深度学习

激活被遗忘的训练信号：ERPO框架如何让大模型在数学推理中更进一步随着大型语言模型在数学、编程等复杂推理任务中的表现日益出色，如何进一步提升其推理能力成为研究热点。本文介绍了一种创新的训练框架——ERPO（Explore Residual Prompts in Policy Optimization），通过巧妙利用训练过程中被"遗忘"的残余提示，显著提升了模型的数学推理性能，在多个基准测试中取得了显著改进。

【深度学习原理】数值稳定性（一）：为什么深度神经网络如此脆弱数值稳定性系列文章：数值稳定性（一）：为什么深度神经网络如此脆弱数值稳定性（二）：梯度是如何在深度网络中消失与爆炸的第三篇还在写。。。

深度神经网络 (DNN)：当机器学会“深思熟虑”图解说明：之前我们聊过神经网络，它就像一个模仿大脑的机器。本文我们要升级一下，聊聊它的进阶版——深度神经网络 (Deep Neural Networks, DNN)。

【Python深度学习】基础讲解：从感知机到Transformer：深度学习模型的进化图谱（有MNIST数据集上的实验）目录1 引言2 基础知识2.1 感知机：神经网络的起源与局限2.2 多层感知机：通用逼近能力的实现2.3 卷积神经网络：利用空间结构的精妙设计

断眉的派大星

深度学习归一化与激活函数终极指南：ReLU、BatchNorm与Normalize的深度解析卷积层本质是线性操作：真实世界数据是非线性的：例如：苹果的“红色+圆形+凹陷底部”是组合特征，无法用线性模型表示。

无能者狂怒

VIT微调时的位置编码插值摘要：在将 Vision Transformer (ViT) 从预训练模型（如 ImageNet-1k, 224x224）迁移到工业缺陷检测或高分辨率任务（如 384x384, 512x512）时，最常见的报错就是位置编码维度不匹配。本文将用通俗易懂的“图像缩放”视角，详解为何需要插值以及底层的代码实现逻辑。

ONNX量化During quantization, the floating point values are mapped to an 8 bit quantization space of the form: val_fp32 = scale * (val_quantized - zero_point)

通俗理解神经网络的前向传播在当今的科技时代，人工智能（AI）已经渗透到我们生活的方方面面。从智能手机上的语音助手，到自动驾驶汽车，再到医疗诊断系统，这些神奇的技术背后，往往都有一个核心组件：神经网络。神经网络是模仿人类大脑结构的一种计算模型，它能够从数据中学习模式，并做出预测或决策。其中，前向传播（Forward Propagation）是神经网络的基本运行机制之一。它就像是神经网络的“思考过程”，从输入数据开始，一层一层地传递信息，最终得出输出结果。

阿正的梦工坊

WebArena：一个真实的网页环境，用于构建更强大的自主智能体最近，在 ICLR 2024 上发表了一篇来自卡内基梅隆大学的论文——WebArena: A Realistic Web Environment for Building Autonomous Agents（arXiv: 2307.13854）。这篇论文提出并实现了一个高度逼真、可复现的网页环境，专门用于开发和评估基于自然语言指令的自主智能体（Autonomous Agents）。今天这篇博客就来详细介绍这篇论文：它到底想解决什么问题、如何解决，以及其中的关键细节。

深度学习|可变形卷积DCNv3编译安装下载好可变形卷积DCNv3的源码点击传送门即可下载进入ops_dcnv3命令。检查当前目录是否为ops_dcnv3根目录也就是setup.py文件的目录

卷积操作记录（pytorch）最近复现很多DL算法（尤其是涉及到多尺度的情况），经常使用卷积操作，输入参数还需调整，很容易出现维度对不上的情况。方法比较老，有些操作细节不太记得了，这里整理一下。主要整理nn.Conv2d与nn.ConvTranspose2d（转置卷积）操作。

【图像处理基石】如何基于黑白图片恢复出色彩？黑白照片承载着无数的时代记忆与珍贵瞬间，黑白照片上色（色彩恢复）也是计算机视觉领域经典的图像复原任务之一。从老照片修复、历史影像还原到日常图像美化，黑白转彩色的技术有着非常广泛的落地场景。

LDM潜在扩散模型的探索之前介绍了DDPM的稳定扩散模型理论基础。https://blog.csdn.net/liliang199/article/details/156280004

当小龙虾算法遇上YOLO：如何提升太阳能电池缺陷检测精度？随着全球能源结构向清洁化转型，太阳能光伏发电已成为主流可再生能源之一。然而，在太阳能电池的生产、运输和安装过程中，微小的缺陷如划痕、裂纹、黑边等会严重影响电池的性能和寿命。

AI如何精准关联照片与抽象平面图？C3数据集迈向3D视觉多模态现有系统在比较相似图像时表现良好，但当视图差异显著——例如需要将街景照片与抽象的建筑平面图关联起来时，它们就会严重失效。

Java后端的Ai之路

【神经网络基础】-梯度消失问题梯度消失是深度神经网络训练中的一种现象，指的是在反向传播过程中，梯度值随着层数的增加而指数级减小，最终趋近于零，导致网络浅层参数几乎无法更新的问题。它是限制神经网络深度和学习能力的主要障碍之一。

Java后端的Ai之路

【神经网络基础】-一个完整的神经网络学习过程是怎样的？步骤：示例：图像分类数据准备对于第l层：多层网络的前向传播：链式法则应用： ∂L/∂W⁽ˡ⁾ = ∂L/∂a⁽ᴸ⁾ · ∂a⁽ᴸ⁾/∂z⁽ᴸ⁾ · ∂z⁽ᴸ⁾/∂a⁽ᴸ⁻¹⁾ · … · ∂z⁽ˡ⁾/∂W⁽ˡ⁾

超越“查重”：在AI协作时代构建无法被算法复制的学术价值当两篇论文的AIGC检测率都低于5%，其中一篇被评价为“充满洞察力”，另一篇却被批为“正确但平庸”时，我们意识到，算法的“合规”仅仅是学术写作的起点，而非终点。

阿正的梦工坊

ARE：Meta 发布的代理研究平台，如何构建动态环境并实现大规模扩展2025年12月，Meta Superintelligence Labs 在论文《ARE: scaling up agent environments and evaluations》中开源了 Meta Agents Research Environments (ARE) ——一个专为代理（Agent）研究设计的平台。它不仅用于运行和评估代理，还提供了一套简单却强大的抽象，让研究者能够快速、可控地创建复杂、多样的模拟环境，并无缝集成合成或真实应用。

【深度学习】基于Faster R-CNN的榴莲成熟度分类与检测模型详解_2目标检测作为计算机视觉领域的关键技术，近年来在国内外学术界和工业界都取得了显著进展。国内研究方面，王子钰[1]等针对尘雾环境下的车辆目标检测问题，提出了EPM-YOLOv8算法，通过集成高效通道注意力模块和多尺度特征融合架构，有效提升了小目标检测精度。陈金吉[3]等针对无人机航拍图像特性，设计了基于域适应的Faster R-CNN算法，解决了目标朝向多变和小目标检测难题。赖勤波[11]等则将注意力机制和空洞卷积引入Faster R-CNN，提高了无人机图像中多尺度目标的检测能力。此外，王欣[7]等在机场目