机器学习

love在水一方

【InternNav】工程详细分析InternNav 是一个基于 PyTorch、Habitat 和 Isaac Sim 的开源具身导航（Embodied Navigation）工具箱，版本 0.3.1。核心贡献是 InternVLA-N1 —— 一个双系统（Dual-System）视觉语言导航基础模型，具备零样本真实世界泛化能力。

【MY_TRUCK - AI 应用】RAG 与 LangChain 入门：检索增强生成、向量检索与链式编排本文承接「提示词工程」笔记，面向要在业务里用外部知识库给大模型「补课」、减少幻觉并接入私有/实时数据的读者。内容包含 RAG 定义与标准流程、向量与嵌入、LangChain 组件（Models / Prompt / Chain / Memory / Loader / 向量库）及完整 RAG 开发步骤。读完后能够复述离线/在线两条链路，并理解链式调用 prompt | model | parser 与向量检索在整体中的位置。

MATLAB代码顾问

哈里斯鹰优化算法(HHO)原理与Python实现📅 2026-05-08 | 🏷️ 智能优化 | 🏷️ 元启发式算法 | 🏷️ HHO哈里斯鹰优化算法(Harris Hawk Optimization, HHO)是2019年由Heidari等人提出的一种新型元启发式算法。该算法模拟哈里斯鹰的围猎行为，通过合作追踪和突袭策略来寻找最优解。HHO具有较强的全局搜索和局部开发平衡能力，在多个基准测试和实际应用中表现优异。

金融小师妹

基于AI宏观周期模型的黄金牛市研究：1979、2011与2026三轮行情的共性与结构分化摘要：本文通过AI宏观周期模型，结合全球流动性环境、通胀路径、央行购金行为及资产配置结构，对1979年、2011年与2026年三轮黄金大牛市进行系统对比，重点分析本轮黄金行情为何呈现出更复杂、更高波动与更强资金驱动的结构特征。

【深度解析】自主机器学习工程师 Neo：从 Agent 工作流到聊天内容审核 Pipeline 落地摘要：本文解析 Neo 这类自主机器学习工程师的核心机制，并以聊天内容审核为例，演示如何用大模型生成数据、训练分类器、封装 API，完成端到端 AI 工程闭环。

郝学胜-神的一滴

深度学习网络优化核心：梯度下降与正则化入门｜手机价格分类实战在深度学习的迭代之旅中，网络优化与过拟合抑制是模型从 “可用” 走向 “精准” 的关键阶梯。今天我们就从最核心的梯度下降算法出发，拆解前向 / 反向传播逻辑，解锁正则化优化思路，最终落地手机价格分类实战案例，让模型训练更稳定、泛化能力更强✨。

乐迪信息：AI防爆摄像机，船舶偏航逆行算法实时告警零漏检港口航道是船舶进出的关键通道，每天都有大量货轮、油轮、客船从这里经过。航道本身不宽，加上水流、风向、能见度等因素，船舶偏航或者逆行的情况时有发生。一旦处理不及时，轻则造成航道拥堵，重则引发碰撞、搁浅甚至溢油事故。传统的监控手段主要靠人工瞭望和雷达，但人工容易疲劳，雷达在某些场景下也有盲区，所以漏检的情况一直存在。

大模型面试：从字节到集群的大模型微调底层推演指南我将会首先提出一个问题，然后基于这个问题从浅入深，深入底层讲解相关知识点，最终回到这个问题，所以问题仅仅只是一个引导，最重要的是里面的内容。

love在水一方

【翻译】NavDreamer: Video Models as Zero-Shot 3D NavigatorsNavDreamer：将视频模型用作零样本3D导航器黄锡杰1,1,2 盖伟奇2,3 吴天悦1 王聪宇1,2 刘志扬2 2 周欣2 吴宇泽*，1,2 高飞*，1，2

05候补工程师

【线性代数笔记】秩、线性相关性与等价向量组的核心逻辑总结博主简介：05后理工男，CSDN 技术博主。目前正在攻读计算机专业，同步复习 408 及数学基础。笔记说明：本文为线性代数关于“秩”与“向量组相关性”的学习笔记，重点记录了判定方法与核心定理。

电力预测大赛经验教训与心得总结作为平时搞数据分析的，这次电力预测竞赛踩了不少坑，总结一些特别重要的经验，全是实打实踩出来的教训，分享给大家：

全域数学（GM）体系终极逻辑闭环综述作者：乖乖数学成文日期：2026年05月08日

Baumer工业相机堡盟相机Chunk功能全解析：如何在图像中嵌入时间戳、编码器值等元数据？在工业机器视觉系统中，我们往往不仅仅需要“看到”图像，更需要知道“图像背后的上下文”。例如：这张图片是什么时候拍的？拍摄时传送带运行到了什么位置（编码器值）？当时的相机增益是多少？

锂电池二阶 RC 模型仿真实战：从理论解析到 Simulink 闭环搭建全流程这份电池仿真实战任务涵盖了电池管理系统（BMS）底层算法的核心基础。为了兼顾理论撰写（论文方法章节）与工程实操（Simulink 建模），我为您梳理了详细的实施方案。

PINNs在传染病预测中的应用融合机制驱动和数据驱动的混合动力学模型

vLLM Linux 双卡部署大模型服务器指南将模型文件放置到指定目录：问题: 模型说话说到一半就没响应了原因: 流式响应间隔过长，客户端超时断开解决方案: 添加 --stream-interval 1 参数

AI机器学习算法

《动手学深度学习PyTorch版》笔记对《动手学深度学习PyTorch版》的要点记录，以查漏补缺、巩固基础和准备面试为主。笔记把一些有关的章节聚合为一个小专题进行学习，包含概念，图示，公式和部分重要源码解读。知识跨度上，会从最基本的张量到近来必会必知的GPT，侧重NLP方向。

罗西的思考

【GUI-Agent】阿里通义MAI-UI 代码阅读（2）--- 实现0x00 摘要0x01 工程实现特色0x02 提示词0x03 输出0x04 MAIUINaivigationAgent

p99 延迟从 9.5 毫秒降到 18 微秒：Cloudflare 机器学习基础设施重构全记录有一类工程问题，不是因为代码写错了，而是因为系统架构在规模增长之后触碰到了物理极限。Cloudflare 的机器学习团队经历的正是这种情况。他们的 Bot 检测系统需要对每一个 HTTP 请求做实时机器学习推理，而 Cloudflare 的流量峰值是每秒 6300 万次请求。在这个规模下，任何看起来"还好"的延迟，乘以请求量之后都会变成一个天文数字。

再玩一会儿看代码

如何理解神经网络中的权重参数？从一张图看懂模型参数量计算在深度学习中，我们经常会听到一个说法：训练模型，本质上就是寻找合适的模型参数。这些参数通常包括两类：权重（weights）和偏置（biases）。