论文阅读

AIGC 论文笔记GAN有两个模型，模型G (Generator) 负责拟合训练数据的分布 (也就是拟合概率密度)，模型D (Discriminator) 负责评估一个样本是来自训练数据还是来自G的概率，在训练过程中G要尽可能骗过D，而D要尽可能分辨出G生成的样本。两个模型都是MLP，在对抗的过程中得到训练，最终的理想情况是G生成的分布完全拟合训练数据的分布，并且D无法分辨二者 (输出永远是1/2).

arXiv|SARLANG-1M：用于 SAR 图像理解的视觉-语言建模基准合成孔径雷达（SAR）是一项关键的遥感技术，具备强地表穿透能力，可实现全天候、全天时观测，能用于精准且持续的环境监测与分析。然而，由于SAR复杂的物理成像机制，以及其视觉表现与人类感知存在显著差异，SAR图像解译仍面临诸多挑战。近年来，视觉语言模型（VLMs）在RGB图像理解领域取得了显著成效，可提供强大的开放词汇解译能力与灵活的语言交互功能。但由于其训练数据分布中缺乏SAR专属知识，这些模型在SAR图像上的应用受到严重限制，导致性能欠佳。

Gemini 2.5：重塑多模态 AI 边界的全面解读Gemini 2.5 系列模型作为 Google DeepMind 推出的新一代 AI 模型家族，凭借在推理、多模态、长上下文处理及智能体能力上的突破性进展，重新定义了大语言模型的性能基准与应用边界。

Back to Basics: Let Denoising Generative Models Denoise 论文阅读学习如今的去噪扩散模型并不以经典意义上的"去噪"方式工作，即它们不直接预测干净图像。相反，神经网络预测的是噪声或含噪声的量。在本文中，我们认为预测干净数据与预测含噪声的量存在根本区别。根据流形假设，自然数据应位于低维流形上，而含噪声的量则不然。基于此假设，我们提倡模型应直接预测干净数据，这使得看似容量不足的网络能够在非常高维的空间中有效运作。我们展示了在像素上使用简单的大块Transformer可以成为强大的生成模型：无需分词器、无需预训练、也无需额外损失。我们的方法在概念上无非就是 “仅仅是图像Transf

[论文阅读] AI + 数据库 | 拆解智能数据库：交互、管理、内核三层革新，AI 如何重塑数据处理随着大数据时代4V特征（规模性volume、多样性variety、高速性velocity、价值性value）对传统数据库的革命性挑战，人工智能技术（尤其是机器学习与深度学习）在表征学习、计算效率及可解释性上的突破，推动了AI与关系型数据库的深度融合，形成新一代智能数据库管理系统。该系统以**“标准化”为核心视角**，通过三大核心层实现创新：智能交互层（自然语言到SQL转化、表格问答，降低用户门槛）、智能管理层（参数调优、索引推荐、数据库诊断等自动化运维，减轻DBA负担）、智能内核层（学习索引、智能查询

橘子是码猴子

Patch-wise Structural Loss for Time Series Forecasting论文阅读ICML 2025Dilfira Kudrat 1、 Zongxia Xie 1 、Yanru Sun 1 、Tianyu Jia 1 、Qinghua Hu 1

Flamingo：打破模态壁垒的少样本视觉语言模型在多模态机器学习领域，如何让模型仅通过少量标注样本就快速适配新任务，是长期以来的核心挑战。DeepMind 于 2022 年提出的 Flamingo 系列视觉语言模型（VLM），通过创新性的架构设计和训练策略，成功实现了这一目标。

【论文阅读笔记】FedProx本文针对联邦学习中的两大关键挑战——系统异构性（设备资源不均）和统计异构性（数据非独立同分布）——提出了FedProx优化框架。FedProx是现有方法FedAvg的泛化，通过允许设备执行可变工作量并添加近端项到本地目标函数中，以稳定收敛过程。理论上，论文在非独立同分布数据下提供了收敛保证，并考虑了设备级系统约束；实践上，FedProx在多种真实联邦数据集上表现出比FedAvg更鲁棒的收敛性，在高度异构环境中平均绝对测试准确率提升了22%。

墨绿色的摆渡人

论文笔记（一百零三）π0.6 : a VLA That Learns From Experience（二）引用：主页：原文：代码、数据和视频：系列文章：请在《《《文章》》》专栏中查找宇宙声明！

【论文阅读笔记】FL+HC（联邦学习+层次聚类）在联邦学习（FL）中引入层次聚类（HC）形成 FL+HC 方法，通过客户端局部模型更新的相似度聚类，为不同聚类训练专属模型。同时给出了适用于未知非IID数据的默认超参数配置。论文贡献

檐下翻书173

从入门到精通：流程图制作学习路径规划在数字化时代，流程图作为高效的信息可视化工具，广泛应用于项目管理、逻辑梳理、流程优化等场景。无论是学生梳理论文框架，还是职场人规划业务流程，清晰的流程图都能将复杂逻辑转化为直观的视觉语言，提升沟通效率与决策质量。

【论文阅读笔记】多实例学习方法 Diverse Density（DD）：在特征空间中寻找正概念的坐标本文介绍1998年由Maron和Lozano-Pérez提出的多实例学习通用框架——Diverse Density。该框架解决一个特殊学习场景：训练数据以"包"（bag）为单位标记，正包包含至少一个正实例（但不知道具体是哪一个），负包仅含负实例。Diverse Density通过最大化"正包交集与负包并集之差"的概率密度来定位目标概念。

【学习笔记】Diffusion Policy for Robotics本文档基于我的兴趣与关注，结合扩散模型理论，全面阐述 Diffusion Policy 在机器人领域的应用。文档涵盖理论基础、实践经验、代码实现和前沿研究。

川西胖墩墩

流程图在算法设计中的实战应用在算法设计领域，清晰的逻辑梳理是高效开发的核心前提。流程图作为一种可视化的逻辑表达工具，能够将抽象的算法思路转化为直观的图形流程，帮助开发者规避逻辑漏洞、优化执行路径。而一款优质的绘图工具，能让流程图的绘制与应用更高效。本文将聚焦流程图在算法设计中的实战价值，结合国产工具良功绘图网站（https://www.lghuitu.com）及多款国外主流工具，从基础认知、实战案例到优化技巧，全面拆解其应用逻辑。

檐下翻书173

流程图配色与美化：让你的图表会“说话”在数字化办公与信息传达的场景中，流程图是不可或缺的工具——它将复杂的逻辑、流程、关系可视化，帮助读者快速抓取核心信息。但并非所有流程图都能高效传递价值：颜色杂乱、元素堆砌、布局混乱的图表，反而会增加理解成本；而配色和谐、设计精致的流程图，不仅能清晰呈现逻辑，更能通过视觉语言强化重点、传递情绪，真正实现“让图表会说话”。

Clip：Learning Transferable Visual Models From Natural Language Supervision日期： 2025-10-22 状态： 🟢 已精读用你自己的话简要复述，不要直接复制摘要。论文要解决什么问题？目前视觉领域已有方法，只能预测模型训练时给定的特定物体类别，即训练时只有猫和狗两种类别，即使马的图片看起来与猫或狗有些相似，模型也无法识别它是马，因为它并没有接触过马的图像或学习过马的特征。

想成为PhD的小提琴手

论文阅读13——基于大语言模型和视觉模态融合的可解释端到端自动驾驶框架：DriveLLM-V的设计与应用An explainable end-to-end autonomous driving framework based on large language model and vision modality fusion: design and application of DriveLLM-V

想看雪的瓜

Origin将2D普通的XPS曲线图升级为三维XPS瀑布图XPS数据图包含多条分峰曲线，一方面对比研究拟合的结果，另一方面考察各个分峰位置（结合能）和峰面积的变化。在传统的XPS数据图当中，一般是绘制共用X轴的2D曲线图。本期教程我们使用Origin将2D普通的XPS曲线图升级为三维XPS瀑布图。

基于信号分解的FMCW雷达相互干扰抑制——论文阅读A. Gaur, P. -H. Tseng, K. -T. Feng and S. Srirangarajan, “Signal Decomposition Based Mutual Interference Suppression in FMCW Radars,” in IEEE Open Journal of Vehicular Technology, vol. 6, pp. 2677-2692, 2025, doi: 10.1109/OJVT.2025.3610715.

MiniGPT-4：解锁 LLM 驱动的高级视觉语言能力在 GPT-4 展现出惊人的多模态能力后，其技术细节的保密特性激发了科研界的探索热情。MiniGPT-4 作为一款开源的视觉 - 语言模型，通过极简的架构设计实现了与 GPT-4 相似的核心能力，为我们揭示了高级大语言模型（LLM）在多模态领域的巨大潜力。