学习

人工智能发展的关键阶段概览个人觉得看起来这里看起来更像理想的通用人工智能，DeepSeek给出的描述是：古代至近代：人类对“人造智能”的想象早已存在，如古希腊神话中的机械巨人、中国古代偃师造人的传说。哲学家们对思维、逻辑与知识本质的探讨（如亚里士多德的逻辑学、莱布尼茨的“普遍符号推理”思想）为AI奠定了理论基础。

Java学习之基础概念目录1.CMD2.Helloworld3.高级语言的编译运行方式4.JDK与JRE5.注释6.关键字7.class

专注于大数据技术栈

java学习--Datejava.util.Date 是 Java 中最基础的日期时间处理类，核心能力是表示一个「特定的瞬间」（精确到毫秒级别，记录从「1970 年 1 月 1 日 00:00:00 GMT」—— 即纪元时间 / 时间戳原点到目标时刻的毫秒数）。

学习提醒模块 Cordova 与 OpenHarmony 混合开发实战欢迎大家加入开源鸿蒙跨平台开发者社区，一起共建开源鸿蒙跨平台生态。学习提醒模块是福报养成计应用中的一个辅助功能，它为用户提供了灵活的学习提醒机制。用户可以根据自己的学习计划设置提醒，系统会在指定的时间发送提醒通知，帮助用户坚持学习，养成良好的学习习惯。这个模块的设计目的是通过定时提醒增强用户的学习自律性，提高学习效率。

北京大学国家发展研究院经济学辅修经济学原理课程笔记（第十五章劳动力市场）生产要素是指用于生产产品或服务的投入。要素市场与产品市场最根本的区别。虽然劳动力、土地和资本都是生产要素，但劳动力具有一些独特的经济学和社会学属性。

AI学习笔记整理（37）——自然语言处理的基本任务自然语言处理的任务类型，如下主要划分为了四大类：自然语言处理（NLP）中的“类别到序列”任务是指将一个类别标签或对象作为输入，生成相应的序列（如一段文本）作为输出的过程。‌这种任务的核心是‌从离散的类别信息映射到连续的序列结构‌，常见于需要创造性生成文本的场景。典型应用示例包括：‌

通用定时器_测量PWM方波的周期和占空比案例前面介绍了触发信号、从模式以及PWM输入的相关基础知识，接下来我们就开始实战利用一下，来实现对输入的PWM方波的周期和占空比的测量。大家如果对触发信号、从模式这些还不太熟悉，可参见前面的博客如下：

周末不下雨

发明专利学习记录先模仿（模仿那个3DGS和神经辐射场的）-不要闭门造车按照论文思路写论文，但是写好很难说明书摘要、摘要附图、权利要求书、技术领域、背景技术、发明内容、附图说明、具体实施方式、说明书附图

偏离主路径：RLVR在参数空间中的非主方向学习机制大语言模型强化学习训练中的一个长期谜题即将被解开。为什么RLVR（Reinforcement Learning with Verifiable Rewards）似乎只修改了极少数参数却能带来显著的推理性能提升？这篇来自Meta AI的突破性研究揭示了稀疏性背后的真相——这并非真正的稀疏，而是一种深层的"模型条件优化偏置"。通过提出创新的三门理论，研究团队首次从参数空间角度系统解释了RLVR的学习动态，为理解强化学习与监督微调的本质差异提供了全新视角。

我命由我12345

Photoshop - Photoshop 工具栏（46）渐变工具46.渐变工具创建颜色之间的渐变混合。操作方法如果要填充图像的一部分，选择要填充的区域。否则，渐变填充将应用于整个现用图层。

AI学习笔记整理（38）——自然语言处理的‌基于深度学习的语言模型早期统计语言模型‌基于概率统计，主要包括N-gram模型，如Unigram（N=1）、Bigram（N=2）和Trigram（N=3），通过计算词序列的条件概率来预测下一个词，但受限于词序长度和数据稀疏问题。‌

【记录——内核模块加载到内核】基于鲁班猫4 rk3588s野火]嵌入式Linux驱动开发实战指南——基于LubanCat-RK系列板卡文档其实要看的宝子完全可以参考这个手册，我这边是简单记录一下学的过程~

【R】tidyr::pivot_longer / pivot_wider 学习笔记复习一些高频参数的使用技巧，包括：values_fill,value_fn names_glue names_pattern .value

STM32平衡车测试，定时中断读取速度关键一步：当 HAL_TIM_IRQHandler 判断出这次是“更新中断”（即溢出）后，它就会去寻找并调用一个名为 HAL_TIM_PeriodElapsedCallback的函数。

海棠AI实验室

Python 学习路线图：从 0 到 1 的最短闭环你不是学不会 Python，你只是缺一条“能交付结果”的路径。很多入门教程的问题是：讲得很全，但你做不出东西。这套免费专栏反过来设计：每一篇都给你一个可验证的交付物，让你在 1–2 周内完成从 0 到 1 的闭环。

LSTM模型学习分析long short-term memory.是一种时间循环神经网络，存在长期依赖问题而专门设计出来的，所有的RNN都具有一种重复神经网络模块的链接形式。

《Java 8-21 高频特性实战（上）：5 个场景解决 50% 开发问题（附可运行代码）》Java 版本迭代频繁，从 Java 8 到 Java 21 新增了数十个实用特性（如 Lambda、Stream、虚拟线程等），但多数开发者仅停留在 “听过” 层面，未真正落地到项目中。本文聚焦10 个工作高频场景，用 “特性说明 + 问题场景 + 实战代码” 的形式，让你快速掌握核心用法，代码直接复制到 IDE 即可运行，同时适配面试 / 项目双需求。

Contig 学习笔记（13.5）：整理现有文件碎片的策略与批量实战这一篇可以理解为： “如何用 Contig 给一堆关键文件做‘定点碎片手术’，且不把自己手术台搞炸。”

机器学习27：增强式学习（Deep Reinforcement Learn）②本次学习聚焦于RL的基本机制、与监督学习的区别、动作评估方法的演进，以及策略梯度（Policy Gradient）算法的核心原理。通过逐步引入不同版本的训练方法，澄清常见误区，并结合游戏示例和算法演示，系统讲解了如何让代理（Actor）通过与环境互动学习最优策略

hello-agents 学习笔记：解锁智能体三大经典范式，从原理到实战在上一章吃透大语言模型的核心逻辑后，终于迎来了最令人兴奋的实战环节 —— 亲手构建智能体。如果说大语言模型是智能体的 "大脑"，那这些经典范式就是让大脑学会 "思考与行动" 的行为准则。市面上早已不乏 LangChain、LlamaIndex 这类成熟框架，但是如果不亲手拆解一遍底层逻辑，就永远只能做个 "工具使用者"，而无法成为真正的 "应用创造者"。这篇笔记就来详细拆解 ReAct、Plan-and-Solve、Reflection 三种核心范式，让我从 0 到 1 理解智能体的构建之道。