随着计算机算力的提升，机器学习作为海量数据的分析处理技术，已经广泛服务于人类社会。传统的机器学习算法需要用户将源数据上传到高算力的云服务器上集中训练，这种方式导致了数据流向的不可控和敏感数据泄露问题。简而言之，机器学习技术的发展过程中面临两大挑战：为了解决以上问题，谷歌提出联邦学习（FL， federated learning）技术，其通过将机器学习的数据存储和模型训练阶段转移至本地用户，仅与中心

Trainium1 于 2020 年发布，使用 NeuronCore-v2 核心，是一款用于专注于 AI/ML 训练的加速芯片，支持 BF16 和 FP32 进行高精度训练，以及支持 TF32、FP16 和 INT8 以提高效率，还配备了专用的集合通信库芯片。可用于训练数十亿参数的大模型。2024 年，AWS 宣布了下一代 Trainium3 芯片，采用 3nm（纳米）制程，预计将比 Traini

AI

约翰·霍普菲尔德（John Hopfield）文学士、物理学博士，研究领域横跨物理学、分子生物学、神经科学、计算机科学，是一名以推动跨学科交叉融合而闻名于世的科学家，其推动了物理学与生命科学、人工智能的交叉融合，被誉为 “扩展统计物理学边界的先驱”，获得了 2024 年的物理学诺贝尔奖。霍普菲尔德早期是理论物理学家，专注于固体物理和量子力学，研究电子行为与能量状态，在激化子、长程电子输运等方面有极

因此，Geoffrey Hinton 等人在 1985 年发表论文《A learning algorithm for boltzmann machines》，提出了受限玻尔兹曼机（RBM），通过限制隐藏单元之间和可见单元之间的连接，简化了玻尔兹曼机的架构，即：隐藏单元本身之间没有连接，可见单元本身之间也没有连接。1958 年，大卫·考克斯提出了逻辑回归模型，这是一种广义的线性分类模型，数据公式与感

对于上述问题，HPCC 的核心思想是利用 INT（In-Network Telemetry，在网遥测）技术来提供精确的链路负载信息，并以此来计算出准确的 Sender 速率更新数值，并且实践发现 HPCC 在大多数情况下仅需要 Sender 更新一次速率，而无需迭代更新。TIMELY 算法的核心思想是通过测量报文的 RTT（端到端往返时间）来动态调整 Sender 的发送速率，基于 RTT 的变化

多方安全计算（Multi-Party Computation，MPC）的概念在 1980 年代由由姚期智院士以经典的 百万富翁难题” 提出：MPC 可以保障多个参与方进行协同计算并输出计算结果的同时，使各个参与方除了计算结果之外无法获取任何其他信息，从技术层面实现数据的可用不可见。实现方案主要包括：...........................

目录文章目录目录前文列表vim-go前文列表《快速搭建你的编程环境：VIM + dotfiles》vim-govim-go 是当前使用最为广泛的 Golang VIM 插件。利用 gmarik/Vundle.vim 插件管理器即可安装。vimrcPlugin 'fatih/vim-go'3执行 :PluginInstall 自动安装。安装好 vim-go 之后，执行 ::GoInstallBina

目录文章目录目录encoding/json使用 json.Marshal() 函数对一组数据进行 JSON 格式的编码使用 json.Unmarshal() 函数对 JSON 数据进行解码encoding/jsonGolang 提供了的标准库 encoding/json 对 JSON 数据进行编解码，并且允许使用 map[string]interface{} 和 []interface{} 类型的

核心思想是：认为人的智能归结为人脑的高层活动的结果，强调智能活动是由大量简单的单元通过复杂链接后并行运行的结果。弗兰克·罗森布拉特（Frank Rosenblatt）基于 MP 模型再进一步发明并在 IBM-704 计算机上实现了一种新的神经元数学模型，称为感知机模型（Perceptron），现在也将其称为一种单层神经网络，是神经网络和支持向量机的基础，作为早期神经网络研究的一个重要里程碑。即：感