机器学习

程序员转行学习 AI 大模型：模型微调｜附清晰概念分类本文是程序员转行学习AI大模型的第16个核心知识点笔记，附清晰业务流程示例。当前阶段：还在学习知识点，由点及面，从 0 到 1 搭建 AI 大模型知识体系中。系列更新，关注我，后续会持续记录分享转行经历～

从零吃透大语言模型 LLM，AI 应用开发必懂底层逻辑在正式进入 LangChain & LangGraph AI 应用开发之前，我们必须先把地基打牢——大语言模型（LLM）是整个 AI 应用框架的核心引擎，不懂 LLM，再强大的框架也只是空中楼阁。

基于v≡c光速螺旋理论的正确性证明：严格遵循科学方法论的完整路径基于v≡c公设推导的麦克斯韦方程组，要完成严格的正确性证明，必须按以下5个优先级层级，从基础逻辑到实验验证全链条闭环。

分享本周所学——三维重建算法3D Gaussian Splatting（3DGS）大家好，欢迎来到《分享本周所学》第十二期。本人是一名人工智能初学者，刚刚读完大二。前几天自学了一下3D Gaussian Splatting（3DGS），觉得非常有意思。写这篇文章主要是因为网上大部分关于3DGS的文章都比较晦涩，我自己学的时候也是翻阅了大量的论文博客视频，所以想结合自己的学习过程，写一篇让所有人都能看懂的文章。我不会假设你有任何机器学习或者数学的基础知识，即使你只是刚刚接触人工智能领域的小白，我也会让你看懂。如果你觉得我有任何一个地方（即使只是一个标点符号）写的不对、不好或者不清楚，麻烦

【一起啃西瓜书】机器学习-期末复习（不挂科）马上西瓜书期末考试，为了不挂科，需要有针对复习，内容来自专业各个学霸及老师的重点划分。推荐:【一起啃西瓜书】机器学习总览

机器学习深度学习基础速成目录机器学习一、概念1、无监督学习（降维、聚类）：2、监督学习（分类、回归）：3、强化学习：二、数据集分类、特征工程与特征缩放

机器学习之策略梯度策略梯度（Policy Gradient）方法是强化学习中的一类重要算法，其核心思想是直接对策略参数进行优化，而不是通过值函数间接优化策略。与基于值的方法（如Q-Learning、DQN）不同，策略梯度方法可以直接处理连续动作空间，并且能够学习随机策略。

希潭实验室

第136篇：美国NSA的苹果手机“三角测量“后门的窃密模块分析 | 机器学习引擎识别照片信息Part1 前言大家好，我是ABC_123。在上一篇文章《第135篇：美国APT的苹果手机"三角测量"行动是如何被溯源发现的》中，ABC_123为大家着重讲解了美国APT针对iPhone、iPad等苹果可移动设备的"三角测量"攻击，并详尽描述了它是符合被溯源发现的。"三角测量"攻击行动极其复杂，其复杂度也符合美国NSA历来APT攻击案例（如震网病毒、火焰病毒）的风格，该后门代码的兼容性暗示其使用了长达10年之久。今天ABC_123重点讲解该行动中三角测量后门TriangleDB的一些窃密功能，为大家的安全

双重机器学习之因果推断 | CATE条件平均处理效应估计：五大方法原理详解与模拟数据实战（python版）ATE（Average Treatment Effect）回答的是：干预措施对整个群体的平均效果是什么？

绝不原创的飞龙

使用机器学习和数学预测美国 GDP原文：towardsdatascience.com/forecasting-us-gdp-using-machine-learning-and-mathematics-62f3f794d690?source=collection_archive---------2-----------------------#2024-07-24

机器学习微积分--(1)核心思想微积分是数学中一门非常重要的分支，它主要研究变化和累积。你可能听说过“微积分”这个名字，感觉它很难，但其实它的核心思想非常直观，源于两个我们都很熟悉的几何问题：

人工智能培训

具身智能系统集成与计算效率优化路径探析具身智能作为连接人工智能与物理世界的核心载体，通过融合感知、决策、执行等多模块实现自主交互，其系统集成的合理性与计算效率的高低，直接决定了智能体在复杂场景中的落地能力。当前，具身智能正从实验室走向产业化应用，却面临系统集成碎片化、计算资源分配不合理、多模态数据处理滞后等问题，破解这些难题成为推动其规模化发展的关键。

读代码3：OLMo3全详解 - layer2--Data （上）arxiv:2 OLMo 2 Furious Olmo 3github:GitHub - allenai/OLMo-core: PyTorch building blocks for the OLMo ecosystem

下篇：它到底是怎么操作的——AI中半监督学习的类型与作用，以及为什么它成了行业的“最优解”我们说了半监督学习是一个只做了几道例题、却刷完了一整本习题册的学生。现在的问题是：它到底是怎么做到的？用了哪些“偷懒”的技巧？这些技巧又能帮我们解决什么实际问题？

机器学习入门数据操作梯度下降算法特征值取值范围越接近，梯度下降越快所以我们将特征值约束到-1，1的范围内特征缩放学习率太大，收敛快，但是可能导致损失函数迭代后升高，学习率小，收敛太慢

光速螺旋量子几何统一场论——基于 v ≡ c 公理的四大基本力全维度求导证明与精准数值验证作者 AI科技星摘要：本文以宇宙唯一公理 ∥ v ∥ ≡ c \boldsymbol{\|\boldsymbol{v}\|\equiv c} ∥v∥≡c（一切物质、场、时空的内禀运动速率模长恒等于真空光速）为核心，通过三维稳态光速螺旋几何建模，开展全阶时间逐次求导，从第一性原理推导出四大基本相互作用（引力、电场力、磁场力、强核力）的统一空间螺旋表达式；严格完成全维度量纲守恒校验，基于CODATA2022国际标准物理常数，开展宏观天体尺度与微观粒子尺度双维度高精度数值精算，验证公式的数学正确性与物理自洽性；

陪你步步前行

关于dice, miou, loss计算的细节两种方式：特点：每个batch权重相同。 ----> 1. 如果data_loader的最后一个batch不满，那么这个batch对loss做出的贡献和其他满batch对loss做出的贡献是相同的。 2. 某些batch里有效像素/正样本特别少（比如很多 GT=0），但它仍占同等权重。

论文详解：基于POI数据的城市功能区动态演化分析——以北京为例原文：Analysing the dynamics of urban functional areas in a rapidly changing spatial structure: Using points of interest data

LINEMOD 训练流程与实施细节本文面向当前仓库 /workspace/workflow/self/PVN3D，整理 LINEMOD 数据集在 PVN3D 中的训练流程、数据前提、目录要求、命令入口、检查项和常见问题。

HyperAI超神经

数据集汇总丨英伟达/OpenAI及多所科研机构开源推理数据集，覆盖数学/全景空间/Wiki问答/科研任务/视觉常识等当大模型从「能说会写」迈向「能推理、会思考」，数据的重要性正在被重新定义。过去，海量通用语料支撑了语言模型的表达能力；而今天，真正决定模型上限的关隘，正在逐步过渡为结构清晰、逻辑严密、具备多步推演过程的推理数据。无论是复杂数学问题、跨领域知识问答，还是多步骤决策与工具调用能力，背后都离不开高质量推理数据集的支撑。