GeezerVison — 腾讯云开发者社区-腾讯云

Home|About|Gaming cabinet|Archives|How it works|Starter sites

GeezerVison is showing cloud.tencent.com — 腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

学习

活动

专区

圈层

工具

文章/答案/技术大牛

发布

技术百科

已收录1666个词条

输入关键词，搜索你感兴趣的技术词条

1666个词条，21194个知识点

通用技术-网络与通信

Ambient Mesh（环境网格，又称无边车网格）是 Istio 服务网格推出的一种新型数据面架构模式，其核心特征是取消了注入在每个应用 Pod 内的 Sidecar 代理，改由节点级的 ztunnel 代理承载 L4 层安全与流量转发，并按需部署 Waypoint 代理处理 L7 层策略。该模式于 Istio 1.24 版本正式发布（GA），通过将网格能力从应用 Pod 中解耦到基础设施层，显著降低了服务网格的资源开销与运维复杂度，同时保留了 mTLS 加密、流量管理、可观测性等完整的网格能力。

Ambient Mesh 如何支持灰度发布与流量切分？

Ambient Mesh 的 mTLS 加密是如何工作的？

ztunnel 在 Ambient Mesh 中承担什么角色？

查看16个知识点 >

通用技术-运维

OpenTelemetry（简称 OTel）是由 CNCF（云原生计算基金会）主导的开源可观测性框架与开放标准，用于统一生成、采集和导出软件系统中的遥测数据（链路、指标、日志）。它由 OpenTracing 与 OpenCensus 两个项目合并而来，2026 年正式成为 CNCF 毕业项目。需要明确的是，OpenTelemetry 本身不负责数据的存储、查询与告警，而是提供一套厂商中立的 API、SDK、协议与采集组件，让遥测数据能够发往任意后端，从而避免厂商锁定。

OpenTelemetry 和 SkyWalking 该怎么选

OpenTelemetry 和 Prometheus 有什么区别

Python 项目怎么接入 OpenTelemetry

查看20个知识点 >

通用技术-人工智能

FlashAttention 是一种具有 IO 感知（IO-awareness）的精确注意力算法，由 Tri Dao、Daniel Y. Fu、Stefano Ermon、Atri Rudra 与 Christopher Ré 于 2022 年在斯坦福大学期间提出，论文发表于 NeurIPS 2022。它通过 tiling（分块）与 online softmax（在线软最大化）等技术，将注意力计算的内存占用从序列长度的二次方 O(N²) 降低到线性 O(N)，在不做任何近似的前提下，使运行速度较标准注意力实现提升 2～4 倍、内存占用减少 5～20 倍。与稀疏注意力、线性注意力等近似方法不同，FlashAttention 的输出与标准注意力在数学上完全一致，因此可作为即插即用的底层实现，现已成为 PyTorch、vLLM 等主流框架的默认注意力内核。

FlashAttention 支持哪些精度模式（FP16、BF16、FP8）？

FlashAttention 在主流深度学习框架中是如何集成的？

FlashAttention 对长上下文（Long Context）能力的支撑作用体现在哪里？

查看23个知识点 >

通用技术-人工智能

混元 Hy3（Tencent Hy3）是腾讯混元于 2026 年 7 月 6 日正式发布的大语言模型，采用快慢思考融合的混合专家（MoE）架构，总参数 2950 亿、激活参数 210 亿，最大支持 256K 上下文长度。该模型以 Apache 2.0 协议开源，已在腾讯云 TokenHub、WorkBuddy、CodeBuddy、元宝、ima 等腾讯产品及多个第三方开发者平台上线，是混元重建预训练与强化学习基础设施后的首个正式版本模型。

混元 Hy3 的定价与 token 消耗性价比表现如何？

混元 Hy3 的 API 应如何接入？

混元 Hy3 在推理、代码生成和智能体能力上的表现如何？

查看16个知识点 >

通用技术-人工智能

混元 Hy4 是腾讯混元于 2026 年 11 月 4 日正式发布的最新一代大语言模型，采用 770B 总参数、49B 激活参数的 MoE 架构，首次引入视觉理解能力与电脑操作（Computer Use）能力，综合表现跻身当前最强开源模型之列。与前代 Hy3 系列相比，Hy4 在预训练与后训练规模、指令遵循、长文理解、长程智能体等维度均实现显著跃升，并已在腾讯云 TokenHub、WorkBuddy、CodeBuddy、元宝、ima、企业微信智能助理大圆等产品上线。

混元 Hy4 的定价标准是怎样的？

混元 Hy4 的参数规模与 Hy3 系列有什么差异？

混元 Hy4 相比 Hy4 preview 有哪些主要升级？

查看14个知识点 >

通用技术-人工智能

VLA 模型（Vision-Language-Action Model，视觉-语言-动作模型）是一类将视觉感知、语言理解与动作生成统一在同一神经网络中的端到端多模态模型，是具身智能领域的核心架构。它接收相机图像、自然语言指令与机器人状态作为输入，直接输出可执行的动作序列，实现"感知—理解—执行"一体化。与仅完成"看懂"的视觉语言模型（VLM）不同，VLA 在 VLM 基础上增加了动作生成能力，使机器人能够把对世界的理解直接转化为物理操作。

VLA 模型在端侧部署时面临哪些挑战？

VLA 模型如何实现主动感知与视角选择？

VLA 模型是如何实现跨机器人本体迁移的？

查看18个知识点 >

通用技术-人工智能

智能体记忆

智能体记忆（Agent Memory）是指人工智能系统记录和回忆过去经验以改进决策和行为的能力。它为智能体提供持续性上下文，使其能够在多轮对话、任务规划和长期交互中保持连贯一致。记忆不是简单的数据存储，而是可被智能体决策利用的外部状态，其发展脉络从解决即时对话连贯性，逐步演进到支持长任务执行、跨会话持久化与自我进化。

主流智能体记忆框架和工具有哪些？

智能体记忆的评估方法与基准测试有哪些？

智能体记忆在多智能体系统中如何实现记忆共享？

查看20个知识点 >

通用技术-人工智能

推理模型（Reasoning Model）是一类通过强化学习训练、在生成最终答案之前先产生长链思维（Chain-of-Thought）的大语言模型。与普通 LLM 在单次前向传递中直接输出结果不同，推理模型在推理阶段会分配额外的计算资源用于规划、自我验证、回溯与修正，以"思考 token"的形式展开中间推理过程，从而在数学、代码、科学推理等复杂任务上取得显著更高的准确率。

推理模型的闭源代表有哪些？

推理模型的开源代表有哪些？

推理模型在幻觉（Hallucination）控制方面表现如何？

查看19个知识点 >

通用技术-人工智能

世界模型（World Model）是一类让智能体在内部构建可推演、可重复的环境表征，并据此预测"采取某个动作后世界下一状态会如何变化"的人工智能系统。它与以文本统计结构为核心的大语言模型相对：世界模型学习的是空间与时间的统计结构，目标是让机器在真正行动之前，先在内部的"沙盘"里预演后果。2026 年，随着具身智能、自动驾驶与空间智能的推进，世界模型被业界广泛视为继"预测下一个词"之后的又一种预训练范式。

世界模型在游戏与虚拟环境生成中有什么用途？

世界模型落地面临哪些主要挑战？

世界模型的核心组成部分有哪些？

查看19个知识点 >

通用技术-运维

AI 代码安全审计

AI 代码安全审计是面向大模型与编程智能体（Coding Agent）生成代码、并覆盖 AI 开发全链路风险的新一代代码安全审计范式。它以大语言模型语义理解、多智能体协同为核心底座，将审计对象从"检测代码"拓展为"检测整个 AI 编码过程"，覆盖提示词输入、AI 生成代码、代码入库、Agent 执行及最终交付的全过程，结合静态分析、数据流追踪、依赖成分分析与动态验证等手段，识别注入、越权、敏感信息泄露、幻觉依赖等安全风险。当前产业主要形成两类演进方向：一类是传统代码安全厂商主导的"AI 增强"路线，另一类是 AI 模型厂商主导的"AI 原生"路线。

AI 代码安全审计主要检测哪些类型的漏洞？

漏洞自动验证（PoC）机制在 AI 代码安全审计中如何运作？

AI 代码安全审计如何识别幻觉依赖包？

查看17个知识点 >

通用技术-人工智能

AI 原生数据平台

AI 原生数据平台（AI-Native Data Platform）是以"人 + AI"为核心用户，通过自然语言交互理解用户意图，将数据资产封装为可调用的业务技能，并围绕具体任务自动编排执行路径，最终实现从数据到结果闭环的智能基础设施。它不再局限于传统数据湖、数据仓库与 BI 的简单堆叠，而是以统一语义为底座、以异构算力为引擎、以多模态资产同源存储为载体、以智能治理和数据服务为中枢，面向大模型与智能体（Agent）原生适配的新一代数据基础设施。在代理型人工智能（Agentic AI）加速进入规模化应用阶段的背景下，数据平台正从"面向数据处理"向"面向 AI 应用"进行范式迁移。

AI 原生数据平台包含哪些核心技术层级？

AI 原生数据平台如何实现 CPU、GPU、NPU 异构算力的统一调度？

建设 AI 原生数据平台面临哪些主要技术挑战？

查看21个知识点 >

通用技术-运维

Agent 全链路追踪

Agent 全链路追踪（Agent End-to-End Tracing）是指对 AI Agent 从接收用户输入到产出最终响应的完整执行路径进行统一采集、关联与还原的技术体系。它把 Agent 的一次运行表示为由多个 Span 组成的 Trace 树，记录每一步的模型调用、工具执行、检索召回、决策推理，以及对应的输入输出、耗时与 Token 消耗。与传统面向 HTTP 请求与数据库查询的应用性能监控不同，全链路追踪需要应对 Agent 输出的非确定性、工具调用的隐蔽性，以及跨多服务与多智能体的上下文传播，是 AI 可观测性的核心组成。

Agent 全链路追踪如何与 OpenTelemetry GenAI 语义约定对接

Agent 全链路追踪是如何工作的

Agent 全链路追踪的数据采集方式有哪些

查看27个知识点 >

上一页12345678...139下一页

跳至页前往

共1666个词条

腾讯云开发者

扫码关注腾讯云开发者

扫码关注腾讯云开发者

领取腾讯云代金券

热门产品

热门推荐

更多推荐

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

问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档

领券