「MOSS - 08」MOSS队：Alpha阶段项目计划

最新推荐文章于 2025-12-01 16:02:47 发布
原创 最新推荐文章于 2025-12-01 16:02:47 发布 · 186 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#软件工程

MOSS队在2023年北航的敏捷软件工程课程中，通过制定功能规格说明书、技术规格说明书和Alpha阶段的任务分配，为敏捷开发做准备。项目旨在熟悉敏捷方法并实践产品开发。

「MOSS - 08」MOSS队：Alpha阶段项目计划

项目内容
这个作业属于哪个课程2023年北航敏捷软件工程
这个作业的要求在哪里团队项目-Alpha阶段项目计划
我们在这个课程的目标是熟悉敏捷开发的方法论，并通过实际开发产品进行实践。
这个作业在哪个具体方面帮助我实现目标通过明确功能规格说明书、技术规格说明书和Alpha阶段初始任务分配，明确Alpha阶段开发目标，为敏捷开发做好准备。

Author: MOSS队

Date: 2023.04.05

Part 1 博客列表

名称博客地址
「MOSS - 05」MOSS队：功能规格说明书https://blog.youkuaiyun.com/MOSS2023/article/details/129975120?spm=1001.2014.3001.5502
「MOSS - 06」MOSS队：技术规格说明书https://blog.youkuaiyun.com/MOSS2023/article/details/129975284?spm=1001.2014.3001.5502
「MOSS - 07」MOSS队：Alpha阶段初始任务分配https://blog.youkuaiyun.com/MOSS2023/article/details/129977403?spm=1001.2014.3001.5502
MOSS2023
关注
【人工智能】国产开源大模型 baichuan-7B 百川聊天 BaiChat 快速开始上手实战&效果实测 —— 希望 baichuan-7B 再打磨打磨吧
AI天才研究院
06-16 1万+
baichuan-7B 是由百川智能开发的一个开源可商用的大规模预训练语言模型。基于 Transformer 结构，在大约1.2万亿 tokens 上训练的70亿参数模型，支持中英双语，上下文窗口长度为4096。在标准的中文和英文权威 benchmark（C-EVAL/MMLU）上均取得同尺寸最好的效果。
Firefly (流萤) - 中文对话式大语言模型
AI工程化、开源分享、文档翻译、代码笔记
10-06 1782
关于 Firefly 模型列表 中文模型 英文模型 训练数据 模型训练 数据格式 全量参数微调 QLoRA微调 模型使用 1、权重合并 2、模型推理 3、服务部署 FAQ 1、OOM如何解决？ 2、安装包错误 3、是否支持DeepSpeed+QLoRA？ 4、如何指定使用某些卡训练？ 5、QLoRA微调ChatGLM2，显示找不到插入adapter的层 6、训练Baichuan2失败 局限性和使用限制 生成效果
「MOSS - 19」MOSS队：Alpha阶段项目展示
MOSS2023的博客
05-03 588
MOSS - 00」MOSS队：团队介绍。在项目进行的过程中，我们也根据实际情况进行了一定调整。成员分工于敬凯PM，项目管理，运维姜雨竺前端开发，架构设计，原型设计史泽宇前端开发，前端测试，原型设计王小鸽前端开发，API对接，原型设计王雪竹前端开发，原型设计陈楚岩后端开发，数据库叶颜函后端开发，后端测试以字典序陈楚岩我喜欢睡觉。在本次团队开发中主要担当后端开发的工作。姜雨竺第一次实习那个夏天我说再也不要沾前端了，从此写了一整年的前端。在本次团队开发中主要担当。
「MOSS - 07」MOSS队：Alpha阶段初始任务分配
MOSS2023的博客
04-05 252
Author: MOSS队。
「MOSS - 32」MOSS队：Beta阶段项目展示
MOSS2023的博客
06-10 566
MOSS - 00」MOSS队：团队介绍。在项目进行的过程中，我们也根据实际情况进行了一定调整。成员分工于敬凯PM，项目管理，运维姜雨竺前端开发，架构设计，原型设计史泽宇前端开发，前端测试，原型设计王小鸽前端开发，API对接，原型设计王雪竹前端开发，原型设计陈楚岩后端开发，数据库叶颜函后端开发，后端测试以字典序陈楚岩我喜欢睡觉。在本次团队开发中主要担当后端开发的工作。姜雨竺。
「MOSS - 21」MOSS队：Beta阶段计划
MOSS2023的博客
05-13 157
基于在Alpha阶段较为完善的架构，我们主要对公测阶段出现的bug进行修复；对课程组、评委和用户的意见进行适当重构；对各方意见综合考虑下添加部分新功能，细节如下。Author: MOSS队。
「MOSS - 33」MOSS队：Beta阶段总结和反思
MOSS2023的博客
06-16 422
答疑信息集中在微信聊天记录中，高度序列化，并且答疑信息相对不公开的问题。学生出于各种原因不愿意实名提问。微信答疑打扰辅导师，无法集中安排时间答疑。辅导师激励机制较弱。活动组织者难以统计辅导师的工作量，不方便发布志愿时长。整理的课程资料鲜为人知，需要有力的平台推广。活动组织者对答疑活动情况没有合适的了解渠道。是，我们从三类用户的视角，分点列举了软件需要解决的问题，问题彼此之间已相对比较独立。在规格功能说明书中提出的主要功能都已在alpha阶段实现。
「MOSS - 18」MOSS队：Alpha阶段软件发布声明
MOSS2023的博客
04-27 321
Author: MOSS队。
「MOSS - 20」MOSS队：Alpha阶段总结和反思
MOSS2023的博客
05-11 224
答疑信息集中在微信聊天记录中，高度序列化，并且答疑信息相对不公开的问题。学生出于各种原因不愿意实名提问。微信答疑打扰辅导师，无法集中安排时间答疑。辅导师激励机制较弱。活动组织者难以统计辅导师的工作量，不方便发布志愿时长。整理的课程资料鲜为人知，需要有力的平台推广。活动组织者对答疑活动情况没有合适的了解渠道。我们定义得很清楚，我们从三类用户的视角，分点列举了软件需要解决的问题，问题彼此之间已相对比较独立。在规格功能说明书中提出的主要功能都已在alpha阶段实现。
「MOSS - 06」MOSS队：技术规格说明书
MOSS2023的博客
04-05 487
Author: MOSS队。
「MOSS - 10」MOSS队：Scrum Meeting 1
MOSS2023的博客
04-19 211
Author: MOSS队。
BaiChuan2-7B-finetune完整微调代码（Swanlab可视化工具）
weixin_44312617的博客
11-24 1366
SwanLab是一款完全开源免费的机器学习日志跟踪与实验管理工具，为人工智能研究者打造。基于一个名为swanlab的python库可以帮助您在机器学习实验中记录超参数、训练日志和可视化结果能够自动记录logging、系统硬件、环境配置（如用了什么型号的显卡、Python版本是多少等等）可以完全离线运行，在完全内网环境下也可使用SwanLab官方文档 | 先进的AI团队协作与模型创新引擎Environment Card：实验参数卡片Charts：记录loss和accuracy。
Baichuan-13B 介绍及微调
dzysunshine的博客
07-19 6830
2023年7月11日，百川智能发布Baichuan-13B！
20、互联网服务提供商与广告网络携手对抗僵尸网络广告欺诈
moss5的博客
10-20 15
本文探讨了僵尸网络如何通过操纵广告点击进行欺诈，并分析了互联网服务提供商（ISP）与广告网络在对抗此类欺诈中的角色与合作策略。文章介绍了广告欺诈的现状、技术手段及经济影响，提出了通过部署HTTPS和ISP协同清除僵尸设备两种主要应对方式，并构建博弈论模型比较不同策略的成本与收益。最后，文章展望了未来广告欺诈的发展趋势，强调技术研发、数据共享和行业自律的重要性，为维护在线广告生态安全提供决策参考。
软件工程复习题-附加答案
最新发布
克里斯蒂亚诺更新的博客
12-01 866
18、下列哪种测试是重新执行一些已经执行过的测试，以此来保证对于代码的修改没有带来一些意外的副作用？7、下图中右侧的数据流图针对左侧的1层图中的加工3进行了精化，请问该图（右侧的图）中哪一个数据流不满足数据流模型中父图和子图平衡的要求？29、下图中右侧的数据流图针对左侧的1层图中的加工1进行了精化，请问图中哪一个数据流不满足数据流模型中父图和子图平衡的要求？45、下面关于瀑布模型的缺点的说法中不正确的是？6、下面关于分层数据流图的说法中不正确的是？11、下列关于软件体系结构的说法不正确的是？
[论文阅读] AI + 软件工程 | 首测GPT-4.1/Claude Sonnet 4适配能力：LLM多智能体在SE领域的潜力与局限
张较瘦
11-30 1062
本文开展首个关于LLM-based多智能体系统在软件工程（SE）数据集适配任务的实证研究。为实现SE研究工件跨数据集的自动化适配（提升可扩展性与可复现性），以搭载GPT-4.1和Claude Sonnet 4的GitHub Copilot为研究对象，针对ROCODE、LogHub2.0等基准仓库，设计五阶段评估流程（文件理解、代码编辑、命令生成、验证、最终执行），衡量成功率、分析失败模式，并验证提示干预效果。结果表明：当前系统可识别关键文件、生成部分适配代码，但极少产出功能正确的实现；而“提供执行错误信息”
[论文阅读] AI + 软件工程 | Python/Java/Go通用！依赖感知分层模型DHCS让代码注释更智能
张较瘦
11-29 1021
源代码自动生成注释可减轻程序员负担，现有编码器-解码器模型常忽略目标函数与子函数的依赖关系，导致语义缺失。为此，提出DHCS（依赖感知分层代码注释模型）：设计分层编码器（子函数+目标函数）捕捉局部与上下文语义，引入掩码子函数预测（MSP）增强子函数表示，挖掘子函数主题分布并结合主题感知复制机制优化解码。在Python（43484样本）、Java（34670样本）、Go（52922样本）数据集上实验，DHCS在BLEU-4、METEOR、ROUGE-L及人工评估中均优于CodeT5、StarCoder等9种基
【软件工程】题解
CH3_CH2_CHO的博客
11-29 618
需求获取是需求工程的核心环节指通过系统化的技术、工具和活动，从软件系统的利益相关者（包括用户、客户、管理层、技术专家等）中，收集、识别、提取与系统相关的功能需求、非功能需求（如性能、安全性、易用性）、业务约束、潜在需求等信息，明确用户实际诉求和系统目标的过程。其核心目的是消除需求模糊性、减少信息偏差，为后续需求分析、规格说明和系统设计提供准确、完整的依据。交互过程中的参与主体，既可以是系统中的实体类对象（如“Camera”、“登录类”），也可以是外部参与者（如“教师”、“房主”）。
漫游式渐进阅读项目软件工程质量提升建议
SoftwareTeacher的专栏
11-30 583
智能推荐算法：基于轮盘赌算法和绝对优先级的混合推荐机制思源笔记生态集成：深度集成思源笔记API，支持文档管理和渲染复杂前端交互：优先级可视化、实时调整、多维度指标管理算法性能要求：处理大规模文档库时的响应速度要求跨平台兼容性：支持鸿蒙、iOS、Windows等多系统环境。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值