技术栈
机器学习
哥布林学者
1 小时前
机器学习
·
ai
深度学习进阶(五)Vision Transformer
在上一篇,我们已经完整介绍了原始 Transformer 的结构和整体传播逻辑。从结果上看,Transformer 在 NLP 领域带来了范式级的突破:通过自注意力机制实现了对序列的全局建模能力。 然而,实际上,原始 Transformer 依然只是一个面向序列数据的模型。
罗西的思考
2 小时前
人工智能
·
算法
·
机器学习
【OpenClaw】通过 Nanobot 源码学习架构---(5)Context
0x00 概要0x01 提示词系统0x02 ContextBuilder 基本功能0x03 图例0x03 重点函数
OYpBNTQXi
4 小时前
算法
·
机器学习
·
同态加密
SEAL全同态加密CKKS方案入门详解
CKKS的核心创新是规范嵌入(Canonical Embedding),将环R上的多项式与复数空间CN/2双向映射:
Binary_ey
5 小时前
人工智能
·
深度学习
·
机器学习
光刻技术第22期 | 贝叶斯压缩感知光源优化的优化技术及对比分析
01/简介随着集成电路制程迈入3nm及以下先进节点,光刻系统中的光学衍射、掩模三维效应与光致抗蚀剂非线性响应形成强耦合,使光源优化(SO)成为保障成像精度、扩展工艺窗口的核心技术环节。传统线性压缩感知光源优化技术因难以量化参数不确定性,优化结果易出现鲁棒性不足问题;经典优化算法如固定步长梯度下降,常面临收敛迟缓或震荡难题;
蚂蚁数据AntData
5 小时前
大数据
·
人工智能
·
算法
·
机器学习
·
语言模型
·
开源
破解AI“机器味“困境:HeartBench评测实践详解
作者:苏菲,AI 科学与评测部2025年起,大模型的竞争格局正在发生微妙而深刻的变化。单纯的 Scaling Law已开始遭遇边际效应递减。当主流模型在MMLU、HumanEval等客观评测集上的表现日趋饱和,甚至纷纷宣称达到SOTA时,一个关键问题浮出水面:在AI应用落地场景(如AI陪伴、创意写作、心理咨询等),我们正普遍面临模型虽具备逻辑,却有着明显的“机器味”,缺乏真正“人味儿”的困境。这种“人味儿”的缺失,不仅限制了AI的实用性,更直接影响了用户体验和产品的核心价值。它预示着:技术指标的军备竞赛之
kishu_iOS&AI
7 小时前
人工智能
·
机器学习
·
线性回归
机器学习 —— 线性回归
线性回归 可以理解为 数学里面的 一元二次方程根据已有的数据绘制拟合回归线如: y = kx + b数学里面 :k 是斜率 ,b 是截距
人机与认知实验室
8 小时前
人工智能
·
深度学习
·
神经网络
·
机器学习
神经网络、数学、理性思维真能实现通用智能吗?
一、神经网络真能实现通用智能吗?这是一个非常深刻且在科学界争论不休的问题。简单直接的回答是:仅靠目前的神经网络技术,很难实现真正的通用智能(AGI),它更像是通往AGI拼图中至关重要但并非唯一的一块。 虽然神经网络(特别是深度学习)在图像识别、语言生成等领域取得了惊人的成就,但要达到像人类一样具备跨领域推理、常识理解和自主学习的“通用智能”,目前面临着巨大的理论瓶颈。 我们可以从以下几个维度来拆解这个复杂的命题: 🚧 1. 现状:它是“专用智能”的王者,却是“通用智能”的跛脚者
CS创新实验室
8 小时前
人工智能
·
机器学习
·
aigc
·
harness
AI 领域的 Harness Engineering:概念、实践与前景综述
2026 年初,AI 领域迎来了一场悄然却深刻的范式转变。随着大语言模型(LLM)能力快速逼近"通用智能"的门槛,一个令人尴尬的事实浮出水面:模型本身不再是瓶颈,如何让模型在真实生产环境中可靠工作才是。
Gary jie
9 小时前
人工智能
·
深度学习
·
opencv
·
目标检测
·
机器学习
·
长短时记忆网络
OpenClaw4月更新的梦境记忆巩固系统
一篇涵盖 AI 助手能力、记忆系统、手机远程访问、Windows 权限与系统目录的实战指南受人类睡眠记忆巩固理论的启发:
枫叶林FYL
9 小时前
人工智能
·
机器学习
第1章 具身智能的本质与哲学基础
目录1.1 具身智能的定义与范畴1.1.1 具身性假设的历史演进1.1.1.1 从笛卡尔身心二元论到具身认知革命
格林威
10 小时前
开发语言
·
人工智能
·
数码相机
·
机器学习
·
计算机视觉
·
视觉检测
·
工业相机
GigE Vision 多相机同步终极检查清单(可直接用于项目部署)
✅ 打印此清单,可以在现场逐项核对,避免 90% 的同步问题!
wenjingdadi
10 小时前
人工智能
·
yolo
·
机器学习
自学小模型day2——YOLO模型的输出指标
是 results.csv的 图形化文件 体现出训练集和真值效果,以及模型泛化能力 代表的是每一轮对数据集标定与验证的结果
DeepModel
10 小时前
人工智能
·
机器学习
机器学习降维与信号分离:独立成分分析 ICA
ICA(Independent Component Analysis,独立成分分析)是专门用来“拆信号”的降维算法。它最经典的场景就是鸡尾酒会问题:在嘈杂房间里,多人同时说话,ICA 能把每个人的声音从混合录音里拆出来。
枫叶林FYL
11 小时前
人工智能
·
机器学习
【自然语言处理 NLP】前沿架构与多模态 状态空间模型(Mamba/SSM)深度实现
目录编辑6 非Transformer架构6.1 状态空间模型(Mamba/SSM)深度实现6.1.1 连续状态空间模型(S4)的离散化
Gary jie
11 小时前
人工智能
·
机器学习
·
架构
·
openclaw
AI上下文管理与记忆架构详解
深入解析大语言模型的上下文限制、记忆系统设计原理,以及 OpenClaw 的工程实践“上下文有限制,怎么可以全部读取?”
沅_Yuan
12 小时前
神经网络
·
机器学习
·
matlab
·
回归
·
回归预测
·
贝叶斯优化
基于贝叶斯优化的稀疏高斯过程回归(BO-SGPR)多输入单输出回归模型【MATLAB】
在处理复杂的非线性回归、小样本学习以及带有不确定性量化的预测任务时,高斯过程回归(Gaussian Process Regression, GPR) 因其强大的理论基础和概率预测能力而备受青睐。然而,传统GPR的计算复杂度随样本量的立方呈指数级增加(O(N3)\mathcal{O}(N^3)O(N3)),这使得它在处理大规模数据集时往往面临计算耗时、内存溢出等挑战。
FluxMelodySun
12 小时前
人工智能
·
算法
·
机器学习
机器学习(二十九) 稀疏表示与字典学习(LASSO算法、KSVD算法、奇异值分解)
特征选择考虑的问题是特征具有"稀疏性",即矩阵中的许多列与当前学习任务无关,通过特征选择去除这些列,模型的训练过程仅需在较小的矩阵上进行,学习任务的难度会有所降低,涉及的计算和存储开销会减少,学得模型的可解释性也会提高,因为模型所建立的"输入-输出"关系会更清晰。
gongfuyd
12 小时前
机器学习
强化学习中的奖励、回报、状态值以及贝尔曼方程
关系:状态值 = 对未来所有奖励的折扣和的期望智能体在时刻 t 执行动作后,立刻得到的单个数值反馈。特点:
郝学胜-神的一滴
13 小时前
人工智能
·
pytorch
·
python
·
深度学习
·
算法
·
机器学习
自动微分实战:梯度下降的迭代实现与梯度清零核心解析
在深度学习的参数优化中,梯度下降是最基础也最核心的算法,而自动微分则是高效计算梯度的关键手段。从手动推导梯度到代码层面的迭代更新,从梯度累加的坑到梯度清零的实操,每一个细节都决定着参数优化的成败。今天我们就从实战角度,拆解基于PyTorch的自动微分实现,手把手搞定梯度下降的完整流程,理解梯度清零的底层逻辑,让参数更新更精准!
HyperAI超神经
13 小时前
人工智能
·
深度学习
·
学习
·
机器学习
·
gpu
·
tvm
·
vllm
【TVM教程】理解 Relax 抽象层
TVM 现已更新到 0.21.0 版本,TVM 中文文档已经和新版本对齐。Apache TVM 是一个深度的深度学习编译框架,适用于 CPU、GPU 和各种机器学习加速芯片。