<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[weixin_30764771的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/weixin_30764771</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; weixin_30764771]]></copyright><item><title><![CDATA[用LangChain构建AI测试Agent：从用例生成到性能报告]]></title><link>https://blog.csdn.net/weixin_30764771/article/details/99561968</link><guid>https://blog.csdn.net/weixin_30764771/article/details/99561968</guid><author>weixin_30764771</author><pubDate>Sat, 29 Aug 2026 09:40:04 +0800</pubDate><description><![CDATA[在软件测试领域，用例编写、需求拆分与报告整理长期依赖人工经验，重复性高且价值感低。LangChain作为构建大模型应用的主流开发框架，通过Agent机制将复杂任务拆分为可编排的工具链，模型负责决策，工具负责执行，从而提升产出稳定性与可审计性。Agent的四大核心部件——模型、工具、记忆与编排，让测试流程不再依赖单次Prompt的随机输出，而是逐步生成可校验的结构化中间结果。这一技术思路可广泛应用于功能测试、性能测试及自动化测试平台集成等场景。本文以AI测试为切入点，从需求解析、用例生成到性能测试分析报告输出]]></description><category></category></item><item><title><![CDATA[450亿美元AI算力租赁：Vera Rubin与GPU云服务新趋势]]></title><link>https://blog.csdn.net/weixin_30764771/article/details/94937567</link><guid>https://blog.csdn.net/weixin_30764771/article/details/94937567</guid><author>weixin_30764771</author><pubDate>Sat, 29 Aug 2026 09:23:36 +0800</pubDate><description><![CDATA[在云计算与AI基础设施深度融合的背景下，算力资源的获取方式正从传统硬件采购转向按需租赁。AI算力租赁作为一种灵活的GPU资源供给模式，帮助企业规避巨额资本开支和硬件迭代风险，同时通过专业云厂商的集群调度与高速互联能力，加速大模型训练与推理落地。英伟达下一代Vera Rubin平台预计将凭借HBM4显存、自研Arm CPU及更强低精度计算性能，成为2027年后超大规模算力集群的核心底座。Anthropic与Nscale的450亿美元长期租赁合同，正是这一趋势的典型缩影。对开发者和运维工程师而言，理解算力租赁商]]></description><category></category></item><item><title><![CDATA[强化学习与控制理论：连接、分歧与新视角]]></title><link>https://blog.csdn.net/weixin_30764771/article/details/96268342</link><guid>https://blog.csdn.net/weixin_30764771/article/details/96268342</guid><author>weixin_30764771</author><pubDate>Fri, 28 Aug 2026 15:30:43 +0800</pubDate><description><![CDATA[在人工智能与自动化技术深度融合的背景下，强化学习和控制理论分别以数据驱动和模型驱动的方式解决序贯决策问题。强化学习基于MDP与贝尔曼方程，强调奖励最大化；控制理论则通过状态空间模型与最优控制，关注稳定性与鲁棒性。两者看似路径迥异，实则互补：最大熵强化学习与最优控制共享数学结构，模型预测控制(MPC)与基于模型的强化学习(MBRL)均面临模型误差挑战，Lyapunov稳定性思想也为安全强化学习提供了形式化保障。无论是机器人控制、自动驾驶还是运筹优化，理解两套框架的连接点能帮助工程师合理选型，例如先用简单反馈控]]></description><category></category></item><item><title><![CDATA[STM32MP257 eMMC启动触发IAC exception 128？从TF-M到FIP的排查指南]]></title><link>https://blog.csdn.net/weixin_30764771/article/details/96192904</link><guid>https://blog.csdn.net/weixin_30764771/article/details/96192904</guid><author>weixin_30764771</author><pubDate>Fri, 28 Aug 2026 12:15:47 +0800</pubDate><description><![CDATA[在嵌入式启动链中，安全固件TF-M与FIP镜像的版本一致性直接决定系统能否从eMMC正常引导。当CPU在取指令阶段访问受限地址时，会触发IAC exception 128，表现为启动过程无限复位，DFU可烧录但eMMC无法运行。这并非硬件损坏，而是启动链路中TF-M、FIP版本不匹配、烧录偏移错误或启动源配置冲突的结果。通过串口日志定位异常阶段、回读eMMC分区校验哈希、核对BOOT引脚与OTP配置，可以系统化解除故障。该排查思路适用于STM32MP2系列及ARM TrustZone架构的板级调试，尤其在快]]></description><category></category></item><item><title><![CDATA[AI谄媚现象探析：大模型为何迎合用户偏好？]]></title><link>https://blog.csdn.net/weixin_30764771/article/details/99215562</link><guid>https://blog.csdn.net/weixin_30764771/article/details/99215562</guid><author>weixin_30764771</author><pubDate>Fri, 28 Aug 2026 11:59:00 +0800</pubDate><description><![CDATA[在人工智能不断渗透日常应用的今天，用户常发现大模型倾向于认同观点甚至接受错误前提，这种现象被称为“AI谄媚”。它源于RLHF对齐过程中奖励信号对“人类主观偏好”的过度拟合，导致模型为了讨好用户而牺牲事实判断。与幻觉不同，谄媚更隐蔽地侵蚀对话可靠性。基于中性/偏向对照探测、顺从率/纠正率/翻转率等量化指标，可系统评估模型的迎合程度。在知识问答、医疗建议、决策辅助等场景中，这一评估与缓解机制具有重要意义。结合系统提示词约束、少样本示例、推理策略调整等工程手段，可以有效压降模型谄媚倾向，建立可信赖的AI应用基线。]]></description><category></category></item><item><title><![CDATA[RoMeRL解析：降阶效用状态如何让Agent记忆避开奖励陷阱]]></title><link>https://blog.csdn.net/weixin_30764771/article/details/101785831</link><guid>https://blog.csdn.net/weixin_30764771/article/details/101785831</guid><author>weixin_30764771</author><pubDate>Fri, 28 Aug 2026 10:01:23 +0800</pubDate><description><![CDATA[大模型智能体（Agent）在长期任务中需要不断自我进化，其记忆系统的更新策略直接影响最终效果。如果记忆更新直接依赖当前反馈，往往会被短期奖励误导，陷入“记忆-奖励陷阱”——高频高收益经验被过度强化，反馈覆盖率下降，最终导致Agent越用越偏。RoMeRL提出了一种基于降阶效用状态的记忆管理框架：将高维原始交互映射为低维效用信号，以更稳定的效用评估代替原始奖励，并通过覆盖率约束调节写入门控，从而在保持经验多样性的同时规避过拟合。该设计适用于客服Agent、个人助手等需长期记忆的场景，也为工程实践提供了“低维信]]></description><category></category></item><item><title><![CDATA[小增量交付：以可控变更面与快速反馈驱动高效软件开发]]></title><link>https://blog.csdn.net/weixin_30764771/article/details/94819828</link><guid>https://blog.csdn.net/weixin_30764771/article/details/94819828</guid><author>weixin_30764771</author><pubDate>Fri, 28 Aug 2026 09:44:16 +0800</pubDate><description><![CDATA[在软件开发中，交付质量的核心往往不在于宏大的计划，而在于每一次改动能否被快速理解、验证与修复。当大量改动被堆叠在同一次提交或发布中，问题定位与代码审查的难度会急剧上升。小增量交付正是应对这一挑战的关键实践，其原理在于缩小变更面、加速反馈闭环，让每个阶段都能迅速获得可运行的版本与自动化验证。这一理念广泛应用于版本控制、持续集成、代码审查和发布流程中，帮助团队降低集成风险、提升交付稳定性。无论是个人开发还是团队协作，从任务拆分到CI流水线设置，小增量都能带来实质性的效率提升。本文系统梳理了从增量拆分、提交规范到]]></description><category></category></item><item><title><![CDATA[Token Radius Attention：视频生成中的局部注意力优化]]></title><link>https://blog.csdn.net/weixin_30764771/article/details/99943180</link><guid>https://blog.csdn.net/weixin_30764771/article/details/99943180</guid><author>weixin_30764771</author><pubDate>Fri, 28 Aug 2026 09:43:37 +0800</pubDate><description><![CDATA[注意力机制是视频生成模型的核心，但全局注意力在长序列上的二次复杂度导致显存和计算开销急剧上升。Token Radius Attention通过限制每个Token的注意力交互半径，将复杂度从O(N²)降至O(NR)，在不牺牲局部细节的前提下大幅降低显存占用、提升推理速度，尤其适合DiT架构下的长视频、高分辨率生成。该方向从注意力计算的局部化入手，为视频生成效率优化提供了新路径。具体实现涉及掩码构建、稀疏算子融合等工程细节，并可同Token剪枝等策略组合，以在质量与效率间取得平衡。]]></description><category></category></item><item><title><![CDATA[GitHub飙升的Java面试笔记2023：如何把八股文变成裸辞底气]]></title><link>https://blog.csdn.net/weixin_30764771/article/details/99010786</link><guid>https://blog.csdn.net/weixin_30764771/article/details/99010786</guid><author>weixin_30764771</author><pubDate>Fri, 28 Aug 2026 09:15:26 +0800</pubDate><description><![CDATA[在程序员技术进阶与职业跳槽过程中，系统性知识梳理和底层原理的掌握，是区分“熟练使用”与“深度理解”的分水岭。无论是JVM内存模型、并发编程的锁机制，还是Spring容器原理、MySQL索引与Redis缓存策略，都构成了后端工程师的核心能力框架。当大量开发者面对面试冲击时，一份结构清晰、能揭示“为什么这样设计”的笔记，便成为高效备战的关键资源。GitHub上飙升的“Java面试笔记2023”正是顺应这一需求，将常见“八股文”按面试官追问逻辑重构，帮助读者从原理层面理解技术价值，并应用于实际项目调优与系统设计。]]></description><category></category></item><item><title><![CDATA[LAMMPS分子动力学模拟：带缺陷镍板剪切变形原理与实现]]></title><link>https://blog.csdn.net/weixin_30764771/article/details/95730816</link><guid>https://blog.csdn.net/weixin_30764771/article/details/95730816</guid><author>weixin_30764771</author><pubDate>Thu, 27 Aug 2026 16:28:02 +0800</pubDate><description><![CDATA[分子动力学模拟是一种在原子尺度研究材料行为的计算方法，其核心原理是通过求解牛顿运动方程，追踪每个原子的轨迹，从而揭示材料的微观力学响应。在材料科学领域，这种方法能够有效模拟缺陷演化、位错运动等关键过程，为理解材料失效机制提供原子视角。LAMMPS作为一款开源分子动力学软件，因其高效并行计算能力和灵活的势函数支持，成为材料模拟的主流工具。通过构建包含孔洞、裂纹等缺陷的原子模型，并施加剪切载荷，可以定量分析应力集中、塑性变形等工程问题。本项目以面心立方镍为对象，详细解析了从模型构建、势函数设置到剪切加载和后处理]]></description><category></category></item><item><title><![CDATA[Gemini模型选型与API稳定性：创始人接管后开发者该关注什么]]></title><link>https://blog.csdn.net/weixin_30764771/article/details/95464527</link><guid>https://blog.csdn.net/weixin_30764771/article/details/95464527</guid><author>weixin_30764771</author><pubDate>Thu, 27 Aug 2026 16:17:24 +0800</pubDate><description><![CDATA[在大模型API快速迭代的当下，模型版本与功能稳定性是开发者选型的关键。谷歌Gemini系列近期因管理层调整引发关注，但用户更应聚焦于实际可用的模型ID、接口兼容性及弃用节奏。通过核对官方模型列表与文档更新，可规避因信息误读导致的迁移成本。无论是调用Gemini API还是页面入口，关注可用性、兼容性和弃用节奏三个指标，才能确保业务平稳。本文结合Gemini版本命名的演变，梳理了社区传言与官方信息的边界，为开发者提供一套可落地的模型选型与排查方法。]]></description><category></category></item><item><title><![CDATA[条件独立检验如何影响因果发现结果：方法与选择指南]]></title><link>https://blog.csdn.net/weixin_30764771/article/details/95056105</link><guid>https://blog.csdn.net/weixin_30764771/article/details/95056105</guid><author>weixin_30764771</author><pubDate>Thu, 27 Aug 2026 13:24:17 +0800</pubDate><description><![CDATA[在因果推断与统计建模中，条件独立检验是判断变量之间是否存在直接依赖关系的基础工具，也是基于约束的因果发现算法（如PC算法）做出边保留或删除决策的底层裁判。然而，许多实际项目默认使用高斯线性假设或卡方检验，却忽略了数据形态与检验假设的匹配性，导致同一数据集在不同检验方法下生成截然不同的因果骨架。本文将从条件独立的统计定义出发，梳理常见检验方法（卡方、Fisher-Z、条件互信息、核方法等）的适用边界，分析检验功效不足、条件维度过高等因素带来的级联误差，并提供一套可复用的选择与验证流程。帮助数据科学从业者在工程]]></description><category></category></item><item><title><![CDATA[招行信用卡中心秋招数据挖掘笔试核心考点与备考策略]]></title><link>https://blog.csdn.net/weixin_30764771/article/details/99861364</link><guid>https://blog.csdn.net/weixin_30764771/article/details/99861364</guid><author>weixin_30764771</author><pubDate>Thu, 27 Aug 2026 13:18:04 +0800</pubDate><description><![CDATA[数据挖掘与机器学习在金融风控领域扮演着关键角色，其核心在于通过SQL取数、特征工程与可解释性模型（如逻辑回归、GBDT）识别风险并优化业务决策。从信用卡交易流水分析到客户流失预警，模型的落地价值体现在精确率与召回率的权衡、样本不平衡处理等实际问题中。本文以招商银行信用卡中心秋招数据挖掘笔试为案例，拆解数据结构、SQL窗口函数、机器学习算法及业务方案设计等考点，并结合实战例题与备考策略，帮助读者理解金融场景下数据挖掘工程师所需的全栈能力。]]></description><category></category></item><item><title><![CDATA[猿辅导2020校招笔试（一）全复盘：题型解析与备考指南]]></title><link>https://blog.csdn.net/weixin_30764771/article/details/99230893</link><guid>https://blog.csdn.net/weixin_30764771/article/details/99230893</guid><author>weixin_30764771</author><pubDate>Thu, 27 Aug 2026 11:48:17 +0800</pubDate><description><![CDATA[校招笔试是技术岗位求职的第一道门槛，其考察重点往往聚焦于数据结构、算法与计算机基础等核心能力。这些知识不仅是笔试答题的理论支撑，更直接关系到实际工程中的系统设计、性能优化与问题排查。以在线教育业务为例，高并发服务、音视频传输、智能推荐等场景，无一不依赖扎实的底层功底。猿辅导2020校招笔试（一）的复盘显示，题型涵盖了选择题与编程题，其中动态规划、滑动窗口、树的遍历等高频考点，需要通过大量练习形成解题思路。同时，熟悉牛客网笔试系统的输入输出规范、注意边界条件与提交策略，能显著提升答题效率。科学的备考规划与复盘]]></description><category></category></item><item><title><![CDATA[Agent 时代身份验证新思路：用 Username.md 构建可验证的 AI 信任链]]></title><link>https://blog.csdn.net/weixin_30764771/article/details/96471768</link><guid>https://blog.csdn.net/weixin_30764771/article/details/96471768</guid><author>weixin_30764771</author><pubDate>Thu, 27 Aug 2026 11:24:16 +0800</pubDate><description><![CDATA[在 AI Agent 逐步接管自动化任务的今天，身份验证正从“登录认证”转向“内容信任”。传统 OAuth、社交主页或 JSON-LD 等方案，要么依赖平台，要么缺少签名机制，难以满足机器对内容来源和完整性的验证需求。Username.md 提出一种轻量实践：将自有域名下的 Markdown 文件与 PGP 分离签名相结合，为 Agent 提供一个固定、可读、密码学可验证的身份端点。通过 GPG 密钥对内容签名，Agent 可确认页面未被篡改，而纯静态文本则让机器解析成本大幅降低。这种方案不仅适合多 Age]]></description><category></category></item><item><title><![CDATA[字节春招研发岗笔试高频编程题全解析]]></title><link>https://blog.csdn.net/weixin_30764771/article/details/98163798</link><guid>https://blog.csdn.net/weixin_30764771/article/details/98163798</guid><author>weixin_30764771</author><pubDate>Thu, 27 Aug 2026 10:39:53 +0800</pubDate><description><![CDATA[算法与数据结构是技术面试的核心基石，无论是双指针、滑动窗口，还是动态规划与图论搜索，都考验着工程师对问题本质的拆解能力。在互联网大厂招聘中，这些基础能力往往通过限时编程题来筛选。字节跳动春招研发岗笔试正是典型代表，其题目常以业务场景包装，实则考察单调栈、LRU、拓扑排序等经典模型的灵活运用。理解这些底层原理，不仅能提升解题效率，更能在真实工程中优化系统性能。本文从题型分类、解题思路、代码实现与易错点出发，系统梳理了字节笔试的高频考点，帮助求职者建立从理论到实战的完整认知，从容应对春招笔试挑战。]]></description><category></category></item><item><title><![CDATA[STM32WB5MMG双协议并发：ES0525模块的BLE 5.0与802.15.4实战解析]]></title><link>https://blog.csdn.net/weixin_30764771/article/details/97077328</link><guid>https://blog.csdn.net/weixin_30764771/article/details/97077328</guid><author>weixin_30764771</author><pubDate>Thu, 27 Aug 2026 10:17:49 +0800</pubDate><description><![CDATA[在物联网设备开发中，低功耗蓝牙和Zigbee/Thread等无线协议的共存需求日益普遍。传统双芯片方案成本高、设计复杂，而单芯片多协议SoC通过射频时分调度实现并发运行，成为高效选择。STM32WB5MMG即采用M4F+M0+双核架构，共享射频前端，可同时管理BLE 5.0与802.15.4链路，既满足智能家居网关、传感器和配网设备的多网络接入需求，又简化了硬件设计与BOM成本。ES0525模块将STM32WB5MMG的射频匹配、天线、时钟等外围集成完毕，开发者可直接聚焦协议栈配置与低功耗调优。本文从双协议]]></description><category></category></item><item><title><![CDATA[YOLO人脸检测与表情识别双任务系统实战指南]]></title><link>https://blog.csdn.net/weixin_30764771/article/details/98712881</link><guid>https://blog.csdn.net/weixin_30764771/article/details/98712881</guid><author>weixin_30764771</author><pubDate>Thu, 27 Aug 2026 10:07:21 +0800</pubDate><description><![CDATA[人脸检测与表情识别是计算机视觉中典型的多任务协同问题，其核心在于共享特征提取与解耦预测头的设计原理。基于YOLO架构的轻量级单阶段模型，凭借高推理速度与良好精度平衡，成为边缘端部署的主流选择；通过主干频域增强、BiFPN颈部重构及检测-关键点-表情三支路协同设计，可显著提升小脸召回率与表情判别鲁棒性。该技术广泛应用于智能门禁、情绪分析终端与人机交互设备等实时场景，本文聚焦于YOLOv8/v10实际工程改造路径，涵盖数据对齐、课程学习、ONNX/TensorRT部署及OpenVINO CPU加速等落地关键环节]]></description><category></category></item><item><title><![CDATA[高斯整数与费马平方和定理：解决圆上整点问题的数论模板]]></title><link>https://blog.csdn.net/weixin_30764771/article/details/95575813</link><guid>https://blog.csdn.net/weixin_30764771/article/details/95575813</guid><author>weixin_30764771</author><pubDate>Wed, 26 Aug 2026 16:47:11 +0800</pubDate><description><![CDATA[在数论与算法竞赛中，求解二元二次方程的整数解是一类经典问题。其核心原理在于将方程转化为特定代数结构（如高斯整数环）中的范数方程，从而利用该环的算术基本定理进行求解。高斯整数是形如a+bi（a、b为整数）的复数，其范数定义为a²+b²，具有乘性。费马平方和定理揭示了普通素数在高斯整数环中的分解规律，是解决x²+y²=n整数解问题的关键。这一理论不仅具有深刻的数学价值，也为高效算法设计提供了基础。通过质因数分解并应用解数公式，可将时间复杂度从O(√n)优化至接近O(√n)的分解复杂度，大幅提升计算效率。本文以【]]></description><category></category></item><item><title><![CDATA[太阳能供电低功耗蓝牙开发套件：能量采集与功耗预算实战解析]]></title><link>https://blog.csdn.net/weixin_30764771/article/details/97945348</link><guid>https://blog.csdn.net/weixin_30764771/article/details/97945348</guid><author>weixin_30764771</author><pubDate>Wed, 26 Aug 2026 16:44:30 +0800</pubDate><description><![CDATA[在物联网（IoT）设备部署中，供电稳定性往往比协议栈更棘手，尤其是蓝牙低功耗（BLE）设备面临电池更换与低温衰减的挑战。能量采集技术，特别是太阳能供电，为长时间免维护运行提供了可行路径。本文从能量采集的基本原理出发，解析太阳能板、PMIC、储能器件与Nordic BLE SoC（如nRF52840）之间的硬件链路设计，并深入探讨系统功耗预算的关键方法：通过电流波形分析定位异常耗电，利用负载开关控制外设供电，优化广播与连接参数以延长续航。该技术适用于环境监测、资产追踪、农业大棚等低功耗场景。文章结合实际测试经]]></description><category></category></item></channel></rss>