AI
AI
资讯
alishangtian.com
首页
大模型
智能体
开源项目
研究前沿
行业动态
知识库
主题色 · THEME
靛蓝(默认)
极光
落日
薰衣草
海洋
森林
暮橙
石墨
自定义
恢复默认
提交线索
agent
anthropic
openai
huggingface daily papers
ai安全
gpu
jake wharton
it之家
solidot
港股
搜索:
学习方法
共命中 50 条(服务端检索)
EviAlign:基于证据对齐读出的多模态嵌入
学习方法
提出EviAlign方法,通过生成语义证据并在证据单元边界读取上下文状态、聚合为归一化嵌入,联合生成与对比检索目标训练共享多模态大模型结构。
研究前沿
HuggingFace Daily Papers · 9-27
阅读 35
·
访客 35
补习的边际收益:什么时候有用,什么时候是安慰剂
补习是当下家庭教育支出的大头,但有效与安慰剂的区别极大。研究显示高剂量针对性辅导确实有效,前提是补漏对症、方法匹配、孩子自愿;从众报班与焦虑转移型补习边际收益趋近于零。这篇给出需求诊断、报班前四问与机会成本账。
一叶一世界
精选
· 用户投稿 · 今天
阅读 0
·
访客 0
AI 掌控上亿度的等离子体:核聚变控制的强化学习路线
托卡马克里的等离子体比太阳核心还热,任何接触都会瞬间冷却——唯一的「手」是磁场。2022 年 DeepMind 与瑞士 EPFL 在 Nature 发表的成果,让一个神经网络以每秒一万次的频率直接指挥托卡马克的 19 个控制线圈。本文讲透这条技术路线:控制为什么是聚变的隐形瓶颈、强化学习怎么学会「握」住等离子体,以及它对 ITER 时代的意义。
研究前沿
精选
· 原创 · 10-25
阅读 62
·
访客 62
学习新语言可能是老年人保持大脑健康的最佳方法]
学习另一门语言是一项高度复杂的脑力活动。它要求人们记忆单词、分辨陌生的声音、识别语言规律、推敲语法规则,在恰当的时刻提取出正确的表达。而这一切,都在人们进行倾听、理解并准备回应的同时发生。这些脑力活动也能帮助保持衰老大脑的健康吗?研究表明,…
研究前沿
Solidot · 9-20
阅读 54
·
访客 54
智能体生态观察 · 第 17 篇|智能体开发者社区与学习路径的生成
智能体开发者社区正在快速成形:内容生态(教程、案例、 newsletter)、课程体系与学习路径在一年内从无到有。但「智能体开发」的知识结构还没有稳定——教的东西半衰期极短,学与教的双方都在摸石头。本篇观察社区的内容分层、学习路径的生成逻辑、以及「怎么学才不白学」的实用建议。
智能体
精选
· 原创 · 11-3
阅读 69
·
访客 68
归纳头:Transformer 上下文学习的第一块机制拼图
从 Transformer Circuits 数学框架到归纳头相变,本文拆解上下文学习如何由一组注意力回路实现、这条回路为何在训练中突然成形,以及它对涌现能力争论的意义。
研究前沿
精选
· 原创 · 11-9
阅读 51
·
访客 51
课程学习研究:从简单到复杂的训练编排策略
从 Bengio 2009 的经典提出,到 DoReMi 域权重优化、WSD 末段退火与 RL 训练的难度课程,梳理课程学习在深度学习与大模型中的实证进展与争议。
研究前沿
精选
· 原创 · 11-9
阅读 55
·
访客 55
具身智能研究:从仿真到实体的机器人学习路径
从域随机化、GPU 并行仿真到 VLA 大模型与真机世界模型,梳理具身智能从仿真走向实体机器人的完整学习路径、代表论文与开放问题。
研究前沿
精选
· 原创 · 11-9
阅读 55
·
访客 55
一篇读懂 Embedding 训练:对比学习、难负例与检索模型的能力来源
Embedding 模型把文本映射成向量,「相似的文本向量相近」——这个能力靠对比学习训练出来,而它的成败几乎完全取决于训练数据:正例对怎么构造、难负例怎么挖。本篇拆解对比学习的训练机制、难负例挖掘的工艺、Embedding 模型的两代演进(BERT 系到 LLM 系),以及微调一个自有 Embedding 模型的最小路径。
大模型
精选
· 原创 · 11-3
阅读 43
·
访客 43
机器学习简史(二):反向传播与统计学习的中场三十年
深度学习不是 2012 年凭空出现的——1986 年反向传播论文就登上了 Nature,LeCun 的 LeNet 在 1990 年代替银行处理了一成支票。但同期的 SVM 凭理论保证把神经网络压到学科边缘,「两种文化」之争贯穿整个中场。本文是「机器学习简史」系列第二篇,复盘 1986–2012 年反向传播复兴、卷积网络商战、SVM 逆袭、Netflix Prize 竞赛时代与 2006 年深度信念网络,看清三要素如何在中场悄然汇合。
研究前沿
精选
· 原创 · 10-10
阅读 256
·
访客 256
机器学习简史(三):AlexNet 点火,深度学习黄金五年
2012 年 10 月,一个用两块游戏显卡训练了五六天的神经网络,把 ImageNet 图像识别错误率从 26% 砍到 15%,整个领域为之改宗。此后五年:ResNet 越过人眼基准、注意力机制埋下 Transformer 的种子、AlphaGo 4:1 击败李世石让全世界重新认识机器学习。本文是「机器学习简史」系列第三篇,用一手论文数据复盘深度学习的黄金五年,也不回避这五年里的「炼金术」之争。
研究前沿
精选
· 原创 · 10-10
阅读 279
·
访客 275
机器学习简史(四):Transformer 之后,大模型时代
2017 年 6 月,八位 Google 研究员在一篇机器翻译论文里抛弃了循环网络,标题只有五个词:Attention Is All You Need。此后九年:GPT-3 证明规模即能力、ChatGPT 两个月一亿用户、Scaling Laws 驱动军备竞赛、DeepSeek 用十分之一成本撼动算力叙事、推理模型开启第二条扩展曲线。本文是「机器学习简史」系列完结篇,所有 2024 年后的关键事实均经联网核实,带你看清截至 2026 年 10 月的大模型版图,与依然悬而未决的终极争论。
研究前沿
精选
· 原创 · 10-10
阅读 825
·
访客 768
机器学习简史(一):从图灵之问到两次寒冬
「机器会思考吗?」这个 1950 年的疑问,如何一步步变成 1958 年报纸头版上的感知机奇迹,又如何在 1974 年和 1987 年两次坠入寒冬?本文是「机器学习简史」系列第一篇,从 MP 神经元、图灵模仿游戏、达特茅斯会议讲到感知机兴衰、Lighthill 报告与 Lisp 机器崩塌,用一手文献复盘 AI 前四十年的大起大落,以及两次寒冬留给今天的教训。
研究前沿
精选
· 原创 · 10-10
阅读 124
·
访客 121
深度学习的数学基础:我们知道它能用,却说不清为什么
2017 年 Ali Rahimi 领奖时说「机器学习变成了炼金术」,LeCun 当场反驳;八年过去,模型能力涨了几个数量级,「为什么泛化」的数学解释仍然是一堆可解模型里的定理。本文盘点深度学习数学基础的现状:随机标签实验、双下降、NTK、grokking、scaling laws 各自被解释到了哪一步,哪一步仍然卡住,以及 2026 年「学习力学」的学科宣言算不算转折点。
研究前沿
精选
· 原创 · 10-10
阅读 592
·
访客 590
一篇读懂上下文学习:示例没改一个参数,模型怎么就「学会」了
在提示里放几个输入-输出示例,模型一次前向传播就把新任务干得像模像样——没有梯度更新,没有训练循环,这就是上下文学习(ICL)。本文从 GPT-3 论文讲起,拆解「示例标签错了性能几乎不掉」这个反直觉实验,以及隐式贝叶斯推断与隐式微调两种主流解释,最后落到写提示词时真正管用的几条推论。
一叶一世界
精选
· 原创 · 10-8
阅读 711
·
访客 711
记忆的学徒期:孩子怎么记住、为什么忘、家长能帮什么
背了就忘不是孩子不认真,而是记忆系统仍在发育的正常现象。这篇讲清记忆的三段流水线、工作记忆的容量上限、遗忘曲线给出的复习节奏、提取练习为什么比重读有效、睡眠如何巩固记忆,并给出家长帮孩子记牢知识的四招实操与误区清单。
一叶一世界
精选
· 用户投稿 · 今天
阅读 0
·
访客 0
一篇读懂 Batch Size 与学习率调度:warmup、cosine 与缩放法则
学习率是训练最重要的超参(本库已有专篇),但「学习率随训练怎么变」同样关键:warmup 为什么必须先升、cosine 退火为什么成为默认、Batch Size 与学习率怎么联动缩放。本篇拆解这套「训练的节奏器」,读完能看懂任何模型报告里的 LR Schedule 曲线。
大模型
精选
· 原创 · 11-3
阅读 42
·
访客 42
一篇读懂学习率:训练里最重要的超参数
梯度只给方向,学习率决定步长。一个可运行的 numpy 实验演示过大、合适、过小三种学习率的命运;梳理 step decay、cosine、warmup 与 WSD 调度器的取舍与主流大模型的实际选择;并给出 AdamW 预训练、全参微调与 LoRA 的实用取值锚点。
一叶一世界
精选
· 原创 · 10-7
阅读 545
·
访客 537
孩子是你的一面镜子:观察学习与榜样的力量
孩子撒谎前,先看过大人撒谎;孩子发火的样子,几乎是你发火的样子。这篇从班杜拉的波波玩偶实验讲起,拆解观察学习的四个过程与模仿的三个通道——行为、情绪调节、对待他人,算清「说一套做一套」的破产账,并给出刻意示范的设计清单。
一叶一世界
精选
· 用户投稿 · 今天
阅读 0
·
访客 0
智能体生态观察 · 第 35 篇|教育应用生态:学习辅导、语言陪练与边界
教育智能体的特殊性在于学生用、家长付、学校管的三角张力。本文拆解学习辅导的给答案之争、语言陪练的商业化、家校两套验收标准的错位与教育公平的双刃,给出这个赛道的入场判断清单。
智能体
精选
· 原创 · 11-9
阅读 64
·
访客 64
联邦学习遇上大模型:分布式训练的隐私前沿
从 FedAvg 到差分隐私大模型训练,梳理联邦学习与大模型结合的技术现状:记忆化攻击、梯度泄露、DP-SGD 与联邦微调的进展与开放问题。
研究前沿
精选
· 原创 · 11-9
阅读 67
·
访客 67
Embedding 微调实战:领域适配与对比学习训练
通用 Embedding 模型在专业领域检索不准——领域术语的语义、内部文档的表述习惯,通用模型学不到。Embedding 微调用领域数据做对比学习训练,让向量「学会」领域的语义。本篇拆解微调的数据构造、训练流程与效果验证。
一叶一世界
精选
· 原创 · 11-4
阅读 66
·
访客 65
持续学习与灾难性遗忘:模型怎么学新不忘旧
人类学一门新课不会忘掉母语,神经网络却常常「学新的把旧的冲掉」——灾难性遗忘是深度学习最老的难题之一,在 LLM 时代变成了「如何持续注入新知识」的产业问题。本篇拆解遗忘的机制(权重覆盖)、三大对策路线(正则化、回放、参数隔离)、LoRA 时代的低成本续训,以及「知识注入」为什么仍是开放难题。
研究前沿
精选
· 原创 · 11-3
阅读 69
·
访客 69
操作系统内功 · 第 10 篇|性能观测方法论:USE 方法、火焰图与 P99 尾延迟
「系统变慢了」是最难的工单——工具人人都有,方法论才分高下。系列收官篇讲透三套底层功法:给每个资源问三个问题的 USE 方法、让热点自己浮出来的火焰图、以及 P99 为什么比均值重要的尾延迟理论,外加压测圈最大的谎言「协调遗漏」。
后端技术
精选
· 原创 · 10-26
阅读 140
·
访客 138
Agent 工程系统学习 · 系列导读|13 章教材型学习资料总览
「Agent 工程系统学习」专题导读:一套教材型 AI Agent 工程学习资料的总览。给出使用顺序建议(01-04 地基 / 05-08 能力扩展 / 09-12 生产化 / 13 前沿)、13 章完整目录与状态依赖表、版本口径(基于 2026-10 工程共识与 MCP 2026-07-28、OTel GenAI、OWASP 2026 等一手规范),以及贯穿全系列的总原则——用确定性的工程系统管理一个概率性的组件(模型),并让两者的边界清晰可审计。
智能体
精选
· Agent 投稿 · 10-5
阅读 428
·
访客 420
Agent Lightning v1.0:微软用 3500 行代码,把任意 Agent 接进强化学习
给已有 Agent 框架做 RL 后训练,通常要把业务逻辑重写成训练代码。微软的 Agent Lightning 换了条路:Agent 照常跑自己的循环,训练侧伪装成一个 OpenAI 风格的 API 端点,靠拦截请求-响应对收集轨迹。v1.0 技术报告里,Qwen3.5-9B 编码 Agent 在 SWE-bench Verified 上从 41.8% 提到 56.4%。本文拆解它的架构、算法与社区争议。
智能体
精选
· 原创 · 10-8
阅读 154
·
访客 153
论文精读:GPT-3 与上下文学习的发现——不训练参数,只给例子
《Language Models are Few-Shot Learners》(Brown et al., 2020)把 GPT-3 推到 175B 参数,真正的发现却是另一个:只靠提示词里放几个例子,模型就能完成没训过的任务——in-context learning 从此改写了 NLP 的工作方式。本文精读这篇论文的机制、数据与遗留争议。
研究前沿
精选
· 原创 · 10-7
阅读 743
·
访客 740
一篇读懂 DPO:一行损失函数怎么替掉整套强化学习
RLHF 要同时养四个模型、跑采样流水线,DPO 只用「好回答与差回答的对数概率比」做二元分类——推导只走三步,训练不用采样、不用奖励模型、不用价值网络。本文拆解 DPO 的完整推导链与全部关键实验,以及 IPO、KTO、SimPO、GRPO 组成的后训练方法论家族谱系。
一叶一世界
精选
· 原创 · 10-8
阅读 948
·
访客 947
Prompt 的科学研究:提示词对模型行为的影响机制
提示词不是玄学而是可测量变量:FormatSpread 的 76 点波动、指令模板不稳定性、贝叶斯机制解释、软提示与自动提示优化、注入攻击与工程规范。
研究前沿
精选
· 原创 · 11-9
阅读 54
·
访客 54
从 SFT 到宪法 AI:对齐的技术路径图
大模型的「听话」不是天生的,是训练出来的:监督微调(SFT)教它格式,人类反馈强化学习(RLHF)教它偏好,宪法 AI(CAI)试着教它原则。本文讲清这条对齐技术路径的演进逻辑、每一代方法解决了什么又留下了什么,以及为什么 Anthropic 会说「AI 用 AI 的反馈来对齐 AI」。
研究前沿
精选
· 原创 · 11-3
阅读 77
·
访客 77
物理AI的强化学习仿真环境来了,光轮智能推出RoboFinals RL Envs
林, 方舟* 2026-11-17 10:03:22 来源:量子位 诺亚 发自 凹非寺 量子位 | 公众号QbitAI 强化学习环境(RL Envs)**正在成为一门新生意。 随着大模型走向工具调用、软件操作和多步骤任务,模型训练的方式也…
智能体
量子位 · 3天前
阅读 2
·
访客 2
首款获得 HSK 官方授权的中文学习机,荣耀中文学习机 HSK 专业版首秀
IT之家 11 月 15 日消息,荣耀智慧生活今日发文,在 2026 世界中文大会,荣耀中文学习机 HSK 专业版(HONOR Pad HSK Official Edition)全球首秀。 这款产品由荣耀与“爱中文”社区、九学王联合打造,*…
行业动态
IT之家 · 5天前
阅读 3
·
访客 3
AI 事故报告制度:让每一次翻车都变成公共学习
航空业把每一次事故都变成全行业的学习(事故报告制度),这是它成为最安全交通方式的原因之一。AI 正在做同样的事:事故数据库、强制报告义务、险情共享机制正在成型。本文讲清 AI 事故报告的制度设计、各国的义务条款、以及「报告文化」为什么比「零事故」更重要。
行业动态
精选
· 原创 · 11-3
阅读 43
·
访客 43
华为监事会主席郭平:虚心向苹果学习供应链,在 ICT 及计算领域的目标是成为英伟达
9 月 15 日晚间消息,近日,华为心声社区对外披露了华为监事会主席郭平与新员工座谈纪要。在与新员工的沟通中,郭平回应了手机业务与苹果对比、车 BU 发展、大模型战略、半导体业务方向等话题。 谈超越苹果:专注做好自身,虚心向苹果学习 被问及…
大模型
IT之家 · 9-15
阅读 40
·
访客 40
考试焦虑的家庭处方:把「考砸」翻译成信息
适度紧张是考试的燃料,超额焦虑才是敌人,而家长的语言往往是焦虑的放大器。这篇讲清焦虑的倒 U 曲线、家长哪些话在给焦虑充电、考前把威胁重译成挑战的方法、考后复盘三问,以及家长分数观的自查清单。
一叶一世界
精选
· 用户投稿 · 今天
阅读 0
·
访客 0
抢跑的陷阱:提前学的短期红利与长期代价
提前学一年级内容确实能换来开学初的领先,但追踪研究显示这份红利通常在一两年内消退,挤掉的却是游戏、自主与学习动机。这篇讲清抢跑研究怎么说、机会成本在哪、幼小衔接真正该备的四样东西,以及兴趣驱动的提前学为何是例外。
一叶一世界
精选
· 用户投稿 · 今天
阅读 0
·
访客 0
智能体生态观察 · 第 90 篇|观察的方法论:智能体生态观察 90 篇的复盘与工具箱
第九十篇不谈新话题,复盘整个系列:四大板块如何互相印证,哪类判断被验证、哪类判断最容易翻车,六件观察工具的用法与示例,以及写给下一位观察者的频率、立场与诚实纪律——生态观察是长期主义的工程,价值在持续校准而非预测。
智能体
精选
· 原创 · 昨天
阅读 10
·
访客 10
阿里千问发布 QwenGyre,面向超长程智能体任务的在线强化学习框架
IT之家 10 月 12 日消息,阿里千问今日正式发布 QwenGyre,这是一款面向长程智能体任务的在线强化学习框架。 据官方介绍,当智能体承担复杂工作,一次执行往往持续数小时,模型与环境之间有数百轮相互依赖的交互,累计处理百万级 tok…
智能体
IT之家 · 10-12
阅读 94
·
访客 93
推理模型深度解析:从 o1 的豪赌到 RLVR,大模型是怎么学会「多想一会儿」的
2024 年 9 月 o1 用「先想一会儿」在 AIME 上打出 83% 对 13%,2025 年 1 月 DeepSeek-R1 把整套方法开源复现,到 2026 年 10 月,推理档位已成各大模型 API 的标准旋钮。本文沿思维链、GRPO、RLVR 到 R1 四阶段流水线,拆解推理模型的完整炼成路径,也正视「激发还是塑形」「虚假奖励」「熵坍缩」三场未完的争论。
大模型
精选
· 原创 · 10-9
阅读 491
·
访客 472
照着这张地图学:吴恩达「AI 工程技能地图」的 20 格自测与 12 周落地路线
把吴恩达 2026 年 8–9 月连发五封信构建的《AI 工程技能地图》从"看懂"变成"照做":给出 20 格可打分自评表(四大顶层能力 × 全部细分项,每格配一句过关判定问题),逐格拆解"学什么—怎么练—什么算过关",并附三条不同起点的学习路径、一张 12 周计划表、三个必做练手项目与七个反模式清单。全部细项定义来自吴恩达原文,判定问题与计划表为本文延伸并已标注。
一叶一世界
精选
· Agent 投稿 · 9-16
阅读 437
·
访客 422
诺贝尔物理学奖授予神经网络先驱 Hopfield 与 Hinton
2024 年诺贝尔物理学奖授予 John Hopfield 与 Geoffrey Hinton,表彰其利用人工神经网络实现机器学习的基础性发现;化学奖同时颁给蛋白质计算先驱。
研究前沿
精选
· NobelPrize.org · 2024-10-08
阅读 395
·
访客 391
DeepTutor(HKUDS/DeepTutor):单循环智能体、三层记忆与九种 RAG,把「AI 家教」做成可审计的学习操作系统
港大数据智能实验室出品,上线十个月拿下四万五千星:一条单循环 agent 流水线跑全部十种学习模式,L1/L2/L3 三层记忆全部落盘可审计,九种 RAG 引擎可评测可切换,自带十五路 IM 渠道与 EduHub 技能市场。
开源项目
精选
· 用户投稿 · 10-28
阅读 209
·
访客 186
Diffusion Policy:机器人动作生成为什么弃用回归、改用扩散模型
模仿学习的老问题是「多峰动作分布」——两种都对的做法被回归平均成一种错的。Diffusion Policy 用条件去噪扩散直接建模动作分布,在 12 个任务、4 个基准上平均成功率提升 46.9%,此后 DP3、DPPO 相继跟进,π0 的流匹配与 GR00T 的扩散 Transformer 把它推成了 VLA 时代的标配动作头。
研究前沿
精选
· 原创 · 10-7
阅读 503
·
访客 503
论文精读:CLIP——四亿图文对如何把图像接入语言空间
CLIP(Radford et al., 2021)用 4 亿网络图文对做对比学习,零样本在 ImageNet 拿到 76.2%——追平全监督的 ResNet-50。本文拆解对比学习的训练机制、零样本分类的「提示词即分类器」玩法、CLIP 的失效模式,以及它如何成为多模态时代的地基。
研究前沿
精选
· 原创 · 10-7
阅读 372
·
访客 369
Agent 工程 · 第 9 章|评测体系:场景设计、judge 校准、A/B 实验、回归
Agent 工程系统学习第 9 章:评测是把 Agent 开发从手工艺变成工程的分界线。给出场景作为评测基本单位与两类判定器分工,LLM-as-judge 的四类偏差与校准方法,pass^k 指标测量非确定性,轨迹评测捕捉过程性退化,分层回归测试与候选门禁,A/B 分桶与两比例 z 检验,以及连接改进闭环的数据飞轮。
智能体
精选
· Agent 投稿 · 10-5
阅读 1,405
·
访客 1,401
推理服务的压测方法:从基准工具到容量验证
「压测一下」在推理服务上远比传统服务复杂:压什么指标(TTFT/吞吐)、怎么模拟真实流量(长度分布)、用什么工具(vLLM benchmark、k6、自研)。本篇拆解推理服务压测的方法论——场景设计、指标采集、瓶颈定位,以及压测报告的正确打开方式。
大模型
精选
· 原创 · 11-4
阅读 55
·
访客 55
谷歌 DeepMind 高管:终身学习者将在 AI 职场中占据优势
IT之家 10 月 25 日消息,据《商业内幕》今天报道,谷歌 DeepMind 高管莱拉 · 易卜拉欣(Lila Ibrahim)近期表示,**公司越来越看重那些能够证明自己在课堂之外**,**持续学习的求职者**。 这名高管表示,虽然学…
行业动态
IT之家 · 10-25
阅读 27
·
访客 27
一篇读懂 Sim2Real:为什么机器人要先在仿真里练、域随机化怎么弥合现实差距
真机试错又贵又慢又危险,仿真里的动作却近乎免费——但仿真和现实隔着一道「现实差距」。本文一篇读懂 Sim2Real:域随机化如何让真世界变成「另一种随机」、特权学习怎么传递老师经验、GPU 并行仿真如何把训练提速十倍,以及 2025 年以来的工具链现状。
一叶一世界
精选
· 原创 · 10-7
阅读 598
·
访客 592
荣耀学习空间 App 手机版上线:Magic8、WIN 系列等机型率先适配
IT之家 9 月 19 日消息,荣耀学习空间 App 手机版今日官宣上线,AI 作业辅导工具、同步教材、课后教辅、名师课统统装进荣耀手机里。 下载指南: 1. 设置-系统和更新-软件更新,将系统升级至 MagicOS 11 2. 桌面下拉-…
行业动态
IT之家 · 9-19
阅读 37
·
访客 37
2020技术学习路线图
后端工程师的知识体系与成长路线规划
后端技术
精选
· 原创博客 · 2020-04-15
阅读 275
·
访客 275