机器学习

CMU Subword Modeling | 09 Lexemes, or What Dictionaries Know about Morphology我们平常说的 “word（词）” 在语言学里其实有两个不同层次：通俗理解：Lexeme 就是词的“家族”。一个 lexeme 是一组意义相同但形式不同的 word forms 的集合。例如：

大江东去浪淘尽千古风流人物

【Sensor】IMU传感器选型车轨级 VS 消费级结论先行：问题1：你的应用是否需要探测极其微弱的运动信号，或者在剧烈振动、大冲击下保持极高精度的姿态测量？

对抗性攻击：一张贴纸如何让自动驾驶视觉系统失效？你好！我是陈涉川，欢迎你来到我得专栏。这是模块四“内生安全”的开篇重头戏，我们将深入探讨 AI 模型最诡异、最迷人也最致命的弱点——对抗性攻击。本篇我们将聚焦于对抗性攻击的底层原理、数学本质、经典算法演进以及从数字世界到物理世界的惊险跨越。

大模型核心问题全解析：从激活函数到训练实战随着大语言模型（LLMs）的快速发展，从技术原理到工程实践，一系列核心问题成为学习者与开发者的重点关注方向。本文将针对11个大模型高频问题，逐一拆解原理、补充细节、梳理逻辑，涵盖激活函数、生成问题、长文本处理、模型体系、训练优化等关键维度，帮你构建完整的大模型知识框架。

LY模型流程下面按你这 0–6 张 Task Card 的顺序，把**每一步“为什么要做、做完能证明什么、它在整条链路里起什么作用”**解释清楚（偏论文/工程共同语言）。

CUTLASS README v4.4.0CUTLASS 4.4.0 - 2026年1月CUTLASS 是一套在 CUDA 中所有层次和规模上实现高性能矩阵乘法（GEMM）及相关计算的抽象集合。它融合了分层分解和数据移动的策略。CUTLASS 将这些“可动部件”分解为可重用、模块化的软件组件和抽象。

陈天伟教授

人工智能应用- 人机对战：06. 小结人工智能在电子游戏领域的出色表现展示了 AI 技术的巨大潜力。从早期的 Atari 游戏到复杂的《星际争霸》，AI 不仅能够在简单、封闭型的游戏中超越人类，在复杂、开放的游戏环境中也表现出与人类旗鼓相当的水平。

啊阿狸不会拉杆

《机器学习导论》第 16 章-贝叶斯估计目录前言先配置通用环境（Mac 专属中文显示 + 基础库）16.1 引言核心概念形象比喻思维导图16.2 离散分布的参数的贝叶斯估计

小刘的大模型笔记

向量数据库深度剖析：核心优劣势 + 适用场景，避开 RAG 落地的选型坑一、引言作为 RAG（检索增强生成）系统的核心组件，向量数据库早已成为大模型落地的 “标配工具”，被广泛应用于智能客服、知识库问答、个性化推荐等场景。但很多开发者在选型时，只看到向量数据库的优势，却忽略了它的局限性，盲目选型后导致 “检索效果差、部署成本高、落地不兼容” 等问题。世上没有完美的工具，向量数据库也不例外。本文就为大家做一次向量数据库的深度全剖析，不仅讲清楚它的核心优势，更直面它的先天劣势和使用痛点，同时给出不同场景的选型建议和避坑指南，让你在 RAG 落地时，选对工具、避开坑、用对方法。

田里的水稻

FA_融合和滤波(FF)-图优化FA：formulas and algorithm，FF：fusion and filtting图优化（Graph Optimization）是一种将优化问题建模为图结构，通过调整图中节点的状态来最小化整体代价函数的算法框架。

健康行为监测与久坐提醒：K-Means聚类在健康领域的应用现代人久坐不动是健康的一大隐患。世界卫生组织（WHO）指出，久坐是导致多种慢性疾病的重要因素，包括心血管疾病、糖尿病、肥胖等。随着智能手机和可穿戴设备的普及，我们可以通过传感器数据监测用户的行为模式，识别静止和运动状态，并根据静止时间提供个性化的健康建议。

CMU Subword Modeling | 03 Productivity and GeneralizationProductivity & Generalization（生产力与泛化）这一讲的核心思想是：语言中的形态学规则 / 子词组合规则怎样推广到新词？也就是说，我们不只是看一个词怎么表示，我们关心一个模式能不能“生”出新词。(dmort27.github.io)

机器学习数学基础：线性代数与概率论深度解析目录摘要1 引言：为什么数学是机器学习的基石1.1 机器学习数学基础全景图1.2 机器学习数学架构图2 线性代数深度解析

大模型实验室Lab4AI

GDPO：多目标强化学习高效优化新路径论文名称：GDPO: Group reward-Decoupled Normalization Policy Optimization for Multi-reward RL Optimization 论文作者：Shih-Yang Liu, Xin Dong, Ximing Lu, Shizhe Diao, Peter Belcak, Mingjie Liu, Min-Hung Chen, Hongxu Yin, Yu-Chiang Frank Wang, Kwang-Ting Cheng, Yejin

LibTorch张量基础1D的张量步长也是stride={1}2D张量步长为{列数，1}3D张量步长为{行×列，列，1}

小刘的大模型笔记

POP原理落地到实际微调作为AI博主，经常有读者问我：“懂了PPO原理，怎么落地到实际微调中？” 其实大模型微调的核心价值，从来都不在“纸上谈兵”的理论理解，而在亲手操盘的实战落地。PPO（近端策略优化）作为RLHF（人类反馈强化学习）的核心环节，是让通用大模型贴合特定场景、对齐人类偏好的关键技术——无论是让模型精准输出品牌话术，还是专攻垂直领域问答，PPO都能实现“模型定制化”的闭环。

Scikit-learn高级实战：自定义评估器与流水线架构设计目录摘要1 引言：为什么需要自定义Scikit-learn组件1.1 Scikit-learn扩展架构全景

神经网络，人类表达的革命摘要：本文简述了人类一直在追求更高效的沟通表达能力、更快速的信息传播方式和更大规模的共识协作，从语言文字时代到计算时代再到今天的智能时代，始终贯穿着表达方式的革命，越发全面、完整、准确的记录和传承着人类眼中的客观世界、主观认知和知识经验；人类文明的发展与表达方式的进化相辅相成、互为助力，推动了现代科学殿堂的构筑和现代科技的发展。基于神经网络的知识学习、认知、生成与表达是人类第三次表达革命，传统经验规则的专家光环被逐一抹去，知识祛魅将推动所有商业逻辑解构和重构，我们将走进与人工智能共同书写人类文明的新

Flash Attention原理介绍与使用方法Flash Attention可以加速计算，节省显存。本文介绍了Flash Attention的原理，以及在GPU/NPU上的使用方式。