<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[莫道桑榆晚，为霞尚满天]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/qq_50684356</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_50684356]]></copyright><item><title><![CDATA[AI 排障助手接管告警后，人还接得住吗：用「断助手」降级演练测量人工接管能力，以接管 MTTR 与根因首因命中率决定演练配额]]></title><link>https://blog.youkuaiyun.com/qq_50684356/article/details/170188510</link><guid>https://blog.youkuaiyun.com/qq_50684356/article/details/170188510</guid><author>qq_50684356</author><pubDate>Sat, 07 Nov 2026 15:28:48 +0800</pubDate><description><![CDATA[如果只能做一个动作：把助手的假设层从 Sev1/Sev2 界面里改成「展开可见」，预选改成不预选。这不需要任何演练基建，当天就能改，代价是正常 MTTR 会上升一点。如果只能测一个指标：跳步率。它最便宜——不需要精确的时钟，只需要证据台账；而且它的恶化通常早于 MTTR，是一个先行信号。如果能做完整套：先跑三次基线演练拿到k=3，再进配额计算。少于三次的漂移估计不可用，代码里那行raise不是防御性编程，是这套方法论的真实前提——两次演练之间的差异，大部分时候是噪声。]]></description><category></category></item><item><title><![CDATA[框架的 AI 成本不能只看包体积：用同一需求跑编码 Agent，按上下文 Token、补丁成功率与 review 工时定档]]></title><link>https://blog.youkuaiyun.com/qq_50684356/article/details/170188583</link><guid>https://blog.youkuaiyun.com/qq_50684356/article/details/170188583</guid><author>qq_50684356</author><pubDate>Sat, 07 Nov 2026 15:28:36 +0800</pubDate><description><![CDATA[包体积回答的是浏览器要下载多少字节，编码 Agent 的成本回答的是「关键决定写在几个文件里」。这两个问题共用一个词，但没有共用的度量。可操作的部分是这些：固定模型快照、工具集、系统提示词、测试命令和初始 commit；规格只写行为不写路径；记录五个量并把上下文 Token 拆成桶；用「每合入一个补丁的等效 Token 成本」和「每合入一个补丁的评审分钟」两个指标分开排序，不合成总分；零合入返回inf而不是 0；逐任务算比值取中位数定档，阈值由迁移成本反推。]]></description><category></category></item><item><title><![CDATA[无限 token 也绕不过 review 带宽：遗留模块批量重写的分片、差分测试与按批回滚闸门]]></title><link>https://blog.youkuaiyun.com/qq_50684356/article/details/170186726</link><guid>https://blog.youkuaiyun.com/qq_50684356/article/details/170186726</guid><author>qq_50684356</author><pubDate>Fri, 06 Nov 2026 09:51:51 +0800</pubDate><description><![CDATA[无限 token 改变的是生产队列的吞吐，它不改变审查队列的吞吐，而系统吞吐由两者中较小的那个决定。所以流水线的设计中心不是 agent，是 reviewer 的队列长度：在审批次数到了N × k就停派，批次大小按审查时长反推而不是按代码行数。每批配两层验收。第一层是 golden master 差分，它证明新旧实现在给定输入集合上不可区分；第二层是预期差异白名单，它把“哪些行为允许改变”变成事前签字。两层缺一不可——只有差分，你没法修 bug；只有白名单，你不知道改动波及了什么。门禁要分两级。]]></description><category></category></item><item><title><![CDATA[重建索引的那两个小时线上不能停：双写窗口、别名原子切换与新旧索引答案一致性抽样]]></title><link>https://blog.youkuaiyun.com/qq_50684356/article/details/170186678</link><guid>https://blog.youkuaiyun.com/qq_50684356/article/details/170186678</guid><author>qq_50684356</author><pubDate>Fri, 06 Nov 2026 09:50:24 +0800</pubDate><description><![CDATA[对账差值为空，且连续若干分钟没有新的差异产生——说明双写和对账把增量对齐了；固定问题集的 Wilson 上界低于阈值，且单向丢失条数为零——说明新索引的检索行为可接受；双写仍在运行，旧索引完整——说明回滚窗口还开着。三个条件里，第三条最容易被提前放弃。它不产生任何指标，看起来只是“多跑一倍的写入”，但它是唯一能在切换出问题时把损失控制在秒级的机制。观察期结束之前，旧索引的价值不是“备份”，是“退路”。]]></description><category></category></item><item><title><![CDATA[示例库越加越多效果反而变差：动态 few-shot 的选择、去重与污染清洗，用任务成功率与选择一致率验收]]></title><link>https://blog.youkuaiyun.com/qq_50684356/article/details/170122520</link><guid>https://blog.youkuaiyun.com/qq_50684356/article/details/170122520</guid><author>qq_50684356</author><pubDate>Thu, 05 Nov 2026 09:02:20 +0800</pubDate><description><![CDATA[把「加了示例效果变差」当成一个笼统的现象，就永远调不动。它至少是三条互相独立的链路，每条有自己的度量。通道一：冗余。库容量增长快于语义覆盖增长。同一条业务规则被不同人写成五个版本，检索器无法区分，Top-K 全部落在这一簇里。后果不是「少了信息」，而是多样性被挤掉：K 个位置本该覆盖 K 种不同情况，实际只覆盖 1 种。通道二：抖动。动态选择的输入是当前 query 的向量，输出是示例 ID 列表。这个映射不稳定时，同一条 query 在不同时刻可能拿到不同示例集；]]></description><category></category></item><item><title><![CDATA[刚上传的文档第一问检索不到：用写入水位、请求级直查与状态回执补齐 RAG 的读己之写，以首问命中率和可见延迟 P95 验收]]></title><link>https://blog.youkuaiyun.com/qq_50684356/article/details/170122460</link><guid>https://blog.youkuaiyun.com/qq_50684356/article/details/170122460</guid><author>qq_50684356</author><pubDate>Thu, 05 Nov 2026 09:01:48 +0800</pubDate><description><![CDATA[回到开头那个工单。运营的问题不是知识库坏了，是系统没有告诉她「你刚传的文档还在处理」，也没有在处理的这 41 秒里做任何补救。三个部件各管一段：写入水位把「索引做到了哪」从隐性假设变成一个可查询的量，请求级直查在未可见的那一小部分文档上提供一条不依赖索引的临时路径，状态回执把前两者的判断结果翻译成调用方能理解的信息。三者缺一不可——只有水位没有旁路，用户还是检不到；只有旁路没有水位，旁路会一直开着，成本和延迟都失控；两者都有但没有回执，用户仍然不知道发生了什么。]]></description><category></category></item><item><title><![CDATA[人工标注不一致不是噪声：双标、仲裁与分歧聚类怎么把评测集做稳，用 κ 一致性、争议样本复用率和门禁波动验收]]></title><link>https://blog.youkuaiyun.com/qq_50684356/article/details/170018740</link><guid>https://blog.youkuaiyun.com/qq_50684356/article/details/170018740</guid><author>qq_50684356</author><pubDate>Wed, 04 Nov 2026 08:41:37 +0800</pubDate><description><![CDATA[分歧不是要被清理的脏数据，它是三种不同信号的混合体：随机错误要返工，定义差异要改指南，不可约模糊要保留并标记。把三类混在一起删掉，得到的是一个高分、干净、和生产无关的评测集。工程上有四个决定值得记住。一致性报告必须同时给Poκ和边际校正版本，只报 κ 会在稀有类上系统性误导。门禁建在 bootstrap 置信下界而不是点估计，否则门禁在批次大小变化时自己就会抖。争议样本要按比例回流并同时看复用率和复发率，只换新样本的评测集无法观测指南补丁的效果。]]></description><category></category></item><item><title><![CDATA[中文提问检索英文手册：语言识别、查询翻译与双语索引怎么选，用跨语言召回率和答案语言错配率验收]]></title><link>https://blog.youkuaiyun.com/qq_50684356/article/details/170018329</link><guid>https://blog.youkuaiyun.com/qq_50684356/article/details/170018329</guid><author>qq_50684356</author><pubDate>Wed, 04 Nov 2026 08:41:03 +0800</pubDate><description><![CDATA[跨语言检索的核心不是选一条路线，而是把两件事分开管：证据的跨语言召回，和答案的语言对齐。它们可以独立失败，也必须分开验收。先统计数据，再设计路由。查询语言和文档语言是两个独立的分布，决策发生在它们的笛卡尔积上。矩阵里没有量的格子不值得为它建索引，矩阵里没有目标语言文档的格子是知识覆盖问题，翻译解决不了。三条路线的差别在于失真发生在哪里：多语言向量把失真留在模型对齐里，查询翻译把失真放在检索之前，双语并列索引把失真挪到离线阶段，并让它变成可校对、可抽检的产物。术语密度高、文档更新慢，往离线挪；]]></description><category></category></item><item><title><![CDATA[检索慢在召回还是重排：把请求剩余 deadline 逐段下传，按降级档位测 P99 与答案可用率]]></title><link>https://blog.youkuaiyun.com/qq_50684356/article/details/169917970</link><guid>https://blog.youkuaiyun.com/qq_50684356/article/details/169917970</guid><author>qq_50684356</author><pubDate>Tue, 03 Nov 2026 08:50:21 +0800</pubDate><description><![CDATA[回到标题那个问题。"检索慢在召回还是重排"在尾部分布上没有稳定答案，因为瓶颈随并发度移动。能稳定回答的是另一个问题：哪一段吃掉了后面所有段的预算——而这个问题的答案要靠和段耗时的比值，不是靠一次 profile。四段共享一份 deadline，比四段各有超时重要得多。前者的失效模式是"降级按计划发生"，后者的失效模式是"超时在最外层落下，归因丢失，重试放大负载"。降级顺序不是教条。先跳重排，是因为它的延迟形状是整批同步、没有中间状态可退，而且它是最容易变成僵尸计算的一段；]]></description><category></category></item><item><title><![CDATA[关键证据被埋在中段就答错：上下文装配的顺序策略、分段锚点与位置敏感度验收]]></title><link>https://blog.youkuaiyun.com/qq_50684356/article/details/169917882</link><guid>https://blog.youkuaiyun.com/qq_50684356/article/details/169917882</guid><author>qq_50684356</author><pubDate>Tue, 03 Nov 2026 08:49:49 +0800</pubDate><description><![CDATA[位置敏感度不是"模型不够强"，而是一个可以被输入结构影响的倾向。既然可影响，就可以工程化：把装配从 Prompt 模板里拆出来，做成一个有明确不变量、有降级路径、有验收指标的独立一层。三个动作的优先级：分段锚点和结论前置几乎零成本，先做；首尾交替分配在"单条关键证据"场景收益最大，其次；分级降级和句柄回读是预算紧张时的必需品，但它改变的是成本结构，不是准确率。验收比实现更重要。没有排列扰动的验收，你无法区分"策略生效了"和"这批数据恰好不难"。]]></description><category></category></item><item><title><![CDATA[“除了 A 其他都要”这种查询怎么检索：把否定与排除条件解析成结构化过滤，再用误包含率与漏召率验收]]></title><link>https://blog.youkuaiyun.com/qq_50684356/article/details/169917777</link><guid>https://blog.youkuaiyun.com/qq_50684356/article/details/169917777</guid><author>qq_50684356</author><pubDate>Tue, 03 Nov 2026 08:49:15 +0800</pubDate><description><![CDATA[否定查询的失败不是因为模型不够聪明，是因为它被交给了错误的组件。相似度函数优化的是话题接近度，否定翻转的是命题真值，两者正交。把“除了 A”翻译成“和 A 更接近”，方向从一开始就反了。可执行的路径是把排除条件外化成约束，按可执行性分成两档：能映射到白名单 metadata 字段的，下推成 pre-filter；映射不上的、置信度不够的、明确声明为语义条件的，降级成 post-filter 逐条判定。降级是默认动作，丢弃不是——丢弃一条排除条件等于保证它失效，而且不留任何信号。验收必须同时看两个比率。]]></description><category></category></item><item><title><![CDATA[回答总在关键处被截断：把 max_tokens 预算、停止序列与续写恢复分开做，用截断率和补全后可用率验收]]></title><link>https://blog.youkuaiyun.com/qq_50684356/article/details/169818184</link><guid>https://blog.youkuaiyun.com/qq_50684356/article/details/169818184</guid><author>qq_50684356</author><pubDate>Mon, 02 Nov 2026 09:01:00 +0800</pubDate><description><![CDATA[它出现在。]]></description><category></category></item><item><title><![CDATA[服务刚上线那两分钟最慢：模型权重加载、向量索引映射与连接池的预热顺序，用冷启动窗口 P95 与就绪误判率验收]]></title><link>https://blog.youkuaiyun.com/qq_50684356/article/details/169817980</link><guid>https://blog.youkuaiyun.com/qq_50684356/article/details/169817980</guid><author>qq_50684356</author><pubDate>Mon, 02 Nov 2026 08:59:57 +0800</pubDate><description><![CDATA[回到开头那条误判链。它的根因不是探针写错了，而是探针被要求回答一个它回答不了的问题。可操作的结论有四条。把启动阶段先分类再排序，分类依据是资源读写关系而不是直觉，排序依据是本机实测耗时而不是文档。伪并行比伪串行更贵，因为它多付了上下文切换还拖慢了关键路径。预热流量必须走与真实请求相同的中间件链，覆盖 shape 分布的两端，并且在接近稳态显存占用的条件下执行；验证焐热程度用 Rss、显存池、连接池、autotune cache 这些可观测证据，不用请求计数。]]></description><category></category></item><item><title><![CDATA[同一个请求在德州排碳是瑞典的 8.5 倍：把电网碳强度接进路由与批处理调度，用 gCO2e/请求与 P95 延迟的帕累托验收]]></title><link>https://blog.youkuaiyun.com/qq_50684356/article/details/169532779</link><guid>https://blog.youkuaiyun.com/qq_50684356/article/details/169532779</guid><author>qq_50684356</author><pubDate>Sun, 01 Nov 2026 10:25:10 +0800</pubDate><description><![CDATA[做碳感知调度，先做漂移门禁，再做可等待任务时移，最后做实时请求区域偏好。顺序不能反，因为漂移是碳路由引入的新风险，必须先把新风险控制住，再追求碳收益。反过来做，碳账好看了，质量掉了，团队会在两周内失去对碳路由的信任。可等待任务时移的收益最确定，因为它不影响用户感知的延迟；实时区域偏好的收益受 RTT 和合规约束，能做的空间小；漂移门禁是两者的前置条件，不做门禁就没有资格做切流。验收用帕累托前沿，不用加权和。前沿上的每个点都是一个可选策略，选哪个取决于业务约束。]]></description><category></category></item><item><title><![CDATA[当所有模型对同一件事说法一致：先测跨模型分歧矩阵，再决定多模型投票和 LLM 陪审团值不值]]></title><link>https://blog.youkuaiyun.com/qq_50684356/article/details/169532885</link><guid>https://blog.youkuaiyun.com/qq_50684356/article/details/169532885</guid><author>qq_50684356</author><pubDate>Sun, 01 Nov 2026 10:25:06 +0800</pubDate><description><![CDATA[多模型投票和 LLM 陪审团不是坏技术，它们是被默认假设拖着走的技术。默认假设是「不同模型的错误独立」，而这个假设在公共语料、相似偏好数据、同一批榜单驱动的选型环境下，越来越难成立。判据可以压缩成三句话：先算两两分歧率和独立基线的比值 h。h 低于 0.5，等权投票基本等于重复多数派的选择，不值得付钱。再把 maj 的错误拆成「全错」和「多数错 ∧ 少数对」。全错率高，钱该投给检索和工具；第二项高但缺在线验证器，钱该投给验证器，而不是加模型。]]></description><category></category></item><item><title><![CDATA[CT 筛查检出 42.9% 之后：把阈值从 AUC 挪到复核产能上，用每千次扫描的复核队列长度与阳性捕获率定 operating point]]></title><link>https://blog.youkuaiyun.com/qq_50684356/article/details/169532979</link><guid>https://blog.youkuaiyun.com/qq_50684356/article/details/169532979</guid><author>qq_50684356</author><pubDate>Sat, 31 Oct 2026 17:29:31 +0800</pubDate><description><![CDATA[AUC 是把所有可能的阈值遍历一遍、对真阳性率和假阳性率做积分得到的单个标量。它的语义是"随机取一个阳性和一个阴性，模型给阳性打更高分的概率"。这个定义里根本没有"阈值"这个变量——它是排序质量，不是工作点质量。后果很直接：两个模型 AUC 都是 0.91，一个在假阳性率 2% 处敏感度 0.80，另一个在同一点只有 0.62。前者可以支撑一个每天复核 30 例的分诊台，后者不行。AUC 相等，部署价值差一倍以上。]]></description><category></category></item><item><title><![CDATA[4.5 万封邮件写成一本每条都有出处的 wiki：抽取式写作、引用回链与冲突事实合并，用可回链率和未标注冲突率验收]]></title><link>https://blog.youkuaiyun.com/qq_50684356/article/details/169533064</link><guid>https://blog.youkuaiyun.com/qq_50684356/article/details/169533064</guid><author>qq_50684356</author><pubDate>Sat, 31 Oct 2026 17:29:25 +0800</pubDate><description><![CDATA[这套系统做的事情可以压缩成三句话。写作方式从生成换成抽取，代价是覆盖率和可读性，收益是每条断言都能用一个的字符串比较验证，不需要模型参与验证。这个交换是否值得，取决于读者是想要一段好读的总结，还是想要一条能拿去对质的证据。后者的话，没有第二条路。回链的正确性建立在「正文规范化只做一次、之后不再改动」这条不变量上。MIME 解码、换行统一、NFC 归一化，每一步漏掉或者重复做一次，偏移都会漂，而且漂移量随位置增长，测试集里看不出来。引用掩码必须保守，因为把正文误判成引用的代价远小于反过来。]]></description><category></category></item><item><title><![CDATA[离线批处理和在线请求抢同一张卡：优先级队列、抢占点与批窗口，用在线 P95 与批吞吐的帕累托曲线验收]]></title><link>https://blog.youkuaiyun.com/qq_50684356/article/details/169532618</link><guid>https://blog.youkuaiyun.com/qq_50684356/article/details/169532618</guid><author>qq_50684356</author><pubDate>Fri, 30 Oct 2026 08:56:32 +0800</pubDate><description><![CDATA[离线批处理和在线请求共享一张卡，干扰的根源不是"并发太多"，是"每步被塞进去的预填充 token 太多"。限制并发数踩不到这个点，限制每步的 token 预算才踩得到。dp95是在线 P95 相对基线的增量，tloss是批样本完成数相对基线的损失。窗口策略和优先级队列都在这条前沿上，独立副本也在，区别在于后者的隔离是结构性的，不依赖调度器。如果要做共享，优先级的三个不变量必须守住：抢占点只落在步边界、在线请求进入解码后不可驱逐、驱逐代价按已投入 token 数计算。]]></description><category></category></item><item><title><![CDATA[工具报错信息其实是写给模型看的：错误分类、可重试标记与自愈提示，用自愈成功率和无效重试次数验收]]></title><link>https://blog.youkuaiyun.com/qq_50684356/article/details/169532509</link><guid>https://blog.youkuaiyun.com/qq_50684356/article/details/169532509</guid><author>qq_50684356</author><pubDate>Fri, 30 Oct 2026 08:55:49 +0800</pubDate><description><![CDATA[工具错误体的设计分歧不在"写不写清楚"，在"承认不承认它有两个消费者"。code进指标，class决定分支，retryable和idempotent归执行器且必须分开，hint和归模型，归运维。分类的判据是"谁有能力让下一次调用成功"，不是异常类名也不是 HTTP 状态码。四类各自绑定一个不同的下一步动作，合并或拆分都以此为准。分类不确定时默认不可重试，因为错标的代价不对称。验收必须用联合指标：无效率重试下降了但自愈率没降，才算契约真的变好；只有自愈率涨而无效重试也涨，那是模型在暴力搜索。]]></description><category></category></item><item><title><![CDATA[上线后人工抽检抽多少条才够：分层抽样、置信区间与停止规则，用区间宽度和漏检代价反推样本量]]></title><link>https://blog.youkuaiyun.com/qq_50684356/article/details/169430478</link><guid>https://blog.youkuaiyun.com/qq_50684356/article/details/169430478</guid><author>qq_50684356</author><pubDate>Thu, 29 Oct 2026 08:45:00 +0800</pubDate><description><![CDATA[回到开头那份报告。正确的写法不是"抽了 200 条未发现错误，建议放行"，而是"一般层抽 200 条零缺陷，单侧 95% 上界 1.49%，高于该层 1% 容差，未达到认证条件；高风险层预算不足，标记为未认证"。两句话的差别不在措辞，在于第二句可以被反驳，因此也可以被改进。三个可以直接拿去用的判断：容差决定的是下界，不是答案。零缺陷公式给出的是"只有完美产品才能通过"的门槛，它的检出率通常只有 20% 上下。如果抽检的目的是发现问题而不是开证明，样本量要按检出率算，量级是它的 5 到 7 倍。]]></description><category></category></item></channel></rss>