机器学习

啥是RAG 它能干什么？RAG（Retrieval-Augmented Generation，检索增强生成）是一种结合了信息检索与大语言模型生成能力的技术。与传统模型相比，RAG能够从外部知识库中检索相关信息，再基于这些信息生成更准确、更可靠的回答。

YOLO resume断点续训（不能用官方的权重，是自己训练一半生成的last.pt）训练 YOLO 模型（v5/v8/v11）常需数百 epoch，耗时数天。断电、SSH 断开、显存溢出、进程误杀等意外极易导致训练中断，从头开始会浪费大量算力与时间。

AI医影跨模态组学

J Clin Oncol（IF=43.4）美国Cedars-Sinai医学中心等团队：基于计算组织学人工智能的晚期胰腺癌化疗选择预测性生物标志物的开发与验证01文献学习今天分享的文献是由美国Cedars-Sinai医学中心、Valar Labs、加拿大玛格丽特公主癌症中心等国际多机构团队于2026年2月在肿瘤学领域顶刊《Journal of Clinical Oncology》（中科院1区top，IF=43.4）上发表的研究“Development and Validation of a Computational Histology Artificial Intelligence-Powered Predictive Biomarker for Selec

温九味闻醉

关于腾讯广告算法大赛2025项目分析3-重读main中初始化赋值 8. 初始化所有参数 - user_emb，item_emb：全零化处理 - 其他：xavier_normal 9. 所有emb权重 padding 位置（第0行）清零

AI医影跨模态组学

Cancer Letters（IF=10.1）中山大学附属第六医院等团队：基于治疗前MRI影像的RCMIX模型预测MRI定义的cT4期直肠癌T分期下降01文献学习今天分享的文献是由中山大学附属第六医院联合中山大学肿瘤防治中心、四川大学华西医院等团队于2025年9月在《Cancer Letters》（中科院1区top，IF=10.1）上发表的研究“RCMIX model based on pre-treatment MRI imaging predicts T-downstage in MRI-cT4 stage rectal cancer”即基于治疗前MRI影像的RCMIX模型预测MRI定义的cT4期直肠癌T分期下降，该研究基于多中心回顾性数据，构建并

3.AI大模型-token是什么-大模型底层运行机制内容参考于：图灵AI大模型全栈Token是大模型通用的货币，这个货币是个什么东西？如下图某大模型的Token的收费

基于 Simulink 与 Python 联合仿真的 eVTOL 强化学习全链路实战将混合动力汽车（HEV）的能量管理策略延伸到混合动力飞行汽车（Hybrid eVTOL 或 Flying Car），是一个极具前瞻性且挑战性倍增的研究方向。

哥布林学者

深度学习进阶（二十二）T5：NLP任务的首次大一统上一篇我们完整展开了 Transformer-XL 的四项重构式 RPE，它通过把内容和位置分开建模，让位置信息真正参与到了注意力计算中。但看完那个复杂的公式后，有这样一个问题：

通信小呆呆

注意力机制用于信号同步：从匹配滤波到可学习对齐在信号处理中，同步（synchronization）是指从接收信号中确定一个已知参考信号的起始位置或延迟。经典方法——匹配滤波（matched filtering）——通过滑动相关计算峰值位置来完成这一任务。其数学本质是：

机器学习之梯度提升与XGBoost详解梯度提升（Gradient Boosting）是机器学习中最具影响力的集成学习方法之一，其核心思想是通过迭代构建弱学习器，逐步减少预测误差。XGBoost（eXtreme Gradient Boosting）作为梯度提升框架的高性能实现，凭借其卓越的预测精度、高效的并行计算能力以及完善的正则化策略，在Kaggle竞赛、工业界数据科学实践中长期占据主导地位。本文系统梳理了Boosting与Bagging的核心差异、梯度提升的基本原理、XGBoost的理论基础与工程优化，以及主流梯度提升变体（LightGBM

启发式算法WebApp实验室：从搜索策略到群体智能的能力进阶（七）在复杂优化问题中，我们往往面对一个根本性困境：问题可以形式化，但最优解难以在可接受时间内获得例如：这些问题具有共同特征：

热心网友俣先生

2026年认证杯二阶段A题赛题解析本文将为大家带来认证杯二阶段A题的超详细解题思路。由于A题有三个大问题，每个大问题下有5~6个小问题不等，但是每一个问题针对于主体的内容量不同，就会导致每一个小问题的赋分一定是不一样的。本文将会给大家详细的介绍每一个问题里面哪一个问题是核心点，哪一个问题可以进行创新，哪些问题可以详略的进行表示

人工智能培训

伦理与安全困境：在平衡中探寻前行之路当人工智能算法决定求职筛选结果，当基因编辑技术触碰生命伦理底线，当数据监控在安全与隐私间摇摆，伦理与安全的困境已不再是抽象的哲学命题，而是渗透在科技发展、社会治理、日常生活中的现实挑战。伦理是人类社会公认的价值准则，是区分善恶、界定边界的精神标尺；安全则是个体生存、社会运转的基本前提，是一切发展的根基。二者看似相辅相成，实则常常陷入相互博弈的困境，如何在坚守伦理底线的同时守护安全，成为当代社会必须面对的重要课题。

机器人领域简报（2026年5月7日—5月13日）数据来源：经济参考报、人民日报海外版、新浪财经、搜狐、中关村在线、东方财富网、同花顺、企鹅号等简报日期：2026年5月13日

【行情复盘】2026年5月14日（周四）报告时间：2026年5月14日 21:20 数据来源：市场公开数据整理免责声明：本报告基于市场公开数据和技术分析，仅供参考，不构成任何投资建议。股市有风险，投资需谨慎。

Smile灬凉城666

逻辑回归数据集电信案例python_Sklearn/Logistic Regression/data at master · MoonlightWhisperer/python_Sklearn

ZHW_AI课题组

基于ElasticNet网格搜索的汽车燃油效率预测任鑫，男，西安工程大学电子信息学院，2025级研究生研究方向：深度学习、目标检测电子邮件：renx17811@163.com

【荣誉时刻】PnP机器人荣获「具身智能跨界融合创新奖」，以硬核实力引领产业融合新范式【荣誉时刻】PnP机器人荣获「具身智能跨界融合创新奖」，以硬核实力引领产业融合新范式2026年4月，由机器人大讲堂、立德智库主办的第三届中国具身智能与人形机器人产业大会在北京圆满落幕。本次大会汇聚千余位政产研学金界精英，聚焦具身智能与机器人产业的前沿趋势与落地实践。集智联机器人（苏州）有限公司（PnP机器人）凭借在具身智能领域的技术创新与跨界融合实践，荣膺「具身智能跨界融合创新奖」。 🏆 获奖实至名归，源于对具身智能的深度探索具身智能，作为机器人行业近两年来发展最快的赛道，正在重塑整个产业的技术范

基于静态属性的聚类预测新商品销量1. 特征工程的关键考量在利用静态属性进行聚类分析时，特征的选择和处理至关重要：2. 聚类算法的选择与调优

轨道交通车站客流YOLO格式检测数据集摘要：本研究使用的数据集由猿创作者团队整理优化，专门针对轨道交通车站客流监控应用场景设计，主要包含车站内行人的常规数据。所有样本均来自真实的轨道交通车站环境，能够有效反映行人在不同场景下的行为模式和复杂性。数据集采用YOLO目标检测标准格式，重点聚焦于行人检测，为轨道交通领域的智能监控与客流分析提供了宝贵的数据资源。