机器学习

AI销售机器人：节日祝福转化率提升30倍每逢节日，销售团队常陷入“手动群发→低响应→无转化”的恶性循环，核心痛点可概括为三点：效率极低：10000名客户的祝福触达需耗时8小时以上，人工核对易出现号码错误、文案漏改等问题，错误率达12%；缺乏个性化：千篇一律的模板文案无法匹配用户年龄、消费偏好、行业属性，导致客户抵触情绪强烈；转化链路断裂：无法实时捕捉用户回复意图，错失二次触达的黄金时机。

【机器学习教程】第02章：线性代数基础【下】前言线性代数是现代数学的通用语言，也是机器学习的基石。在机器学习中，我们关注的焦点并非复杂的行列式计算或方程组求解，而是数据的表示、空间的变换、几何的度量以及优化的方向。

KAG: Boosting LLMs in Professional Domains viaKnowledge Augmented Generation近年来新兴的检索增强生成（RAG）技术，实现了领域专属应用的高效构建。然而，该技术同样存在局限性，例如向量相似度与知识推理关联性之间存在偏差，且对数值、时序关系、专家规则等知识逻辑不敏感，这些问题制约了专业知识服务的效果。

FineInstructions Scaling Synthetic Instructions to Pre-Training ScaleAuthors: Ajay Patel, Colin Raffel, Chris Callison-Burch

Reinforce Learning Concept Flow Chart (强化学习概念流程图)在强化学习中，智能体（agent）在一系列的事件步骤上与环境交互。在每个特定时间点，智能体从环境结构一些观测（observation），并且必须选择一个动作（action），然后通过某种机制（有时称为执行器）将其传输回环境，最后智能体从环境中得到奖励（reward）。注意，强化学习的目标是产生一个好的策略（policy）。强化学习智能体选择的“动作”受策略控制，即从一个环境观测映射到动作的功能。

【机器学习】吴恩达机器学习Lecture2-Linear regression with one variable关键词：Supervised Learning监督学习Linear regression with one variable 一元线性回归

Reinforce算法目录一、Reinforce介绍二、REINFORCE + baseline三、证明为啥可以降低方差1.计算策略梯度的方差

小鸡吃米…

机器学习 - 高斯判别分析（Gaussian Discriminant Analysis）摘要：高斯判别分析（GDA）是一种基于高斯分布的生成式分类算法，通过建模各类别的多元高斯分布进行预测。该算法要求数据满足连续型、正态分布、协方差矩阵相同等假设条件。在Python中可通过scikit-learn的QuadraticDiscriminantAnalysis实现，在鸢尾花数据集上通常能达到97%以上的准确率。虽然存在假设限制，但GDA仍是处理连续型数据的有效分类方法。

【机器学习教程】第01章：机器学习概览“All models are wrong, but some are useful.” —— George Box

MMA综合格斗动作检测数据集VOC+YOLO格式1780张16类别数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)

AI销售机器人的隐私痛点与破解之道随着大模型技术的普及，AI销售机器人已经成为企业获客转化的核心工具，但客户隐私顾虑正在成为落地的最大阻力。根据Gartner《2024全球AI服务隐私合规白皮书》数据，78%的企业客户在使用AI交互服务时，最担忧“个人对话数据被未经授权用作大模型训练数据”——尤其是涉及姓名、联系方式、金融需求等敏感信息的场景，直接导致AI销售机器人的客户接受率仅为62%。

项目_Agent实战vibecoding 框架plan and think实际系统中常常先在人为代码中固定主干流程，再在需要模型能力的节点中，通过prompts来让模型在做局部规划中执行。有点像我在user端事先规定的ruler一样

沃达德软件

视频侦查图像清晰化技术智能视频图像模糊处理，用于视频侦查过程中对模糊视频图片进行清晰化处理，解决视频图像中关键信息模糊的难题，通过增强视频图像画面关键细节，恢复视频图像中有价值的信息，满足视频侦查实战需求。智能视频图像模糊处理，包括人脸模糊处理、车牌模糊处理、视频图像增强算法、视频图像增强、视频增强、系统管理。 #视频侦查#视频图像处理#视频分析#视频AI分析识别#视频图像识别#视频监控#安防监控

Java后端的Ai之路

【RAG技术】- 趣味解读RAG 高效召回秘籍之索引扩展哈喽，各位搞AI、做RAG的小伙伴们！是不是经常遇到这种崩溃场景：明明知识库里有相关内容，用户查询却搜不到？或者搜出来的内容驴唇不对马嘴，后续生成的答案全是废话？别慌！今天咱们就聚焦RAG高效召回的核心玩法——索引扩展，把原有3种核心策略讲透，再新增3个实战拓展方案，从原理到案例、从专业解读到大白话吐槽，保证你看完就能上手，从此和“漏检”说拜拜～

【机器学习教程】第03章：SVD与矩阵分解核心思想：任何矩阵都可以看作"旋转-拉伸-旋转"的组合。SVD 是线性代数的终极武器。如果说线性代数有皇冠,那么奇异值分解 (SVD) 就是皇冠上的明珠。Gilbert Strang 教授称其为"线性代数的顶峰"。

大模型应用：算力分层治理：基于大模型算力四层匹配体系的优化方案.72大模型的应用，算力成了我们逃脱不开的话题，往往我们在谈到模型应用这个事情，算力焦虑似乎成了我们都会遇到的痛点。不仅是我，我相信都会陷入“算力要显卡、加卡即提效”的认知误区，动辄投入大量资金搭建多卡集群，却发现算力利用率不足30%，训练时GPU长期闲置等数据，推理时多卡协同反而比单卡更慢，甚至出现“卡数翻倍、效率减半”的荒诞场景。这一困境的核心，并非硬件资源匮乏，而是对算力的认知停留在硬件堆砌层面，忽略了其多层级协同的本质。算力从来不是单一维度的运算能力，而是由计算、访存、调度构成的有机体系，三层算力的失衡

GRPO优化函数和改进策略的探索分析GRPO是一种强化学习策略优化方法，它通过组内相对比较来评估和改进策略。之前探索了基于策略梯度的高效强化学习算法-GRPO。

大江东去浪淘尽千古风流人物

【LingBot-Depth】Masked Depth Modeling for Spatial Perceptionlingbot-depth projectLingBot-Depth模型的输入非常灵活，主要支持以下两种模式：

（；￣ェ￣）。

机器学习入门（十七）朴素贝叶斯利用概率值进行分类的一种机器学习算法什么是概率？一件事情发生的可能性，取值在【0,1】之间。比如：抛硬币正面向上的概率、6面骰子抛出5这一面的概率

压力测试实战：基于Locust的高并发场景稳定性验证所有的架构设计和代码优化，最终都要在压力测试的烈火中接受检验。对于DeepSeek推理服务，我们不能简单地用 ab 或 wrk 这种针对静态网页的工具来测，因为大模型的请求是长连接，且计算负载与Prompt长度高度相关。