security-hyacinth

摘要： 作者：HOS(安全风信子) 日期：2026-01-17 来源平台：GitHub 摘要： 本文深入回顾了OpenAI与DeepSeek两大AI巨头的推理架构演进历程，从早期简单API到如今分布式MoE系统，提取了关键技术教训。通过分析OpenAI的扩展性挑战和DeepSeek的高效KVCache管理， 阅读全文

摘要： 作者：HOS(安全风信子) 日期：2026-01-17 来源平台：GitHub 摘要： 2026年，AI行业的成本结构已经发生根本性转变。本文通过云厂商真实数据揭示，推理的累计成本已超过训练10倍以上，成为真正烧钱的环节。文章深入分析了推理成本的核心瓶颈——KVCache与通信开销，并详细阐述了vL 阅读全文

摘要： 作者：HOS(安全风信子) 日期：2026-01-17 来源平台：GitHub 摘要： 2026年，AI部署已从训练主导转向推理主导，推理成本占总支出的80%以上。本文深入剖析推理成本爆炸的核心原因，揭示vLLM如何通过PagedAttention技术解决显存碎片化问题，帮助工程师优化云厂商级系统， 阅读全文

摘要： 作者：HOS(安全风信子) 日期：2026-01-09 来源平台：GitHub 摘要： 构建一套适合自己的机器学习方法论是每个ML从业者和企业的核心竞争力。本文从工程实践视角出发，深入探讨如何构建个性化的机器学习方法论，包括方法论的定义、核心组成部分、构建步骤、评估标准和持续优化机制。通过分析最新的 阅读全文

摘要： 作者：HOS(安全风信子) 日期：2026-01-09 来源平台：GitHub 摘要： 在机器学习的演化过程中，从传统机器学习（ML）升级到深度学习（DL）是一个重要的决策点。本文从工程实践视角出发，深入探讨机器学习升级到深度学习的时机、评估标准、迁移路径和工业界实践。通过分析最新的技术趋势和成功案 阅读全文

摘要： 作者：HOS(安全风信子) 日期：2026-01-09 来源平台：GitHub 摘要： 机器学习在安全领域的应用已经从理论研究走向了工业界实践，成为现代安全体系的核心组成部分。本文从工程实践视角出发，深入探讨机器学习在安全领域的真实用法，包括SOC系统集成、威胁检测、异常行为分析、恶意软件分类等关键 阅读全文

摘要： 作者：HOS(安全风信子) 日期：2026-01-09 来源平台：GitHub 摘要： 在线学习与增量学习是机器学习领域的重要研究方向，尤其在数据动态变化的安全领域具有广泛应用。本文从工程实践视角出发，深入探讨在线学习与增量学习的核心概念、算法实现和工程应用。通过分析最新研究进展和工业实践，结合实际 阅读全文

摘要： 作者：HOS(安全风信子) 日期：2026-01-09 来源平台：GitHub 摘要： 模型公平性与偏见问题已成为机器学习领域的关键挑战，尤其是在安全、金融、医疗等敏感领域。本文从工程实践视角出发，深入探讨模型公平性的定义、评估方法和偏见缓解技术。通过分析最新研究进展和工业实践，结合实际代码案例，展 阅读全文

摘要： 作者：HOS(安全风信子) 日期：2026-01-09 来源平台：GitHub 摘要： 特征重要性分析是机器学习模型调试和优化的重要工具，但在实际应用中存在许多常见误区。这些误区可能导致错误的模型理解、糟糕的特征选择和不可靠的决策。本文从安全工程视角出发，深入探讨特征重要性分析中的常见误区，包括基于 阅读全文

摘要： 作者：HOS(安全风信子) 日期：2026-01-09 来源平台：GitHub 摘要： 机器学习可解释性已成为安全领域的关键技术，不仅是合规要求，更是调试和增强模型安全性的核心手段。本文从安全调试视角出发，深入探讨机器学习可解释性的本质、核心技术和工程实践。通过分析最新研究进展和工业实践，结合实际代 阅读全文