- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据山谷
3分钟学会Excel“自主学习”
本文，我们来说说Excel中最神奇的一对快捷键，它的“自主学习”功能让你瞬间记住了它。只要你先给他一个提示，给他打个样，手动填写第一行数据，他就能帮助你完成接下来的事情。 快捷键“ctrl+E”自主学习能力会帮你解决。
1.1K10发布于 2020-11-06 语音助手迈向自主学习的AI新时代
语音助手进入"自主时代"语音助手自2014年推出以来，其核心AI技术持续演进。除了语音识别和自然语言理解等基础技术的改进，科研团队还开发出耳语识别和实时翻译等创新功能。 当前多数机器学习模型仍属黑箱，某机构通过投资基于博弈论Shapley值的可解释AI技术推动该领域发展。自主学习：无需人工干预的进化传统AI开发周期包含数据收集、标注和模型重训练等繁琐流程。 2019年推出的自主学习系统能自动修正两类错误：用户表达错误和语言理解模型错误。系统通过隐式信号（如用户中断响应并重新表述）识别处理不当的请求，目前已成功修正15%的普遍性缺陷。 该工具的机器学习模型将示例作为模板，自动生成大量合成训练数据并训练模型。虽然仍需开发者指定实体集合和API接口，但大幅降低了对机器学习专业知识的要求。 小样本学习是另一项重要技术，只需少量示例就能将现有模型适配到相关任务。某机构在语音技术会议上提出的新方法，在仅使用10个训练样本时，将自然语言理解任务的错误率降低达12.4%。
37610编辑于 2025-08-20- 来自专栏技术汇总专栏
基于强化学习的智能体自主决策
基于强化学习的智能体自主决策在现代人工智能（AI）领域，智能体的互操作性是实现系统协同的关键要素。随着多个供应商提供不同的智能体产品，如何在复杂的生态系统中构建互操作性的基础设施变得尤为重要。 智能体自主决策与协作策略智能体之间的协作不仅仅依赖于数据同步和任务调度，还涉及到如何根据环境状态做出自主决策，并与其他智能体协同完成任务。 为了支持智能体之间的高效合作，MCP平台需要为每个智能体提供自主决策的能力，并通过适当的协作策略来优化整体效率。6.1 自主决策机制自主决策是指智能体根据自身的状态和外部环境做出判断和选择。 在MCP平台中，智能体可能有不同的目标和约束条件，因此，平台需要为每个智能体提供基于强化学习（Reinforcement Learning，RL）或博弈论的决策支持。 7.3 自适应与智能化协作随着机器学习技术的进步，未来的MCP平台将能够更好地适应变化的环境，智能体能够在没有外部干预的情况下自主适应不同的任务和条件，提高整体协作效率。8.
24700编辑于 2025-07-13 - 来自专栏DeepHub IMBA
打造自主学习的AI Agent：强化学习+LangGraph代码示例
在充满不确定性的现实世界里，AI的价值不在于预设规则，而在于持续学习和适应 AI Agent这个概念最近被炒得很热，从管理日程的语音助手到仓库里跑来跑去的机器人，大家都在谈论Agent的"自主性"。 但是真正让Agent变得intelligent的核心技术，其实是强化学习（Reinforcement Learning, RL）。 它让Agent像人一样，从试错中学习，在探索（exploration）和利用（exploitation）之间找平衡。 Q-Learning是off-policy的，可以从任何动作的经验中学习；SARSA是on-policy的，只从实际执行的动作学习。 供应链网络也类似，节点是供应商和产品，边是依赖关系，RL可以学习避开瓶颈，优化库存调度。
43810编辑于 2025-11-15 - 来自专栏运维开发王义杰
自主学习：如何高效地“自我奖励”以提升动力
当我们讨论自主学习时，一个不能忽视的话题就是如何激励自己。理论上，奖励机制应该是一个强有力的驱动因素，但在自主学习的环境下，奖励自己似乎并没有那么直观或有效。为什么我们会觉得自己奖励自己没有收获感呢？ 自我奖励的困境 首先，我们要理解为什么在自主学习中，自我奖励可能会失效或带来困扰。其中的一些原因可能包括： 成本自负：奖励需要时间、金钱或其他资源，这些都是我们自己出的，没有实质的收获。 因此，当我们选择自我奖励的方式时，试着从以下几个方面来考虑： 自主性（Autonomy）：奖励应增强我们对自主学习的控制感。 胜任感（Competence）：奖励应能体现我们在某个领域的技能或知识。 总结 在自主学习的过程中，有效地自我奖励是一门艺术和科学。通过理解自我奖励的多个层面和心理机制，我们不仅可以找到更合适、更具激励性的奖励方式，还能从中得到更多的成长和满足感。 希望这篇文章能帮助你重新思考自我奖励的问题，并在自主学习的道路上找到更多的动力和乐趣。
1.3K30编辑于 2023-09-19 - 来自专栏不能显示专栏创建者
Oracle将利用AI，自主云平台中的机器学习
甲骨文周二在纽约的Oracle CloudWorld上展示了Oracle Cloud Platform在人工智能和机器学习方面的进步。 用于应用程序开发，移动和机器人，集成，分析，安全性和系统管理的自主功能计划于今年上半年推出。 Oracle宣布了一系列新的平台即服务功能和特性，其中包括： 手机和机器人- 自学聊天机器人，观察交互模式和偏好，以自动执行经常执行的最终用户操作，从而腾出时间来完成更高生产率的任务； 使用机器学习从用户对话中学习 星座研究公司的穆勒（Mueller）指出：“自主Oracle确实领先于所有人。” “此公告现在使自治数据库更加完善，后者在安全性和旧代码风险方面存在差距。” 他补充说，实现其自主云承诺“将需要Oracle尚未在尚未构建的数据中心中展示的强大功能。” 此外，Oracle的政策是锁定客户，“这些努力对互操作性有很高的要求，” Enderle说。
1.2K20发布于 2020-12-25 - 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？ 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。 反而，自主性强调的未必是不要人参与，更加突出的是一种应对不确定情况（意外情况、未预见到的情况等）时的主观能动性，可能没有预先练习过，但是由于具有临机应变和学习思考的能力，从而能够较好的做出反应，这个过程或者与人沟通完成 另外一种技术路线就是现在所谓智能技术在追求的，像我们这个星球上最有智慧的物种“人类”一样，学会一种自主应对的方法，可以基于理论和经验，自己去学习和应对，这样驾驶员可能没有在某个地方开过车，甚至交通规则都有些不同 涉及的方法就是各种神经网络、强化学习等等。
86350发布于 2021-05-11 - 来自专栏云头条
宇宙是一台可自主学习的计算机
与微软合作的物理学家认为：宇宙是一台可自主学习的计算机！ 这篇预印本论文让人脑洞大开。 与微软合作的一群理论物理学家近日发表了一篇令人震惊的预印本研究论文，该论文将宇宙描述为一套可自主学习的系统，遵循演进定律。 换句话说：我们所有人生活在一台可学习的计算机中。 研究人员认为： 比如说，当我们看到类似深度学习架构的结构出现在简单的自主学习系统中时，我们是否可以想象一下：起作用的矩阵架构（我们的宇宙在其中演化定律）本身就是从一种自主学习系统演化而来的，这种自主学习系统又是从最微不足道的起始条件而来的 结果是：如果宇宙通过一系列定律来运转，这些定律虽然起初很简单，但可自主学习，因此能够随着时间而演进，那么人类不可能统一物理学。 结论：我们的科学家执迷于研究去年的物理学模型，因为自我引导、自主学习的宇宙一直使不断演进的定律永久存在。 这是一篇预印本论文，所以还不能认为它很权威，但初审过关。
39910编辑于 2022-03-18 - 来自专栏用户5637037的专栏
通过对基于图像的自主驾驶的模拟学习预训练改进强化学习
through Imitation Learning Pretraining Towards Image-based Autonomous Driving 摘要：提出了一种以当前摄像机图像和车速为输入的自主驾驶任务的训练流水线 考虑到人类对这一任务的掌握和任务的高复杂性，我们首先利用模仿学习来模仿给定的人的策略，并将训练的策略及其权重运用到我们使用DDPG的强化学习阶段。 与纯模仿学习和纯DDPG相比，这种组合对自主驾驶任务的性能有很大的提高。
59720发布于 2019-07-18 - 来自专栏AI科技评论
机器人落地「秘诀」：持续学习、知识迁移和自主参与
Michel Sidd Srinivasa是全球知名的机器人专家，IEEE Fellow，现任华盛顿大学波音特聘教授，同时是 Amazon 机器人人工智能项目的负责人，负责管理协助 Amazon 物流中心员工的自主机器人的算法 ，研究可以收拾和包装产品的机器人和可自主搬卸和运输货物的推车式机器人。 Scout 会在执行任务的过程中接收真实世界的数据，然后不断迭代开发用于感知、定位和导航的机器学习解决方案。 Sidd Srinivasa：我完全同意（从数据中学习解决问题）。 另外，我认为开放的世界会迫使我们思考怎样「持续学习」。 我们的机器学习模型往往是基于一些输入数据分布来训练的，但因为这是一个开放的世界，会遇到「协变量转移」（covariate shift）的问题，也就是看到的数据与分布不匹配，这会导致机器学习模型常常没来由地过于自信
34630编辑于 2022-05-27 - 来自专栏新智元
【深度学习4大技术方向】Keras之父、谷歌研究员拆解机器自主学习
、自动化的机器学习、终身学习和重复利用模块化子程序。 未来深度学习走向无疑是越来越自主化的，但是从技术角度需要什么累积与突破，文章进行了很好的解读。作者认为，机器学习工程师的工作不会消失，相反，工程师将在价值创造链上走高。 对前期学习特征和架构系统性的再利用；基于可再利用和模块化程序和子程序的元学习系统。 此外，需要说明的是，以上所举并不特指监督式学习——这种学习方式目前是深度学习的基本业务，它们可以应用到任何形式的机器学习上，其中包括非监督学习、自监督学习、强化学习等等。 自动化的机器学习 未来， 模型架构将会通过机器自身的学习来获得，而不是由工程师手写编码来设计。自动地学习架构将与更丰富的基元和类似程序的机器学习模型的使用共同发展。
841100发布于 2018-03-23 - 来自专栏IT大咖说
自主研发、不断总结经验，美团搜索推荐机器学习平台
阅读字数：3308 | 9分钟阅读 摘要 本次分享主要介绍如何从机器学习实践过程中不断总结经验，搭建集数据处理、特征工程、模型训练、打分预测、实时监控、在线学习等步骤为一体的机器学习平台WAI，以及该平台如何赋能业务不断优化搜索推荐用户体验 What 什么是机器学习 机器学习本质上是计算机模拟人类学习行为从数据中提取发现知识结构获取新的知识和技能，并通过迭代的方式改善自身性能。 机器学习有几个比较典型的类别，面临一个问题的时候可以根据该问题特性、样本属性或样本量等来决定其归属于哪类机器学习范畴以及对应模型。 美团点评的机器学习应用大部分还是围绕业务来开展，包括搜索推荐、金融、外卖、打车、广告等。 机器学习通用流程 机器学习整个流程包含几个部分。 什么是WAI WAI全称为workbench of AI，它是点评搜索团队自主研发的系统，可以一站式的托管机器学习流程，能够通过可视化拖拽配置，支持开发自定义组件，对标业界先进平台，比如阿里PAI。
3K51发布于 2018-10-23 - 来自专栏企鹅号快讯
NVIDIA张建中：自主学习芯片，推动人工智能发展
1500倍的计算性能给很多企业和行业应用的用户带来的巨大的商机和新的机遇，其中的第一个爆发的市场就是深度学习的算法加上大数据之后，带来的人工智能行业变化。 张建中表示：“NVIDIA每年都会在很多的基础研究当中，把我们下一代的芯片在有关深度学习和人工智能计算行业当中针对他们的计算有一些加强的地方。 GPU为VR提供了核心技术 如果说GPU的计算能力在未来五到七年之间还能提升1000倍的话，深度学习的算法结果会比我们想象的更加准确。 NVIDIA希望把所有的模块融合在一起，给每一个汽车整车厂商搭建一个自己自主可控的自动驾驶平台。 NVIDIA希望这些新的算法研究能够利用深度学习、自主学习，改善大数据处理算法，从而对人工智能的推进有更大的帮助。
79070发布于 2018-01-16 - 来自专栏机器之心
业界 | Nature：能自主学习的人工突触，为无监督学习开辟新的路径
选自Nature 机器之心编译 参与：蒋思源、刘晓坤 近日，Nature 发表了一个研究团队开发的一种能自主学习的人工突触，它能提高人工神经网络的学习速度。 该研究表明记忆就是神经元间相连接突触的强度分布所表示，而学习可以通过突触的重新配置（即可塑性）而实现。这种能自主学习的人工突触有助于无监督学习的进一步发展。 这项发明为有快速和节能需求的智能系统的开发铺平了道路，并且忆阻器可以自主学习。 ? 在人类大脑中，突触负责在神经细胞之间建立连接。连接强度的强化和学习是由突触的激活而得到提升的。 基于这种物理模型，我们的模拟展示了铁电质纳米突触（ferroelectric nanosynapses）阵列能自主地学习并预测识别模式，这为脉冲神经网络的无监督学习开辟了一条新路径。 这令 STDP 可以成为自主无监督学习的基础，因此用人工神经网络实现 STDP 将成为实现自适应电子架构的重要里程碑。 ? 图 1：基于 FTJs 的人工突触。
1.3K110发布于 2018-05-08 - 来自专栏ATYUN订阅号
Prodigy，从根本上有效的自主学习驱动的注释工具
Prodigy的有效注释Recipe Prodigy将模型放在循环中，这样它就可以积极地参与到训练过程中，并在训练过程中学习。 你也可以通过定制的Recipe来使用任何机器学习库。内置对TensorFlow、Keras、PyTorch和scikit-learn模式的支持也很快就会投入使用。 数据科学工作流中的缺失部分 Prodigy汇集了来自机器学习和用户体验的最先进的见解。有了持续的活动学习系统，你只需要注释那些模型还不知道答案的例子。
2.7K100发布于 2018-03-06 - 来自专栏openclaw系列
技能即文档 —— SKILL.md 如何让 OpenClaw 自主学习新工具
在传统 AI 系统中，为智能体添加新能力（如“查询数据库”或“部署服务”）通常需要：
1.2K30编辑于 2026-03-15 - 来自专栏CNCF
成员网研会：使用机器学习进行自主日志监控（视频+PDF）
机器学习可用于自动检测异常日志模式，并将其与根本原因关联起来。 在本次网络研讨会中，我们将讨论并演示一种方法，利用无监督机器学习来组织和分类流式日志事件，然后学习正常和异常日志模式。
59210发布于 2020-02-20 - 来自专栏DrugOne
迈向自主机器智能
机器如何能够像人类和动物一样高效地学习？机器如何学会推理和规划？机器如何在多个抽象层次上学习感知和行动计划的表示，使其能够进行推理、预测和多时间尺度的规划？ 这篇论文提出了一种架构和训练范例，用于构建自主智能代理。它结合了可配置的预测性世界模型、通过内在动机驱动的行为，以及通过自监督学习训练的层次化联合嵌入架构等概念。 我们学习到因果关系，比如物体被扔下后会掉落。我们学习到物体的存在性，理解到即使物体脱离视线仍然存在。我们还学习到社交互动和交流，识别面部表情和对面部表情和手势作出反应。 图 1 图2 一种自主智能的系统架构。在这个模型中，假设所有模块都是"可微分的"，即一个模块通过连接它们的箭头向另一个模块输入时，可以得到关于成本标量输出相对于自身输出的梯度估计。 一个自主智能的模型架构 LeCun提出的自主智能代理的架构如图2所示。它由多个模块组成，其中一些模块可以根据需要进行配置，即它们的具体功能由配置器模块确定。
48210编辑于 2023-09-19 - 来自专栏小石不识月
自主权身份简介
本文则描述了一个管理我们的数字身份的新范式：自主权身份（Self-sovereign identity）。 自主权身份是这样的概念：个人和企业可以解开对中央身份数据库的依赖，而将身份数据存储在自己的设备上，并将其高效地提供给那些需要验证它的人。 例如，一所大学可能会对某人在那里学习并获得学位这些情况进行认证。一个来自官方权威的认证比证明更有力（证明有可能是伪造出来的）。然而，鉴于信息可能是敏感的，认证对当局来说是一种负担。 脱颖而出的答案是 “自主权身份”。这个数字概念与我们当前保持非数字身份的方式非常相似。 自主权身份如何运作？
2.4K110发布于 2018-03-12 - 来自专栏静之森
构想中的自主博客 —— Focus
预想使用的 UI 前台自主开发，或迁移融合多款来自其他优秀博客主题。 后台采用 UI 框架。后台 UI 不好做，深有体会。 学习前端以来，我几乎不停的在做项目，从小到大，我一直认为只有把学习到的东西投入到实际环境中去才是真正学到了，才是真正有用的。 学习过程中，最重要的还是独自思考问题的能力，只有在实在走投无路的时候才去求助他人，这应该是一个程序员必不可少的品质吧。我感谢在开发过程中那些曾经帮助过的人。 「Moment」是我最近完成的一个小项目，虽然没什么特色，最引以为傲的可能就是前后台全部采用了自主 UI 吧。 我想通过年度总结去记录学习历程。接下来的日子，复习备考，学习新技术。我们来年再见。
62040编辑于 2021-12-28
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