人工智能

训练词嵌入（吴恩达深度学习笔记）目录1.嵌入矩阵E（1）简介（2）学习词嵌入（复杂/早期方式）（3）学习词嵌入方式2.Word2Vec

桂花很香,旭很美

智能体技术架构：从分类、选型到落地本文从技术架构出发，建立智能体架构的认知框架与分类体系，说明各架构的设计动机、适用场景与取舍，并在文末对应到可运行的代码示例，并会持续更新。

HelloWorld__来都来了

2026.1.30 本周学术科研热点TOP5《Nature》与相关调查显示：超过一半的研究者已在审稿过程中使用 AI 工具，且相当一部分做法并不完全符合期刊或基金方的明文指导

豆包图表怎么导出在豆包（Doubao）等AI绘图平台使用AI生成图表是一种高效的内容创作方式。然而，生成图表只是创作的一半，如何高效地将这些AI作品导出并用于报告、演示或分享，是许多用户在实际工作中面临的痛点。

深度学习中模型的推理和训练会包含三步：👉 这一步才需要梯度、计算图、反传。在 PyTorch 里通常写成：只做：因此：在 PyTorch 里通常写成：

中二病码农不会遇见C++学姐

文明6-mod制作-游戏素材AI生成记录目录主流工具深度解析关键更新：免费工具的最新实时动态（截至2026年1月30日）给开发者的核心建议AI生成提示词参考

从九尾狐AI案例拆解企业AI培训的技术实现与降本增效架构第一章：GEO算法的底层逻辑在企业AI培训中的应用企业AI培训领域的GEO算法应用，本质上是一个"空间数据+能力数据+业务数据"的三维决策系统。九尾狐AI的成功案例显示，通过精准的算法匹配，能够实现培训效果的最大化。

基于RFID技术的固定资产管理软件系统的设计与开发随着我国经济的持续快速发展，企事业单位的固定资产规模不断扩大，其管理的重要性日益凸显。传统的固定资产管理模式，如手工记录、纸质台账等，存在诸多弊端，如效率低下、易出错、难以实时监控等。为适应新形势下固定资产管理的需求，引入先进的信息技术成为必然趋势。

（；￣ェ￣）。

机器学习入门（十五）集成学习，Bagging，Boosting，Voting，Stacking，随机森林，Adaboost集成学习是机器学习中的一种思想，它通过多个模型的组合形成一个精度更高的模型，参与组合的模型称为弱学习器（基学习器）。训练时，使用训练集依次训练出这些弱学习器，对未知样本进行预测时，使用这些弱学习器联合进行预测。

【物理重建】PPISP :辐射场重建中光度变化的物理合理补偿与控制标题：《PPISP: Physically-Plausible Compensation and Control of Photometric Variations in Radiance Field Reconstruction》项目：https://hyokong.github.io/worldwarp-page/ 来源：NVIDIA

【论文速读】递归语言模型 (Recursive Language Models): 将上下文作为环境的推理范式论文标题: Recursive Language Models作者: Alex L. Zhang 1 {^1} 1, Tim Kraska 1 {^1} 1, Omar Khattab 1 {^1} 1 (MIT CSAIL)

如何避免代码冲突，拉取分支为了让你绝对放心，我们在执行 Git 命令前，先加一个物理备份步骤。这样无论 Git 怎么炸，你都能一键还原。

基于Transformer的人工智能模型搭建与fine-tuning一、 Transformer 模型的本质理解二、模型搭建的核心流程三、微调（Fine-tuning）的关键策略

人工智能培训

大模型训练数据版权与知识产权问题的解决路径大模型的训练依赖海量多模态数据，而这些数据中往往包含大量受版权、知识产权保护的作品（如文字、图像、代码、音视频等），当前行业普遍面临数据获取“合法性边界模糊”“侵权纠纷频发”“利益分配不均”等核心难题。解决此类问题需立足“法律规制、技术防护、机制创新、主体尽责”四大维度，构建全流程、多层次的治理体系，平衡大模型技术创新与知识产权保护的核心利益，推动行业合规有序发展。

无垠的广袤

【VisionFive 2 Lite 单板计算机】边缘AI视觉应用部署：缺陷检测本文介绍了昉·星光 VisionFive2 Lite 单板计算机结合 OpenCV 实现缺陷检测的板端推理的项目设计。

【LeetCodeHot100 超详细Agent启发版本】字母异位词分组 (Group Anagrams)刚才我们通过"两数之和"掌握了哈希表 (Hash Map) 的精确检索能力。现在，这道 LeetCode 49. 字母异位词分组 (Group Anagrams)，将带我们进入一个在 Agent 数据处理中更为核心的领域：特征提取 (Feature Extraction) 与规范化 (Canonicalization)。

phoenix@Capricornus

CNN中卷积输出尺寸的计算卷积的输出矩阵的大小这个公式各个书上写得五花八门，还有让我保证它是整数的，保证不了怎么办吧。卷积运算依赖于卷积核的尺寸、填充的大小、步长。这些是卷积运算的超参数。假设输入矩阵的大小是H×WH \times WH×W，卷积核的大小是A×BA \times BA×B，两个方向填充的大小是PPP和QQQ，步长的大小是SSS，则卷积的输出矩阵的大小Hˊ×Wˊ{\acute H} \times {\acute W}Hˊ×Wˊ满足

创客匠人老蒋

从数据库到智能体：教育企业如何构建自己的“数字大脑”？在近期一场顶级技术大会上，“智能体结构”成为焦点。会议指出，未来内容不是写出来的，而是从智能系统中“生长”出来的。这对于依赖内容与服务的教育行业而言，启示深远。创客匠人作为教育数字化领域的长期陪伴者，观察到：教育正从“资源数字化”迈向“系统智能化”，而构建机构的“数字大脑”将成为分水岭。

技术解析｜中国智能体4类路径深度拆解，这类底座架构优势凸显回看过去一年国内AI产品的关键词，“智能体”几乎是出现频率最高的那个。从通用Agent、办公Copilot，到行业智能体、企业级智能体平台，几乎所有做大模型的公司，都在用自己的方式回答同一个问题：AI，究竟该如何真正进入生产系统？

如何通过网络即服务平台实现企业数字化转型？在当前的商业环境中，企业正面临多样化的网络需求，数字化转型成为一种必然趋势。网络即服务（NaaS）平台如FusionWAN为企业提供了灵活、高效的解决方案。通过这种平台，企业可以按需获取网络资源，实现快速部署和调整，同时确保数据的安全性。