人工智能

【大模型技术报告】Qwen2-VL大模型训练过程理解对训练的三个核心阶段进行从理论到代码的逐层、公式化拆解。目标：建立图像特征到LLM语义空间的“基础语言对齐”。

java1234_小锋

【AI大模型舆情分析】微博舆情分析可视化系统(pytorch2+基于BERT大模型训练微调+flask+pandas+echarts) 实战(上)大家好，我是锋哥。最近发布一条【AI大模型舆情分析】微博舆情分析可视化系统(pytorch2+基于BERT大模型训练微调+flask+pandas+echarts）高级实战。分上下节。

新缸中之脑

Imagerouter.io: 免费图像生成API我喜欢免费的解决方案：并不是因为我不想花钱，而是因为按需付费或任何类型的订阅都需要先试用。很多时候承诺无法兑现。

Halcon图像点运算、获取直方图、直方图均衡化灰度直方图:图像中每一个灰度值与其出现频率的统计关系直方图特征:1.没有位置信息2.与图像之间是一对多的映射关系。任意一副图像都有唯一确定的一个直方图，但是不同图像可能有相同的直方图

AI核心知识77——大语言模型之Joint Training（简洁且通俗易懂版）联合训练 (Joint Training)，或者叫联合优化 (Joint Optimization)，是大语言模型（尤其是 RAG 2.0 和多模态模型）中一种高级的训练策略。

DFT计算杂谈

VASP+PHONOPY+pypolymlpj计算不同温度下声子谱，附批处理脚本新版phonopy（>2.31）集成了与pypolymlp和 symfc结合进行机器学习势-自洽谐波近似（MLP-SSCHA）计算的功能，可通过少量DFT计算进行势函数生成并产生有限温度下的力常数，并以此获得有限温度下的声子谱。

9-23 动作意图理解（AGI基础理论）《智能的理论》全书转至目录不同AGI的研究路线对比简化版：《AGI（具身智能）路线对比》，欢迎各位参与讨论、批评或建议。

从九尾狐AI实战案例解析AI短视频获客的系统架构与实现方案第一章：企业AI培训的技术底层逻辑在数字化获客时代，传统的营销培训课程已经无法满足企业需求。九尾狐AI通过独创的实战培训体系，构建了一套完整的AI获客技术架构。

Baumer相机金属弹簧圈数自动计数：用于来料快速检验的 6 个核心算法，附 OpenCV+Halcon 实战代码！在金属零件质检中，你是否常被这些问题困扰？圈数计数 ≠ 简单边缘检测它要求在高精度、高速度条件下，精准识别弹簧螺旋结构、圈数、间距——任何一处计数错误都可能导致装配问题

SQL进阶&索引篇覆盖索引就是需要查询的字段就在索引列，但是如果没有在就需要进行下图的回表查询。也就是选择截取的字符串长度的不相同的个数和总数据的个数比值

名字不好奇

一文拆解MCP协议MCP（Model Context Protocol，模型上下文协议）是一个用于连接大语言模型（如 GPT、Claude 等）与外部数据源和工具的开放协议。可以把它理解为 AI 的 USB 标准。通过这个协议，大模型可以发起对外部世界的连接。操作和感知模型以外的世界。

拒绝服务的进化：AI 调度下的分布式协同攻击策略⚠️ 免责声明本文仅用于网络安全技术交流与学术研究。文中涉及的技术、代码和工具仅供安全从业者在获得合法授权的测试环境中使用。任何未经授权的攻击行为均属违法，读者需自行承担因不当使用本文内容而产生的一切法律责任。技术无罪，请将其用于正途。干网安，请记住，“虽小必牢”（虽然你犯的事很小，但你肯定会坐牢）。

困死，根本不会

OpenCV摄像头实时处理：从单特征到联合识别（形状识别 + 颜色识别 + 形状颜色联合识别）在计算机视觉入门阶段，形状识别和颜色识别是两个核心的基础单特征识别任务，而将两者结合的形状 + 颜色联合识别，是实现复杂视觉应用的重要过渡。本文将先分别拆解形状识别、颜色识别的核心原理与代码实现，再讲解如何将两个单特征识别逻辑整合为联合识别工具，形成从基础到进阶的完整学习链路，所有代码均基于摄像头实时视频流实现，实用性拉满。

工具人呵呵

[嵌入式AI从0开始到入土]22_基于昇腾310P RC模式的ACT模型部署实践注：等我摸完鱼再把链接补上可以关注我的B站号工具人呵呵的个人空间，后期会考虑出视频教程，务必催更，以防我变身鸽王。

PyTorch深度学习实战：从模型构建到训练技巧本文将通过18个实战代码示例，带你深入掌握PyTorch的核心技术，包括数据准备、模型构建、自定义层、参数初始化、损失函数设计等关键知识点。

安全二次方security²

CUDA C++编程指南(7.31&32&33&34)——C++语言扩展之性能分析计数器函数和断言、陷阱、断点函数每个多处理器都配备了一组16个硬件计数器，应用程序可以通过调用__prof_trigger()函数，用一条指令来递增这些计数器。

【Dify】安装与部署报错：解决：回退到最新稳定版需要修改 docker/docker-compose.yaml 文件，将版本号改为实际存在的稳定版本。打开dify/docker/docker-compose.yaml，找到所有版本信息，替换成已经发行的稳定版：

告别数据泄露：三步构建企业级AI的隐私保护盾最近和几位做金融科技的朋友聊天，他们都在头疼同一个问题：公司想用大模型优化客服系统，但聊天记录里全是客户身份证号、交易金额这些敏感信息。直接拿去微调？法务部门第一个不答应。用公有云API？数据安全更是没保障。

TKDE-2026《Efficient Co-Clustering via Bipartite Graph Factorization》该论文提出了一种名为BGFC（Bipartite Graph Factorization Clustering）的协同聚类模型，核心创新在于同时利用样本-锚点双部图和锚点-锚点相似图的双重结构信息，实现高效且准确的聚类。传统样本-锚点协同聚类方法仅利用双部图捕捉样本流形结构，却忽略了锚点自身的内在几何关系，导致锚点伪标签缺乏局部平滑性，进而影响样本聚类质量。BGFC通过以下两个关键机制解决此问题：

PyTorch 2.x 中 `torch.load` 的 `FutureWarning` 与 `weights_only=False` 参数分析随着 PyTorch 2.x 版本的发布，官方对模型序列化和反序列化的逻辑进行了优化。其中一个重要变化是：默认情况下，`torch.load()` 将只加载模型的权重（即等价于设置 `weights_only=True`），而不再支持通过 `weights_only=False` 显式控制是否加载完整模型。