人工智能

medicalgpt项目深入发掘方向你的思路完全正确，这是大模型实习/项目中最核心、最具说服力的准备思路——用标准化测评指标量化实验效果，把“主观改进”转化为“客观数值提升”，面试官会非常认可这种落地性强、有数据支撑的项目经历。

自然语言处理（NLP）学习路线一、前置基础阶段（必备）1. 编程语言与工具2. 数学基础3. 机器学习基础二、传统 NLP 阶段（打牢方法论）

2. Ollama REST API - api/generate 接口详Ollama 服务启动后会提供一系列原生 REST API 端点。通过这些Endpoints可以在代码环境下与ollama启动的大模型进行交互、管理模型和获取相关信息。其中两个endpoint 是最重要的，分别是：

大语言模型Agent入门指南随着大语言模型（LLM）在推理、多模态交互和工具使用能力上的突破，一种全新的LLM驱动系统——Agent（智能代理）应运而生。不同于传统自动化工具和简单聊天机器人，Agent能独立完成复杂多步骤任务，为工作流自动化带来革命性变化。本文将从Agent的核心定义出发，拆解其适用场景与三大基础组件，带你快速掌握搭建第一个Agent的核心逻辑。

词向量的艺术：从Word2Vec到GloVe的完整实践指南在自然语言处理领域，如何让计算机"理解"词语的含义一直是一个核心挑战。传统的文本处理方法，如词袋模型，将每个词视为孤立的符号，无法捕捉词语之间的语义关系。例如，"国王"和"王后"这两个词在语义上密切相关，但在词袋模型中却被当作完全独立的特征。

FlashAttention 学习笔记：从公式到分布式O = Softmax ( Q K T ) V O = \text{Softmax}(Q K^T) V O=Softmax(QKT)V 其中：

愚公搬代码

【愚公系列】《AI+直播营销》046-销讲型直播内容策划（适合销讲型直播的产品和服务）💎【行业认证·权威头衔】 ✔ 华为云天团核心成员：特约编辑/云享专家/开发者专家/产品云测专家 ✔ 开发者社区全满贯：CSDN博客&商业化双料专家/阿里云签约作者/腾讯云内容共创官/掘金&亚马逊&51CTO顶级博主 ✔ 技术生态共建先锋：横跨鸿蒙、云计算、AI等前沿领域的技术布道者

Compact命令实践指南对于初级用户 (Beginner)：忘记百分比，关注体感：当你感觉对话历史变得很长，需要滚动很久才能看到开头时，就是一个使用 /compact 的好时机。任务切换时使用：每当你要从一个话题完全切换到另一个话题时，养成使用 /clear 的习惯。相信自动压缩：在初期，可以暂时依赖自动压缩作为保障，但要注意它可能会在你意想不到的时候发生。对于中级用户 (Intermediate)：

臭东西的学习笔记

论文学习——人类抗体从通用蛋白质语言模型的高效进化人类抗体从通用蛋白质语言模型的高效进化（Brian L. Hie 1,2 , Varun R. Shanker 2,3, Duo Xu 1,2, Theodora U. J. Bruun 1,2,3, Payton A. Weidenbacher 2,4, Shaogeng Tang 1,2, Wesley Wu 5, John E. Pak5 & Peter S. Kim 1,2,5）nature biotechnology

考古现场三维记录革新：思看科技SIMSCAN-E无线扫描仪应用详解田野考古作为考古学研究的基础，其核心在于对古代遗迹和遗物进行科学、系统地记录与提取。传统考古记录方法，如手工绘图、摄影测量等，虽广泛应用，但存在效率低、主观性强、信息量有限等局限。尤其在面对复杂遗迹现象、脆弱有机质遗存或紧急抢救性发掘时，快速、精准、非接触地获取全面三维信息变得至关重要。

一招定胜负

opencv视频处理在计算机视觉领域，视频处理是应用场景最广泛的方向之一，无论是日常办公中的文档数字化，还是安防场景的运动目标检测，都离不开核心的图像处理技术。本文将结合OpenCV与Python实战，详细拆解两大经典视频处理案例——基于摄像头的实时文档扫描，以及运动目标检测中的背景建模技术，帮助开发者快速掌握核心原理与实现思路。

KG_LLM图谱增强大模型

ARK投资2026年度大创意报告：把握颠覆性创新的未来十年ARK投资发布第十版年度旗舰研究报告，深度解析人工智能、机器人、能源、区块链、太空和生物技术等13大创新领域。报告揭示指数级技术融合如何重塑全球经济，为投资者、企业决策者和科研机构提供前瞻性战略框架，把握万亿美元级市场机遇。

Context Engineering: 优化大语言模型性能的关键策略与艺术上下文工程（Context Engineering）在 2025年中期（6月至7月）兴起的一个新术语，使 LLM （大语言模型）讨论的焦点从 Prompt Engineering 转向这个更广泛、更强大的概念：Context Engineering.

救救孩子把

59-机器学习与大模型开发数学教程-5-6 Adam、RMSProp、AdaGrad 等自适应优化算法一句话版：自适应优化器会为每个参数自动调步长。把训练看成在“山谷”里找低点：我们最小化 f(θ)=1n∑i=1nℓ(θ;zi)f(\theta)=\frac1n\sum_{i=1}^n \ell(\theta;z_i)f(θ)=n1∑i=1nℓ(θ;zi)，令 gt=∇f(θt)g_t=\nabla f(\theta_t)gt=∇f(θt)。自适应方法基本都是

LLM 分布式推理：切分、通信与优化💡 核心逻辑 (The Core Logic) 目前主流的 LLM 推理（如 vLLM）采用张量并行 (Tensor Parallelism, TP)。

文物古董如何实现高保真三维数字化？思看科技3DeVOK MT彩色扫描+智能贴图方案权威解析在博物馆数字化与考古记录领域，文物古董的三维数字化建模已成为一项至关重要的技术。它不仅为文物的保护、修复和研究提供了永久性的数字档案，还通过虚拟展示、3D打印复制品等方式，让文化遗产以全新的形式焕发生机，走近公众。然而，将一件 fragile（易损）、表面纹理复杂、可能还具有反光或深色特性的文物，精准、无损地转化为高精度、高分辨率的彩色三维模型，是一项巨大的技术挑战。

救救孩子把

58-机器学习与大模型开发数学教程-5-5 牛顿法与拟牛顿法（BFGS、L-BFGS）一句话版：牛顿法用二阶曲率（Hessian）给出“最会拐弯”的下降方向，局部二次收敛、步子少；拟牛顿法用数据驱动的低成本曲率近似（BFGS/L-BFGS），不需要显式 Hessian，却常有超线性收敛。类比：在山谷里下山——梯度法像没有方向盘的车，牛顿法像有高精度方向盘的车，拟牛顿像学会了如何“凭历史轨迹修方向盘”。

三叉预测头Trident prediction head（RGBT目标跟踪以MTNET为例）论文全称：MTNET: LEARNING MODALITY-AWARE REPRESENTATION WITH TRANSFORMER FOR RGBT TRACKING

计算机视觉--Opencv（图像形态学）图像形态学是一种处理图像形状特征的图像处理技术，主要用于描述和处理图像中的形状和结构。形态学可以用于提取图像中的特征、消除噪声、改变图像的形状等。

基于Spring Boot与LangChain4j的AI驱动新闻系统设计与工程实现一、研究背景与问题分析二、系统总体架构设计三、AI 能力工程化接入（LangChain4j）3.1 AI 服务统一注入设计