微软100题-天天做-第37题

Copilot App Builder:微软365原生无代码工作流构建器 无代码工作流是企业数字化提效的核心路径,其本质是将业务意图转化为可执行自动化流程的能力。Copilot App Builder基于微软365统一身份、数据与权限底座,通过上下文感知生成技术,实现自然语言到生产级流程的端到端映射。它不输出代码,而是调用Power Automate、SharePoint、Dataverse等原生能力,确保合规性、可审计性与环境一致性。技术价值在于消除开发环境割裂、数据孤岛和权限漂移三大瓶颈,适用于销售、HR、运营等一线业务人员快速落地审批、报销、入职等高频场景。本文聚焦Copi 阅读详情

发布一个k8s部署视频:https://edu.youkuaiyun.com/course/detail/26967

课程内容:各种k8s部署方式。包括minikube部署,kubeadm部署,kubeasz部署,rancher部署,k3s部署。包括开发测试环境部署k8s,和生产环境部署k8s。

腾讯课堂连接地址https://ke.qq.com/course/478827?taid=4373109931462251&tuin=ba64518

第二个视频发布  https://edu.youkuaiyun.com/course/detail/27109

腾讯课堂连接地址https://ke.qq.com/course/484107?tuin=ba64518

介绍主要的k8s资源的使用配置和命令。包括configmap,pod,service,replicaset,namespace,deployment,daemonset,ingress,pv,pvc,sc,role,rolebinding,clusterrole,clusterrolebinding,secret,serviceaccount,statefulset,job,cronjob,podDisruptionbudget,podSecurityPolicy,networkPolicy,resourceQuota,limitrange,endpoint,event,conponentstatus,node,apiservice,controllerRevision等。

第三个视频发布:https://edu.youkuaiyun.com/course/detail/27574

详细介绍helm命令,学习helm chart语法,编写helm chart。深入分析各项目源码,学习编写helm插件
————————————————------------------------------------------------------------------------------------------------------------------

37.(字符串)有n个长为m+1的字符串,
如果某个字符串的最后m个字符与某个字符串的前m个字符匹配,则两个字符串可以联接,

 

 

问这n个字符串最多可以连成一个多长的字符串,如果出现循环,则返回错误。

 

 

 

package com.microsoft;

import java.util.Random;

public class StringCat {
	private int n;
	private int m;
	private String[] strArray;
	public StringCat(int n,int m){
		this.n=n;
		this.m=m;
		strArray=new String[n];
		String characters="abcdefghijklmnopqrstuvwxyz";
		for(int i=0;i<n;i++){
			String tmp="";
			for(int j=0;j<m+1;j++){
				int random=new Random().nextInt(characters.length());
				tmp+=characters.toCharArray()[random];
			}
			strArray[i]=tmp;
		}
		
	}
	public void print(){
		for(int i=0;i<strArray.length;i++){
			System.out.println(strArray[i]);
		}
	}
	public int cat()throws Exception{
		int length=m+1;
		String cat="";
		for(int i=0;i<strArray.length;i++){
			String a=strArray[i];
			for(int j=0;j<strArray.length;j++){
				if(i==j){
					continue;
				}
				String b=strArray[j];
				String first=a.substring(0,a.length()-1);
				String last=b.substring(1);
				if(first.equals(last)){
					cat+=b+a.substring(a.length()-1);
					length+=1;
				}
				
			}
		}
		if(cat.substring(cat.length()-m).equals(cat.substring(0, m))){
			throw new Exception("循环了");
		}
		return length;
	}
	public static void main(String[] args) throws Exception{
		StringCat cat=new StringCat(200,3);
		System.out.println(cat.cat());
		cat.print();

	}

}

 

 

 

 

 

Edge浏览器原生集成Gemini 3.1 Pro多模态AI能力 浏览器正从网页容器演进为AI操作系统的核心载体。随着WebGPU、WebAssembly和NPU硬件加速的成熟,现代浏览器已具备在沙箱内安全运行大型多模态模型的能力。Gemini 3.1 Pro凭借统一多模态令牌化器与百万token上下文窗口,成为深度集成浏览器原生AI的理想底座;其与Windows DirectML、Copilot生态及Microsoft Graph的协同,实现了文本、PDF、图像等本地文件的混合推理与跨应用上下文感知。这种云-端协同架构,让AI能力不再依赖插件安装或API配置,而是以右键 阅读详情

相关推荐

Phi-2小模型实战:2.7B参数如何实现端侧AI推理与教育场景落地

小语言模型(SLM)是当前AI工程化落地的关键技术路径,其核心在于参数效率、数据密度与部署可行性三者的平衡。Phi-2作为典型代表,以2.7B参数规模突破传统轻量模型性能瓶颈,依托教科书级高质量数据构建、无RLHF的原生知识建模及4-bit量化端侧优化,在数学推理、代码生成、教育问答等确定性任务中展现出远超参数量级的泛化能力。该模型特别适用于边缘计算、嵌入式设备与离线教育系统等对功耗、延迟和隐私有严苛要求的场景。本文深入解析Phi-2的设计哲学、量化部署实操与LoRA微调方法,为一线工程师提供从树莓派到ES

areen7003的博客 389

​马化腾称腾讯应该去做难而正确的事;iOS 15正式版发布,改善信号表现;Dart 2.17发布|极客头条

快来看今天都有哪些值得我们技术人关注的重要新闻吧。

极客日报 9005

大模型稀疏激活原理与MoE实战:参数量≠计算量

大语言模型中的‘参数量’常被误读为实际计算开销,而真正决定推理效率的是稀疏激活机制——即每次处理token时仅动态调用部分专家(Expert)的MoE架构。其核心原理在于门控网络(Router)对专家进行加权路由,实现计算资源的按需分配,从而突破稠密模型面临的显存带宽、GPU利用率和训练稳定性三重物理瓶颈。该技术显著降低单token激活参数量(如DeepSeek-R1的671B总参仅激活37B),支撑千卡集群高效调度与单卡A100部署。典型应用场景包括低延迟API服务、边缘端轻量化推理及高吞吐批处理系统,是

weixin_30607125的博客 342

大模型提示工程的临界点:为什么少样本学习需要100个示例

少样本学习(few-shot learning)是大语言模型落地的核心范式,但其真实效能高度依赖示例数量与结构质量。从信息论角度看,5个示例仅能提供极低的信息熵,难以支撑模型构建稳定语义表征;而100个示例通过覆盖高频、中频与长尾表达,显著提升认知鲁棒性与跨场景泛化能力。In-Context Learning(ICL)的本质并非知识灌输,而是利用上下文动态生成任务专属的隐式指令集——这要求足够密度的‘认知路标’来引导注意力对齐。实证表明,50例是准确率跃升的相变阈值,100例则达成工程稳态,在翻译、客服、医

weixin_30765505的博客 312

.NET技术博客的人格化表达与工程化实践

技术博客不仅是知识载体,更是开发者职业能力的延伸界面。从.NET生态的强类型、可维护性设计哲学出发,理解技术传播的本质在于降低系统熵增、提升组织协同效率。真正的高质量技术内容,需融合人文视角与工程严谨性——既关注代码在生产环境中的可观测性、权限最小化与伦理审查,也重视读者认知路径中的情感锚点与场景代入。以‘先做人,再做技术人员,最后做程序员’为能力演进主线,将抽象API转化为可验证、可复现、可降级的工业级方案,正是当前.NET开发者应对架构决策、团队传承与AOT迁移等现实挑战的核心能力。老赵点滴的十年实践,

451

GPT-4的1.8万亿参数与2%激活比:MoE稀疏推理原理与工程实践

大模型参数量已不再是性能核心指标,真正决定推理效率与部署成本的是‘实时激活参数比例’。混合专家(MoE)架构通过动态路由机制,在保持超大规模参数储备(如1.8万亿)的同时,仅需激活约2%的专家子集参与计算,从而突破稠密模型在显存、带宽和能耗上的物理瓶颈。其技术本质是将‘能力存储’与‘计算执行’解耦,依托Router网络实现任务语义驱动的条件激活,并依赖Top-K门控、噪声注入、负载均衡等关键设计保障鲁棒性与泛化性。该范式已在GPT-4、Mixtral、Qwen-MoE等主流模型中落地,广泛应用于高并发低延迟

weixin_34138056的博客 327

SwiftKey Copilot深度解析:GPT-4 Turbo如何隐身融入日常输入

输入法已从单纯字符映射工具,演进为融合语义理解、上下文感知与多模态生成的智能表达中枢。其底层依赖大语言模型(如GPT-4 Turbo)实现意图识别与文本重写,通过端云协同架构平衡响应速度、隐私安全与算力限制;技术价值在于将AI能力‘呼吸式’嵌入打字动线,消除思考与表达间的认知卡顿。典型应用场景覆盖职场邮件润色、社交文案优化、网页内容摘要及DALL-E 3驱动的视觉化表达。本文聚焦安卓版SwiftKey中Copilot功能的工程实现逻辑与真实可用性验证,详解其轻量集成、上下文感知与低门槛交互设计。

weixin_33766168的博客 356

中小企业网络安全的聪明下注法:聚焦人为风险与资产价值

网络安全本质是风险管理,而非技术堆砌。从基础概念看,它关乎如何识别数字资产、评估真实威胁并量化防护收益;原理上,74%的安全事件源于人为因素,如钓鱼邮件、弱密码和配置错误,而非未知漏洞;其技术价值在于将安全投入转化为可衡量的业务确定性——降低客户投诉率、规避监管罚款、提升融资通过率;典型应用场景覆盖电商、医疗、制造等中小企业的ERP加固、邮件防仿冒(DMARC)、MFA强制启用及敏感数据定位;本文聚焦‘Smart Bet’方法论,即用Excel做ROI计算、白板会议锁定必保资产、行为矫正替代传统培训,真正落

xSTARx 443

GPT-4.1 Mini与Nano:面向生产落地的轻量化大模型选型指南

大语言模型(LLM)在企业落地中正从‘能力优先’转向‘成本、延迟、可控性、集成度’四维平衡。轻量化大模型并非简单压缩,而是通过动态稀疏注意力、分层上下文锚定、可学习稀疏门控等关键技术,在保留百万级长上下文能力的同时,实现显存占用下降57%、吞吐量提升2.3倍的工程突破。这类模型显著降低边缘部署门槛,支持A10 GPU甚至Intel CPU运行,成为智能客服、工业知识库、嵌入式AI等场景的首选。GPT-4.1 Mini与Nano正是这一范式迁移的典型代表——它们不是性能妥协,而是面向真实业务约束的系统性重构,

weixin_30813225的博客 458

AI时代Prompt Engineering实战方法论与范式迁移

Prompt Engineering已从零散技巧演进为支撑AI落地的核心工程能力,其本质是将人类隐性知识结构化为可执行、可验证、可复用的任务指令。它依托大语言模型(LLM)的上下文理解与生成机制,通过意图层、上下文层和约束层三层建模,实现对模型行为的精准调控。这一能力直接决定RAG系统效果、企业搜索重构质量及垂直领域AI应用的可信度,广泛应用于智能客服、医疗问答、工业诊断等场景。结合微软Bing AI的交互范式升级与ERNIE的知识增强实践,本文聚焦Prompt Engineering如何成为连接技术原理与

weixin_33806914的博客 358

AI商业模式四象限:Open/Closed与Direct/Indirect实战决策框架

大模型时代,技术能力已成基础门槛,真正决定企业AI成败的是商业模式设计。本文从‘开源模型’与‘闭源模型’的本质差异切入,解析其背后的技术可控性、合规成本与商业化路径;结合‘直接变现’(如API订阅、License销售)与‘间接赋能’(如提升云服务ARPU、增强办公套件粘性)两大收入逻辑,揭示AI如何从成本中心转化为增长杠杆。聚焦Mistral、Meta、微软、IBM等头部玩家的真实战略选择,拆解其在开放性、交付方式与价值锚点上的权衡取舍,为算法工程师、企业CTO及AI创业者提供可落地的象限定位工具与避坑指南

weixin_30908103的博客 431

VibeVoice:播客级多角色语音生成的连续潜空间范式

语音合成(TTS)正从离散音素拼接迈向连续语音建模,其核心是将声音理解为可编辑、可解耦、具时序一致性的语义流。基于声学变分自编码器(VAE)构建的潜在空间,配合下一token扩散机制,实现了对音色、语调、节奏与情感的四维解耦控制,突破传统TTS在长文本连贯性、多角色协同与副语言细节(如呼吸、停顿)上的结构性瓶颈。该技术不依赖海量说话人数据即可泛化角色,天然适配播客制作、在线教育、有声书及无障碍语音克隆等强调真实对话感的工程场景。VibeVoice代表的不是更高MOS分的语音合成器,而是以连续潜空间为底层的音

weixin_34111790的博客 504

Visual Studio 2022 安装避坑指南:组件选择、系统依赖与离线部署

Visual Studio 是 Windows 平台核心集成开发环境(IDE),其安装本质是构建可运行的编译工具链与 SDK 生态。原理上,它依赖操作系统补丁(如 KB5004237)、64位架构支持、Windows SDK 版本共存机制及环境变量精准注入。技术价值在于为 C++、.NET、CMake 等项目提供开箱即用的构建能力,避免 'cl.exe 找不到'、'LNK1181' 等底层链接错误。典型应用场景包括高校教学环境批量部署、CUDA/MFC/Qt 跨平台开发、企业级 .NET 桌面应用搭建。本文

weixin_34275734的博客 373

GPT-4参数量与激活率的技术真相:1.8万亿不是模型大小,2%不是固定开关

大语言模型的参数量是衡量其规模的基础概念,但常被误解为实际运行时的计算开销或存储体积;MoE(Mixture of Experts)架构则进一步引入‘激活率’这一动态指标,反映每步前向传播中实际参与计算的参数比例。其核心原理在于:参数总量决定模型容量上限与硬件寻址需求,而激活率由路由策略(如top-k采样)、负载均衡机制和输入特征共同决定,属于统计均值而非硬编码阈值。这一区分直接关系到推理显存预估、GPU选型、云服务计费及提示词工程优化。本文聚焦GPT-4广为流传的‘1.8万亿参数+2%激活率’说法,拆解其

weixin_33908217的博客 318

生成式AI如何重构全球业务服务(GBS)的语义自动化逻辑

生成式AI正推动企业服务从流程自动化迈向语义自动化——它不再依赖预设规则解析结构化数据,而是理解非结构化输入背后的业务意图,直接生成可执行指令。这一转变重塑了全球业务服务(GBS)的核心能力边界:岗位定义转向人机协同调度、交付模式从FTE计价升级为意图达成率考核、知识管理演进为企业语义知识图谱。尤其在应付账款处理、IT工单分诊、合同审查等高痛低险场景中,语义自动化显著提升意图识别准确率与结构化输出合规率,同时倒逼组织建立置信度阈值、幻觉防御网与语义溯源机制。本文聚焦GBS负责人真实落地挑战,提供可量化的参数

weixin_33795743的博客 343

腾讯C#十五年跨平台演进:从Windows孤岛到云原生主力

C#长期被误认为Windows专属语言,但其本质是基于CLI规范的通用编程平台。本文从.NET运行时原理出发,解析如何通过Mono定制、.NET Core重构与混合部署等工程手段,突破操作系统绑定限制,实现跨Linux(tlinux)、容器化及云原生环境的稳定落地。技术价值在于将语言能力解耦于平台约束,支撑高并发API网关、金融级清算系统与Unity手游热更新等多元场景。文中深度融合‘.NET Core跨平台’‘tlinux适配’两大热词,呈现国内头部企业真实的大规模遗留系统现代化路径。

didi9310的博客 355

Anthropic推理层归零:零拷贝与动态剪枝技术解析

大语言模型推理性能瓶颈已从算力转向数据搬运与控制开销,传统优化逼近物理极限。推理层压缩、零拷贝内存调度和动态计算图剪枝等技术正成为突破关键——它们通过消除GPU显存冗余拷贝、运行时裁剪未激活计算路径、智能聚焦长文本语义锚点,显著降低首token延迟与端到端耗时。这类底层重构不依赖硬件升级,却能将P95延迟压缩近50%,显存占用下降67%,使128K上下文处理在边缘设备落地成为可能。其技术价值已超越单纯加速,正在重塑MaaS成本模型、RAG架构设计及API调用范式,为实时交互、低延迟SaaS和私有化部署提供全

weixin_30905981的博客 317

详细解读文字识别工具———Tesseract-OCR

   在尝试破解12306验证码的时候,提前了解了一下应对各种验证码的解决方案,这里主要是学习到了面对文字图片验证码,例如亚马逊、豆瓣等平台的登录时会遇到的情况,效果还不错。 一、工具介绍 ​    Tesseract-OCR 是一款由HP实验室开发由Google维护的开源OCR(Optical Character Recognition...

别看我只是一只羊 2万+

csdn 专题专栏资源摘录

专栏名称 专栏分类 作者 支持率 1 经典算法研究 编程语言 v_JULY_v 2 程序员编程艺术 编程语言 v_JULY_v 3 一个程序员的奋斗史 综合 norains 4 微软面试100题系列 编程语言 v_JULY_v 5 微软每

小龙王2010 1468

量化金融笔记1-股票量化基础

股票量化基础 文章目录什么是股票股票的定义及其诞生所解决的问题股票的主体和流通股票的常规分类股票价格收益率什么是股票价格的收益率股票价格收益率计算在python中的实现两种收益率算法的特点及应用场合股票交易规则场内交易与场外交易A股、B股、H股国内多层次的资本市场股票交易指令和撮合机制股票交易时间股票交易成本股票复权股票数据介绍与提取行业分类和指数行情数据因子数据标的数据基本面数据 什么是股票 股票的定义及其诞生所解决的问题 股票的定义:股票是一种有价证券,是股份有限公司公开发行的用以证明投资者的股东身份

折桂狂人的博客 2397

这5组白月光少女三视图提示词直接用

今天分享5组治愈系白月光少女女主提示词,适合用于AI漫剧角色设计、角色库搭建和人物设定参考,所有提示词均是完整可复刻。

欢迎来到鸾姝淡月博客,专为程序员和编程爱好者打造的技术博客。我们分享编程语言趋势、开发工具、编程哲学、职业发展等,助你掌握新技术,优化技能,激发编程热情。 167
上一篇: 微软100题-天天做-第36题
下一篇: 微软100题-天天做-第38题
hxpjava1
博客等级 码龄19年 1365粉丝 511原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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

打赏作者

hxpjava1

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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