跳到正文

#資料/訓練

RSS
今日 5 則
11月19日週四
  1. Dev.to Top Tech46

    SQL 訂單報表怎麼避免把訂購數量重複加總

    訂單一件商品有 4 個,若分成兩張退貨收件紀錄,直接把訂單和退貨資料接在一起,訂購數量就會被算兩次,變成 8。把退貨數量先按訂單明細加總,再接回訂單資料,例子中的報表就能正確顯示共訂購 6 個、收到 2 個退貨;只有核准、還沒收到的退貨不算已收到。報表也要先說清楚日期怎麼算,並保留訂購數與已收到退貨數各自的定義,這樣衍生出的比例才不會讓人誤解。

  2. Dev.to Top Tech75

    Next.js 如何避免同一個資料庫模組開出太多 PostgreSQL 連線

    Next.js 程式有時只寫了一個資料庫連線池,實際卻開出好幾個,忙起來就可能用光 PostgreSQL 的連線名額,讓查詢一起失敗。作者用自己的實際案例說明原因:Next.js 會把不同伺服器入口分開打包,每份程式各自儲存一份模組資料,因此模組裡的單例連線池可能被重複建立。把連線池放在同一個 Node.js 程式共用的 globalThis,並讓它在需要時才建立,就能讓這些入口共用一個連線池。文章也示範在啟動時檢查資料庫可用名額,並把部署期間新舊程式短暫同時運作的情況算進去。

  3. Dev.to Top Tech60

    Japan Open Data Lab 推出 ja-address-ner-v1,辨識日文地址並避免猜錯行政區程式碼

    日文地址可能寫得不完整,也可能有同名地區;猜錯行政區程式碼,會讓後續資料出問題。Japan Open Data Lab 推出 ja-address-ner-v1,先從文字找出地址並拆成不同部分,再用字典查詢行政區程式碼。無法唯一判定時,工具會回報「未能判定」,不硬猜。在 5,000 筆合成測試資料中,地址辨識的 span F1 為 0.9983;4,814 筆地址中沒有錯誤指派程式碼,但有些可判定的案例會被拒絕。測試資料都是合成地址,作者提醒,真實地址的表現會較低;使用者還要依公開資料自行建立字典。

  4. LangChain Blog57

    LangSmith 推出 Data Annotation Queues,方便檢查紀錄並整理資料集

    大型語言模型應用一開始不一定有自己的資料集,想找出回答問題的地方也不容易。LangSmith 推出 Data Annotation Queues,讓團隊先從紀錄中挑出想檢查的案例,再標記答案好壞、加上分類,或整理進資料集。加入資料集前也能修改案例內容;暫時不想處理的案例可以移到佇列後面,完成檢查後則可標記為已完成。文章也介紹開源套件 langfree,可用來整理 LangSmith 紀錄中的 ChatOpenAI 執行資料,供微調和評估使用。

  5. Dev.to Top Tech59

    如何找出拖慢資料庫的查詢,並用執行計畫找出問題

    應用程式變慢時,直接升級資料庫主機可能只是暫時掩蓋問題,真正拖慢速度的常是少數幾個查詢。文章建議先依查詢累積耗時找出最花時間的專案,再用資料庫的執行計畫檢視時間耗在哪裡,並確認每次網頁請求是否因逐筆查詢相關資料而多跑了許多次。索引沒派上用場,也可能是查詢寫法不合適、索引欄位順序不對,或資料統計過期。若應用程式延遲很高、資料庫運算量卻低,問題也可能出在連線等待。找到原因後再調整並重新測量,能避免盲目加索引或升級主機。

  6. Dev.to Top Tech40

    資料庫 API 裡看似精確的日期,可能只是補上的「1 日」

    查論文資料時,資料庫可能寫著「2004-01-01」,期刊欄位卻只標「2004 Jan」,看起來很精確的日期,實際上未必知道是哪一天。作者猜測「1 日」有可能是系統替只記到月份的資料補上的,但沒有查證這個猜測。作者檢查了 7 筆資料,其中 3 筆出現這種情況;這不代表它很常見,也無法單靠日期欄位確認日期的來源。 作者也讓 6 個模型判斷資料在某一天是否已能用來做決定;提供「日期可能是佔位值」的提醒後,模型的答案更常符合作者預先寫下的判斷規則,但那套規則本身也有假設。遇到要判斷某項資訊當時是否已公開的情況,最好保留來源實際提供的日期精確度,別把只知道月份的資料當成已確定是哪一天。

  7. Dev.to Top Tech68

    Amazon SageMaker AI Serverless Model Customization 加入全量微調

    微調模型時,訓練所有權重可能更適合大量資料,但也可能讓模型忘掉原本會的事。AWS 為 Amazon SageMaker AI Serverless Model Customization 加入全量微調,使用者不必自行準備 GPU、叢集或分散式訓練環境,也能在全量微調和 LoRA 之間切換。AWS 用程式生成任務測試後,表示資料超過 100K 筆時,全量微調的正確性分數達 90.0%;不過另一次比較中,LoRA 的分數較高,而且兩種方法在 MATH 測試都低於原始模型。AWS 也提醒,學習率太高或訓練超過三個週期,可能嚴重損害模型原有能力;這些結果來自 AWS 的測試,不代表其他任務也會有相同表現。

  8. MarkTechPost59

    Nutrient 檔案擷取 API:讓 JSON 欄位附上來源位置與信心分數

    從檔案擷取資料時,AI 可能把錯誤數字當成事實,讓後續決策出問題。Nutrient 的檔案擷取 API 可讀取 PDF、掃描檔、圖片和 Office 檔案,再依照指定的 JSON 格式整理內容,並為每個欄位附上頁碼、頁面位置、比對標籤,以及有提供時才會出現的信心分數。文章列出 WholeDoc Bench 的測試結果:Agentic 模式整體分數為 86.2,每頁費用為 1.8 美分;這項分數評估檔案解析,不代表資料擷取準確率。文章也提醒,即使信心分數很高,欄位仍可能對錯內容,使用時應先檢查比對標籤。

  9. Simon Willison39

    Datasette-arrows 0.1a0:用 Apache Arrow 分批匯出大型資料表

    資料表有好幾百萬筆時,一次把全部資料塞進記憶體再匯出,可能會很吃力。Datasette 新增了讓外掛分批輸出資料的功能;Simon Willison 也做了 datasette-arrows 外掛,讓人能用 Apache Arrow 格式匯出資料。安裝後,匯出選單就會多出 Arrow 選項,資料可以一批一批處理,不必全放進記憶體。這讓大型資料表的匯出更方便,也示範了新功能可以怎麼用。

  10. Dev.to Top Tech56

    用 Python、DuckDB 和 GitHub Actions 把 CSV 整理成可靠的 Parquet 資料

    資料管線如果只把檔案搬來搬去,錯誤資料也可能跟著流到後面。作者用合成訂單資料示範一套小型流程:DuckDB 讀取 CSV,檢查缺漏欄位、日期、數量、價格和重複訂單編號,再整理成有明確欄位型態的 Parquet,並計算營收。資料不合規則時,流程會直接失敗,讓問題在發布前浮現。GitHub Actions 會執行測試、重建報告並發布到 GitHub Pages;這是批次教學範例,並非串流或正式環境的效能展示。

  11. AWS Machine Learning Blog72

    AWS 說明如何在 SageMaker AI 使用完整微調

    微調大型語言模型時,只更新一小部分引數的 LoRA 較省資源,但遇到複雜任務和大量資料時,表現可能停在一定程度。AWS 在 SageMaker AI 的無伺服器模型自訂服務加入完整微調(FFT),並用 Qwen3-4B 和 110,000 組程式生成資料比較兩種方法。實驗中,FFT 在部分指標上表現較好,但結果也很受學習率、訓練回合數等設定影響;設定太激進時,模型可能失去一般知識,甚至在數學測試中退步。文章提供實驗結果與引數調整方向,協助判斷何時適合使用 FFT。

    推薦理由:文章以程式碼生成實驗比較 FFT 與 LoRA,並說明資料量和超引數如何影響模型表現與一般知識保留。

  12. Dev.to Top Tech69

    Ricardo N. 示範如何把 Lovable Cloud 搬到自己的 Supabase,保留使用者密碼

    把 Lovable Cloud 搬到自己的 Supabase,沒有一鍵轉移;如果漏掉設定或資料,切換後可能影響使用者。Ricardo N. 親自演練搬遷流程,從建立資料表、匯入資料,到搬移儲存檔案並核對資料筆數與許可權。搬移 auth.users 和 auth.identities 後,使用者可以用原本的密碼登入,但因為新專案的 JWT secret 不同,已登入的人都得重新登入。切換前還要確認 Lovable 專屬功能已有替代方案,並先凍結舊系統的寫入,避免匯出後新增的資料遺失。

  13. cloudflare blog78

    Cloudflare 推出更新版 Clairic 和 9B 的 Clairic-flash

    從收據、圖片和 PDF 擷取資料,常會遇到表格難讀、欄位分散在不同頁面的問題。Cloudflare 更新了 Clairic,並推出較小、較快的 9B 模型 Clairic-flash;兩者能讀取最多 4 張圖片或 PDF 頁面,整理供應商、品項和總額等資料,也能處理估算、日期計算與明確的算術。Cloudflare 表示,兩款模型的權重已在 Hugging Face 開放,並可透過 Workers AI 使用。Clairic-flash 每百萬輸入 token 收費 $0.10,Clairic 為 $0.24;到 2026 年 12 月 1 日前,兩者都以每百萬輸入 token $0.10 優惠。文中的比較資料來自 Cloudflare 自行測試,適合用來瞭解其測試結果,不能當成公開基準。

    推薦理由:Clairic 改用新的欄位生成方式,並加入專門處理估算與日期計算的能力;文中也比較了文字、圖片與 PDF 的擷取表現及回應速度。

  14. Dev.to Top Tech73

    作者實測 ImmoScout24:柏林租屋搜尋的每平方公尺租金為何差近 3 倍

    用租屋網站第一頁的結果估算柏林租金,可能會得到差很多的答案。作者用同一組條件搜尋 45 次,發現每次結果的租金中位數從 €11.51 到 €33.63 不等;差異和需要 WBS 資格的補貼住宅有關,這類房子常出現在第一頁,頁面排序一變,中位數也跟著變。作者也發現,隔天看似新出現的房源,很多隻是先前看過、後來又回到前 50 名的房子。把搜尋範圍擴大到 500 筆後,中位數是 €20.61。這些是網站刊登的開價,不能當成實際成交租金。

  15. Databricks Blog74

    Databricks 推出 Genie Migrate,協助把工作搬到 Serverless

    把工作從 classic 搬到 Serverless,常得逐一處理設定、套件和程式碼問題,原本簡單的切換可能拖上好幾週。Databricks 推出 Beta 版 Genie Migrate for Serverless,會先掃描工作,標出哪些適合搬、哪些需要管理員處理,再把需要修改的地方列成差異畫面,讓人逐項審核後才套用。套用時會先複製工作,原本的工作保持不變,方便先跑一次確認;目前檢查只看設定和相依套件,不會實際執行工作。批次搬遷目前支援工作,筆記本支援尚未推出。

    推薦理由:Genie Migrate 把搬遷檢查與修改整理成可逐項審核的流程,也說明目前只做靜態檢查,適合評估匯入前的風險與人工作業。

  16. Dev.to Top Tech68

    NonoDB 教你用單一服務管理限時邀請連結

    邀請連結要在期限後失效、只能用一次,還得留下誰邀請誰的紀錄;若用 Redis、Postgres 和排程工作處理,小型服務也得多維護幾個元件。作者用 Rust 寫的 NonoDB 示範另一種做法:把邀請資料、到期清理和修改紀錄放在同一個服務裡,並用一次交易確認連結尚未過期且還沒用過,再標記為已使用,避免兩個同時送來的請求都成功。文章也提醒,TTL 清理可能晚幾秒才執行,所以不能靠它判斷連結是否有效,程式仍要檢查明確的到期時間。

  17. Dev.to Top Tech72

    Cocoa Classroom 作者先訂評估標準,再測試 AI 課程評審

    AI 生成的課程就算格式正確,也可能有錯誤內容;Cocoa Classroom 原本的自動檢查抓不到這類問題。作者做了一個 AI 評審,先在背景檢查答案和課程目標是否相符,記下發現但不讓老師看到,也不會擋住課程生成。作者在評審開始測試前,先訂好抓錯、誤報和成本的門檻,再準備資料讓老師標記,之後才會用保留的資料評估表現。評審的準確度目前還沒測出來;若結果不理想,作者也預先規劃瞭如何關閉或退回背景模式。

  18. Modal Engineering Blog56

    Miguel Novelo 用 Modal 打造瑪雅文字研究工具

    瑪雅文字刻在石頭上的深度和形狀,可能藏著平面照片看不出的線索,但逐件手工做成 3D 模型要花不少時間。藝術家兼史丹佛講師 Miguel Novelo 用 Modal 建立流程,把 2D 瑪雅文字影像轉成 3D 模型;他從約 100 個音節符號開始,也把展場觀眾畫下的圖形納入流程。研究者可以旋轉模型、改變照明,仔細檢視雕刻。Novelo 希望日後用更多 3D 雕刻資料訓練專用模型,找出文字形狀與語言之間的關係;他也強調,研究需要結合瑪雅社群的知識與學者的共同解讀。

  19. Meta Engineering76

    Meta 用標準模型模板,把廣告排序模型改進推廣到整個系統

    Meta 的廣告排序模型種類很多,逐一套用新方法既耗時,也容易在不同模型上出現問題。Meta 用標準模型模板整理出一小組可重複使用的模型設計,先在有代表性的模型上測試新方法,再把通過檢查的改動加入模板,推廣給使用這些模板的模型。Meta 表示,這套做法讓每個模型所需的工程時間減少 92%,兩年來推出超過 5000 種技術與模型組合,離線模型品質平均提升 0.63%,線上成效累計提升 0.86%。模板也讓 AI 助理有較明確的設計範圍,可協助提出想法、進行實驗和找出問題。

    推薦理由:Meta 說明標準模型模板如何把逐一調整模型的工作,改成在代表性模型上驗證後推廣,並分享兩年來的工程時間與模型成效變化。

  20. Databricks Blog68

    Databricks 推出 Unity Gateway Insights,找出 AI 助理浪費 token 的地方

    團隊想降低 AI 成本時,除了調整預算,也可以檢查 AI 助理每次工作的紀錄。Databricks 推出 Unity Gateway Insights,會分析工作紀錄和公司的業務資料,找出 MCP 工具反覆出錯、簡單工作用了昂貴模型,以及值得整理成共用技能的重複流程。每個發現都能連到相關工作紀錄,也會依浪費的 token 成本排序;團隊還能加入自己的問題,檢視哪些流程值得改善。Databricks 表示,他們曾從 7 個 MCP 小錯誤中估計出每年 $1.2M 的浪費。

    推薦理由:Databricks 說明 Insights 如何從 AI 助理的工作紀錄找出重複錯誤與模型使用浪費,並把可節省的 token 成本連結到實際工作流程。

  21. Rohan Paul36

    機器人常靠模仿人類學做事,但如果訓練影片都在整齊明亮的實驗室拍攝,機器人到了雜亂、昏暗的工廠地面就可能不會應付。Humyn Labs 用自製的穿戴式攝影眼鏡,記錄工人在真實工作場所的動作,並先篩掉不能用的影片,再把留下的內容切成「伸手、抓取、抬起、放下」等基本動作,讓機器人學會在不同場景完成技能。團隊也會用自家基準測試檢查資料,並宣佈完成 $47M 的 A 輪募資,目標是擴大 Physical AI 的訓練資料。

  22. Dev.to Top Tech76

    Kumo Tabular 評測:NVIDIA 如何讓模型不經訓練就能預測表格資料

    處理表格資料通常得先整理資料、挑模型,再反覆訓練和調整;Kumo Tabular 想省下這些步驟。它把已標記的資料列當成例子,直接預測其他資料列,不必用手上的資料訓練模型。文章提到,Kumo Tabular-L 在八項表格基準測試中排名第一,並在部分測試中比其他表格模型預測得快。它適合快速建立基準,或一次試很多資料集;若是大型、重視低延遲且使用 CPU 的正式服務,XGBoost 和 LightGBM 仍是有力選擇,因為 Kumo Tabular 需要 GPU,記憶體用量也會隨參考資料列增加。

    推薦理由:文章比較 Kumo Tabular 與傳統表格模型的適用情境,說明免訓練推論在快速建立基準與多資料集實驗時的價值。

  23. Databricks Blog78

    Databricks Genie 把受治理的企業資料帶進 Teams、Excel 和 Copilot

    公司資料分散在不同工具裡,員工常得自己找表格、核對數字,也不一定知道哪些資料能看。Databricks 擴大 Genie 在 Microsoft 工具中的使用方式:在 Teams 裡,員工可用訊息詢問資料、檢視圖表、分析檔案或安排定期分析;在 Excel 裡,可用白話提問、把結果載入活頁簿,並建立會更新的樞紐分析;Copilot Chat 和 Copilot Cowork 則能把資料問題交給 Genie 查詢。答案會附上資料來源,並依使用者許可權提供內容,管理員也能透過 Unity Gateway 管理工具使用、支出和操作紀錄。

    推薦理由:Genie 把受治理的企業資料帶進 Teams、Excel 與 Copilot,並以許可權、引用來源和管理工具串起工作流程。

  24. Dev.to Top Tech66

    AI 匯入資料時,不確定的資料列該預先勾選嗎?

    AI 匯入資料時,如果把每一列都先勾選,錯誤或不完整的資料也可能被一起匯入。作者建議只有符合目前區段欄位規則的資料列才預先勾選;不確定或缺少資料的列保持未勾選,讓人明確確認後再匯入。畫面也應分開顯示已勾選筆數和符合匯入條件的筆數,遇到不在主檔中的程式碼時,則要求使用者確認新增或對應。這些做法能讓人看清哪些資料需要判斷,也方便日後查明匯入決定。

  25. Dev.to Top Tech51

    大型事實資料表該用 Direct Lake 還是 Import?

    大型事實資料表一旦筆數變多,Import 模式可能讓重新整理時間成為瓶頸;如果不同資料表用不同方式比對鍵值,報表上的數字也會對不起來。作者建議先寫清楚資料表代表什麼、每筆資料的範圍,並沿用相關資料表的鍵值比對方式,再優先用 Direct Lake;只有特定情況才用 Import,還要記下適用筆數範圍和重新檢視時間。資料表發布時也要附上容易看懂的欄位名稱與說明,並測試跨表連結和未配對的資料。

  26. Dev.to Top Tech39

    Living Region 的食物模型如何從土地產能一路算到家戶吃不吃得到

    地方規劃者要評估一個地區能不能供應足夠食物,不能只看土地能種多少,還得看人手、價格、食物能不能買得到,以及改變需要多久。Living Region 在 2026 年 4 月到 8 月逐步建立食物模型,把這些問題分開計算,也標出資料是實際統計、替代估算還是假設。模型曾推演一種燃料衝擊情境:燃料上漲 6%、食物價格變動 1.26%,估計有 26,595 人面臨糧食不安全,比趨勢比較多 1,369 人。這些是模型情境的結果,不是當地實際統計。 模型也把多年生食物林從剛種下到成熟的過程列入考量,並估算不同年份需要多少人力、能產出多少食物;除了總熱量,也檢查蛋白質和畜牧產出。這讓規劃者能看出食物何時長出來、需要多少工作,以及哪些資料還沒補齊;模型結果仍須搭配當地資料,才能判斷實際情況。

  27. Dev.to Top Tech61

    視網膜病變模型 QWK 達 0.91,但只看檔案資訊的分類器也有 0.65

    模型在熟悉的資料上分數很高,不代表換到別家醫院也能可靠判讀。作者用 APTOS 2019 訓練視網膜病變分級模型,並做了一個只看影像尺寸、亮度和檔案大小的分類器;它完全沒看視網膜,QWK 仍達 0.652,顯示相機特徵可能讓模型猜中標籤。模型在 IDRiD 表現尚可,到了由三位專家共同判讀的 Messidor-2,五級 QWK 降到 0.493,尤其常把中度病例判得太輕。作者進一步比較標籤後發現,用專家判讀結果微調,比只用模型自己的評分微調有更大提升;但 APTOS 測試集準確率也下降,因此沒有把微調模型用於展示。

  28. Dev.to Top Tech56

    資料筆數相同,紀錄仍可能漏掉:4 種筆數檢查會出錯的情況

    批次工作前後的資料筆數相同,不代表每筆資料都正確送達。文章用訂單當例子:原本應有 A、B、C、D,目的地卻收到 A、A、C、E,兩邊都是 4 筆,但 B、D 不見了,A 重複,還多出 E。重試、其他批次的資料混入、識別碼格式改變,或篩選與新增互相抵銷,都可能讓筆數看起來正常。作者建議先儲存這次工作預期收到的識別碼,再分別找出缺漏、多出和重複的資料;若找到缺漏,就沿著每個處理步驟追查。筆數適合當警示,不能單獨證明資料完整。

11月18日週三
  1. Dev.to Top Tech52

    Tiny Aya Global 用提問者的語言拒答,微調後也誤拒部分正常問題

    Tiny Aya Global 遇到有害問題時通常不會提供可用的危險內容,但用羅馬字寫的 Hinglish 提問,常得不到清楚的拒答。作者用 CuratorKIT 篩選訓練資料,再以 LoRA 微調模型,讓它用提問者所用的語言和文字方式拒答。測試中,三種語言的明確拒答比例都提高;另有 30 個訓練後才寫的新問題,修正後模型沒有回答其中的有害請求。不過,40 個正常 Hinglish 問題有 6 個被誤拒。作者也提醒,主要測試題有 91.7% 出現在訓練資料中,因此另列新問題的結果。

  2. PostgreSQL Official News54

    pgSherpa 推出 macOS 桌面工具,方便監控 PostgreSQL

    同時管理 PostgreSQL 伺服器時,健康狀況、資安設定和雲端資料庫資訊分散,可能不容易掌握。CortexRidge 推出免費的 macOS 桌面工具 pgSherpa,可監看 PostgreSQL 12 到 18,並用句子提醒需要處理的狀況,也能檢視鎖定等待、長時間執行的工作、複寫延遲、備份和故障切換等資訊。它也提供 SQL 查詢和常用報表;查詢預設在唯讀交易中執行,只有使用者切換後才會寫入資料。工具不需在伺服器安裝擴充功能或代理程式,密碼和金鑰會留在 macOS Keychain。

  3. PostgreSQL Official News58

    pgjumbo 推出免費 PostgreSQL 桌面使用者端,整合查詢與管理工具

    管理 PostgreSQL 時,查詢資料、備份資料庫和檢查伺服器狀況常要用到不同工具。pgjumbo 是一款免費桌面使用者端,支援 PostgreSQL 12 以上版本,可在 Windows、macOS 和 Linux 使用。它提供 SQL 查詢、資料編輯、備份還原、許可權與伺服器活動檢查等功能;修改資料庫物件前會先顯示 SQL,標記為 Production 的伺服器若要執行會造成破壞的指令,也會先要求確認。

  4. Dev.to Top Tech61

    微調小型語言模型教會新角色,舊故事的困惑度卻從 9 升到 156

    教語言模型新故事時,它可能變得不擅長原本會寫的內容。作者把一個有 5.9 million 個引數、原本會寫 Momo 故事的模型,微調來學新角色 Zuri;只教新故事後,舊故事測驗的困惑度從 9.09 升到 156.08。每批 20 段資料裡放入 2 段舊故事,困惑度則是 11.75,Zuri 的故事也學得差不多。不過,測驗分數看不出模型續寫時會把誰的故事接下去,實際讀生成內容也很重要。

  5. TechCrunch · AI64

    Humyn Labs 募得 4,700 萬美元,替美國機器人公司蒐集訓練資料

    機器人要學會做日常工作,需要大量真實的人類活動資料,但蒐集和整理這些資料並不容易。印度新創 Humyn Labs 募得 4,700 萬美元,包含 2,600 萬美元股權融資和 2,100 萬美元創投貸款,打算替美國 AI 與機器人公司提供訓練資料。公司用自製的雙鏡頭裝置拍下人們做家事或日常工作的畫面,再用軟體標記手部動作和物品互動,讓 AI 模型能學習。報導也提到,進入人們家中拍攝會帶來隱私與同意方面的疑慮;Humyn Labs 表示會透過當地夥伴安排拍攝地點並監督過程。

  6. Dev.to Top Tech44

    主成分分析如何把彼此相關的數字資料變簡單

    一份資料裡的數字常常一起變大或變小,全部拿來分析會很難整理。主成分分析會把彼此有關的數字重新組合,先找出最能代表整體變化的方向,再用少數幾個新數字概括資料。例如,美國各州的犯罪資料裡,三種犯罪數字在第一個主成分中方向相近,可以用來概括犯罪率的高低。這種方法能讓資料更精簡,但整理出的方向只是資料之間的關係,不能拿來證明一件事造成另一件事;分類資料也不適合直接這樣處理。

  7. Dev.to Top Tech57

    如何把 NetSuite 日記帳分錄整理後匯入 SQL 資料庫

    NetSuite 匯出的日記帳分錄常有小計列、帶貨幣符號的金額、代表零值的空白格,日期和文字格式也可能不符合資料庫要求。文章示範如何先只匯出明細,再清理金額、日期與文字,接著分批寫入 SQL 資料庫。匯入後還能按交易編號加總借方和貸方,找出不平衡的交易,避免格式問題悄悄影響財務資料。

  8. Dev.to Top Tech39

    dbSlice 教你從 SQL Server 把 PostgreSQL 缺少的資料補回來

    客服紀錄放在 SQL Server,報表用的 PostgreSQL 副本卻漏了幾筆;整張表過載又費工。dbSlice 用兩個 JSON 工作檔處理:先比對資料,找出 PostgreSQL 缺少的資料,再只新增那些資料,不會更新或刪除。文章用客服工單示範:比對後發現少了 841 筆,補完再跑一次,比對和新增都顯示沒有缺漏或新增。這套做法可從 Linux 或 Windows 的指令列執行,也能排程定期補資料;工作檔不會存放密碼。

  9. Dev.to Top Tech57

    MemTensor 教你怎麼挑選正式環境用的 AI 記憶系統

    AI 助理若記不住使用者偏好,或把不同帳戶的資料混在一起,就可能答錯或洩漏資訊。MemTensor 比較 MemOS Cloud、Mem0 Platform、Zep v4,以及 LangGraph 搭配 PostgresStore,說明它們如何儲存和找回資料,以及團隊要自行管理哪些部分。文章建議用相同的客服情境測試各系統,例如確認特定案件採用客服入口、其他問題仍使用電子郵件,並檢查不同帳戶是否只讀到自己的資料。也要確認刪除後的內容不會再被找回,並瞭解資料存放與傳送的位置,再依需求和維護負擔選擇。

  10. Hacker News (official RSS)58

    Geoscience Australia 開放全澳洲 AUSTopo 地形圖下載

    需要規劃工程、管理緊急事件或到野外工作時,常得先找到涵蓋範圍完整、資料可靠的地圖。Geoscience Australia 已完成 AUSTopo 1:250,000 數位地形圖系列的全國發布,地圖可免費下載、列印,也能存到手機或平板離線檢視。使用者可以選擇最新版本或過去的版本;自 2023 年起,系列中已有超過 500 張地圖更新,舊版也保留下來供比較、教學和研究。

  11. Hacker News (official RSS)82

    研究發現 Claude 能預測少人研究的蛋白質序列

    模型答得出常見蛋白質,不一定代表它學會了蛋白質序列的規律,因為這些資料也常出現在論文和網路上。研究者改用少人研究的細菌與古菌蛋白質,請模型根據序列前段預測下一個胺基酸,再和打亂順序的序列比較。Claude Fable 5.2 在原始序列上答對 54%,打亂後則是 9%;其他受測的一般模型幾乎沒有這種差距。研究結果顯示,Claude 最新模型可能在訓練時接觸過大量蛋白質序列;不過,這項測試只檢查下一個胺基酸,不能直接說明模型能否預測蛋白質結構或突變影響。

    推薦理由:研究用冷門蛋白質序列測試模型是否學到序列規律,並比較 Claude 與專門蛋白質模型的預測表現。