技术栈
机器学习
硅谷秋水
21 分钟前
人工智能
·
机器学习
·
语言模型
·
机器人
从VLM规划器到机器人智能体:面向依赖历史信息的操控任务自演化框架
26年10月来自中科大、上海AI实验室、上海交通大学、阿联酋MBZAI和浙大的论文“From VLM Planners To Robotic Agents: Self-evolving Harnesses for History-dependent Manipulation”。
我登哥MVP
12 小时前
人工智能
·
深度学习
·
神经网络
·
机器学习
·
自然语言处理
·
agent
DeepSeek-Harness-Super-Agent-学习笔记
笔记对象笔记原则在 2026 年下半年这个时间点,关于 Agent 的文章多到读不完,但绝大多数可以归入两类:一类是"我又用某个框架搭了一个多智能体",展示的是可能性;另一类是"某模型又刷新了某个 benchmark",展示的是能力上限。这两类文章的共同点是,它们都在讨论单个 Agent 能做多难的事。
Spidermanbaout
15 小时前
人工智能
·
机器学习
·
ai
·
chatgpt
·
ai编程
Prompt-Engineering实战-2026年11月2日
更新时间: 2026 年 11 月 2 日 适合人群: AI 应用开发者、产品经理、正在把 Prompt 用到生产环境的人 关键词: Prompt Engineering|结构化输出|评测集|上下文工程|版本管理 一句话结论: Prompt 不是“万能咒语”,而是由目标、上下文、输出契约和评测组成的工程接口。先定义成功,再改提示词。
无咎.lsy
20 小时前
笔记
·
机器学习
《机器学习》笔记
模型拟合问题,本质是:模型对训练数据中的“真实规律”和“噪声”学习得是否恰当。拟合得太差叫欠拟合,拟合得太好但把噪声也学进去叫过拟合,理想状态是恰当拟合。
武子康
20 小时前
人工智能
·
算法
·
机器学习
Qwen-Drive 到底是什么:4B 级 VLM 如何成为驾驶策略底座
如果你准备把 Qwen-Drive 接入一个驾驶研究服务,最先要决定的接口可能很小:服务返回一条轨迹,还是一组候选?假设同事顺手用了 result.trajectory,界面画出一条五秒路线,接入就算完成了吗?
方方洛
1 天前
人工智能
·
分布式
·
机器学习
ray教程-28-附录G-CICD与Slurm与云上调度
仓库地址:github.com/hhk-png/cyc…这份附录回答三个正文没展开的问题:Ray 应用的 CI/CD 长什么样、 只有 Slurm 没有 Kubernetes 的集群上怎么跑 Ray、 云上这套东西到底花多少钱。最后补一节"Ray 和 Airflow 这类编排器怎么接"。 四节按同一个标准写:能给全的命令给全,给不出的版本号、字段名、默认值 一律写 未确认 —— 示例代码请当骨架读,不要当"照抄就能跑"。
迪菲赫尔曼
1 天前
运维
·
服务器
·
人工智能
·
机器学习
·
计算机视觉
【基础篇 26】第一次在服务器完成训练:准备数据、断线继续、检查成果与备份
YOLO从零到论文:模型改进与科研实战全攻略YOLO基础篇 · A26 作者:迪菲赫尔曼大家好,我是迪菲赫尔曼。
硅谷秋水
1 天前
人工智能
·
机器学习
·
计算机视觉
·
机器人
RoboAtom:机器人学习的大规模原子-动作监督
论文:“RoboAtom: Large-scale Atomic-ActionSupervision For Robot Learning”, 2026年10月,来自上海人工智能实验室、浙江大学、复旦大学、清华大学和上海交通大学。
lucas_AI
1 天前
机器学习
扩散语言模型之争有了理论裁决: masked 之外的两派突然追平,还各有胜场
💡 一句话总结:自回归模型一个 token 一步太慢,「扩散式并行生成」被认为是大模型的未来——但扩散内部又分三个流派(masked / uniform / Gaussian),谁最可并行一直靠跑分感觉。清华的理论工作第一次给出渐近级裁决:被看好的 masked 扩散在特定条件下需要 d 步,而 uniform/Gaussian 只需 √d 步——差距是数量级的,而且原因和大家想的完全不一样。
在猴站学算法
1 天前
学习
·
算法
·
机器学习
·
统计学习
(《统计学习方法》(第2版) 李航)第2章 感知机算法
摘要:本文以苹果与梨的水果分类案例为切入点,系统梳理感知机从模型、学习策略到学习算法的完整脉络,介绍原始形式的更新公式、收敛性证明与对偶形式,并进一步扩展到口袋算法、表决感知机、平均感知机和带边缘感知机等变体。对比了几种算法的思路与适用场景,区分函数边缘与几何边缘。
硅谷秋水
1 天前
人工智能
·
机器学习
·
语言模型
·
机器人
OpenRUA 方法分析
论文:OpenRUA: Robot-Use Agents Are Zero-Shot Visuomotor Policies,UCL / CMU,arXiv 2610.02459, 2026.10.
Rocky Ding*
1 天前
论文阅读
·
人工智能
·
深度学习
·
机器学习
·
aigc
·
ai-native
·
ai agent
【三年面试五年模拟】2026-11-01_字节跳动AI Agent全栈研发一面面经全解析
欢迎大家关注Rocky的知乎:Rocky Ding 《三年面试五年模拟》AIGC/LLM/AI Agent算法工程师/开发工程师求职面试秘籍独家资源:【三年面试五年模拟】WeThinkIn/AIGC-Interview-Book,欢迎大家Star~
Godspeed Zhao
1 天前
学习
·
机器学习
从零开始学AI24——无监督学习之K均值
聚类 (Clustering),就是**“物以类聚”**的算法版。如果说监督学习(如分类)是**“有老师教”**:老师拿着苹果和梨,告诉你“这是苹果,这是梨”,然后让你去认。
云和数据.ChenGuang
2 天前
开发语言
·
人工智能
·
python
·
机器学习
·
php
LangGraph 异步 Node 的设计与写法实践
在构建基于大模型的智能体(Agent)应用时,一个绕不开的现实是:几乎所有耗时操作都是 I/O 密集型的。调用 LLM 接口、查询向量数据库、请求外部工具 API、读写文件……这些操作如果全部同步串行执行,一个稍复杂的 Agent 图跑下来动辄几十秒甚至几分钟。
天诰
2 天前
java
·
服务器
·
人工智能
·
python
·
机器学习
·
ai编程
SA-K-11 检索会消失吗与四个未解问题
系列导航:00 系列导航 · 01 四类知识 · 02A 解析五环 · 02B 断裂修复 · 03 切分标定 · 04 查询理解 · 05 混合检索与重排 · 06 引用验证 · 07 知识新鲜度 · 08 多源一致性 · 09 管道门禁 · 10 全簇总结 · 本篇(11)
龙腾AI白云
2 天前
数据库
·
机器学习
·
plotly
·
知识图谱
·
tornado
仿真到现实(Sim-to-Real)迁移:跨越仿真与现实鸿沟
一、仿真训练的价值与现实落差 二、域随机化:以多样性覆盖不确定性 三、域自适应与系统辨识 四、真实数据回填与混合训练 五、评估、风险与可信部署 #人工智能 #大模型 #具身智能 #世界模型
武天旭
2 天前
人工智能
·
深度学习
·
安全
·
机器学习
AI安全--AI大模型的对抗样本攻击与防御解析
对抗样本攻击是一种通过人为设计的输入数据,在看似正常的情况下诱导模型产生错误预测的攻击方式。其核心机制是:对输入数据施加细微、人类难以察觉的扰动,扰动对人不构成影响,却能显著改变模型输出。它暴露的是大模型的鲁棒性问题,也就是模型应对复杂环境输入的能力不足。
在所不辞兄
2 天前
人工智能
·
深度学习
·
神经网络
·
机器学习
·
智能仿真
为什么神经网络在训练集损失已接近零后继续训练,测试性能仍可能继续提升,而不是单纯地越来越过拟合?
神经网络在训练集损失(Loss)接近零后,测试性能仍能提升的现象,被称为**“泛化间隙的滞后收敛”**。这打破了传统统计学习中“训练误差为零即过拟合”的直觉,其本质是模型在零训练误差流形(Zero-Training-Error Manifold)上继续优化,寻找更平坦、更鲁棒的解 。