SOURCES & EVIDENCE MAP
资料来源目录
这里列出正文实际引用的来源,并说明每条来源被哪些文章使用。目录按 URL 去重,不把搜索摘要、访问量或未经核验的状态包装成证据。
- 686
- 去重来源
- 150
- 发布机构或域名
- 179
- 完成映射的文章
怎样阅读这份目录
“发布机构”只在域名归属明确时使用机构名,否则保留域名,不推测作者、发布日期或有效状态。外部资料可能更新或下线,具体结论仍应回到文章相邻上下文和原始页面核对。
- 用于 1 篇文章API与数据流动
- 用于 1 篇文章API与数据流动
- 用于 2 篇文章AI 项目组合的取舍:继续、合并与停止企业三年 AI 投资框架
- 用于 1 篇文章AI 服务产品化:从一次成功交付到可重复服务
- 用于 9 篇文章第一批 AI 场景怎样排序?同时评估频率、价值、标准化程度、数据条件、风险与可逆性不是所有 AI 应用都需要同等级审批:按内部辅助、外部发布和交易决策建立分级治理企业 AI 素养不是一场全员培训:为管理者、流程负责人、普通用户、建设者和审核者设计不同课程AI 推广大使为什么容易变成免费技术支持?重新定义案例发现、辅导、知识沉淀和升级路径一份真正能执行的 AI 使用政策应写什么?明确可用工具、禁止数据、披露要求、复核与事件报告智能体执行、员工审批、管理者负责时,责任怎样划分?用 RACI、否决权和签署记录明确边界一个部门如何在 90 天内完成 AI 落地?按发现、基线、试点、验收和扩展五阶段推进企业怎样复用 AI 能力而不是复制提示词?沉淀组件、工具、技能、评估集和政策模块一张给老板看的 AI 经营报表
- 用于 1 篇文章局部效率与供应链的全局损失
- 用于 1 篇文章知识产品选型:咨询、课程、模板还是软件
- 用于 1 篇文章AI 使用量不等于员工绩效
- 用于 1 篇文章AI 使用量不等于员工绩效
- 用于 1 篇文章期望、波动与极端结果
- 用于 1 篇文章统计判断与不确定性
- 用于 1 篇文章统计判断与不确定性
- 用于 1 篇文章期望、波动与极端结果
- 用于 1 篇文章统计判断与不确定性
- 用于 1 篇文章实验、对照与因果判断
- 用于 1 篇文章统计判断与不确定性
- 用于 1 篇文章统计判断与不确定性
- 用于 1 篇文章相关性与依赖结构
- 用于 1 篇文章统计判断与不确定性
- 用于 1 篇文章实验、对照与因果判断
- 用于 1 篇文章相关性与依赖结构
- 用于 1 篇文章统计判断与不确定性
- 用于 1 篇文章使用场景与验收条件
- 用于 42 篇文章AI 改造应该从岗位还是任务开始?区分单点辅助、端到端流程和岗位结构变化采购现成产品、组合多个服务还是自主建设?比较上线速度、控制权、维护成本与供应商锁定怎样写一份不会无限扩张的 AI 试点章程?明确业务负责人、基线、评估集、停止条件和扩展门槛每个部门各买模型账号会发生什么?设计统一身份、模型网关、额度、路由和调用记录企业知识助手为什么经常“搜得到却答不对”?先解决资料所有权、权限、版本和引用问题企业知识怎样持续保持有效?建立内容负责人、发布、复核、撤回和答案追溯机制什么时候使用确定性工作流,什么时候才需要智能体?比较歧义、分支、行动风险和异常频率为什么应该先做评估集,再决定模型和提示词?从真实业务样本定义可接受结果与关键失败一套企业 AI 评估不能只有准确率:组合规则检查、模型评分、人工评审和业务结果生产中的 AI 出错后为什么难以复现?记录提示版本、上下文快照、工具调用、成本和最终结果怎样证明一次 AI 操作是谁发起、用了什么数据、由谁批准?建立任务级审计链模型升级后旧流程还能不能用?通过回归测试、灰度发布、对照运行和回滚控制变化企业 AI 素养不是一场全员培训:为管理者、流程负责人、普通用户、建设者和审核者设计不同课程AI 推广大使为什么容易变成免费技术支持?重新定义案例发现、辅导、知识沉淀和升级路径一份真正能执行的 AI 使用政策应写什么?明确可用工具、禁止数据、披露要求、复核与事件报告不要在坏流程上直接叠加 AI:先删除、合并、标准化,再决定哪些步骤自动化智能体执行、员工审批、管理者负责时,责任怎样划分?用 RACI、否决权和签署记录明确边界一个部门如何在 90 天内完成 AI 落地?按发现、基线、试点、验收和扩展五阶段推进节省时间为什么不等于创造价值?同时测量采用率、返工、周期、转化、风险和机会成本企业怎样复用 AI 能力而不是复制提示词?沉淀组件、工具、技能、评估集和政策模块企业 AI 应由平台团队、创新中心还是业务部门负责?比较三种组织模式的资金与责任边界什么情况下应该下线一个 AI 应用?依据使用衰减、失败债务、维护成本和无人负责作出退出决定AI 项目组合的取舍:继续、合并与停止一张给老板看的 AI 经营报表企业三年 AI 投资框架看穿 AI 供应商的演示与承诺AI 价值路径:省人、增收、提质还是降风险总部与业务部门之间的 AI 预算分工企业真的需要首席 AI 官吗?中层管理者是 AI 转型的关键层AI 改变岗位后的目标与绩效重构AI 使用量不等于员工绩效“人工复核”如何沦为橡皮图章线索增加之后:销售 AI 的增长错觉客服 AI:降本工具还是服务能力?财务部门使用 AI 的五道边界人力资源部门使用 AI 的决策边界局部效率与供应链的全局损失先做七天任务日志,再决定哪些工作交给 AI第一个 AI 智能体:先选多步、可验证、可退出的任务个人 AI 评估集:用 20 个真实任务替代主观验收个人 AI 角色分工:一个人怎样管住四条业务线
- 用于 1 篇文章企业三年 AI 投资框架
- 用于 1 篇文章客户数据进入 AI 前:敏感度、授权、账户与留存
- 用于 1 篇文章单人客服系统:从多渠道收件到风险升级
- 美国国家标准与技术研究院(NIST)
NIST SP 800-86:Integrating Forensic Techniques into Incident Response ↗
csrc.nist.gov
- 用于 1 篇文章AI 开发工具:从“能运行”到可维护发布
- 用于 1 篇文章AI 开发工具:从“能运行”到可维护发布
- 用于 1 篇文章过程控制与纠偏
- 用于 1 篇文章过程控制与纠偏
- 用于 1 篇文章实验、对照与因果判断
- 用于 1 篇文章实验、对照与因果判断
- 用于 1 篇文章实验、对照与因果判断
- 用于 1 篇文章AI 服务产品化:从一次成功交付到可重复服务
- 用于 1 篇文章提示注入防护:把不可信内容与真实权限隔开
- 用于 1 篇文章AI 进入经营会议之后
- 用于 1 篇文章概率分布
- 用于 1 篇文章概率分布
- 用于 1 篇文章概率分布
- 用于 1 篇文章概率分布
- 用于 1 篇文章概率分布
- 用于 1 篇文章统计判断与不确定性
- 用于 1 篇文章看穿 AI 供应商的演示与承诺
- 用于 1 篇文章AI 内容生产线:把客户原话变成多渠道内容资产
- 用于 1 篇文章看穿 AI 供应商的演示与承诺
- 用于 1 篇文章AI 开发工具:从“能运行”到可维护发布
- 用于 1 篇文章财务部门使用 AI 的五道边界
- 用于 1 篇文章企业三年 AI 投资框架
- 用于 1 篇文章局部效率与供应链的全局损失
- 用于 1 篇文章局部效率与供应链的全局损失
- 用于 1 篇文章省下 30% 工时,为什么利润没有变化?
- 用于 1 篇文章产品比较不能只看综合分:证据、权重与切换条件
- 用于 2 篇文章AI 使用量不等于员工绩效“人工复核”如何沦为橡皮图章
- 用于 1 篇文章客户数据进入 AI 前:敏感度、授权、账户与留存
- 用于 1 篇文章AI 内容扩张下的品牌管理
- 用于 1 篇文章一套事实,四种交付:报告、表格、演示与配图
- 用于 1 篇文章研究长文复用:按读者任务拆成多渠道资产
- 用于 1 篇文章一套事实,四种交付:报告、表格、演示与配图
- 用于 1 篇文章单人客服系统:从多渠道收件到风险升级
- 用于 1 篇文章研究长文复用:按读者任务拆成多渠道资产
- 用于 1 篇文章分类与边界
- 用于 1 篇文章AI 表格分析前置检查:先校准口径、关联和复算
- 用于 1 篇文章需求分析与真实问题
- 用于 1 篇文章需求分析与真实问题
- 用于 1 篇文章客服 AI:降本工具还是服务能力?
- 用于 1 篇文章省下 30% 工时,为什么利润没有变化?
- 用于 1 篇文章AI 价值路径:省人、增收、提质还是降风险
- 用于 1 篇文章客服 AI:降本工具还是服务能力?
- 用于 1 篇文章客服 AI:降本工具还是服务能力?
- 用于 1 篇文章客服 AI:降本工具还是服务能力?
- 用于 1 篇文章企业真的需要首席 AI 官吗?
- 用于 1 篇文章省下 30% 工时,为什么利润没有变化?
- 用于 1 篇文章AI 价值路径:省人、增收、提质还是降风险
- 用于 1 篇文章会议纪要不是摘要:把讨论转成决定与责任
- 用于 1 篇文章需求分析与真实问题
- 用于 1 篇文章原型与迭代
- 用于 1 篇文章需求变化与范围管理
- 用于 1 篇文章AI 内容生产线:把客户原话变成多渠道内容资产
- 用于 1 篇文章品牌声音系统:用正反例和测试替代抽象形容词
- 用于 1 篇文章客户访谈分析:把原始证据变成可验证行动
- 用于 1 篇文章客户访谈分析:把原始证据变成可验证行动
- 用于 1 篇文章客户访谈分析:把原始证据变成可验证行动
- 用于 1 篇文章客户访谈分析:把原始证据变成可验证行动
- 用于 1 篇文章单人客服系统:从多渠道收件到风险升级
- 用于 1 篇文章客户访谈分析:把原始证据变成可验证行动
- 用于 1 篇文章单人客服系统:从多渠道收件到风险升级
- 用于 1 篇文章AI 服务产品化:从一次成功交付到可重复服务
- 用于 1 篇文章品牌声音系统:用正反例和测试替代抽象形容词
- 用于 1 篇文章AI 表格分析前置检查:先校准口径、关联和复算
- 用于 1 篇文章AI 合同预审:从文件版本到责任事件与金额复算
- 用于 1 篇文章会议纪要不是摘要:把讨论转成决定与责任
- 用于 1 篇文章会议纪要不是摘要:把讨论转成决定与责任
- 用于 1 篇文章AI 合同预审:从文件版本到责任事件与金额复算
- 用于 1 篇文章品牌声音系统:用正反例和测试替代抽象形容词
- 用于 1 篇文章AI 服务产品化:从一次成功交付到可重复服务
- 用于 1 篇文章AI 合同预审:从文件版本到责任事件与金额复算
- 用于 1 篇文章AI 表格分析前置检查:先校准口径、关联和复算
- 用于 1 篇文章AI 表格分析前置检查:先校准口径、关联和复算
- 用于 1 篇文章研究长文复用:按读者任务拆成多渠道资产
- 用于 1 篇文章AI 内容扩张下的品牌管理
- 用于 1 篇文章一套事实,四种交付:报告、表格、演示与配图
- 用于 1 篇文章会议纪要不是摘要:把讨论转成决定与责任
- 用于 1 篇文章产品比较不能只看综合分:证据、权重与切换条件
- 用于 1 篇文章从模糊问题到证据表:把研究变成可核验的决策任务
- 用于 1 篇文章会议纪要不是摘要:把讨论转成决定与责任
- 用于 1 篇文章品牌声音系统:用正反例和测试替代抽象形容词
- 用于 1 篇文章AI 合同预审:从文件版本到责任事件与金额复算
- 用于 1 篇文章产品比较不能只看综合分:证据、权重与切换条件
- 用于 1 篇文章AI 改变岗位后的目标与绩效重构
- 用于 1 篇文章AI 改变岗位后的目标与绩效重构
- 用于 1 篇文章沟通与上下文组织
- 用于 1 篇文章专业化与互补关系:让能力积累,让投入彼此发挥作用
- 用于 1 篇文章相似性与向量匹配
- Amazon Web Services
Amazon Builders’ Library:Making retries safe with idempotent APIs ↗
aws.amazon.com
- 用于 1 篇文章AI 长任务恢复:检查点、产物状态与重做边界
- 用于 1 篇文章AI 真实成本:模型费、重试、人工与失败返工
- 用于 1 篇文章AI 真实成本:模型费、重试、人工与失败返工
- 用于 1 篇文章统计判断与不确定性
- 用于 1 篇文章个人知识库检索:全文、目录、长上下文还是 RAG
- 用于 1 篇文章提示注入防护:把不可信内容与真实权限隔开
- 用于 1 篇文章AI 资料库整理:先理清版本、来源、日期和权限
- 用于 1 篇文章AI 资料库整理:先理清版本、来源、日期和权限
- 用于 1 篇文章复盘与方法沉淀
- 用于 1 篇文章统计判断与不确定性
- 用于 1 篇文章AI 内容扩张下的品牌管理
- 用于 1 篇文章局部效率与供应链的全局损失
- 用于 1 篇文章过程控制与纠偏
- 用于 1 篇文章目标、行动与结果
- 用于 1 篇文章指标与验收标准
- 用于 1 篇文章AI 决策红队:用基准概率和失败预演缩小承诺
- 用于 1 篇文章AI 改变岗位后的目标与绩效重构
- 用于 1 篇文章链接真实不等于结论正确:逐句检查来源是否支持主张
- 用于 1 篇文章链接真实不等于结论正确:逐句检查来源是否支持主张
- 用于 1 篇文章从模糊问题到证据表:把研究变成可核验的决策任务
- 用于 1 篇文章文档与决策记录:让下一次接手的人知道怎么做、为什么这样做
- 用于 1 篇文章客服 AI:降本工具还是服务能力?
- 用于 1 篇文章供需关系:当 AI 扩大生产能力以后,怎样判断什么值得做
- 用于 1 篇文章财务部门使用 AI 的五道边界
- 用于 1 篇文章链接真实不等于结论正确:逐句检查来源是否支持主张
- 用于 1 篇文章链接真实不等于结论正确:逐句检查来源是否支持主张
- 用于 1 篇文章系统结构与模块划分
- 用于 1 篇文章需求分析与真实问题
- 用于 1 篇文章使用场景与验收条件
- 用于 1 篇文章异常处理与恢复
- 用于 1 篇文章卷积与池化:在各处寻找同一种模式,汇总时留下什么
- 用于 1 篇文章卷积与池化:在各处寻找同一种模式,汇总时留下什么
- 用于 1 篇文章损失函数与优化直觉
- 用于 2 篇文章向量与矩阵表示:怎样把一件事写成一组能够计算的数内积、范数与距离
- 用于 1 篇文章实验、对照与因果判断
- 用于 1 篇文章AI 幻觉控制:证据链、不确定性与独立复核
- 用于 1 篇文章AI 幻觉控制:证据链、不确定性与独立复核
- 用于 1 篇文章AI 幻觉控制:证据链、不确定性与独立复核
- 用于 1 篇文章AI 幻觉控制:证据链、不确定性与独立复核
- 用于 1 篇文章原型与迭代
- 用于 1 篇文章API与数据流动
- 用于 1 篇文章API与数据流动
- 用于 1 篇文章API与数据流动
- 用于 1 篇文章必要条件与充分条件
- 用于 1 篇文章AI 开发工具:从“能运行”到可维护发布
- 用于 1 篇文章文档与决策记录:让下一次接手的人知道怎么做、为什么这样做
- 用于 1 篇文章AI 长任务恢复:检查点、产物状态与重做边界
- 用于 1 篇文章AI 长任务恢复:检查点、产物状态与重做边界
- 用于 1 篇文章变量与数据类型
- 用于 1 篇文章API与数据流动
- 用于 1 篇文章API与数据流动
- 用于 1 篇文章模块与复用
- 用于 1 篇文章变量与数据类型
- 用于 1 篇文章变量与数据类型
- 用于 1 篇文章抽样与估计
- 用于 1 篇文章变量与数据类型
- 用于 1 篇文章编码、压缩与信息损失
- 用于 1 篇文章函数与输入输出
- 用于 1 篇文章模块与复用
- 用于 1 篇文章条件与循环
- 用于 1 篇文章基本测试与结果验证:怎样知道AI交来的程序做对了
- 用于 1 篇文章文件与数据格式
- 用于 1 篇文章异常处理与恢复
- 用于 1 篇文章程序阅读与调试
- 用于 1 篇文章列表、字典与数据组织
- 用于 1 篇文章列表、字典与数据组织
- 用于 1 篇文章必要条件与充分条件
- 用于 1 篇文章模块与复用
- 用于 1 篇文章列表、字典与数据组织
- 用于 1 篇文章API与数据流动
- 用于 1 篇文章基本测试与结果验证:怎样知道AI交来的程序做对了
- 用于 1 篇文章卷积与池化:在各处寻找同一种模式,汇总时留下什么
- 用于 1 篇文章卷积与池化:在各处寻找同一种模式,汇总时留下什么
- 用于 1 篇文章卷积与池化:在各处寻找同一种模式,汇总时留下什么
- 用于 1 篇文章线性变换与矩阵乘法
- 用于 1 篇文章线性变换与矩阵乘法
- 用于 1 篇文章统计判断与不确定性
- 用于 1 篇文章可靠自动化:状态、幂等、审批、超时与回滚
- 用于 1 篇文章AI 长任务恢复:检查点、产物状态与重做边界
- 用于 1 篇文章人力资源部门使用 AI 的决策边界
- 用于 1 篇文章相关性与依赖结构
- 用于 1 篇文章人力资源部门使用 AI 的决策边界
- 用于 1 篇文章“人工复核”如何沦为橡皮图章
- 用于 1 篇文章生产可能性与技术进步:AI 改变了哪些“原来做不到”的事
- 用于 1 篇文章生产可能性与技术进步:AI 改变了哪些“原来做不到”的事
- 用于 1 篇文章AI 真实成本:模型费、重试、人工与失败返工
- 用于 1 篇文章总部与业务部门之间的 AI 预算分工
- 用于 1 篇文章财务部门使用 AI 的五道边界
- 用于 1 篇文章版本管理与可恢复性:让每一次修改都有来处,也有退路
- 用于 1 篇文章版本管理与可恢复性:让每一次修改都有来处,也有退路
- 用于 1 篇文章版本管理与可恢复性:让每一次修改都有来处,也有退路
- 用于 1 篇文章版本管理与可恢复性:让每一次修改都有来处,也有退路
- 用于 1 篇文章版本管理与可恢复性:让每一次修改都有来处,也有退路
- 用于 1 篇文章版本管理与可恢复性:让每一次修改都有来处,也有退路
- 用于 1 篇文章版本管理与可恢复性:让每一次修改都有来处,也有退路
- 用于 1 篇文章相似性与向量匹配
- 用于 1 篇文章相似性与向量匹配
- 用于 1 篇文章MCP 是什么:AI 应用怎样连接资源与工具
- 用于 1 篇文章损失函数与优化直觉
- 用于 1 篇文章损失函数与优化直觉
- 用于 1 篇文章损失函数与优化直觉
- 用于 1 篇文章损失函数与优化直觉
- 用于 1 篇文章损失函数与优化直觉
- 用于 1 篇文章第一个 AI 智能体:先选多步、可验证、可退出的任务
- 用于 1 篇文章个人 AI 评估集:用 20 个真实任务替代主观验收
- 用于 1 篇文章个人 AI 评估集:用 20 个真实任务替代主观验收
- 用于 1 篇文章客户数据进入 AI 前:敏感度、授权、账户与留存
- 用于 1 篇文章AI 连接外部系统:最小权限与只读试运行
- 用于 1 篇文章文档与决策记录:让下一次接手的人知道怎么做、为什么这样做
- 用于 1 篇文章数据流、依赖与耦合
- 用于 1 篇文章人力资源部门使用 AI 的决策边界
- 用于 1 篇文章编码、压缩与信息损失
- 用于 1 篇文章随机现象与随机变量
- 用于 1 篇文章张量与数据形状:怎样让一批数字始终对应正确的对象
- 用于 1 篇文章人力资源部门使用 AI 的决策边界
- 用于 1 篇文章人力资源部门使用 AI 的决策边界
- 用于 1 篇文章AI 使用量不等于员工绩效
- 用于 1 篇文章AI 使用量不等于员工绩效
- 用于 1 篇文章客户数据进入 AI 前:敏感度、授权、账户与留存
- 用于 1 篇文章客户数据进入 AI 前:敏感度、授权、账户与留存
- 用于 1 篇文章AI 获客不是个性化群发:线索核验与联系边界
- 用于 1 篇文章AI 获客不是个性化群发:线索核验与联系边界
- 用于 1 篇文章单人客服系统:从多渠道收件到风险升级
- 用于 1 篇文章会议纪要不是摘要:把讨论转成决定与责任
- 用于 1 篇文章AI 获客不是个性化群发:线索核验与联系边界
- 用于 1 篇文章AI 合同预审:从文件版本到责任事件与金额复算
- 用于 1 篇文章单人客服系统:从多渠道收件到风险升级
- 用于 1 篇文章财务部门使用 AI 的五道边界
- 用于 1 篇文章信息价值与试验决策
- 用于 1 篇文章维度、坐标与基
- 用于 1 篇文章维度、坐标与基
- 用于 1 篇文章线性变换与矩阵乘法
- 用于 1 篇文章线性变换与矩阵乘法
- 用于 1 篇文章内积、范数与距离
- 用于 1 篇文章线性变换与矩阵乘法
- 用于 1 篇文章基本测试与结果验证:怎样知道AI交来的程序做对了
- 用于 1 篇文章AI 任务合同:把输入、验收和停止条件写清楚
- 用于 1 篇文章隐含假设与问题预设
- 用于 1 篇文章个人模型路由:按数据、失败成本和等待时间分工
- 用于 1 篇文章AI 资料库整理:先理清版本、来源、日期和权限
- 用于 1 篇文章维护、演进与复用:让已经做出来的工具继续有用
- 用于 1 篇文章维护、演进与复用:让已经做出来的工具继续有用
- 用于 1 篇文章测试与质量评价
- 用于 1 篇文章数据流、依赖与耦合
- Microsoft
Microsoft Cloud Adoption Framework:Establish an AI Center of Excellence ↗
learn.microsoft.com
- Microsoft
Microsoft Cloud Adoption Framework:Organizational readiness for AI agents ↗
learn.microsoft.com
- 用于 1 篇文章AI 真实成本:模型费、重试、人工与失败返工
- 用于 1 篇文章AI 连接外部系统:最小权限与只读试运行
- 用于 1 篇文章AI 连接外部系统:最小权限与只读试运行
- 用于 1 篇文章一项任务该用对话、长期项目、自动化还是智能体?
- 用于 1 篇文章AI 资料库整理:先理清版本、来源、日期和权限
- 用于 1 篇文章个人模型路由:按数据、失败成本和等待时间分工
- 用于 1 篇文章个人知识库检索:全文、目录、长上下文还是 RAG
- 用于 1 篇文章个人知识库检索:全文、目录、长上下文还是 RAG
- 用于 1 篇文章提示注入防护:把不可信内容与真实权限隔开
- 用于 1 篇文章AI 表格分析前置检查:先校准口径、关联和复算
- 用于 1 篇文章AI 合同预审:从文件版本到责任事件与金额复算
- 用于 1 篇文章AI 表格分析前置检查:先校准口径、关联和复算
- Microsoft
Microsoft Support:Display the relationships between formulas and cells ↗
support.microsoft.com
用于 1 篇文章AI 表格分析前置检查:先校准口径、关联和复算 - 用于 1 篇文章提示注入防护:把不可信内容与真实权限隔开
- 用于 1 篇文章提示注入防护:把不可信内容与真实权限隔开
- 用于 1 篇文章AI 长任务恢复:检查点、产物状态与重做边界
- 用于 1 篇文章客户数据进入 AI 前:敏感度、授权、账户与留存
- 用于 1 篇文章提示注入防护:把不可信内容与真实权限隔开
- 用于 1 篇文章AI 长任务恢复:检查点、产物状态与重做边界
- 用于 1 篇文章AI 长任务恢复:检查点、产物状态与重做边界
- 用于 1 篇文章一套事实,四种交付:报告、表格、演示与配图
- 用于 1 篇文章一套事实,四种交付:报告、表格、演示与配图
- 用于 1 篇文章可靠自动化:状态、幂等、审批、超时与回滚
- 用于 1 篇文章实验、对照与因果判断
- 用于 1 篇文章实验、对照与因果判断
- 用于 1 篇文章专业化与互补关系:让能力积累,让投入彼此发挥作用
- 用于 1 篇文章MCP 是什么:AI 应用怎样连接资源与工具
- 用于 1 篇文章MCP 是什么:AI 应用怎样连接资源与工具
- 用于 1 篇文章MCP 是什么:AI 应用怎样连接资源与工具
- 用于 1 篇文章MCP 是什么:AI 应用怎样连接资源与工具
- 用于 1 篇文章MCP 是什么:AI 应用怎样连接资源与工具
- 用于 1 篇文章MCP 是什么:AI 应用怎样连接资源与工具
- 用于 1 篇文章需求分析与真实问题
- 用于 1 篇文章需求变化与范围管理
- 用于 1 篇文章需求分析与真实问题
- 用于 1 篇文章协调、交接与成果整合
- 用于 1 篇文章复盘与方法沉淀
- 用于 1 篇文章AI 任务合同:把输入、验收和停止条件写清楚
- 用于 1 篇文章协调、交接与成果整合
- 用于 1 篇文章依赖关系与关键环节
- 用于 1 篇文章计划与任务分解
- 用于 1 篇文章知识产品选型:咨询、课程、模板还是软件
- 用于 1 篇文章企业 AI:追赶、差异化与护城河
- 用于 1 篇文章相似性与向量匹配
- 用于 1 篇文章主成分分析与奇异值分解:从数据里选出值得保留的方向
- 用于 1 篇文章相关性与依赖结构
- 用于 1 篇文章张量与数据形状:怎样让一批数字始终对应正确的对象
- 用于 1 篇文章张量与数据形状:怎样让一批数字始终对应正确的对象
- 用于 2 篇文章投影与降维升维与特征构造:换一种表示,让已有信息更容易被使用
- 用于 1 篇文章线性变换与矩阵乘法
- 用于 1 篇文章秩、线性相关与冗余
- 用于 1 篇文章投影与降维
- 用于 1 篇文章张量与数据形状:怎样让一批数字始终对应正确的对象
- 用于 1 篇文章维度、坐标与基
- 用于 1 篇文章张量与数据形状:怎样让一批数字始终对应正确的对象
- 用于 1 篇文章张量与数据形状:怎样让一批数字始终对应正确的对象
- 用于 1 篇文章内积、范数与距离
- 用于 1 篇文章不确定性与预期收益
- 用于 1 篇文章贝叶斯更新
- 用于 1 篇文章贝叶斯更新
- 用于 1 篇文章贝叶斯更新
- 用于 1 篇文章主成分分析与奇异值分解:从数据里选出值得保留的方向
- 用于 1 篇文章主成分分析与奇异值分解:从数据里选出值得保留的方向
- 用于 1 篇文章瓶颈与资源重新配置:初稿速度变成原来的五倍,整体为何没有同步增长
- 用于 1 篇文章瓶颈与资源重新配置:初稿速度变成原来的五倍,整体为何没有同步增长
- 用于 1 篇文章编码、压缩与信息损失
- 用于 1 篇文章瓶颈与资源重新配置:初稿速度变成原来的五倍,整体为何没有同步增长
- 用于 1 篇文章主成分分析与奇异值分解:从数据里选出值得保留的方向
- 用于 1 篇文章信息价值与试验决策
- 用于 1 篇文章信息熵与信息增益
- 用于 1 篇文章编码、压缩与信息损失
- 用于 2 篇文章信息熵与信息增益编码、压缩与信息损失
- 用于 1 篇文章编码、压缩与信息损失
- 用于 1 篇文章投影与降维
- 用于 1 篇文章秩、线性相关与冗余
- 用于 1 篇文章维度、坐标与基
- 用于 1 篇文章投影与降维
- 用于 1 篇文章秩、线性相关与冗余
- 用于 1 篇文章个人模型路由:按数据、失败成本和等待时间分工
- 用于 1 篇文章授权与过程干预
- 用于 1 篇文章抽样与估计
- 用于 1 篇文章统计判断与不确定性
- 用于 1 篇文章抽样与估计
- 用于 1 篇文章条件概率
- 用于 1 篇文章先做七天任务日志,再决定哪些工作交给 AI
- 用于 1 篇文章客户数据进入 AI 前:敏感度、授权、账户与留存
- 用于 1 篇文章供需关系:当 AI 扩大生产能力以后,怎样判断什么值得做
- 用于 1 篇文章边际成本与边际收益:再多做一点,究竟增加了什么
- 用于 1 篇文章供需关系:当 AI 扩大生产能力以后,怎样判断什么值得做
- 用于 1 篇文章供需关系:当 AI 扩大生产能力以后,怎样判断什么值得做
- 用于 1 篇文章生产可能性与技术进步:AI 改变了哪些“原来做不到”的事
- 用于 1 篇文章边际成本与边际收益:再多做一点,究竟增加了什么
- 用于 1 篇文章稀缺性与资源约束:AI 能做更多以后,怎样安排有限的资源
- 用于 1 篇文章指标与验收标准
- 用于 1 篇文章目标、行动与结果
- 用于 1 篇文章机会成本:做得成、赚得到,为什么还要比较另一种安排
- 用于 1 篇文章目标、行动与结果
- 用于 1 篇文章条件概率
- 用于 1 篇文章概念与定义
- 用于 1 篇文章分类与边界
- 用于 1 篇文章协调、交接与成果整合
- 用于 1 篇文章分类与边界
- 用于 1 篇文章角色、职责与组织结构
- 用于 1 篇文章角色、职责与组织结构
- 用于 1 篇文章角色、职责与组织结构
- 用于 1 篇文章沉没成本与继续决策:已经做了这么多,接下来怎么办
- 用于 1 篇文章目标、行动与结果
- 用于 1 篇文章比较优势与分工:谁更快,还不足以决定谁来做
- 用于 1 篇文章比较优势与分工:谁更快,还不足以决定谁来做
- 用于 1 篇文章沉没成本与继续决策:已经做了这么多,接下来怎么办
- 用于 1 篇文章过程控制与纠偏
- 用于 2 篇文章概率分布期望、波动与极端结果
- 用于 1 篇文章随机现象与随机变量
- 用于 1 篇文章概率分布
- 用于 1 篇文章随机现象与随机变量
- 用于 2 篇文章反例、反驳与替代解释条件概率
- 用于 1 篇文章随机现象与随机变量
- 用于 1 篇文章归纳与推广
- 用于 1 篇文章专业化与互补关系:让能力积累,让投入彼此发挥作用
- 用于 1 篇文章归纳与推广
- 用于 1 篇文章论证重构与问题改写
- 用于 1 篇文章常见论证谬误
- 用于 1 篇文章沟通与上下文组织
- 用于 1 篇文章沟通与上下文组织
- 用于 2 篇文章不确定性与预期收益期望、波动与极端结果
- 用于 1 篇文章计划与任务分解
- 用于 1 篇文章计划与任务分解
- 用于 1 篇文章局部效率与供应链的全局损失
- 用于 1 篇文章提示注入防护:把不可信内容与真实权限隔开
- 用于 1 篇文章模块与复用
- papers.neurips.cc
NeurIPS:Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks ↗
papers.neurips.cc
- 用于 1 篇文章财务部门使用 AI 的五道边界
- 用于 1 篇文章信息熵与信息增益
- 用于 1 篇文章常见论证谬误
- 用于 1 篇文章类比与解释性推理
- 用于 1 篇文章论证重构与问题改写
- 用于 1 篇文章论证重构与问题改写
- 用于 1 篇文章常见论证谬误
- 用于 1 篇文章反例、反驳与替代解释
- 用于 1 篇文章必要条件与充分条件
- 用于 1 篇文章概念与定义
- 用于 1 篇文章演绎推理与有效性
- 用于 1 篇文章命题、前提与结论
- 用于 1 篇文章演绎推理与有效性
- 用于 1 篇文章归纳与推广
- 用于 1 篇文章命题、前提与结论
- 用于 1 篇文章命题、前提与结论
- 用于 1 篇文章概念与定义
- 用于 1 篇文章命题、前提与结论
- 用于 1 篇文章概念与定义
- 用于 1 篇文章演绎推理与有效性
- 用于 1 篇文章隐含假设与问题预设
- 用于 1 篇文章演绎推理与有效性
- 用于 1 篇文章向量与矩阵表示:怎样把一件事写成一组能够计算的数
- 用于 1 篇文章AI 输出不稳定:按指令、背景、工具和验收排查
- 用于 1 篇文章AI 输出不稳定:按指令、背景、工具和验收排查
- 用于 1 篇文章反例、反驳与替代解释
- 用于 1 篇文章类比与解释性推理
- 用于 1 篇文章类比与解释性推理
- 用于 1 篇文章常见论证谬误
- 用于 1 篇文章概念与定义
- 用于 1 篇文章概念与定义
- 用于 1 篇文章命题、前提与结论
- 用于 1 篇文章分类与边界
- 用于 1 篇文章隐含假设与问题预设
- 用于 1 篇文章AI 项目组合的取舍:继续、合并与停止
- 用于 1 篇文章角色、职责与组织结构
- 用于 1 篇文章依赖关系与关键环节
- 用于 1 篇文章异常处理与恢复
- 用于 1 篇文章实验、对照与因果判断
- 用于 1 篇文章实验、对照与因果判断
- 用于 1 篇文章贝叶斯更新
- 用于 1 篇文章抽样与估计
- 用于 1 篇文章抽样与估计
- 用于 1 篇文章联合概率与独立性
- 用于 1 篇文章联合概率与独立性
- 用于 1 篇文章相关性与依赖结构
- 用于 1 篇文章联合概率与独立性
- 用于 1 篇文章授权与过程干预
- 用于 1 篇文章维护、演进与复用:让已经做出来的工具继续有用
- 用于 1 篇文章编码、压缩与信息损失
- 用于 1 篇文章知识产品选型:咨询、课程、模板还是软件
- 用于 1 篇文章向量与矩阵表示:怎样把一件事写成一组能够计算的数
- 用于 1 篇文章相似性与向量匹配
- 用于 1 篇文章局部效率与供应链的全局损失
- 用于 1 篇文章主成分分析与奇异值分解:从数据里选出值得保留的方向
- 用于 1 篇文章不确定性与预期收益
- 用于 1 篇文章分类与边界
- 用于 1 篇文章升维与特征构造:换一种表示,让已有信息更容易被使用
- 用于 1 篇文章升维与特征构造:换一种表示,让已有信息更容易被使用
- 用于 1 篇文章升维与特征构造:换一种表示,让已有信息更容易被使用
- 用于 1 篇文章向量与矩阵表示:怎样把一件事写成一组能够计算的数
- 用于 1 篇文章向量与矩阵表示:怎样把一件事写成一组能够计算的数
- 用于 1 篇文章秩、线性相关与冗余
- 用于 2 篇文章升维与特征构造:换一种表示,让已有信息更容易被使用归纳与推广
- 用于 1 篇文章系统结构与模块划分
- 用于 1 篇文章系统结构与模块划分
- 用于 1 篇文章系统结构与模块划分
- 用于 1 篇文章数据流、依赖与耦合
- 用于 1 篇文章概念与定义
- 用于 1 篇文章接口与协作约定
- 用于 1 篇文章复盘与方法沉淀
- 用于 1 篇文章复盘与方法沉淀
- 用于 1 篇文章内积、范数与距离
- 用于 1 篇文章原型与迭代
- 用于 1 篇文章统计判断与不确定性
- 用于 1 篇文章概率分布
- 用于 1 篇文章抽样与估计
- 用于 1 篇文章贝叶斯更新
- 用于 1 篇文章贝叶斯更新
- 用于 1 篇文章期望、波动与极端结果
- 用于 1 篇文章期望、波动与极端结果
- 用于 1 篇文章联合概率与独立性
- 用于 1 篇文章期望、波动与极端结果
- 用于 1 篇文章联合概率与独立性
- 用于 1 篇文章相关性与依赖结构
- 用于 1 篇文章相关性与依赖结构
- 用于 1 篇文章期望、波动与极端结果
- 用于 1 篇文章期望、波动与极端结果
- 用于 1 篇文章条件概率
- 用于 1 篇文章随机现象与随机变量
- 用于 1 篇文章随机现象与随机变量
- 用于 1 篇文章机会成本:做得成、赚得到,为什么还要比较另一种安排
- 用于 1 篇文章AI 任务合同:把输入、验收和停止条件写清楚
- 用于 1 篇文章张量与数据形状:怎样让一批数字始终对应正确的对象
- 用于 1 篇文章张量与数据形状:怎样让一批数字始终对应正确的对象
- 用于 1 篇文章测试与质量评价
- tjaglcs.army.mil
U.S. Army《The Army Lawyer》:Using Red Team Techniques to Improve Trial Advocacy ↗
tjaglcs.army.mil
用于 1 篇文章AI 决策红队:用基准概率和失败预演缩小承诺 - 用于 1 篇文章系统结构与模块划分
- 用于 1 篇文章接口与协作约定
- 用于 1 篇文章信息熵与信息增益
- 用于 1 篇文章企业真的需要首席 AI 官吗?
- 用于 1 篇文章目标、行动与结果
- 用于 1 篇文章目标、行动与结果
- 用于 1 篇文章论证重构与问题改写
- 用于 1 篇文章抽样与估计