博客作者
API设计爱好者
361
已发布文章
2.4K
博客获赞
128K
博客浏览
第 17 页
基于 OpenCV C++ 实现的纹理对象实时姿态估计系统。文章详细阐述了从 3D 模型注册到实时检测的完整流程，包括 ORB 特征提取、Flann 匹配、PnP+RANSAC 姿态解算以及卡尔曼滤波优化。内容涵盖理论背景、源代码结构解析及关键算法实现细节，旨在为计算机视觉和机器人领域的开发者提供实用的 6-DOF 姿态跟踪方案。
深入解析了大模型、超大模型与 Foundation Model 的核心概念与发展历程。文章介绍了 Foundation Model 的定义及其涌现特性，回顾了从 LeNet 到 GPT-3 及 Switch Transformer 的参数规模演变。重点阐述了大模型在解决模型碎片化、降低训练成本及突破精度局限方面的作用，并结合冬奥手语播报、电力巡检及电商客服等…
详细阐述了大模型提示工程（Prompt Engineering）的基础原理与实战技巧。内容涵盖提示词的核心编写原则，包括清晰指令、上下文提供、思维链（CoT）及容错机制等。文章解析了由角色、任务、上下文、示例、格式和语气组成的六要素提示模板，并对比了 Zero-shot 与 Few-shot 提示法的差异。此外，文中还探讨了提示工程在激发模型涌现能力中的作用…
谷歌发布了首个达到人类竞技水平的乒乓球 AI 机器人。该机器人采用强化学习与模仿学习结合的混合训练方法，通过分层模块化策略架构（低级技能库 LLC 和高级控制器 HLC）实现正反手快速转换及战术应对。实测中，它赢得了所有初学者比赛，与中级玩家对打胜率达 55%，并能实时适应不同选手风格。尽管在处理下旋球方面仍有局限，但其 Sim2Real 迁移能力及自适应能…
本地部署大模型可保障数据隐私与安全性，支持定制化业务场景。介绍基于 Ollama 运行框架、LobeChat 交互界面及 AnythingLLM 知识库管理工具搭建私有 RAG 应用的完整流程。涵盖模型选择（如 Qwen2）、环境配置、Docker 部署及向量数据库集成，适用于对数据安全要求较高的企业或个人开发场景。
如何利用 Python 和 AkShare 库获取中远海控股票数据，并结合 LLM 进行短期股价预测。内容涵盖环境搭建、数据清洗、Prompt 工程构建、可视化分析及风险提示。通过完整的代码示例，展示了从数据获取到生成分析报告的全流程，强调了 LLM 在金融领域的辅助作用及其局限性，适合希望探索 AI 量化应用的开发者参考。
大型语言模型（LLM）是基于海量数据训练的深度学习模型，核心架构为转换器（Transformer）。它通过自注意力机制处理文本，利用预训练和微调技术适应不同任务。LLM 涵盖自然语言理解（NLU）与生成（NLG），是生成式 AI 的重要分支。常见模型包括 GPT、BERT 等，并正向多模态方向发展。详细解析了 LLM 的定义、运作原理、训练方法、关键组件及与…
主要探讨了大模型在逻辑推理方面的局限性及相应的提示工程解决方案。重点介绍了零样本、少样本提示方法，以及提升推理能力的思维链（CoT）和最少到最多（LtM）提示策略。通过分解问题和分步引导，显著提高了模型在处理复杂数学和逻辑任务时的准确率。文章详细阐述了各方法的原理、适用场景及具体实施步骤，为大模型应用开发提供了实用的技术指导。
大模型在软件工程中可提升效率与质量，关键在于提示词工程。通过明确角色、背景、任务及要求，结合迭代优化，能显著改善输出结果。文章介绍了主流模型选择及编程场景下的提问公式，并解析了预训练、微调等底层原理。提供了 JavaScript 回文算法的完整代码示例及进阶技巧如思维链和少样本提示，旨在帮助开发者掌握与大模型高效协作的方法。
大模型的基本概念、应用场景及行业机遇，重点阐述了为何学习大模型及其在 NLP、医疗、金融等领域的价值。文章分析了生成式 AI 的商业护城河与价值积累点，并提供了从零开始到大模型就业的详细学习路径，涵盖数学基础、深度学习框架、Transformer 架构、微调技术及工程化部署，旨在帮助读者系统掌握 AI 技能并提升职场竞争力。
大模型 SFT（Supervised Fine-Tuning）是提升模型指令遵循能力的关键阶段。从背景概念入手，解析 Special Token、耗时估算及与 Pretrain 的区别。重点阐述数据篇策略，强调数据多样性、质量及生产流程，包括 Prompt 构造、Answer 生成及数据飞轮机制。训练篇涵盖框架选择、炼丹技巧及拟合问题诊断，提供欠拟合与过拟合…
深入解读了 DeepSeek R1 的论文核心内容，重点分析了其基于规则的 Reward 设计及其放弃 PRM 和 ORM 的原因，探讨了模型训练的多阶段策略（R1 Zero 到 R1 的演进）。文章详细对比了 GRPO 中 KL Loss 的处理方式与 PPO 的差异，指出了采样计算 KL 时的方差问题及解决方案。此外，还类比了 AlphaGo 到 Alp…
AI 产品经理转型需要掌握机器学习原理、特征工程及算法逻辑。文章分析了视觉、语义、应用等 AI 类别，对比了传统与 AI 产品经理的工作差异，并梳理了大厂招聘岗位对技术理解、沟通协作及业务分析能力的要求。针对入门学习，建议从大模型系统设计、提示词工程、平台开发及微调等阶段入手，强调技术理论结合实践的重要性，帮助非 AI 背景产品人员规划职业发展方向。
详细解析了阿里、腾讯、美团、字节等大厂的标准面试流程，涵盖技术一面二面、总监面及 HR 面的考察重点。内容包含 Java 基础、集合、多线程、JVM，Android 组件、Framework、异步机制，以及算法、Kotlin、音视频和 Flutter 等高频面试题，为求职者提供系统的备战指南。
程序员群体的核心特征，包括成就感来源、技术领导力要求及作品导向文化。同时探讨了 Python 在现代技术栈中的地位，涵盖其在人工智能、大数据及自动化领域的应用优势，并提供了从基础语法到进阶实战的学习路径建议，旨在帮助技术人员明确职业发展方向并提升核心竞争力。
Python 循环语句是编程中实现重复执行的核心机制。详细解析了 for 循环与 while 循环的语法结构，涵盖 range 函数、可迭代对象遍历、enumerate 用法。重点阐述了 break 与 continue 对流程的控制差异，以及 while 循环 else 子句的执行逻辑。此外补充了嵌套循环示例、常见死循环陷阱及性能优化建议，帮助开发者掌握循…
利用 Python 的 turtle 图形库和分形算法，可以绘制出多种风格的树木图像。文章包含樱花树、绿叶树、落叶树及基于 L 系统生成的芦苇风树等四个示例，通过递归函数和随机数控制树枝生长与花瓣飘落效果，展示了编程绘图的数学之美与实现细节。内容涵盖代码结构解析、关键函数说明及运行环境要求，适合对图形编程感兴趣的开发者参考。
Python 入门难度低，普及度高且资源丰富。文章分析了 Python 相比其他语言的优势，指出其在教育体系中的广泛应用及社区支持。建议初学者直接学习 Python 3，通过系统教程和实战项目快速上手，无需过度顾虑基础门槛。提供了环境搭建、代码示例及资源推荐等具体学习路径。
对编程初学者常见的三分钟热度问题，提出以实践为核心的学习策略。文章强调编程是实践的艺术，建议新手通过亲手敲代码、完成具体项目来巩固知识。内容涵盖从环境搭建、虚拟环境管理到常用库的使用，推荐了 GitHub 上的优质开源项目如 Awesome Python 和 Python-100-Days。同时指出应善用官方文档和社区资源，遵循代码规范，培养独立解决问题的能…
数据科学学习 Python 的四个进阶阶段。第一阶段掌握基础语法与 Jupyter Notebook；第二阶段熟悉数据分析库如 Pandas 和 NumPy 进行清洗与可视化；第三阶段结合统计数学知识理解模型原理；第四阶段使用 Scikit-learn 等库构建机器学习模型。适合希望系统提升 Python 数据科学能力的开发者参考。
