NIST PQC 标准化里程碑：FIPS 203/204/205 与 ML‑KEM/ML‑DSA
概述 NIST 发布的三项后量子密码标准（FIPS 203/204/205），说明 ML‑KEM/ML‑DSA/SLH‑DSA 的由来与差异，并给出工程替换建议。
数据科学与AI
MongoDB TTL 索引与过期数据清理实践
使用 TTL 索引对基于时间的文档自动过期清理，示例包含索引创建、插入与行为说明。
MLOps 模型监控与漂移检测（2025）
MLOps 模型监控与漂移检测（2025）模型上线后需要持续观测与校正，防止性能劣化与风险。一、指标与采样指标：准确率、召回率与业务指标联合评估。采样：对在线数据进行代表性采样以支持评估。二、漂移检测分布漂移：监控输入与特征分布变化，预警异常。概念漂移：识别标签与场景变化导致的性能下降。三、反馈与再
LLM输出防护：提示注入、敏感信息与事实核查
通过上下文隔离、输入/输出过滤与引用证据，实现对提示注入与敏感信息泄露的防护，并进行事实核查。
LLM流式输出：SSE/WebSocket与续写策略
在大语言模型应用中，采用 SSE/WebSocket 提供流式输出与断点续写策略，优化用户体验与鲁棒性。
LLM函数调用与JSON模式约束：结构化输出与工具编排
通过函数调用与 JSON Schema 约束实现结构化输出与工具编排，提升可控性与集成效率。
LLM 输出去敏与审计流水（PII Redaction、审计与验证）
为LLM输出进行PII去敏与审计记录，通过规则与模型识别敏感信息并替换，保留审计流水与证据链，提供实现与验证方法。
LLM 服务端流式传输与断点续传（SSE/WebSocket、分片与验证）
使用SSE或WebSocket提供LLM流式输出，并通过分片与游标实现断点续传与重试安全，给出服务端与客户端实现与验证方法。
LLM 推理缓存与去重策略（Prompt Cache、Fingerprint 与验证）
通过Prompt缓存与请求指纹实现去重与命中，结合结果分片与Speculative策略降低延迟与成本，提供实现与验证方法。
LLM 响应结构化与 Guardrails（JSON 模式、Schema 验证与安全）
将LLM输出结构化为JSON并通过Schema验证与安全过滤，结合PII检测与字段白名单，提供实现与验证方法以增强可靠性与合规。
