Learning）

EgoAlpha/prompt-in-context-learning项目解析：Prompt Engineering核心技术指南

EgoAlpha/prompt-in-context-learning项目解析：PromptEngineering核心技术指南prompt-in-context-learningAwesomeresourcesforin-contextlearningandpromptengineering

霍日江Eagle-Eyed·2025-07-10 15:48

VIT视觉

VisionTransformer视觉和语言(Vision-Language)NLPrompt:Noise-LabelPromptLearningforVision-LanguageModelsPaper

妄想成为master·2025-07-10 14:11

C#实现SVM支持向量机（附完整源码）

C#实现SVM支持向量机下面是使用C#实现支持向量机（SVM）的示例代码：usingSystem;usingAccord.MachineLearning.VectorMachines;usingAccord.MachineLearning.VectorMachines.Learning

源代码大师·2025-07-10 13:36

MATLAB随机模拟技术在气候模型中的应用

Fletcher_2019_Learning_Climate’项目通过MATLAB实现的随机模拟方法帮助理解气候变化。

·2025-07-10 06:20

深度学习基础与应用：从理论到实战

本文概述了深度学习基础概念、核心算法、Python框架，并假设了一个包含教程、示例代码、数据集、交互式学习环境、性能评估指标和进阶主题的“deep-learning-study-main”压缩包内容，旨在帮助学习者深入理

创新工场·2025-07-09 22:04

深度学习之迁移学习

认识迁移学习迁移学习（TransferLearning）是机器学习中的一种重要技术，其核心思想是将在一个任务上学习到的知识（模型参数、特征表示等），迁移应用到另一个相关但不同的任务中，从而提升新任务的学习效率和性能

路溪非溪·2025-07-09 21:22

四六级，雅思必备连接词（持续更新~）

.时间关系6.总结关系（一）观点对立1.Conversely：相反地Someviewtechnologyasadistraction.Conversely,othersseeitasapowerfullearningtool

dulu~dulu·2025-07-09 19:08

用Python实现数据可视化的实用指南

用Python实现数据可视化的实用指南practical-python-data-viz-guideResourcesforteaching&learningpracticaldatavisualizationwithpython

庞队千Virginia·2025-07-09 16:21

【零基础学AI】第33讲：强化学习基础 - 游戏AI智能体

本节课你将学到理解强化学习的基本概念和框架掌握Q-learning算法原理使用Python实现贪吃蛇游戏AI训练能够自主玩游戏的智能体开始之前环境要求Python3.8+PyTorch2.0+Gymnasium

1989·2025-07-09 11:16

【AI论文】Skywork-Reward-V2：通过人机协同实现偏好数据整理的规模化扩展

摘要：尽管奖励模型（RewardModels，RMs）在基于人类反馈的强化学习（ReinforcementLearningfromHumanFeedback，RLHF）中发挥着关键作用，但当前最先进的开源奖励模型在大多数现有评估基准上表现欠佳

·2025-07-09 09:37

03 数据可视化的世界非常广阔，除了已提到的类型，还有许多更细分或前沿的可视化形式。

学习曲线（LearningCurve）用途：分析模型训练过程

晨曦543210·2025-07-09 07:17

多智能体深度强化学习：一项综述 Multi-agent deep reinforcement learning: a survey

Abstract抽象Theadvancesinreinforcementlearninghaverecordedsublimesuccessinvariousdomains.Althoughthemulti-agentdomainhasbeenovershadowedbyitssingle-agentcounterpartduringthisprogress

资源存储库·2025-07-08 17:48

ReAct (Reason and Act) OR 强化学习（Reinforcement Learning, RL）

这个问题触及了现代AI智能体（Agent）构建的两种核心思想。简单来说，ReAct是一种“调用专家”的模式，而强化学习(RL)是一种“从零试错”的模式。为了让你更清晰地理解，我们从一个生动的比喻开始，然后进行详细的对比。一个生动的比喻想象一下你要完成一项复杂的任务，比如“策划一场完美的生日派对”。ReAct的方式（像一位经验丰富的活动策划师）你是一位知识渊博的专家（大语言模型LLM）。你首先会思考

SugarPPig·2025-07-08 16:44

Python机器学习入门必看！从原理到实战，手把手教你线性回归模型

引言在人工智能浪潮席卷全球的今天，机器学习（MachineLearning）早已不再是实验室的“黑科技”——打开购物APP的“猜你喜欢”、输入搜索词后的“相关推荐”、甚至天气预报中的温度预测，背后都有机器学习模型的身影

小张在编程·2025-07-08 12:47

AI人工智能助力联邦学习通信效率优化的解决方案

AI驱动的联邦学习通信效率优化：从理论到实践的全面解决方案元数据框架标题AI驱动的联邦学习通信效率优化：从理论到实践的全面解决方案关键词联邦学习（FederatedLearning）、通信优化（CommunicationEfficiency

AI智能应用·2025-07-08 09:52

大语言模型（LLM）课程学习（Curriculum Learning）、数据课程（data curriculum）指南：从原理到实践

在人工智能的浪潮之巅，我们总会惊叹于GPT-4、Llama3.1、Qwen2.5这些顶尖大语言模型（LLM）所展现出的惊人能力。它们似乎无所不知，能写诗、能编程、能进行复杂的逻辑推理。一个自然而然的问题是：它们是如何“学”会这一切的？大多数人会回答：“用海量数据喂出来的。”这个答案只说对了一半。如果你认为只要把互联网上能找到的所有数据（比如15万亿个token）随机打乱，然后“一锅烩”地喂给模型，

·2025-07-08 06:34

人工智能学习资源

无机器学习基础：https://www.coursera.org/learn/machine-learning有机器学习基础：MachineYearning深度学习入门：https://www.coursera.org

Hemy08·2025-07-08 06:31

蓝桥杯2023国赛-01游戏

直接上代码：//https://www.lanqiao.cn/problems/17100/learning/?

weixin_66009678·2025-07-08 06:58

【论文阅读】Dynamic Few-Shot Visual Learning without Forgetting

系统概述如下：(a)一个基于卷积神经网络（ConvNet）的识别模型，该模型包含特征提取器和分类器；(b)一个少样本分类权重生成器。这两个组件都是在一组基础类别上训练的，我们为这些类别准备了大量训练数据。在测试阶段，权重生成器会接收少量新类别的训练数据以及基础类别的分类权重向量（分类器框内的绿色矩形），并为新类别生成相应的分类权重向量（分类器框内的蓝色矩形）。这样，卷积神经网络就能同时识别基础类别

Bosenya12·2025-07-08 05:56

【AI论文】GLM-4.1V-思考：借助可扩展强化学习实现通用多模态推理

随后，借助课程采样强化学习（ReinforcementLearningwithCurriculumSampling，R

东临碣石82·2025-07-08 04:43

Pixhawk源码笔记五：存储与EEPROM管理

第六部分存储与EEPROM管理详细参考：http://dev.ardupilot.com/wiki/learning-ardupilot-storage-and-eeprom-management/用户参数

zhouxinlin2009·2025-07-08 00:11

基于迁移学习的多视图卷积神经网络在乳腺超声自动分类中的应用

BREASTCANCERCLASSIFICATIONINAUTOMATEDBREASTULTRASOUNDUSINGMULTIVIEWCONVOLUTIONALNEURALNETWORKWITHTRANSFERLEARNINGYIWANG

despacito,·2025-07-07 22:31

大模型RLHF强化学习笔记（二）：强化学习基础梳理Part2

一、强化学习基础1.4强化学习分类根据数据来源划分Online：智能体与环境实时交互，如Q-Learning、SARSA、Actor-CriticOffline：智能体使用预先收集的数据集进行学习根据策略更新划分

Gravity!·2025-07-07 11:17

机器学习18-强化学习RLHF

机器学习18-强化学习RLHF1-什么是RLHFRLHF（ReinforcementLearningfromHumanFeedback）即基于人类反馈的强化学习算法，以下是详细介绍：基本原理RLHF是一种结合了强化学习和人类反馈的机器学习方法

坐吃山猪·2025-07-07 05:01

2024大模型秋招LLM相关面试题整理

强化学习：（ReinforcementLearning）一种机器学习的方法，

AGI大模型资料分享官·2025-07-06 04:55

CVPR 2024 图像、视频处理总汇（视频字幕、图像超分辨率、图像分类和压缩等）

VideoCaptioning(图像/视频字幕)VisualFactChecker:EnablingHigh-FidelityDetailedCaptionGenerationPolos:MultimodalMetricLearningfromHumanFeedbackforImageCaptioning

点云SLAM·2025-07-06 02:09

【集成学习】Bagging、Boosting、Stacking算法详解

·2025-07-06 00:57

深度学习前置知识全面解析：从机器学习到深度学习的进阶之路

作为AI领域最重要的分支，深度学习(DeepLearning)在计算机视觉、自然语言处理、语音识别等领域取得了突破性进展，彻底改变了我们与机器交互的方式。

·2025-07-05 23:53

【深度学习】强化学习（Reinforcement Learning, RL）主流架构解析

强化学习（ReinforcementLearning,RL）主流架构解析摘要：本文将带你深入了解强化学习（ReinforcementLearning,RL）的几种核心架构，包括基于价值（Value-Based

烟锁池塘柳0·2025-07-05 19:49

返利佣金最高软件的技术壁垒：基于强化学习的动态佣金算法架构揭秘

为了突破这一技术瓶颈，我们引入了强化学习（ReinforcementLearning,RL），通

·2025-07-05 18:12

【LLM论文阅读】

EnhancedTransformerwithRotaryPositionEmbeddingRoPE论文阅读YarnUnderstandingYaRN:ExtendingContextWindowofLLMs论文YaRN笔记T5ExploringtheLimitsofTransferLearningwithaUnifiedText-to-Te

一只齐刘海的猫·2025-07-05 11:23

[读论文] Towards Machine Learning for Placement and Routing in Chip Design: a Methodological Overview

Abstract在现代芯片设计流程中，放置和布线是两个不可或缺且具有挑战性的NP-hard问题。与使用启发式算法或专家精心设计的算法的传统求解器相比，机器学习凭借其数据驱动的性质显示出了广阔的前景，它可以减少对知识和先验的依赖，并且通过其先进的计算范式具有更大的可扩展性(例如GPU加速的深度网络)。本调查首先介绍了基本的布局（Placement）和布线（Routing），并简要介绍了经典的无学习解

SP FA·2025-07-05 07:57

配置uwsgi为系统服务遇到State ‘stop-sigterm‘ timed out解决方法

[root@localhostlearning_log]#systemctlstartuwsgi启动服务[root@localhostlearning_log]#systemctlstatusuwsgi

fangeqin·2025-07-04 23:05

提升自动驾驶导航能力：基于深度学习的场景理解技术

EnhancingAutonomousVehicleNavigationUsingDeepLearning-BasedSceneUnderstanding提升自动驾驶导航能力：基于深度学习的场景理解技术摘要

星辰和大海都需要门票·2025-07-04 21:21

kedro-mlflow 项目教程

项目教程kedro-mlflowAkedro-pluginforintegrationofmlflowcapabilitiesinsidekedroprojects(especiallymachinelearningmodelversioningandpackaging

薄琼茵Angelic·2025-07-04 06:39

强化学习RLHF详解

RLHF（ReinforcementLearningfromHumanFeedback）模型详解一、背景1.传统强化学习的局限性传统的强化学习（ReinforcementLearning,RL）依赖于预定义的奖励函数

贝塔西塔·2025-07-04 01:36

机器学习：集成学习方法之随机森林(Random Forest)

一、集成学习与随机森林概述1.1什么是集成学习集成学习(EnsembleLearning)是机器学习中一种强大的范式，它通过构建并结合多个基学习器(baselearner)来完成学习任务。

慕婉0307·2025-07-03 15:55

提示词工程推荐阅读论文

少样本提示Few-shotLearningwithRetriev

司南锤·2025-07-03 13:15

入门pytorch-联邦学习

本文联邦学习的代码引用于https://github.com/shaoxiongji/federated-learning本篇文章相当于带大家读一遍联邦学习的代码，同时加深了大家对联邦学习和Pytorch

四代机您发多少·2025-07-03 00:05

长尾形分布论文速览【80-119】

1.长尾半监督学习与伪标签优化Paper90:Uncertainty-awareSamplingforLong-tailedSemi-supervisedLearning提出了一种动态阈值选择方法（UDTS

木木阳·2025-07-02 23:58

《论文阅读》GPT-3是否会产生移情对话？一种新的情境示例选择方法和用于生成同理心对话的自动评估度量 ICCL 2022

一种新的情境示例选择方法和用于生成同理心对话的自动评估度量ICCL2022前言贡献PromptIn-contextlearningSITSMEMOSITSM新的自动指标实验前言亲身阅读感受分享，细节画图解释

365JHWZGo·2025-07-02 18:17

人工智能-基础篇-2-什么是机器学习？（ML，监督学习，半监督学习，零监督学习，强化学习，深度学习，机器学习步骤等）

机器学习（MachineLearning,ML）是人工智能的一个分支，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析等数学理论。

weisian151·2025-07-02 16:38

Python 机器学习实战：泰坦尼克号生还者预测 (从数据探索到模型构建)

Kaggle平台上的“Titanic:MachineLearningfromDisaster”竞赛，要求我们利用乘客数据来预测哪些人更有可能在这场灾难中幸存。

程序员阿超的博客·2025-07-02 03:32

常见机器学习算法与应用场景

1.监督学习（SupervisedLearning）1.1线性回归（LinearRegression）原理：通过拟合一条直线来表示输入和输出之间的关系，适用于预测连续值输出。

计算机软件程序设计·2025-07-02 02:52

Learning Fully Convolutional Networks for Iterative Non-blind Deconvolution论文阅读

LearningFullyConvolutionalNetworksforIterativeNon-blindDeconvolution1.研究目标与实际问题1.1研究目标1.2实际意义2.创新方法与模型设计

青铜锁00·2025-07-02 01:19

让AI自己学会“怎么学”——元学习，才是高效训练的终极武器！

这，就是元学习（MetaLearning）要解决的事儿。说白了，元学习是AI给AI上培训课的过程。咱们天天琢磨怎么喂模型数据、调超参、搞迁移

Echo_Wish·2025-07-02 00:35

多模态AI：让机器像人一样“全感官”理解世界

而人工智能领域的多模态学习（MultimodalLearning），正是让机器拥有“多感官”理解能力的技术突破。今天，我想跟大家聊聊：多模态学习为何重要？当前有哪些创新模型？如何

Echo_Wish·2025-07-01 16:07

学习以任务为中心的潜动作，随地采取行动

25年5月来自香港大学、OpenDriveLab和智元机器人的论文“LearningtoActAnywherewithTask-centricLatentActions”。

三谷秋水·2025-07-01 14:55

【Transformer论文】通过蒙面多模态聚类预测学习视听语音表示

文献题目：LEARNINGAUDIO-VISUALSPEECHREPRESENTATIONBYMASKEDMULTIMODALCLUSTERPREDICTION发表时间：2022发表期刊：ICLR摘要语音的视频记录包含相关的音频和视觉信息

Wwwilling·2025-07-01 13:24

Distinguishing Look-Alike Innocent and Vulnerable Code by Subtle Semantic Representation Learning an

今天分享的论文是《DistinguishingLook-AlikeInnocentandVulnerableCodebySubtleSemanticRepresentationLearningandExplanation

XLYcmy·2025-07-01 09:27

推荐频道