机器学习

ChatGPT发展历程ChatGPT并非横空出世的产品，而是OpenAI历经近十年技术沉淀、模型迭代与战略转型的集大成之作。从2015年实验室的AGI理想，到2022年现象级应用爆发，再到如今多模态、强推理的智能生态，ChatGPT的发展史既是生成式AI的技术演进史，也是AI从实验室走向全民化、产业化的时代缩影。

斯坦福：强化学习生物约束型虚拟细胞建模利用生成模型构建虚拟细胞以在硅基平台模拟细胞行为，正成为加速药物研发的新兴范式。但现有基于图像的生成方法易生成违背基础物理与生物约束的不合理细胞图像。针对该问题，本文提出采用强化学习（RL）对虚拟细胞模型进行后训练，将具有生物学意义的评估器作为奖励函数。本文设计了涵盖生物功能、结构有效性、形态正确性3大类的7项奖励，对当前最优的CellFlux模型斯坦福+哈佛医学院：虚拟细胞图像生成基础模型进行优化，得到CellFluxRL。在所有奖励指标上，CellFluxRL均优于原始CellFlux，结合测试时缩放

YOLO如何通过数据集与标签学习特征并完成模型训练YOLO（You Only Look Once）作为经典的单阶段目标检测模型，核心是端到端地从原始图像像素中学习目标特征，直接输出目标类别与位置，整个训练过程围绕“图像数据+标注标签”构建监督信号，通过神经网络前向传播提取特征、计算损失、反向传播更新参数，逐步让模型学会识别不同目标的外观、轮廓、位置规律。其特征学习与训练流程可从数据基础、网络结构、特征提取、标签匹配、损失计算、参数优化六大核心环节完整解析。

大模型接入从入门到实战：API/SDK/本地部署/Claude Code 路由全解析前言：本文面向刚开始接触大模型开发的小伙伴，不需要深厚的算法基础，只需具备基本的编程常识即可阅读。全文分为五个部分：从大模型的基本概念出发，依次介绍如何通过 API、SDK、本地部署（Ollama）以及 Claude Code 路由等方式将大模型接入自己的项目。读完本文，你将对大模型的接入方式有一个完整的横向认识，并能根据自己的需求选择合适的方案。

郝学胜-神的一滴

深度学习激活函数核心精讲：Sigmoid 原理、推导与工程实践在深度学习的神经网络搭建中，加权求和 + 激活函数是神经元的标准工作流程。激活函数负责为网络引入非线性，让模型具备拟合复杂规律的能力。今天我们从最经典的Sigmoid出发，拆解公式、推导导数、分析缺陷，明确它在工程中的正确用法。

狮子座明仔

ASI-Evolve: 让AI自己搞研究、自己做实验、自己迭代进化 -- 这事靠谱吗？你有没有想过一个问题：我们每天都在用AI做各种事情，但AI研究本身——设计更好的模型架构、清洗更高质量的数据、发明新的训练算法——还是得靠人类研究者一行行写代码、一轮轮跑实验、一遍遍分析结果。

Star Learning Python

《简单线性代数》-20260414通过介绍二元一次方程转化成线性关系，来介绍矩阵和线性代数。通过介绍咖啡店中不同类型奶茶的价格和热量，来计算矩阵的加减乘法。

Why Financial Data Cannot Be Modeled with “Standard Machine Learning”中文版：【模块1 建立认知1】为什么金融数据不能用“普通机器学习”？目录Introduction: Why Backtests Look Great but Fail in Live Trading?

【MySQL基础】（4）：MySQL 数据类型在数据库系统中，数据选型绝非小事，它犹如大厦的基石，对系统性能、资源消耗等多方面有着深远影响。从性能角度来看，精准的数据选型能极大提升系统运行效率。合适的数据类型能让数据在磁盘上的存储更加紧凑，减少I/O操作的次数。当数据量庞大时，若选用了不恰当的类型，比如本可用TINYINT存储的状态位却用了INT，就会使磁盘I/O吞吐量下降，读取相同数量的数据需要更多次I/O操作，拖慢系统速度。而且，在内存中，合适的数据类型有助于提高Buffer Pool缓存命中率。当更多数据能以更小的空间存储在缓存中时，CPU就

Transformer:现代AI革命背后的核心模型上一篇文章From Text to Large Language Models讲了如何用RNN、LSTM、GRU等模型来处理文本数据，但它们都存在一些问题。

AI梯度下降与PyTorch张量操作技术指南AI梯度下降与PyTorch张量操作技术指南

Prompt Engineering进阶指南在大模型（LLM）快速发展的今天，“会不会写 Prompt”已经不再是核心问题。真正的分水岭在于：你是否理解——如何让模型“思考”。

【Python深度学习】2.1. 卷积神经网络(CNN)模型理论(基础)：卷积运算、池化、ReLU函数喜欢的话别忘了点赞、收藏加关注哦（关注即可查看全文），对接下来的教程有兴趣的可以关注专栏。谢谢喵！(=･ω･=)

幻风_huanfeng

人工智能之数学基础：内点法和外点法的区别和缺点在前面的课程中我们学习了内点法和外点法，我们本文将分析以下二者的区别以及缺点二者的区别如上所示，从的来说内点法中的点必须在可行域中，而内点法不能处理等式约束问题。

天一生水water

什么是机器学习中的类别不平衡想象你要训练一个模型来识别"垃圾邮件"：现实世界中，绝大多数数据都是不平衡的：假设你有一个极度不平衡的数据集：

xianluohuanxiang

2026年深度：高精度气象+新能源，从风速误差到收益偏差，行业赋能正在重构电站盈利模型装机容量100MW，发电量比去年同期还多了5%，但结算收入却少了将近12%。他怎么也想不通：风也刮了，电也发了，钱去哪儿了？

ICRL 2026部分论文（RS-GRPO、AgentGym-RL、MeMAgent、InPlaceTTT）粗读来自 ReTool: Reinforcement Learning for Strategic Tool Use in LLMs，感觉非常的toy，其实就是把大模型的一部分计算过程给用tool替换掉：

测绘第一深情

MapQR:自动驾驶在线矢量化高精地图构建的端到端 SOTA 方法MapQR 是 ECCV 2024 提出的、面向自动驾驶在线矢量化高精地图构建的端到端 SOTA 方法，核心是通过增强点集查询机制，解决传统方法精度低、信息不一致的问题，在 nuScenes/Argoverse2 上实现最优 mAP 且保持高效运行。

【优化器】Adagrad 、RMSPorp、Adam详解Adagrad 优化算法被称为自适应学习率优化算法。之前我们讲的随机梯度下降算法，对所有参数都是使用相同的、固定的学习率进行优化的，但是不同参数的梯度差异可能很大，使用相同的学习率，效果不会很好。