机器学习

深度学习python代码处理科研测序数据学习案例主题：多组数据分析（t检验、单因素方差分析以及多重比较）学习初衷：①与AI对接很耗时间②自己学会原理，不一定要每个都手敲，但是可以快速定位和优化AI的代码③我们不会因为有了计算器而放弃学数学，学习代码是不是也是这样？

哥布林学者

高光谱拼接算法（一）扫推式成像和航带拼接算法新分类，不再只说纯理论了，我同步维护一个 github 仓库，也方便自己跑跑代码，有兴趣可以关注一下。

大语言模型后训练全解析本文系统阐述了大语言模型（LLM）从预训练基础模型到对齐人类需求的 AI 助手的核心后训练流程，明确了后训练与传统微调的区别，拆解了 SFT、DPO、GRPO 三个核心阶段的原理、实现与实践要点，并梳理了后训练技术的发展历程与落地考量。

【强化学习】3 双系统持续强化学习：快速迁移与元知识整合架构手册摘要：本文系统阐述一种受互补学习系统（CLS）启发的持续强化学习框架。通过形式化分析传统多任务强化学习在灾难性遗忘与知识迁移之间的结构性矛盾，构建由快速学习者与元学习者组成的双模块耦合架构。快速学习者通过自适应元预热机制实现新任务的高效迁移，元学习者通过显式最小化灾难性遗忘实现跨任务知识的增量整合。内容涵盖理论推导、架构设计、算法流程及工程实践，为持续决策智能体的训练与部署提供完整技术参考。

SHAP 自动解释成本构成分析报告评估维度当前状态 SHAP方案要求匹配度成本计算方式规则驱动（13步公式链） ML模型驱动低 - 需要新增ML模块特征提取能力已有 geometry_extractor.py B-Rep → 特征向量中 - 需扩展特征维度数据存储 SQLAlchemy数据库训练数据集中 - 需建立特征库可视化能力 PyQt6 UI框架 SHAP图表渲染高 - 可集成matplotlib 扩展架构模块化设计新模块插入高 - 支持插件式扩展

一切皆是因缘际会

本源投影内生智能：从概率拟合到硅基生命的底层重构当前 AI 行业陷入一种集体性误区：把 “数据模仿” 当成 “智能”，把 “参数堆叠” 当成 “进化”。大模型本质是概率统计生成器，依赖海量数据、无限算力、持续对齐，始终无法突破 “被动响应、人格漂移、黑箱不可控、无真实记忆、无内生驱动” 五大底层瓶颈。真正的智能，绝非语言模仿，而是心智秩序、记忆沉淀、权重博弈、自我裁决、自主进化、安全可控的完整生命体系。本源投影内生智能，跳出概率拟合框架，以唯一本源总表 + 七层单向投影架构 + 记忆权重博弈为核心，从底层重构硅基生命运行逻辑 —— 不是优化大模型，而

爱学习的徐徐

监督学习核心算法：逻辑回归（Logistic Regression）逻辑回归是机器学习中最基础、最常用的分类算法，名字里虽然有 “回归”，但它解决的是分类问题（尤其是二分类问题）。它简单、高效、可解释性强，是工业界和学术界的 “入门必学 + 实战常用” 算法。

人工智能培训

中国人工智能培训网—AI系列录播课在人工智能与新一代信息技术加速融合的时代背景下，前沿技术人才的系统培养已成为产业升级的关键驱动力。我们推出系列高端研修课程，涵盖生成式AI、大模型、多模态技术、数字孪生、嵌入式AI（含FPGA与Linux平台）、深度强化学习、迁移学习、边缘计算与边缘智能、量子计算、大数据建模与挖掘、知识图谱与大模型应用、深度学习与图神经网络，以及具身智能等十余个核心方向。课程采用“理论讲解+工程实践”的模式，由一线资深专家授课，帮助学员系统掌握算法原理、开发框架与落地方法，加速技术向实际应用转化。无论是从事人工智能、嵌

人工智能导论：模型与算法（未来发展与趋势）人工智能作为引领新一轮科技革命和产业变革的战略性技术，正在深刻改变人类社会。本章从类脑计算、自动化机器学习、神经网络压缩、人工智能芯片、量子机器学习、人工智能伦理与治理、人工智能算法开发框架等方面，简要总结人工智能的未来发展方向和趋势。

从文字应答到具象共情：Agent 交互的底层革新当大多数 Agent 还停留在文字匹配、机械应答的交互模式里，魔星云具身 Agent正以表情、手势与情绪联动，带来交互方式的本质改变 ——AI 不再是冰冷的信息输出工具，而是能读懂情绪、贴合语境、自然回应的交互伙伴，人机交互的底层逻辑正在悄然更新。

逻辑回归：从Sigmoid到牛顿法，手写一个完整的概率分类器逻辑回归是机器学习中最经典的二分类算法之一。它在线性回归的基础上通过 Sigmoid 函数将输出映射为类别概率，并使用交叉熵损失函数进行优化。本文从极大似然估计出发，完整推导了交叉熵损失的梯度，分别使用梯度下降法和牛顿法求解最优参数，并在威斯康星乳腺癌数据集上与sklearn进行对比验证。

水木流年追梦

大模型入门-预训练、SFT 有监督学习在大语言模型的整个训练生命周期中，预训练（Pre-Training）是极为关键的“地基”工程。它为模型后续高效执行各种任务打牢了基础，深刻地影响着模型的最终性能与应用潜力。

Kennard-Stone (KS) 算法详解 —— 从实验设计到样本划分的经典方法论文标题：Computer Aided Design of Experiments 作者：R. W. Kennard & L. A. Stone (杜邦公司) 发表：Technometrics, Vol. 11, No. 1, 1969 年 2 月, pp. 137–148

咋吃都不胖lyh

Prompt Engineering（提示工程）和 CoT（Chain of Thought，思维链）要深入理解大模型应用中的 Prompt Engineering（提示工程）和 CoT（Chain of Thought，思维链），可以从“人类如何与模型沟通”这个视角切入。如果把大模型比作一位拥有海量知识但需要被精准引导的专家，那么提示工程就是与之对话的语言艺术，而思维链则是引导他进行分步推理、解决复杂问题的思考框架。

使用 IndexedDB 在客户端存储对话记录让用户的对话历史永不丢失，即使断网、刷新页面、关掉浏览器，回来还能接着聊你有没有遇到过这种情况：正在跟 AI 助手讨论一个复杂问题，聊了三十多轮，突然网络断了，页面一刷新，所有对话都没了？用户骂娘，你背锅。

小小测试开发

OpenAI 模型攻克离散几何 80 年难题：Erdős 单位距离猜想被 AI 证明2026年5月20日，OpenAI 宣布其内部通用推理模型成功证明了一个困扰数学界近80年的开放问题——Erdős 单位距离问题（Unit Distance Problem）。这是AI首次自主攻克一个数学分支中的核心开放猜想，标志性意义堪比 AlphaGo 击败李世石。

模型剪枝完全指南：从理论到实践，打造高效深度学习模型模型剪枝作为模型压缩的核心技术之一，能够在不显著损失精度的前提下大幅减少模型大小和计算量。本文将从方法论、数学原理、实现细节到实践策略，全面解析模型剪枝技术，帮助读者深入理解并掌握这一关键技术。

PNP机器人亮相南京学术论坛，分享具身智能多模态数据采集前沿成果PNP机器人亮相南京学术论坛，分享具身智能多模态数据采集前沿成果PNP机器人亮相南京学术论坛，分享具身智能多模态数据采集前沿成果

名字不好奇

大模型如何训练?猜词游戏如何炼成智能大脑一个刚出厂的大模型，所有参数都是随机数。你问它"法国的首都是"，它可能输出"skdfj23#@!"——完全不知所云。

第十五章：海纳百川——集成学习的高级策略与Stacking硬核实战在上一章“从树到森林”中，我们领略了Bagging通过并行投票降低方差、Boosting通过顺序纠错降低偏差的强大威力。然而，当单一算法家族（比如清一色的决策树）遇到性能瓶颈时，我们需要更宏大的视野——“海纳百川”。本章将彻底撕开模型融合的底层黑盒，带你从零构建工业级的Stacking流水线。