2026
188 篇文章
- 重抽用户和日期时,一条请求会被算几次?配对失败率差的鸽巢 Bootstrap
- 同一天的故障波及许多用户,失败率差的标准误怎么算?用户与日期双向聚类
- 删掉一位重度用户,版本结论就翻转?请求比率的用户影响诊断
- 两版失败率能分别算误差再相减吗?共享用户与分母的配对差推断
- 不重采样上万轮,怎样估计请求风险误差?用户残差与比率线性化
- 请求级风险怎样保留用户内相关性?整用户 Bootstrap 与每轮重算比率
- 同一用户发来一百次请求,算一百个样本吗?用户级新增失败与完整观察窗
- 每个切片都要一条可信上界,核验人数怎样分?零事件预算菜单与同时覆盖
- 所有切片都通过才发布,还要除以切片数吗?交并检验与整体错误放行
- 测试中零次新增失败就能发布吗?单侧二项上界与新增伤害预算
- 两版几乎总是同对同错,差距区间为何还很宽?不一致对的频率与方向分解
- 报警后挑中的切片到底差多少?用独立配对样本确认版本差距
- 审计换版本后还能用 5% 吗?用注册账本分配跨版本误报预算
- 近期失败增多,何时该报警?起点混合与全程误报控制
- 新证据来了,为何区间反而移动?历史置信交集与审计冲突状态
- 下一笔核验预算花在哪一路?补全分支、差距投影与保守选流
- 一个缺失标签卡住全队,怎样继续审计?未知结果补全界限与时间一致区间
- 标签回传有快有慢,哪些才能计入?预随机完整前缀与幂等审计账本
- 标签边补边看,何时可以停?六路审计证据的置信序列
- 六个区间怎样合成一份 95% 结论?联合置信盒与错分差距投影
- 两组错误率差多少会翻转结论?差异性错分的方向稳健性
- 两组共用同一套错误率,差距为何不能分别求界再相减?共享错分通道的联合界限
- 验证集各层都准,合并后为何会偏?分层错分校正与目标人群权重
- 错分率只知道范围,真实比例还能确定多少?部分识别与兼容性界限
- 校正比例算出来了,误差有多大?把验证集不确定性传播到 Rogan–Gladen 估计
- 参考标签会错,正类比例怎样校正?敏感度、特异度与 Rogan–Gladen 反演
- 两位复核员都同意,标签就可信吗?盲法双标、Cohen κ 与参考标准偏差
- 每层都留了核验名额,方差该怎样合并?分层杰克刀的层内删除与重新校准
- 删掉一人后为何必须重算权重?校准审计均值的杰克刀方差
- 地区与风险比例都要对齐,权重该怎样调?迭代比例调整的边际、关联与空单元格
- 审计权重设了上限,为何仍然无解?有界校准的可行性与约束求解
- 已知全队列分数,怎样改进随机复核?匹配辅助总量的校准加权
- 多查可疑标签,怎样仍代表全队列?分层金标准复核的差值权重
- 标签都查到了,结果仍有偏差?随机金标准复核与差值校正
- 加强核验预算该怎样分层?从条件方差到成本约束下的整数配额
- 核验未响应者该怎样再抽样?随机加强追访与两阶段设计权重
- 随机抽中却查不到结果,怎样校正审计均值?核验未响应与响应概率加权
- 只能补一部分标签,怎样估计全队列结果?随机核验抽样与设计权重
- 结果标签不全,还能判断谁受损吗?服务差距的最坏情形界限
- 两组都转交一半,为何服务仍有差距?多专家分配的分层审计
- 同样送人工,为何选错复核员仍会变差?带专家容量的联合分配
- 历史上只复核难例,怎样学出复核增益?随机路径探索与折外学习
- 复核时间只够一部分人,应该转交谁?增量价值与分钟预算
- 拒绝自动决策之后,系统真的更好吗?三条执行路径的结果与容量审计
- 效应估计不确定时,个体化策略何时该干预?用拒绝决策与基线回退守住边界
- 决策账本怎样变成可信的离线回放数据集?按决策键确定性拼表
- 用户为何收到这次干预?用决策级事件账本重放每一次策略动作
- 同一策略换一批样本就变样,规则到底稳不稳?Bootstrap 一致性与 Regret 诊断
- 离线评估过关后,怎样从历史日志学出一条可解释的干预规则?双重稳健策略学习
- 策略上线后人群和资源都在变,怎样监控而不误判?分布、结果与容量三道门
- 标签逐步到齐时,评估值该怎样更新?延迟标签的成熟窗口与版本快照
- 同一份离线评估为何会变结果?冻结策略评估快照与运行身份
- 离线策略搬到新用户群会变好吗?双重稳健的目标人群价值评估
- 试验有效,换一批用户还有效吗?因果效应的目标人群运输
- 名额有限时,怎样把群体覆盖约束写进处理策略?
- 预算只够帮助一部分人,怎样把 CATE 变成资源分配规则?
- CATE 排序更高就值得干预吗?用双重稳健离线评估个体化策略
- 平均效果掩盖了哪些人群受益?诚实因果森林如何估计条件处理效应
- 倾向分数和结果模型都不完美,AIPW 怎样校正平均处理效应?
- 没有随机分流,怎样让两组可比?倾向得分与逆概率加权
- 门槛附近分数突然堆积,断点设计还能信吗?密度检验与操纵诊断
- 带宽越大样本越多,断点区间为何反而会失真?偏差校正与稳健推断
- 阈值附近的 8 名学生能当作一次小型随机试验吗?局部随机化推断
- 资格只改变了部分人的治疗概率,模糊断点怎样估计局部效果?
- 阈值附近的人几乎可比:回归断点设计怎样估计局部因果效应?
- 鼓励会改变治疗选择,却不直接改变结果:工具变量的 Wald 比率与 LATE
- 风险比看起来很大就稳健吗?E-value 怎样量化未测混杂强度
- 安慰剂结果也显著,主结论该信多少?负向对照怎样发现隐藏偏差
- 看完实验数据再选指标,结论还可信吗?预分析计划怎样冻结估计目标与分析分支
- 平行趋势可能怎样弯?HonestDiD 的幅度、平滑度与方向约束
- 平行趋势略有偏离,DiD 结论还能站得住吗?敏感性界限与 HonestDiD
- 城市分批上线,传统双向固定效应为何会算出负效果?组别—时间 DiD
- 对照城市的冲击不同步,怎样重建处理组反事实?交互固定效应
- 供体城市和处理前周次都不理想,怎样同时加权?合成双重差分
- 只有一座城市上线,怎样从多个对照城市拼出反事实?合成控制法
- 模型只在一座城市上线,怎样估计它带来的变化?双重差分与平行趋势
- 整个平台无法分组时,怎样做 Switchback 时间切换实验?
- 怎样区分自己的处理与邻居溢出?两阶段饱和度随机化
- 实验网络怎样分簇,才能少切断真实传播?图划分与边界泄漏
- 处理会沿用户关系传播,怎样定义实验暴露?干扰下的 Exposure Mapping
- 门店大小差很多,实验到底在平均谁?簇大小不等与加权估计目标
- 门店只有 12 家,怎样先配成 6 对再随机?配对簇实验的效应估计
- 只有 8 家门店,怎样判断实验结果可信?簇随机试验的小样本推断
- 同一门店的用户互相影响,怎样做簇随机化?ICC 与设计效应
- 实验中途能不能停?用预先分配的显著性预算设计序贯检验
- 实验开跑前要招多少用户?用 MDE、统计功效与 CUPED 规划样本量
- 几十个指标总有一个显著,怎样控制实验误报?Holm 多重检验
- 总体提升,为何新用户却受损?预注册分层与实验异质性效应
- 实验指标波动太大怎么办?用 CUPED 校正处理前协变量
- 实验分流看似随机,为什么进组人数会失衡?用 SRM 定位故障
- A/B 实验为何会被“串组”污染?确定性分桶与用户粘性
- 灰度流量到齐后,为何还不能扩量?延迟标签与序贯决策
- 模型文件没变,为何线上结果变了?部署清单如何绑定全部版本
- 告警后先查哪里?分辨输入漂移、标签断流与模型失效
- 新模型总体更好,为何仍不能上线?Champion–Challenger 发布门
- 真实标签两周后才到,模型质量怎样监控而不自欺?
- 历史数据改正后,特征该怎样回填才不污染训练集?
- 模型没有报错却在变差:如何用监控基线、分片和阈值找到第一处异常
- 离线 AUC 很高,线上为何复现不了?用特征回放验证训练—服务一致性
- 特征何时才算可用?Event Time、PIT Join 与新鲜度边界
- 模型为何在上线后悄悄变差?用数据契约拦住特征模式漂移
- 线上模型究竟来自哪份数据?ML Lineage 的不可变身份、血缘 DAG 与可复现回滚
- 事故已经恢复,怎样避免下次再来?无责复盘的因果时间线、屏障分析与行动项
- 模型告警后先查根因还是先回滚?ML Incident Response 的分级、止血与证据保全
- 线上回答没有报错,为何质量仍在下滑?LLM Drift Monitoring 的切片、参考窗口与 CUSUM
- 一次回答慢了 2 秒,时间究竟丢在哪?LLM Request Tracing 的 Span、关键路径与采样
- 不让用户看见新版回答,怎样用真实流量先验收?LLM Shadow Evaluation 的镜像、配对与副作用隔离
- 只给新版 5% 流量,多久才敢继续扩量?LLM Canary Analysis 的样本量、序贯门槛与护栏
- 新版副本已 Ready,为何发布仍会截断回答?LLM Rolling Update 的预热、排水与回滚门槛
- 新 GPU 为何迟迟不 Ready?拆解权重加载、预热与冷启动
- 多个模型争抢 GPU,怎样做 SLO 容量规划与故障冗余?
- 所有请求都接收为何会让所有人超时?LLM Admission Control 的期限、Token 预算与过载保护
- GPU 利用率不高为何仍要扩容?推理 Autoscaling 的队列信号、冷启动与 SLO Goodput
- 命中缓存却排队更久怎么办?Load-aware Routing 的亲和—负载权衡
- 同一段前缀该送到哪张卡?KV Cache-aware Routing 的命中定位与副本亲和
- EOS 还没出现,怎样估计剩余生成量?输出长度的分位数预测与不确定性保护
- 队列里谁该先生成?SLO-aware Scheduling 的剩余余量、抢占与公平性
- 吞吐更高为何用户却更慢?用 SLO Goodput 为 Prefill/Decode 池配比
- 预填充为何会拖慢正在生成的请求?Disaggregated Prefill/Decode 的 KV 传输与资源隔离
- 相同长文档为何每次都要重算?Automatic Prefix Caching 的块哈希与安全隔离
- 生成 4 个 Token 为何不一定要跑 4 次大模型?Speculative Decoding 的提议、验证与接受
- 一个长 Prompt 为何让所有流式输出停顿?Chunked Prefill 的 Token 预算
- 请求不断到达时为何还要等整批结束?Continuous Batching 的逐轮调度
- KV Cache 还有空间为何新请求却进不来?PagedAttention 的块表与碎片控制
- 注意力公式没变,为何还能快几倍?FlashAttention 的分块、在线 Softmax 与 IO
- 模型按层切开后 GPU 为何仍在等待?GPipe、1F1B 与 Micro-batch 调度
- 一层 MLP 太宽而放不下时怎样切?列并行、行并行与块尾归约
- 每张卡为何还要保留完整模型?FSDP2 的参数全聚合、梯度归约分片与显存峰值
- 模型放不下一张卡时究竟该切什么?数据并行、张量并行与流水线并行的边界
- 大 Batch 放不进显存怎么办?梯度累积的精确归一化与 DDP no_sync
- 激活占满显存时该丢掉什么?Activation Checkpointing 的重算、边界与随机数状态
- 半精度为何会让梯度变成 0 或 NaN?Autocast、FP16/BF16 与 GradScaler
- 训练步数相同为何学习进度不同?Token 学习率时钟、Warmup 与 Cosine Decay
- 同一批短句为何被最长句拖慢?动态 Padding、长度分桶与 Token-based Batching
- 短文拼进同一窗口会互相偷看吗?Sequence Packing 的边界掩码
- 网页占九成就该训练九成吗?数据混合权重、温度采样与 Token 预算
- 十亿段语料怎样避免反复背诵?精确去重、MinHash 与评测污染
- 整数编号怎样变成可学习语义?Token Embedding、梯度累加与权重绑定
- 词表装不下所有单词怎么办?BPE 的高频合并、字节回退与长度代价
- 一句文本怎样变成训练信号?因果语言模型的标签右移与 Next-Token Loss
- 标签就是原文,模型为何不能偷看答案?Next-token loss、Teacher Forcing 与困惑度
- 长序列为何不必让每个 token 看见全部历史?滑动窗口、块稀疏与全局 token
- 模型能接收 32K 就真的会用 32K 吗?RoPE 位置插值、频率缩放与长上下文验证
- 词相同但顺序不同,注意力怎样辨别位置?从正弦编码到 RoPE
- 每生成一个词为何又重算全文?KV Cache 的增量解码
- 目标序列为何既要看过去又要看源文?Transformer Decoder 的三条信息流
- 注意力之后为何还要逐位置变换?Transformer Block 的 FFN、残差与 Pre-LN
- 所有词怎样一次看见彼此?Transformer 的缩放点积自注意力与掩码
- 整句话为何不能只压成一个向量?Encoder–Decoder 的加性注意力与对齐
- 旧信息何时该忘、何时该写入?LSTM 的门控与加法记忆路径
- 固定窗口为何记不住更早的信息?RNN 的隐状态、时间展开与梯度链
- 同一个目标该交给哪层负责?FPN 的尺度分配与跨层去重
- 小物体为何在深层特征里消失?FPN 的自顶向下路径与横向连接
- 特征图减半为何会凭空改变图案?池化、步幅卷积与抗混叠下采样
- 一张图像为何不该先拉平?卷积的局部连接、权重共享与感受野
- 网络加深后训练误差为何反而升高?残差连接的恒等捷径与梯度分流
- 同一个张量究竟该沿哪条轴标准化?BatchNorm 与 LayerNorm 的训练/推理差异
- 梯度方向反复横跳怎么办?Momentum 与 Adam 如何重塑更新步长
- 网络加深后信号为何消失?Xavier 与 He 初始化如何守住方差
- 一个标量误差怎样找到所有参数?计算图、链式法则与反向传播
- 叠得更深为何仍只是一条直线?激活函数如何让神经网络表达 XOR
- 局部邻域怎样拼成可外推的图?UMAP 的模糊边权与交叉熵
- 高维邻居挤进二维后为何成团?t-SNE 的困惑度与重尾相似度
- 只保留邻域配方,弯曲流形怎样展开?LLE 的重构权重与谱嵌入
- 卷起来的二维面怎样被摊平?Isomap 的测地距离与经典 MDS
- 两条弯曲带在原空间难分,谱聚类怎样用图拉普拉斯把它们展开?
- 不预先选定粒度,样本怎样长成一棵簇树?层次聚类的 linkage 与树状图
- 弯曲簇与噪声点怎样同时识别?DBSCAN 的密度连通
- 一个样本能同时像两个簇吗?高斯混合模型与 EM 软聚类
- 高维数据怎样压成几个方向?PCA 的最大方差、重构误差与 SVD
- 没有标签怎样自动分组?K 均值的分配—更新循环与失败几何
- 两团高斯数据为何产生直线边界?从共享协方差到 LDA
- 只统计词频,朴素贝叶斯怎样判断垃圾邮件?从先验到对数似然
- 不显式增加维度,SVM 怎样画出弯曲边界?从核技巧到 RBF
- 能分开数据的直线有很多,SVM 为什么选择最大间隔?
- XGBoost 为何要看二阶梯度?从叶权重到正则化分裂增益
- 后一棵树怎样修正前一棵?从残差到梯度提升树
- 多棵不稳定的树为何能更可靠?随机森林的 Bagging、特征子采样与 OOB 估计
- 决策树怎样选出第一条规则?从基尼不纯度到剪枝
- 不训练参数也能分类吗?K 近邻的距离投票与维度灾难
- 一条直线怎样输出分类概率?从对数几率到逻辑回归决策边界
- 权重为何会越学越小?从过拟合到 L2 正则化与岭回归
- 训练误差很低为何仍失效?用学习曲线诊断欠拟合与过拟合
- 一批样本如何完成一次参数更新?从全批量到小批量 SGD
- 为什么分类器不直接优化准确率?从 0-1 损失到二元交叉熵
- 为什么不能用测试集调模型?一次看懂训练、验证与数据泄漏
- 机器学习究竟在学什么?从样本、假设到经验风险最小化
- 从零理解等变网络与不变网络