机器学习

极光代码工作室

基于AI的新闻推荐系统设计随着信息爆炸式增长与用户注意力碎片化加剧，传统“人工编辑+时间流”新闻分发模式已难以满足个性化、实时化、高质量的信息获取需求。本研究聚焦于构建一个融合多源特征与深度学习能力的智能新闻推荐系统，旨在提升用户点击率（CTR）、阅读时长及长期留存率。系统采用“协同过滤+内容语义理解+行为序列建模”三级混合推荐架构：底层基于用户-新闻交互矩阵构建图神经网络（GNN）实现高阶协同信号挖掘；中层引入BERT微调模型对新闻标题、摘要与类别标签进行多粒度语义编码；上层设计基于Transformer的用户兴趣演化模块，动态

KL散度介绍及其应用在机器学习、信息论甚至强化学习中，你几乎一定会遇到一个核心概念——KL 散度（Kullback-Leibler Divergence）。它听起来有点“学术”，但本质上，它回答的是一个非常直观的问题：

大模型最新论文速读

VQKV：KV Cache 压缩 82% 性能几乎不降VQKV 用向量量化把 KV cache 从"每个 token 存一长串浮点数"改成"存几个共享码本的索引编号"，在压掉 82.8% 的缓存后仍保留 98.6% 的原始性能

周红伟：RAG 与知识检索RAG（Retrieval-Augmented Generation，检索增强生成）是目前最主流的 LLM 落地架构之一。

爱思考的观赏鱼

YOLO 系列：2026最新遥感检测：YOLOv11-OBB 旋转框训练、参数调优与踩坑全解析2025年，Ultralytics 发布了 YOLOv11 系列模型，同时原生支持了 OBB（Oriented Bounding Box，有向边界框）旋转目标检测任务。根据 Ultralytics 官方文档，YOLO11 已成为检测、分割、姿态估计、分类和 OBB 任务的推荐默认模型，其 OBB 功能专门针对航空影像、遥感图像等任意角度目标的检测场景进行了优化。

乐园游梦记

工业检测场景下自监督与无监督开源方案OpenMMLab+PatchCore 与其他方案对比分析核心结论：在特定工业场景下，Anomalib 集成方案、EfficientAD、SubspaceAD和Reverse Distillation等开源工具在速度、精度或部署便捷性上可能更优。选择的关键在于匹配 “检测精度、推理速度、标注成本、硬件资源” 四大工业核心需求，而非单纯追求技术先进性。

论文（硕士论文）时序链路预测：预测未来会不会出现某个事件关系。事件演化预测：预测某个话题会不会扩散到某个实体、群体或平台。

工业视觉检测：OpenCV FPS 正确计算的方式别再被 cap.get(cv2.CAP_PROP_FPS) 骗了！“为什么我用 OpenCV 读相机，get(CAP_PROP_FPS) 返回 0？” “视频文件能拿到帧率，但工业相机就是不行！” “我的算法明明很快，但显示的 FPS 只有 10？”

好好学仿真

用AI预测MOF材料吸氮能力：XGBoost力压神经网络，R²高达0.9984在天然气净化和温室气体控制中，氮气（N₂）与甲烷（CH₄）的分离一直是个“老大难”问题。两者的动力学直径极其接近（0.364 nm vs 0.381 nm），传统分离方法成本高、能耗大。而金属有机框架（MOFs）因其结构可调和超高孔隙率，被视为理想的吸附材料。

MLflow 模型管理：实验跟踪与模型注册在MLOps的实践中，模型管理是连接实验与生产的关键桥梁。本文将深入剖析MLflow的实验跟踪与模型注册机制，助你构建专业级的机器学习工作流。

郝学胜-神的一滴

Softmax 从入门到精通：多分类激活函数的优雅解法在深度学习的世界里，分类任务永远是绕不开的核心场景。从二分类的简单判断，到多分类的精细划分，激活函数就像神经网络的「决策大脑」，赋予模型非线性表达能力。而当我们需要处理3 类、5 类、10 类甚至上百类的复杂预测时，Softmax 便是那个无可替代的最优解✨。

逻辑回归与Softmax的区别一句话总结核心关系：逻辑回归是 Softmax 回归的二分类特例，Softmax 回归是逻辑回归的多分类推广。二者本质都是广义线性模型，用于分类任务，核心都是通过线性组合特征 + 激活函数输出概率，区别主要体现在适用场景、输出形式、函数设计上。

逻辑回归简介逻辑回归（Logistic Regression）是一种广泛应用于分类问题的统计学习方法，尽管名字中含有“回归”，但它实际上主要用于二分类任务（也适用于多分类）。

04月17日AI每日参考：Claude Opus 4.7正式发布，智元机器人大会今日开幕今天AI圈有两件大事值得重点关注。Anthropic正式发布Claude Opus 4.7，这是其迄今最强旗舰模型，在编码、Agent任务和多步推理上全面升级；Claude Code同步迎来v2.1.111重大版本更新，新增xhigh努力等级和Auto模式全面开放。国内方面，智元机器人今日在上海举办2026合作伙伴大会，发布4款本体新品和4个AI大模型，具身智能赛道再度升温。国内外各5条精选资讯，带你快速掌握今日AI动态。

局部重绘3——FLUX-Fill的Lora训练目录一、前言二、环境配置和数据集准备三、训练3.1 训练代码3.2 运行命令四、推理五、对比实验六、计划

机器学习 | 线性回归 | 尚硅谷学习协方差 cov(X, Y) 定义为两个随机变量X和Y偏离其期望值的乘积的期望即cov(X,Y) = E[(X - E[X])(Y - E[Y])]

AI幻觉正在“吃掉“信任：一次保险购买引发的血案写在前面：当AI开始"伪造"付款二维码，你还能相信它吗？本文将深入剖析AI幻觉的危害，并探讨如何在大模型时代守住安全底线。

机器学习(三十三) 概率图模型与隐马尔可夫模型机器学习最重要的任务，是根据已观察到的数据(例如训练样本)对感兴趣的未知变量(例如类别标记)进行估计或推测。概率模型(probabilistic model) 基于可观测变量推测未知变量的条件概率分布，称为"推断"(inference) -- 可将学习任务归为计算未知变量的条件概率分布：假定可观测变量集合为O，未知变量(集合)为Y，其他变量的集合为R，由联合分布P(Y,R,O)或条件分布P(Y,R|O)或P(Y|O,R)得到条件概率分布P(Y|O)。

V搜xhliang0246

OpenClaw、AI大模型赋能数据分析与学术科研学习OpenClaw 、AI大模型学术应用： 696734582 【介绍】当下，AI技术正深刻重塑学术研究的工作范式，为科研全流程注入新动能，实现了革命性的效率提升。但多数研究者仍面临核心困惑：如何让AI大模型与OpenClaw等AI工具，跳出单纯的文字辅助范畴，真正成为科研攻坚的“利器”？如何将AI工具与标准化学术科研范式深度融合，精准适配人文社科、理工科、医学等不同领域的研究特性与需求？如何让大模型真正“动手干活”，实现数据处理、统计分析、图表绘制、文献研读、论文撰写等科研环节辅助增效，解放研究者的时间

实战指南：用 Python + NLP 搭建一套轻量级 AI 舆情监控系统在信息爆炸的 2026 年，舆情风险已成为企业品牌管理的“头号杀手”。传统的关键词匹配早已无法应对多模态、碎片化的传播环境。作为一名技术负责人，如何快速构建一套具备情感分析、热点聚类和实时预警能力的 AI 舆情系统？本文将带你通过 Python 与主流 NLP 模型，落地一套工程化方案。