本文讨论了质量保障和测试用例设计的两个面试题。质量保障应从根因出发，采用不同方法推动落地。测试用例设计应学习更高效的方法，而非等价类和边界值方法。理论知识和实践经验并无高低之分，二者结合才是更好的方法。

该研究提出了一种新的高效方法，用于生成局部连续的 Pareto 集和 Pareto fronts，并将其应用于现代机器学习问题中。通过基于样本的稀疏线性系统，扩展了多目标优化的理论结果，并实现了局部 Pareto 集的分析。通过在多任务分类和回归问题上的应用，证明了该算法在平衡权衡、找到更多不同权衡解以及处理百万级参数任务方面的能力。

该研究提出了一种新的高效方法，用于生成局部连续的 Pareto 集和 Pareto fronts，并将其应用于现代机器学习问题中。通过基于样本的稀疏线性系统，扩展了多目标优化的理论结果，并实现了局部 Pareto 集的分析。通过在多任务分类和回归问题上的应用，证明了该算法在平衡权衡、找到更多不同权衡解以及处理百万级参数任务方面的能力。

本文提出了一种新的高效方法，用于生成局部连续的Pareto集和Pareto fronts，并应用于现代机器学习问题。通过基于样本的稀疏线性系统，将多目标优化理论扩展到机器学习，并实现了局部Pareto集的分析。通过在多任务分类和回归问题上的应用，证明了该算法在平衡权衡、找到更多不同权衡解以及处理百万级参数任务方面的能力。

本文介绍了一种高效的3D医学图像重建方法，结合了传统的迭代重建和现代扩散模型，具有高保真度和准确度的重建，并具备泛化能力。

本论文提出了一种高效的方法，通过自动 INT4 纯权重量化流和设计具有高度优化内核的特殊 LLM 运行时，在 CPU 上加速 LLM 推理。该方法对多种流行 LLM 的普适性，并展示了在 CPU 上的极高推理效率。