一、什么是强化学习强化学习是一类算法，让计算机从什么都不懂，通过不断尝试，从错误中学习，找到规律，从而到达目标的过程。围棋机器人AlphaGo就是自己不断尝试，更新自己的行为准则。计算机需要一位虚拟的老师，他要做的事情就是给行为打分，计算机只需要记住高分和低分对应的行为，下一次只需要执行高分行为就能得到高分（分数导向性）。类似于监督学习中学习正确标签，不同的是，强化学习最开始没有准备好的数据和标签

DeepSeek推出创新多模态模型DeepSeek-OCR，通过将文本视为图像模态处理，有效解决长文本推理难题。该模型采用双模块架构：DeepEncoder（380M参数）负责视觉特征提取，DeepSeek-3B-MoE解码器（激活570M参数）实现多模态生成。实验显示，其OCR解码精度在10倍压缩率下达97%，在OmniDocBench测试中超越现有模型。模型还支持图像理解、PDF转换等功能，单

本文介绍了如何配置Claude Code并订阅Kimi Coding Plan。首先获取Kimi Code的API key，然后在~/.claude/settings.json中配置相关参数，包括API基础URL、认证令牌、超时设置和默认模型映射。配置完成后，通过终端激活模型即可使用。文章指出配置中的模型名称仅作为用户友好的映射标识，实际调用的模型由订阅的API key决定。配置过程简单明了，配图

近年来，VOLE（向量不经意线性评估）被用于构造各种高效安全多方计算协议，具有较低的通信复杂度。最近的CipherGPT则是基于VOLE对线性层进行计算。

文章目录一、算法介绍二、距离度量三、K值的选择四、算法流程一、算法介绍KNN（K Near Neighbor）：k个最近的邻居，即每个样本都可以用它最接近的k个邻居来代表。KNN算法属于监督学习方式的分类算法，我的理解就是计算某给点到每个点的距离作为相似度的反馈。简单来讲，KNN就是“近朱者赤，近墨者黑”的一种分类算法。要区分一下聚类（如Kmeans等），KNN是监督学习分类，而Kmeans是无监

CDF是什么？简单对概率分布函数进行一个描述，在概率论中要研究一个随机变量ξ取值小于某一数值x的概率，这概率是x的函数，称这种函数为随机变量ξ的分布函数。F(x)=P(X<x),F(+∞)=1,F(−∞)=0F(x)=P(X<x),F(+\infin)=1,F(-\infin)=0F(x)=P(X<x),F(+∞)=1,F(−∞)=0CDF对机器学习有什么用？可以非常直观地对预测

刚刚有个同学问我：“深层神经网络如果去掉一部分残差，到底还能不能正常训练呀？”这个问题着实很好，我也没思考过，也没尝试过，然后试着去Google Scholar检索了一下关键词“without shorcut”，于是看到了以下的文章。让我比较惊奇的是，这是个很多人研究的方向，并且近年来不少文章发表在AI三大会。其中包含：1）残差的融合提高效率（重参数化）；2）去除一部分残差提高效率；3）用更好的架

机器学习 | Kaggle鸢尾花数据集Iris训练​Wenxuan Zeng2020.10.3一、准备工作：引入机器学习库# 引入机器学习库from sklearn.linear_model import LogisticRegressionfro.

RGB三维图像的卷积计算方法和二维卷积类似，从三维图像中划分出3×3×33\times3\times33×3×3的方块（称为卷积立方体），对这27个像素点进行卷积，即逐个元素与过滤器相乘求和，得到输出二维矩阵中的一个值。三维图像和过滤器可以有不同的高和宽，但是必须有相同的通道数。在RGB这个例子中，就是有R G B三个颜色通道（组成图像中的任意颜色）叠加过滤器试想一个问题，用前面的方法可以实现垂直

之前一直在想一个问题：我可以用Softmax回归做多分类问题（判断图中是猫还是狗还是大象），但如果是多标签呢？（同时要判断图中衣服的款式、颜色和大小）这个问题一直留在我心中，我也去找了多标签分类/回归的推导，但是仍然不知道如何通过代码实现这个多标签预测问题。这次在做多标签预测时，发现了sklearn库竟然是可以直接支持多标签预测及指标衡量的！不管我们有多少个不同独立的labels，都可以通过skl