这个最小的体力耗费值。 例如有3种果子，数目依次为1，2，9。 可以先将 1、2堆合并，新堆数目为3，耗费体力为3。接着，将新堆与原先的第三堆合并，又得到新的堆，数目为12，耗费体力为 12。所以多多总共耗费体力=3+12=15。可以证明15为最小的体力耗费值。
1.2K70发布于 2018-04-12
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