<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>模型调试 on 办公AI智能小助手</title>
    <link>https://blog.qife122.com/tags/%E6%A8%A1%E5%9E%8B%E8%B0%83%E8%AF%95/</link>
    <description>Recent content in 模型调试 on 办公AI智能小助手</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <copyright>qife</copyright>
    <lastBuildDate>Fri, 03 Oct 2025 03:30:35 +0800</lastBuildDate>
    <atom:link href="https://blog.qife122.com/tags/%E6%A8%A1%E5%9E%8B%E8%B0%83%E8%AF%95/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>机器学习调试工具核心技术解析</title>
      <link>https://blog.qife122.com/p/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E8%B0%83%E8%AF%95%E5%B7%A5%E5%85%B7%E6%A0%B8%E5%BF%83%E6%8A%80%E6%9C%AF%E8%A7%A3%E6%9E%90/</link>
      <pubDate>Fri, 03 Oct 2025 03:30:35 +0800</pubDate>
      <guid>https://blog.qife122.com/p/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E8%B0%83%E8%AF%95%E5%B7%A5%E5%85%B7%E6%A0%B8%E5%BF%83%E6%8A%80%E6%9C%AF%E8%A7%A3%E6%9E%90/</guid>
      <description>&lt;h1 id=&#34;机器学习调试工具的核心技术&#34;&gt;机器学习调试工具的核心技术&lt;/h1&gt;&#xA;&lt;p&gt;机器学习训练任务可能在看似正常运行的同时，实际上正遭受过拟合、模型参数爆炸和梯度消失等问题，这些问题会严重影响模型性能。传统上，发现这类问题需要机器学习专家的持续关注。&lt;/p&gt;</description>
    </item>
    <item>
      <title>机器学习模型调试新方法：Defuse技术解析</title>
      <link>https://blog.qife122.com/p/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E6%A8%A1%E5%9E%8B%E8%B0%83%E8%AF%95%E6%96%B0%E6%96%B9%E6%B3%95defuse%E6%8A%80%E6%9C%AF%E8%A7%A3%E6%9E%90/</link>
      <pubDate>Wed, 24 Sep 2025 19:21:46 +0800</pubDate>
      <guid>https://blog.qife122.com/p/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E6%A8%A1%E5%9E%8B%E8%B0%83%E8%AF%95%E6%96%B0%E6%96%B9%E6%B3%95defuse%E6%8A%80%E6%9C%AF%E8%A7%A3%E6%9E%90/</guid>
      <description>&lt;h1 id=&#34;机器学习模型调试新方法defuse技术解析&#34;&gt;机器学习模型调试新方法：Defuse技术解析&lt;/h1&gt;&#xA;&lt;h2 id=&#34;背景介绍&#34;&gt;背景介绍&lt;/h2&gt;&#xA;&lt;p&gt;机器学习模型通常在训练集的保留数据上进行测试，但当真实世界的数据分布与测试集不同时，这些测试可能高估模型性能。模型仍可能以意外方式失败，例如系统性地处理某些输入时出现错误。&lt;/p&gt;</description>
    </item>
    <item>
      <title>机器学习模型调试新方法解析</title>
      <link>https://blog.qife122.com/p/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E6%A8%A1%E5%9E%8B%E8%B0%83%E8%AF%95%E6%96%B0%E6%96%B9%E6%B3%95%E8%A7%A3%E6%9E%90/</link>
      <pubDate>Tue, 09 Sep 2025 17:27:40 +0800</pubDate>
      <guid>https://blog.qife122.com/p/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E6%A8%A1%E5%9E%8B%E8%B0%83%E8%AF%95%E6%96%B0%E6%96%B9%E6%B3%95%E8%A7%A3%E6%9E%90/</guid>
      <description>&lt;h1 id=&#34;机器学习模型调试新方法解析&#34;&gt;机器学习模型调试新方法解析&lt;/h1&gt;&#xA;&lt;p&gt;某中心提出了一种名为Defuse的新方法，用于自动发现机器学习模型在特定输入类型上的错误并提供修正方案。该方法在NeurIPS 2021可解释AI调试与诊断研讨会上发布。&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
