机器学习

人工智能导论：模型与算法（核心技术）机器学习是智能体从数据中自动学习知识的一种人工智能方法。其目标是从原始数据中提取特征，学习一个映射函数fff将特征映射到语义空间，寻找数据和任务目标之间的关系。

[菜鸟教程] 机器学习教程第五课-机器学习如何工作机器学习（Machine Learning, ML）的核心思想是让计算机能够通过数据学习，并从中推断出规律或模式，而不依赖于显式编写的规则或代码。

哥布林学者

深度学习进阶（二十四）Swin 的二维 RPE上一篇我们介绍了 T5 的偏置型 RPE，仅仅使用一个标量偏置，配合分桶策略，就用极低的复杂度实现了 NLP 的高效位置编码。

7.相似度计算（本地模型下载和使用，在线模型的使用）-RAG基础1内容参考于：图灵AI大模型全栈本章用的百炼在线大模型是后付费模式，跟贷款一样，它先替你拿钱，然后你再还，这样要注意别欠的太多还不起了

隐层漫游者

2026年了，你还只会sklearn.fit()？手把手教你推导线性回归，深度解析梯度下降与正则化，波士顿房价预测全揭秘！大家好，我是你们的技术伙伴。👋在深度学习大行其道的2026年，我们往往容易忽略那些经典且强大的传统机器学习算法。今天，我不讲复杂的Transformer，也不讲庞大的LLM，我们来重温机器学习的基石——线性回归（Linear Regression）。

Nat Hum Behav | 特征选择会导致基于脑影像的机器学习生物标志物产生迥异的神经生物学解释特征选择虽能提升脑影像机器学习模型的预测性能，但被剔除的弱连接特征同样蕴含显著预测能力。《Nature Human Behaviour》刊发的这项研究通过四个大规模数据集(超1.2万人)验证：依据关联强度将脑连接特征划分为互不重叠的十分位组后，排名靠后的特征组在认知、发育及精神疾病表型预测中的表现与高排名组相当，且能成功泛化至外部队列。同时研究警示，过度依赖特征选择可能会歪曲对神经生物学机制的解释，强调全脑广泛分布的微弱信号不容忽视，这对提升模型可解释性与可重复性具有重要启示。

人工智能培训

AI人工智能未来发展趋势当ChatGPT实现自然语言的深度交互，当AI机器人走进工厂车间，当智能算法助力疫苗研发提速，人工智能已从实验室的前沿探索，成为渗透社会各领域的核心生产力。当前，AI技术正处于从“弱智能”向“强智能”跨越的关键节点，结合技术迭代方向与行业应用实践，其未来发展将呈现技术深耕、场景融合、伦理规范协同推进的清晰态势，深刻重塑人类生产生活方式，开启智能时代的全新篇章。

大模型可解释性-颠覆认知：大语言模型在预训练中并非“稳定变聪明”新研究发现，我们关于模型学习过程的根本假设可能错了近日，一篇关于大语言模型（LM）预训练“泛化动态”的研究在社区内引发了广泛讨论。该研究通过一套精巧的评估工具，揭示了一个颠覆性的现象：在预训练过程中，模型并非如我们通常所设想的那样，从机械的“模式匹配者”（鹦鹉）平稳、线性地发展为具备深层理解的“通用智能”。

AI-Python机器学习与深度学习全栈实战：从机器学习、深度学习到自动化Agent在科学研究中的深度应用全揭秘随着观测技术、数值模拟与计算基础设施的迅猛发展，科学研究的范式正经历从"人工编程"到"智能体自动化"的深刻变革。无论您从事生命科学、环境科学、材料研究还是社会科学，都面临着共同的挑战：海量异构数据的处理耗时、复杂模型的编程门槛、以及从Idea到论文的漫长转化链条。这个教程正是为突破这些瓶颈而生。我们不仅提供从Python基础到PyTorch深度学习的完整技术栈，更前瞻性地引入大模型工程化与自动化智能体（Agents）技术，打造"AI赋能的科研全链条"：

大模型最新论文速读

05-18 · LLM 最新论文速览今日候选池 93 篇，硬过滤 + LLM 打分后通过评估 27 篇，精选 Top-10，另列 17 篇速览。

温九味闻醉

关于腾讯广告算法大赛2025项目面试要点维持词表权重与位置编码的“量级平衡”：如果直接把两者相加，模型在训练初期会严重跑偏，误以为“位置”决定了一切。在 attention is all u need中

运维帮手大橙子

自动驾驶通过红路灯路口卡停这是自动驾驶测试里非常常见的问题，面试里一般是在考你：自动驾驶通过红绿灯，大致链路：感知 → 红绿灯识别 → 定位 → Prediction → Planning → Control

人工智能培训

解码大语言模型LLM：定义与核心原理解析在人工智能飞速迭代的今天，大语言模型（Large Language Model，简称LLM）已渗透到生活、工作的方方面面——从日常聊天的智能助手，到代码生成、文案创作、知识检索，LLM用自然流畅的交互方式，重新定义了人与机器的沟通边界。但很多人对它的认知，仍停留在“会聊天的工具”层面。究竟什么是LLM？它能理解语言、生成内容的核心魔力，又源于何处？本文将用通俗的语言，拆解LLM的定义与核心原理，带大家走进这项重塑AI格局的核心技术。

模型迭代实战：如何将准确率从75%提升到89%一个销量预测模型的进化史：从 baseline 到上线，我们做了 LightGBM 调参、特征选择、Stacking 融合，误差降低40%。

DL：前馈神经网络的基本原理与 PyTorch 实现前馈神经网络（Feedforward Neural Network，FNN）是深度学习中最基础的一类神经网络结构。它的核心特点是：信息只沿一个方向逐层传播，从输入层进入，经过一个或多个隐藏层，最后到达输出层，网络中没有循环反馈连接。

ECT-OS-JiuHuaShan

什么是认知，认知的本质是什么？Jianbing Zhu 11 ECT-OS-JiuHuaShan 文明实验室ORCID: 0009-0006-8591-1891

【机器学习与智慧医疗】T2DM-EWS: 2型糖尿病早期预警系统（多参数集成分类模型）完整实现完整项目源码与架构设计文档数据流协同：控制流协同：内部接口：外部接口（预留）：文档版本: v1.0 | 生成日期: 2026-05-19

《Transformers are Inherently Succinct》论文解读：从“能表达什么”到“多紧凑地表达”这篇论文讨论的不是我们日常工程里最熟悉的 Transformer 训练技巧、注意力优化或大模型推理加速，而是一个更偏理论但很有启发性的问题：Transformer 到底强在哪里？

学习理论：在线弃权学习上个月京吹新剧场版上映，宇治各种宣发力度挺足的。正好读研时的同学来京都玩，一起去逛了宇治，顺便品抹茶赏樱花。上图就是在宇治市观光中心拍的(#.#)。

使用colab完成机器学习记录打开 Colab：在地址栏输入 colab.research.google.com 并回车。新建笔记本：点击页面上的“新建笔记本”按钮。