机器学习

今天会营业

Miniconda安装

啥都想学点的研究生

一篇文章讲清楚：线性回归问题的求解——正规方程法通过这篇文章我们需要知道正规方程法求解过程一、一元线性回归 – 解析解损失函数用来衡量真实值和预测值之间的差异，为优化参数指明了方向

希尔伯特空间中的正交性摘要：正交性是希尔伯特空间理论中最核心、最具几何直观的概念之一。它把有限维欧氏空间中的“垂直”“投影”“正交分解”推广到了无限维函数空间，并成为傅里叶级数、最小二乘法、偏微分方程、量子力学和算子理论的重要基础。本文从内积空间的基本定义出发，系统介绍正交向量、正交补、正交投影、最佳逼近、正交规范基、Bessel 不等式、Parseval 等式以及 Riesz 表示定理，并通过具体例子说明这些结论之间的联系。

轮到我狗叫了

Slurm如何使用目录最近组内引入了Slurm 这个脚本，所以来简单记录一下，方便我使用正式训练Debug模式最后的流程

段一凡-华北理工大学

高炉炉况智能诊断与预警实战~系列文章18：预警提前量问题：过程滞后与预测窗口的权衡诊断系统的全部价值，凝结在一个词上——提前量。预警早一分钟，工长就多一分从容；预警晚一分钟，可能就是事故与平安的分野。但提前量是一个残酷的"不可能三角"：你想要更长的预警窗口，就必须接受更高的误报率；你想要更低的误报，就得牺牲提前量。更本质的约束是，高炉是一个"大滞后"系统——操作与响应间隔着数小时，预测未来本身就是与不确定性的博弈。本期深入提前量的物理本质、权衡方法论与工程优化，这是诊断系统从"能用"到"好用"的关键一跃。

论文学习 | HESS2025 | 中亚寒区季节水文预报论文：The value of hydroclimatic teleconnections for snow-based seasonal streamflow forecasting in Central Asia

[论文分析]使大型语言模型智能体与理性和道德偏好对齐：一种监督微调方法本文由四位经济学与计量经济学领域的学者（Wei Lu、Amit Dhanda、Daniel L. Chen、Christian B. Hansen）合作完成，系统性地揭示了GPT-4o等现成LLM在策略性经济博弈中存在「过度合作」和「对激励反应不足」的系统性偏差。核心贡献是提出了一套基于监督微调（Supervised Fine-Tuning）的对齐框架——利用经济学理论生成小型合成数据集，将LLM智能体的行为对齐到两种明确的偏好结构：追求自利的homo economicus和纳入康德式普遍化原则的homo

LadiesAndGentlemen

GeoX 论文解读：不用人工标注，如何训练会空间推理的遥感大模型论文信息：Ahn, K.; Lee, S.; Gummadi, K. P.; Cha, M. GeoX: Mastering Geospatial Reasoning Through Self-Play and Verifiable Rewards. arXiv:2605.20006，2026 年 5 月（预印本，截至本文写作时无会议录用信息，未公开代码）。作者单位为 KAIST 与马克斯·普朗克研究所。

机器学习复习Day8——异常检测---type: notetitle: 异常检测编程作业date: 2026-08-29description: C3W1 异常检测两步走：①estimate_gaussian 按列算 μ（均值）和 σ²，给正常数据套钟形罩子 ②select_threshold 用验证集 F1 挑阈值 ε，p<ε 判异常。核心 tp/fp/fn 只在"被判坏"里统计 tp+fp，prec 分母=判坏总数、rec 分母=真坏总数。不用 accuracy 挑 ε：异常极少时它虚高，会挑出"什么都不抓"的废物阈值。F1 是**

Deep Learning for Computer Vision——Attention and Transformers1. 传统 Seq2Seq 模型的瓶颈在传统的编码器-解码器（RNN）架构中，所有输入序列的信息都被压缩成最后一个隐藏状态向量 C，然后传给解码器。

用Python进行机器学习（4）K-Means算法K-Means算法即K均值算法, 它属于一种经典的聚类算法, 何为聚类算法呢, 就是将数据集中样本划分成若干组, 这里的组又被称作簇, 英文名是。聚类算法是一种无监督学习技术, 故而它无需给数据打标签, 完全依据数据自身的特征来进行分组的。

人形机器人“手”是关键为什么“手”是关键？在人形机器人领域，随着行走等运动能力日趋成熟，精细操作能力已成为新的技术瓶颈，灵巧手因此被视为实现机器人通用化、替代人类复杂手工劳动的“最后一公里”和终极突破口。作为连接数字智能与物理世界的关键执行器，灵巧手不仅直接定义了机器人的交互能力与任务完成度，更是集通用任务执行、多模态感知与情感交互于一体的复杂系统。然而，这一产业高度技术密集且多学科交叉，当前正面临成本高昂、可靠性不足、控制算法泛化能力弱三大核心瓶颈，根源在于从底层元器件到系统集成的全产业链尚不成熟。因此，要实现突破，必须在

【机器学习】决策树随机森林决策树就是一个**“连环追问”**的流程图，帮你一步步做出决定。构建的核心原则是：每次提问，都要让剩下的“不确定性”减少得最多（也就是让数据分得最开）。

2026 AI Agent 记忆系统：让智能体告别“三秒失忆“，像人类一样越用越懂你（MonkeyCode 实战）2026 年，AI 应用工程最热的词不再是"怎么把模型调好"，而是"怎么让智能体记住你"。当你的 Agent 能记住你的偏好、习惯和上下文时，它才真正从"工具"变成"伙伴"。本文带你搞懂 AI Agent 记忆系统，并用 MonkeyCode 亲手跑一个 Demo。

[人工智能训练师]机器学习的流程以下是机器学习模型开发的标准全流程：核心任务：明确要解决什么问题，属于哪类任务。同时需要明确评估指标，如准确率（Accuracy）、精确率/召回率（Precision/Recall）、均方误差（MSE）等。

大模型码小白

MCP协议开发实战：从零搭建AI Agent工具链在 AI Agent 快速发展的今天，一个核心痛点越来越突出：大语言模型（LLM）能力再强，也无法直接访问本地文件、数据库、浏览器或企业内部 API。传统做法是为每个工具写一套定制的调用逻辑，导致代码高度耦合、难以复用，每接入一个新模型或新工具都要重写胶水代码。

整合多组学分析+生物医学发现！对话式多智能体AI单细胞与空间组学技术为解析疾病机制带来前所未有的机遇，但该过程需要专家团队反复试错，并跨多种模态开展推理。本文提出对话式系统LungChat，用于整合多组学分析与生物医学发现。系统采用层级化多智能体架构：由监督智能体将自然语言问题拆解为并行、依托工具执行的任务，覆盖单细胞与空间组学分析、文献与临床试验信息整合、药物重定位。为预测新型治疗手段，LungChat实现方向感知重定位与靶点挖掘算法DART，可在细胞类型层面区分能够逆转疾病转录程序、以及会加重疾病表型的扰动，以此实现安全性预测。

梦想的颜色

ComfyUI 深度硬核科普：节点式 AI 生成框架完整实战（安装、原理、使用场景、避坑）2026 年，不管是 AI 绘画、AI 漫剧短剧、图生视频、Flux 图像生成，ComfyUI 已经成为专业玩家、独立开发者事实上的标准工具CSDN博...。很多人接触 SD 先使用 AUTOMATIC1111‑WebUI，表单式点按钮，开箱即用，但遇到复杂流水线、角色一致性、批量生成、AI 视频时处处受限。

大模型技术全景(一)：AI、机器学习、深度学习，三者的关系到底是什么？一文搞懂很多人能调 API、会写 Prompt,却答不上大厂面试的经典第一问:人工智能、机器学习、深度学习、大语言模型,到底是什么关系?

【PEFT】参数高效微调（PEFT）技术详解：从原理到 LoRA/QLoRA 实战关键词：PEFT、LoRA、QLoRA、Adapter、Prefix Tuning、Prompt Tuning、大模型微调