机器学习

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。

基于知识图谱的故障推理方法与算法基于知识图谱的故障推理方法与算法一、推理的基本范式二、知识图谱的构建要求三、核心算法与技术四、典型实施流程

高通携手Wayve：推动端到端AI自动驾驶迈向量产时代在自动驾驶从“技术验证”迈向“规模商用”的关键阶段，产业正在经历一次底层技术路径的重构。2026 年 3 月，Qualcomm Technologies, Inc. 与 Wayve 正式宣布达成技术合作，面向全球车企推出可量产的 ADAS 与自动驾驶解决方案。该方案将 Wayve AI Driver 作为端到端 AI 驾驶智能层，深度融合于高通骁龙 Ride 平台之中，为从“免手驾驶”到“无需视线干预”的自动驾驶能力提供统一架构支撑。

科学创新前沿

从原子结构到宏观性能：机器学习驱动的固态电解质设计与高通量筛选马年首发！机器学习+固态电解质连登顶刊顶会！学到就是赚到！https://mp.weixin.qq.com/s/eTorMAOQEmEIxWWHVlxVgQ点击此链接查看详情！

人工智能培训

基于知识图谱的故障推理方法与算法

Research in Brain-inspired Computing [7]-带关节小人(3个)推箱的类意识报告——基于内部神经活动分析的定性解读说明：本系统是借助box2d物理引擎进行训练，模拟了真实物理环境。

论文详解：基于POI与出租车轨迹的城市多中心结构静态-动态多重分形特征原文：Multifractal characteristics of functional urban polycentric structure from the static and dynamic perspective using POI and Taxi Trajectory Data

[实战] CIC滤波器设计与实现在原有的博客基础上，我们补充了内插CIC滤波器的实现与验证。新增的“3.4 内插CIC滤波器实现与验证”一节包含结构说明、Python类实现以及测试示例。最终博客全文如下（包含新内容）。

李可以量化

QMT之如何判断因子好坏（下）书接上回，三、第二维：ICIR（信息比率）定义公式：衡量IC均值与波动的比值，类似“夏普比”。它告诉你：因子的预测能力是否稳定。

机器学习算法原理与实践-入门（九）：基于TensorFlow框架的线性回归在前一篇文章中，我们使用PyTorch框架实现了线性回归模型，体验了现代深度学习框架的便利性。今天，我们将转向另一个主流框架——TensorFlow，使用相同的线性回归任务，对比不同框架的实现方式和设计理念。TensorFlow由Google开发并维护，在工业界有着广泛的应用，尤其擅长部署和生产环境。

从“录音”到“决策”：一套会议总结与智能分析体系的技术落地实践在实际项目中，我们经常遇到一个很现实的问题：会议很多，但真正沉淀下来的信息很少。录音有了、转写也有了，但真正有价值的“纪要、待办、决策点”，依然靠人手动整理。这不仅效率低，而且很容易遗漏关键内容。