稀土掘金 稀土掘金
    • 首页
    • 沸点
    • 课程
    • APP
    • AI用量
    • 作品广场
    • 专家标注
      • 搜索历史 清空
        • 写文章
        • 发沸点
        • 写笔记
        • 写代码
        • 草稿箱
        创作灵感 查看更多
排行榜
综合
后端
前端
Android
iOS
人工智能
开发工具
代码人生
阅读
综合
后端
排行榜
前端
Android
iOS
人工智能
开发工具
代码人生
阅读
  • 全部
  • Linux
  • 前端
  • 后端
  • 程序员
  • 面试
  • iOS
  • 人工智能
  • Python
  • Agent
  • 展开
  • 全部
  • Linux
  • 前端
  • 后端
  • 程序员
  • 面试
  • iOS
  • 人工智能
  • Python
  • Agent
  • Java
  • GitHub
  • 产品
  • AIGC
  • 运维
  • 算法
  • 暂无数据
    • 推荐
    • 最新
  • Super-agent 在各大模型厂商的应用情况
    一句话结论 Super-agent 目前不是一个标准产品品类,而是一个正在快速收敛的架构范式:常驻协调层 + 多子代理并行 + 跨系统连接 + 治理边界。各家命名不同(dot / Duet / Mus
    • 怕浪猫
    • 86
    • 点赞
    面试 GitHub 算法
     Super-agent 在各大模型厂商的应用情况
  • 从零开始实现扫雷游戏(C 语言控制台版)
    扫雷是很多人最早接触的电脑游戏之一。它规则简单,但非常适合练习 C 语言的二维数组、函数封装、多文件编程、随机数、字符处理等知识。 这篇文章会从扫雷的规则和设计思路讲起,再一步一步给出完整代码实现。最
    • 用户23800309945
    • 136
    • 点赞
    算法
  • 从 Windows 换到 Mac 三个月,我真香了
    我用了快十年的 Windows,从 Win7 到 Win11,中间换过四五台笔记本,从来没想过有一天会用 Mac。总觉得 Mac 是设计师和果粉的玩具,写代码还是得 Windows。 直到三个月前,公
    • 怕浪猫
    • 855
    • 12
    面试 架构 算法
    从 Windows 换到 Mac 三个月,我真香了
  • 整段代码交给 AI 之前,先算这笔账:怎么判断这段工序能不能交
    业务背景 2026年10月12日,Ars Technica 与 AV Club 分别转述了 Bloomberg 的报道:Epic Games 在与迪士尼的 15 亿美元合作射击游戏项目中,转为 AI
    • 通问AI
    • 199
    • 点赞
    算法
  • 推荐下我的两个AI信息源
    我这边目前对AI,分为3种互动 1、边学习AI的一些理论知识 2、用AI写代码,实现需求 3、还要思考AI对研发流程和开发团队的影响 其中第三条,我是没事就看2个信息源来提供思路的,分别是 Claud
    • 本一和他的朋友们
    • 168
    • 点赞
    算法
  • 深度揭秘:当你在刷抖音时,抖音在"刷"你 —— 万字拆解推荐算法背后的技术全景
    引言:一秒钟背后的算力风暴 凌晨两点,你躺在床上刷着抖音。屏幕上划过一只英短蓝猫,你嘴角微扬,多看了两秒;下一个视频是NBA绝杀集锦,你面无表情地划走;再下一个是野外求生搭建庇护所,你停住了——不只是
    • JieE212
    • 574
    • 21
    面试 设计模式 算法
    深度揭秘:当你在刷抖音时,抖音在"刷"你 —— 万字拆解推荐算法背后的技术全景
  • 干与湿:AI 拿走脑力之后,人剩下什么
    《无人知晓》E45 里,李继刚有个判断很锋利:工业革命拿走了体力,AI 正在拿走脑力。留给人的,是心力。 01|烘干机和木材 这对概念出自段永朝、姜奇平的《新物种起源》。 干状态:整个社会像一台烘干机
    • 本一和他的朋友们
    • 184
    • 点赞
    算法
  • DeepSeek 偷偷给你取外号?拆一下 AI 人格化背后的技术
    DeepSeek 偷偷给你取外号?拆一下 AI 人格化背后的技术 最近网上有个话题讨论度不低:有人在 DeepSeek 的深度思考模式里,发现它会在"思考过程"中给用户起外号,什么"这位朋友""求知欲
    • leavesleo
    • 419
    • 点赞
    算法
  • JavaScript 递归入门:从 1 到 n 求和,再到数组扁平化
    递归是很多人学算法时的第一个坎。 循环很好理解,for 从 1 跑到 n,代码一步一步执行。但递归不一样,它会出现“函数调用自己”的情况,看起来像绕了一圈。 这篇文章用两个小例子把递归讲清楚: 求 1
    • 小月土星
    • 431
    • 18
    JavaScript 算法 面试
  • 蛋炒饭周刊 · 第 1 期(2026-09-07至2026-09-11)
    🤖 AI 与工具 1. 一台电脑、五个领域、六位获奖者:Claude Code 黑客松把 Opus 4.7 玩出了什么新花样(Anthropic 官方博客) 为什么值得看: 不是"AI 能做什么"的空
    • 本一和他的朋友们
    • 129
    • 1
    算法
  • 两亿大奖,一夜暴富,江西彩票、概率学、阴谋论暨景观社会
    近日,中国福彩“快乐8”选七玩法中有一人投注近5万倍共中2.2亿余元,两个小目标,一夜全自由,如果你以为这是故事,那么你错了,如果你以为这是生活,那么我们都错了。
    • 刘悦的技术博客
    • 7.9k
    • 24
    数学 算法 Python
    两亿大奖,一夜暴富,江西彩票、概率学、阴谋论暨景观社会
  • Stable Diffusion API
    Stable Diffusion 是一种尖端的开源工具,用于从文本生成图像。 Stable Diffusion Web UI 通过 API 和交互式 UI 打开了许多这些功能。 我们将首先介绍如何使用
    • HoneyGG
    • 12k
    • 19
    算法 HTML
    Stable Diffusion API
  • 数组——总结篇
    本篇是前几篇数组题解的总结篇和理论篇,题目链接:二分查找 、 移除元素 27 、有序数组的平方 977 、长度最小的子数组 209 。包含数组的简单知识、二分查找总结,双指针总结和选择排序。 一. 数
    • Daniel_123
    • 347
    • 1
    算法
  • 因果推断之中介效应
    在AB实验和非AB实验因果推断中,我们得到的结论往往是单一的变量X对变量Y的影响,而我们往往想知道X是通过何种路径对Y造成影响的。此时就需要通过中介效应分析来得出因果关系之中的变量影响路径。
    • 货拉拉技术
    • 7.1k
    • 2
    AB测试 算法 大数据
    因果推断之中介效应
  • 面试数十人有感
    平时会接一些模拟面试的服务,几个月下来也面试几十个人了,来和大家聊聊面试了这些人的感想。 基础对于每个人都是很重要的一步。无论你做的是什么领域的东西,计算机科学中的必修课必须是要学好的。就前端而言,OS、数据结构与算法、网络这几块内容是必须要掌握的基础的,这些基础不扎实,你的天…
    • yck
    • 24k
    • 366
    面试 前端 算法
  • 一文看懂 计算机视觉(cv) 与 计算机图形学(cg) 的区别
    什么是计算机视觉 (Computer Vision)?与计算机图形学 (Computer Graphics)以及图像处理(Image Process)有什么区别? 用一句话来概括,计算机视觉(CV)是
    • 设计稿智能生成代码
    • 17k
    • 16
    算法 人工智能 架构
    一文看懂 计算机视觉(cv) 与 计算机图形学(cg) 的区别
  • AB实验统计学基础:假设检验和最小样本量
    在进行AB实验时,我们常遇到这样的问题: 实验样本量是否足够? 如果不够还需要多少样本? 两个组的差异能否证明干预是有效的?
    • 货拉拉技术
    • 7.8k
    • 4
    AB测试 大数据 算法
    AB实验统计学基础:假设检验和最小样本量
  • 从做早餐理解 DAG 与拓扑排序:任务依赖图的核心逻辑
    从做早餐理解 DAG 与拓扑排序:任务依赖图的核心逻辑 为什么编译代码时,有些模块会先被构建? 这背后都是任务之间的依赖关系在起作用。 要管理这种依赖,计算机科学中有一个核心工具——DAG(有向无环图
    • 巴糖
    • 350
    • 1
    算法
  • 实验偏差校正:方差缩减技术
    这次实验又不显著? 样本量太少指标波动剧烈? 通常增加样本量是对以上问题最简单直接的解法。但若因客观条件限制导致无法增加样本量呢? 本文介绍的方差缩减技术也许能帮到你。
    • 货拉拉技术
    • 7.1k
    • 3
    AB测试 大数据 算法
    实验偏差校正:方差缩减技术
  • AB实验分流方式:发现最优分组概述
    当前在货拉拉进行的诸多 AB实验中,部分实验中实验单元少,简单随机分流会导致实验与对照的实验前偏差大。本文档调研了业界先进的实验前偏差应对技术,在最优随机分组的基础上,进一步提出了离线分流。
    • 货拉拉技术
    • 6.6k
    • 2
    AB测试 大数据 算法
    AB实验分流方式:发现最优分组概述
    • 用户协议
    • 营业执照
    • 隐私政策
    • 关于我们
    • 使用指南
    • 友情链接
    • 更多阅读文章
    • 举报邮箱: juejin@bytedance.com
    • 座机电话: 010-83434395
    • 京ICP备18012699号-3
    • 京ICP证:京B2-20191272
    • police 京公网安备11010802026719号
    • ©2026 稀土掘金