深度学习

当图像与文本 “各说各话” —— CLIP 中的模态鸿沟与对象偏向目录1. 引言2. 模态鸿沟：一个被忽视的几何现象2.1 什么是模态鸿沟？2.2 模态鸿沟的起源：锥效应与初始化

AI人工神经网络核心原理与深度学习机制解析AI人工神经网络核心原理与深度学习机制解析

AI医影跨模态组学

J Immunother. Cancer（IF=10.6）南方医科大学南方医院等团队：基于病理组学的集成模型在胃癌免疫治疗反应预测中的开发与解读01文献学习今天分享的文献是由南方医科大学南方医院、中山大学肿瘤防治中心等团队于2024年5月在肿瘤免疫学领域顶刊《Journal for ImmunoTherapy of Cancer》（中科院1区top，IF=10.6）上发表的研究“Development and interpretation of a pathomics-driven ensemble model for predicting the response to immunotherapy in gastric cancer”即基于病理

参数高效微调技术详解：理论基础与实践应用参数高效微调（Parameter-Efficient Fine-Tuning, PEFT）是一种针对预训练大语言模型进行任务适配的革命性技术。与传统的全参数微调相比，PEFT的核心思想是冻结预训练模型的绝大部分参数（通常是99%以上），仅更新一小部分新增或已有的参数。这种方法的出现源于大模型时代面临的资源挑战：以GPT-3（175B参数）和PaLM-2（540B参数）为代表的基础模型参数量呈指数级增长，全参数微调往往需要多卡A100集群支持，单月硬件成本超10万元。

虚拟细胞：开启HIV/AIDS治疗新纪元的关键？虚拟细胞（VC）技术作为系统生物学与计算生物学交叉领域的前沿方向，旨在通过计算机模型精准模拟细胞生物学行为。本文系统探讨了虚拟细胞技术在人类免疫缺陷病毒综合征（AIDS）研究中的潜在应用、当前核心挑战及未来发展方向。通过回顾现有文献与研究成果，发现：尽管「虚拟细胞」这一术语尚未在人类免疫缺陷病毒（HIV）研究中得到广泛标准化应用，但其核心概念——通过多尺度、多模态计算模型模拟 HIV 感染、免疫应答及治疗干预过程——已深度扎根于该领域前沿。本文重点分析了「类虚拟细胞（VCL）模型」（如智能体模型、细胞自动

专业发呆业余科研

深度学习的隐形支架：对称性与不变性的架构统一论在深度学习的浩瀚地图中，CNN、GNN 和 Transformer 看起来像是独立演化的物种，各有各的算子和应用领地。但如果我们将视野拉高，从几何深度学习（Geometric Deep Learning, GDL）的维度俯瞰，你会发现它们其实都是同一套建筑哲学的不同表达：针对数据的“几何对称性”设计“等变算子”。

Python 数据库 ORM 实战：SQLAlchemy 详解ORM（对象关系映射）简化了数据库操作，使开发者可以使用面向对象的方式操作数据库。SQLAlchemy 是 Python 最强大的 ORM 工具，提供了灵活且功能丰富的数据库操作接口。

卡梅德生物科技小能手

生物制药靶点深度解析：CD37(四跨膜蛋白)的作用机制与药物研发技术前沿在生物制药与免疫治疗的技术领域，靶点的选择与机制解析是药物研发的基石。CD37（TSPAN26）作为四跨膜蛋白超家族（TSPAN）的重要成员，凭借其在B细胞谱系中的特异性表达及独特的双向信号调控功能，已成为当前抗体药物研发的热点。本文将从生物信息学与分子生物学角度，深度剖析CD37的结构特征、信号通路机制及药物开发的技术挑战，为相关领域的技术人员提供参考。

小码吃趴菜

深度学习八股-RNN主要讲的是循环神经网络 RNN 的基本原理、工作方式以及结构性缺陷。它的核心在于：RNN 不是一次性处理整段输入，而是按时间顺序逐步处理序列信息，并通过隐藏状态保存历史信息，因此特别适合文本、语音、轨迹这类有时序依赖的数据。

RDK-OE-LLM工具链量化SigLip全流程作者：SkyXZCSDN：SkyXZ～-CSDN博客博客园：SkyXZ - 博客园随着多模态大模型、VLM 乃至 VLA 的快速发展，越来越多的模型在视觉编码器部分采用了 SigLip 这一类结构。相比传统 CNN，SigLip 这类以 Transformer 为核心的视觉骨干在跨模态任务中表现更强，但也正因为其结构更复杂、对数值分布更敏感，直接沿用 RDK 传统 PTQ 量化流程时，往往会出现较明显的精度掉点。此前我也写过一篇基于传统工具链量化 ViT 的教程，虽然整体流程能够跑通，但从最终效果来看，精

AI医影跨模态组学

Insights Imaging（IF=4.5）首都医科大学附属北京友谊医院等团队：CT深度学习联合营养标志物预测食管鳞癌3年生存期01文献学习今天分享的文献是由首都医科大学附属北京友谊医院放射科等团队于2026年1月26日在《Insights into Imaging》（中科院2区，IF=4.5）上发表的研究“CT-based deep learning signatures associated with transcriptomic heterogeneity and combined with nutritional biomarkers improve prediction of 3-year overall surviva

【学习笔记】迈向通用神经运动规划器——深度学习如何重塑机器人操作手的“思考”方式想象一下，一个机器人手臂需要在堆满杂物的厨房台面上，从冰箱旁拿起一个杯子，绕过桌上的水果篮，最终将其安全地放到水槽边。这个在我们看来轻而易举的动作，对机器人来说却是一场复杂的几何与计算挑战。

AI深度学习中ReLU等激活函数的原理与选择策略AI深度学习中ReLU等激活函数的原理与选择策略

yolov3学习之官方推理代码学习仓库地址：https://github.com/ultralytics/yolov3 注意：官方维护版的requirements.txt文件里说明了它依赖的库及其最低版本，可以看到它是也依赖Ultralytics的，git clone的是yolov3网络结构，而所用的一些基础模块有些是Ultralytics库的。也要安装Ultralytics库。

用于预测肿瘤突变负荷及胃癌免疫治疗相关通路分析的生物知情图神经网络1、有开源代码，本研究生成的数据和源代码存放在GitHub [https://github.com/liuchuwei/PGLCN]中，GitHub 使用Python和Pytorch实现。

计算机视觉如何入门？计算机视觉（Computer Vision，简称CV）是让计算机“看懂”图像和视频的技术，属于人工智能最核心、应用最广的分支之一。从手机人脸识别、美颜滤镜，到安防监控、自动驾驶、医学影像分析、工业缺陷检测，都离不开CV。很多零基础同学想入门却不知从何下手，要么被复杂数学劝退，要么盲目堆砌算法却不懂原理。本文以零基础可落地、循序渐进、重实战为原则，完整梳理计算机视觉入门路径、知识体系、学习方法、项目实战与就业方向，帮你少走弯路，快速建立系统的CV能力。

Ronaldinho Gaúch

权重初始化简单来说，权重初始化的主要作用是打破神经元之间的对称性，并控制信号（前向的激活值和后向的梯度）的传播尺度，从而让网络能够高效、稳定地训练。

LLM--BERT架构解析概述：一种基于Transformer编码器架构的预训练语言模型，通过结合Tokenization、Embedding和特定任务的输出层，能够捕捉文本的双向上下文信息。

AI深度学习中的自动微分与梯度下降机制解析AI深度学习中的自动微分与梯度下降机制解析

WWW 2026 | 时空数据(Spatial Temporal)论文总结(交通预测，人群移动，轨迹表示，信控等)WWW 2026将在2025年4月13日到17日于阿联酋迪拜（Dubai, United Arab Emirates）举行。