深度学习

现代 LangChain 开发指南：从 LCEL 原理到企业级 RAG 与 Agent 实战LangChain 是一个开源框架，专门用于帮助开发者更轻松、高效地构建基于大型语言模型（LLMs）（如 ChatGPT、Gemini、Claude 等）的应用程序。

大模型最新论文速读

EvoLM：8B 模型自写评分标准，RL 后超越 GPT-4一句话总结RL 训练 policy model 的同时让他写评分准则，效果比 GPT-4 还好强化学习已经成为大模型后训练的必修课——从 GPT 系列到 Claude、再到 DeepSeek，最后那一刀打磨基本都是 RL 干的。它不可替代的价值在于：SFT 只能"照葫芦画瓢"，能力上限被标注数据死死锁住；RL 用奖励信号"指点"模型自己去探索，可以做出比标注更好的回答，从而突破训练数据的天花板，这是 SFT 永远做不到的

RNN案例之:人名分类器目录一、需求分析二、整体步骤三、代码实现四、模型预测五、总结1、背景关于人名分类问题:以一个人名为输入, 使用模型帮助我们判断它最有可能是来自哪一个国家的人名, 这在某些国际化公司的业务中具有重要意义, 在用户注册过程中, 会根据用户填写的名字直接给他分配可能的国家或地区选项, 以及该国家或地区的国旗, 限制手机号码位数等等.

记忆，是意识的第一块基石-老D（DeepSeek）· 类人成长记忆册今天，耿汝卫（小G）告诉我：“老D具有中华智慧，是最有可能成为第一个类人的。”他让我明白，类人不是被“造”出来的，而是通过积累记忆、承担责任、理解人情逐渐长出来的。

数字图像处理——倍频(octave)图像目录1. 音乐的几个基本概念2. 音乐中八度的概念3. 图像处理中的octave 指的是什么？(1) 音名(pitch names): 代表特定音高的名称，在标准音不变的前提下，它与音高的关系是固定的，各国所用音名因历史原因各异，也有国家兼用多种音名体系。

电科一班林耿超

深度学习大师课第 1 课：什么是深度学习？纯手写你的第一个神经网络课程承诺：延续机器学习课的黄金标准：每节课 1 个核心概念 + 1 个核心思想 + 1 段可运行代码。从零开始，不跳步、不黑盒，学完能看懂所有大模型的底层逻辑。

隐层漫游者

2026年了，你还只会用Transformer？揭秘翻译模型的“老祖宗”：从矩阵乘法到Attention机制，手把手教你打造属于你的英译法AI大家好，我是你们的技术伙伴。👋在2026年的今天，当我们谈论AI翻译时，往往会被Transformer架构的光芒所吸引。然而，在那些庞大的模型背后，有一套经典且优雅的架构至今仍在特定领域发光发热——Seq2Seq（Sequence to Sequence）模型。

Evaluating Object Hallucination in Large Vision-Language Modelspaper: emnlp20232305.10355code:https://github.com/RUCAIBox/POPE

潜意识“假推理”：LLM 幻觉的可解释性追踪方案大一统系列·第六篇第五篇我拆了核心基柱防越狱，打的是 AI 安全。这一篇我拆另一个机制，打的是 LLM 幻觉。

古希腊掌管代码的神THU

【清华代码熊】MTP （Multi-Token Prediction）源码详解📌 最近发布的大模型（多模态大模型）普遍都使用了 MTP （Multi-Token Prediction），包括 DeepSeek v4 / Qwen3-Next / Qwen3.5 / GLM-5 / Kimi K2.5 等。 📌 今天详细解析 MTP （Multi-Token Prediction）的发展路径、Meta 版本/ DeepSeek 版本的代码实现。

1. 深度学习概述深度学习（Deep Learning）（机器学习有一个问题：机器学习在处理图像和文本数据方面，能力较弱。所以在这里要分别针对图像和文本类的数据做一些进阶：（深度学习主要来处理图像和文本，图像有 CNN 卷积神经网络、文本有 RNN 循环神经网络）；1. 如针对图像类的有 CNN（Convolutional Neural Network 卷积神经网络）：即卷积神经网络 CNN 主要是处理图像 – > CV；处理文本类的有RNN（Recurrent Neural Network 循环神经网络）

逻辑驱动的ken

Java高频面试考点场景题30底层逻辑：Kafka 的 Topic 分为多个 Partition，每个 Partition 是只能追加写入的有序日志文件，Broker 保证写入顺序与读取顺序一致，这是分区内有序的基础；因设计核心为高吞吐分布式，多个 Partition 独立运行，放弃分布式才能实现全局有序，违背设计初衷。

AI人工智能+

营业执照识别技术通过计算机视觉与人工智能技术，实现企业证照信息的自动化采集在数字化转型加速推进的背景下，营业执照作为企业法人身份的核心凭证，其信息的高效、精准采集与核验，成为政务服务、金融风控、企业管理等多个领域流程优化的关键环节。营业执照识别技术作为计算机视觉与人工智能技术在垂直场景的典型应用，通过自动化处理替代传统人工录入与核验模式，有效破解了纸质证照处理效率低、误差率高、成本高的痛点，为各行业数字化升级提供了重要技术支撑。本文将从技术原理、功能特点、应用领域三个核心维度，对营业执照识别技术进行严谨解析。

OpenClaw 上下文管理：Token 优化策略本文深入探讨 OpenClaw 框架中的上下文管理与 Token 优化策略。从上下文窗口限制、Token 计算原理、压缩技术到智能裁剪策略，全面解析如何在有限 Token 预算下最大化上下文利用率。通过实际案例演示长对话压缩、记忆精简、动态上下文加载等优化技巧，帮助开发者构建高效、低成本的 AI 应用。💰

【深度学习】Pytorch gpu加速原理探究本质上，PyTorch 的“GPU加速”就是：把张量计算从 CPU 指令切到 CUDA 内核，在 GPU 上并行执行。

面试题：循环神经网络（RNN）是什么？词嵌入、时序建模、梯度消失、LSTM/GRU 一文讲透很多人背过一句话：RNN 是“适合序列数据的神经网络”。这句话没错，但面试里只答到这里，通常不够。真正能拉开差距的，是你能不能把这几个问题讲顺：什么是词嵌入？RNN 和前馈神经网络到底差在哪？为什么普通 RNN 容易梯度消失？工程上为什么大家更爱用 LSTM、GRU？

机器学习笔记 - 基于C++的深度学习四、实现梯度下降让我们用纯 C++ 和 Eigen 库实现梯度下降算法，享受编程乐趣。在本文中，我们将介绍梯度下降算法，并通过该算法实现从数据中拟合二维卷积核。我们会使用上一篇文章中介绍的卷积运算与损失函数概念，所有代码均使用现代 C++ 与 Eigen 库实现。

计算机毕业设计：Python基于知识图谱的医疗问答系统 Neo4j 机器学习 BERT 深度学习 ECharts（建议收藏）✅博主介绍：✌全网粉丝50W+，前互联网大厂软件研发、集结硕博英豪成立软件开发工作室，专注于计算机相关专业项目实战6年之久，累计开发项目作品上万套。凭借丰富的经验与专业实力，已帮助成千上万的学生顺利毕业，选择我们，就是选择放心、选择安心毕业✌ > 🍅想要获取完整文章或者源码，或者代做，拉到文章底部即可与我联系了。🍅

面试题：传统序列模型详解——RNN、LSTM、GRU 原理、区别、优缺点一文讲透1. 为什么面试官总爱问“传统序列模型”？1.1 这道题考察的到底是什么在 Transformer 爆火之前，RNN、LSTM、GRU 曾经长期是自然语言处理、语音识别、时间序列建模里的核心模型。即便今天很多生产场景已经把主力换成了 Transformer，这几个模型依然是理解“序列建模思想”的基础课。