机器学习

万字长文带你梳理Llama开源家族：从Llama-1到Llama-3，看这一篇就够了！在AI领域，大模型的发展正以前所未有的速度推进技术的边界。北京时间4月19日凌晨，Meta在官网上官宣了Llama-3，作为继Llama-1、Llama-2和Code-Llama之后的第三代模型，Llama-3在多个基准测试中实现了全面领先，性能优于业界同类最先进的模型。

哥布林学者

深度学习进阶（八）Swin Transformer在上一篇中，我们已经明确了 DeiT 对 ViT 的改进思路：通过蒸馏，引入 Teacher 的归纳偏置，缓解数据依赖问题。

【机器学习】【手工】Streaming Machine Learning 流数据学习 – 应对变化的机器学习方法（一）在现实世界中的数据是随着时间演化（evolution）的，而不是同分布（同分布，identically distributed）的，即认为来自同一个分布的取样。例如在covid的疫情期间，许多智能系统无法正常工作，这是因为其输入及人类的行为或人类行为的产出发生了变化，在不再属于原来的分布了，这导致了这些智能系统出现了问题。

Hermes Agent 核心运行系统调用流程--源码分析本文基于当前仓库实现梳理 Hermes Agent 从入口层到结果交付的真实调用链，重点覆盖：不展开单个 tool 的内部业务逻辑，重点描述“谁调用谁、数据如何流动、哪些状态被缓存或持久化”。

国内外大模型的区别与差距当前（2026年）全球AI大模型格局已从“美国独大”演变为中美双雄并立、局部领域各有优劣的态势。根据斯坦福《2026年AI指数报告》，中美顶级模型性能差距已缩小至2.7%，国内模型在中文场景、落地成本、应用渗透上实现反超，但在底层原创、通用推理、芯片算力、全球生态上仍存差距。两者并非简单“强弱之分”，而是技术路线、战略目标、产业生态的系统性差异。

LangChain RAG 架构：向量检索与生成流水线副标题：从源码层面剖析 LangChain 如何构建企业级 RAG 应用检索增强生成（Retrieval-Augmented Generation，RAG）已成为大模型应用开发的核心范式之一。本文深入剖析 LangChain 框架下的 RAG 架构设计，从向量存储原理、检索机制、生成流水线到生产优化，结合 LangChain 0.1.0+ 源码进行系统性讲解。通过 4 个架构流程图、4 个对比表格和完整可运行的代码示例，帮助开发者掌握构建企业级 RAG 应用的核心技术。

基于LSTM神经网络的锂电池SOH估算模型（NASA数据集）【MATLAB】在新能源与储能技术飞速发展的今天，锂离子电池的健康状态（State of Health, SOH）监测成为了电池管理系统（BMS）中至关重要的一环。准确估算SOH不仅能够保障系统的安全运行，还能有效延长电池的整体使用寿命。

基于KAN神经网络的锂电池SOH估算模型（NASA数据集）【MATLAB】摘要：健康状态（State of Health，SOH）是锂电池全生命周期管理的核心指标。本文提出一种基于柯尔莫哥洛夫-阿诺德网络（Kolmogorov-Arnold Network，KAN）的锂电池SOH估算方法，以NASA电池老化数据集（B0005）为研究对象，通过多项式样条函数逼近非线性映射关系，结合L1/L2正则化与拟牛顿优化算法，实现对电池SOH的高精度估计。文章将从数据处理、网络架构到训练细节进行完整的代码级讲解。

Day 5：KNN算法与相似K线匹配K-近邻（K-Nearest Neighbors）是一种基于实例的监督学习算法，不需要显式训练过程。

当巡检遇上超自动化：一场运维质量的系统性升级今天，当“巡检”与“超自动化”深度融合，一场静默却深刻的革命正在发生。这不再是简单的工具替代或效率提升，而是一场运维质量的系统性升级。它从工作模式、数据价值、风险防控到团队职能，对运维体系进行全方位重构，将巡检从一个被动的“成本中心”，转变为一个主动驱动业务稳定与高效创新的“价值引擎”。

AI自动化工坊

Caveman技能实战：优化AI对话风格实现65%的token成本节省如果你在使用Claude、GPT等AI编程助手时，发现token成本快速上涨，这篇文章将为你提供实用的解决方案。近期在HackerNews获得883点热议的Caveman技能，通过优化AI对话风格实现了平均65%的token节省。本文将从技术实现、安装配置、实际效果等方面进行全面解析。

线性回归与逻辑回归：同为凸函数，为何一个有解析解、一个没有？线性回归使用平方误差损失： [ J(\theta) = \frac{1}{2}\sum_{i=1}^n \left(y^{(i)} - \theta^T x{(i)}\right)2 ]

《狄拉克符号法50讲》习题与解析（下）题 37‑1 推导细化总自旋： [ \vec{S} = \vec{S}_1 + \vec{S}_2 ]

基于R语言机器学习方法在生态经济学领域中的实践应用查看原文>>> https://mp.weixin.qq.com/s/8XzkgajPzXgWruKYmfRNWQ

郝学胜-神的一滴

激活函数：神经网络的「非线性灵魂」，让模型从“直线”走向“万能”在深度学习的世界里，激活函数是一个看似微小、却决定网络能力的核心组件。很多初学者会问：神经网络层层叠加，难道不是越深层能力越强？答案藏在一个关键逻辑里——没有激活函数，再深的网络，也只是一层线性回归。

人工智能培训

如何将高层任务分解为可执行的动作序列？在企业经营、项目管理或个人工作中，我们常面临“实现年度业绩增长30%”“完成一个新产品上线”“打造高效团队”这类高层任务。这类任务宏大、抽象，若直接落地，很容易陷入“无从下手”的困境，最终导致目标落空。其实，高层任务的落地关键，在于将其拆解为可感知、可操作、可量化的动作序列——让每一个环节都有明确的主体、时间、标准，让“宏大目标”变成“每日可做的小事”。本文将结合实践经验，分享一套科学、高效的分解方法，帮助我们突破“目标与执行脱节”的瓶颈。

Project_Observer

列表视图中的筛选列您知道吗？您可以在 Zoho Projects 中跨列表筛选列。这样，您无需频繁切换到筛选面板，即可快速缩小大型数据集的范围，从而更轻松地专注于当前工作中的重要内容。

极光代码工作室

基于机器学习的信用卡欺诈检测系统设计随着数字支付规模持续扩大，信用卡欺诈已成为全球金融安全的重大威胁。据2023年Nilson Report统计，全球因支付欺诈造成的损失高达410亿美元，其中约68%源于未被及时识别的异常交易。传统基于规则引擎的检测方法存在误报率高、泛化能力弱、难以应对新型欺诈模式等固有缺陷。本文针对高度不平衡（欺诈样本占比常低于0.1%）、高维稀疏、实时性要求严苛的信用卡交易数据特点，设计并实现了一套端到端的智能欺诈检测系统。系统采用SMOTE-Tomek Links过采样+特征工程优化策略缓解类别失衡问题；构建集成学习

货拉拉技术

自学习机制下的 API 资产分类实践关键词：API 安全、资产分类、特征工程、自学习货拉拉现网支撑着海量域名与 API 接口的日常调用，涵盖公开、内部及第三方等多维场景。面对每日极为庞大的请求流量，我们的 API 体系规模仍在保持稳步扩张。API 作为承载应用程序的核心业务逻辑和敏感数据的角色，资产庞大形式多样，理论上每个 API 都可能是潜在的安全风险敞口，随着业务的发展网络安全团队面临的矛盾除了要解决“如何防护”，还需要更前置的理清楚要“防护什么”。

Claude Code源码分析Claude Code 是 Anthropic 的 CLI 编程 Agent。是一个受控工具循环 Agent——能理解代码库、编辑文件、执行命令、管理 git 的自主编程助手。本篇文章会详细讲解Claude code中的核心设计，详细讲解可以查看参考文献。本篇文章侧重的核心设计包括：Agent Loop、上下文管理、工具管理、skill系统、多Agent架构几部分。