生成式AI与传统判别式AI存在本质区别：前者像艺术家创造新内容，后者像裁判员进行分类判断。生成式AI通过学习数据分布P(X)生成逼真内容（如ChatGPT、Midjourney），而判别式AI通过条件概率P(Y|X)做分类决策（如垃圾邮件过滤）。这种差异带来全新应用场景，如用生成式思维重构推荐系统——从静态预测转变为动态内容生成，能更好捕捉用户兴趣演变，突破传统推荐的信息茧房限制。理解二者的本质区

北大与北航合作开发RoboRefer技术，解决机器人理解三维空间关系的难题。该研究针对现有视觉语言模型在复杂空间指称任务中的不足，提出创新解决方案：专用深度编码器避免模态干扰，强化学习微调实现多步推理，并设计新的数据集和评估基准。研究成果使机器人能更精准理解"将物体放在笔筒和键盘之间"等含复杂空间关系的指令，推动具身智能发展。

NVIDIA Isaac GR00T N1是全球首个用于通用人形机器人推理和技能的开源基础模型。这种跨实体模型可以接收多模态输入，包括语言和图像，以在各种环境中执行操作任务。GR00T的名称源自"Generalized Robot Operations and Telemetry"，代表着其通用化的操作能力和遥测数据处理能力。

人脸识别使用阿里SDK支持Python和Java接口，目的是复习巩固智能分类时引入C语言的Python调用此接口是人工智能接口，阿里云识别模型是通过训练后的模型，精准度取决于训练程度，人工智能范畴在常规嵌入式设备负责执行居多，说白的嵌入式设备负责数据采集，然后转发给人工智能识别后，拿到结果进行执行器动作。

本文介绍了使用Buildroot构建嵌入式根文件系统的优势及方法。相比busybox，Buildroot集成了常见第三方库和软件，简化了移植过程。文章详细解析了Buildroot的目录结构、执行流程和编译机制，包括如何通过menuconfig配置选项、包下载编译过程以及映像文件制作。并以IMX6ULL平台为例，演示了从下载源码、配置选项到最终生成映像文件的具体操作步骤，同时指出了配置过程中可能遇到

由于近期需要改DeepSeekMoE的结构，因此没办法，还是要手搓源码，顺便记录一下笔记，会对一些结构的形状推导、函数用法以及论文公式推导（包括这些公式对应哪些代码）进行详细解释待讲完DeepSeekMoE核心代码之后，如果有机会的话会讲一下怎么修改结构并进行训练的（不过这部分出教程概率不高，因为对模型架构底层源码的理解要求太高了。。由于本文对每一行代码剖析的特别细致，难免篇幅过长，且本文结合了很

我们之前讲了很多面试常考的MoE架构和分布式，但是实际上让你动手改一个MoE架构或者实现一个指定多个专家来输出某一个领域的MoE仍然束手无措，因为MoE最重要的是如何让路由选择我们需要的专家，由于训练和微调时涉及的稀疏激活机制，MoE 模型在微调时往往不如 dense 模型那样直接有效，而怎么指定路由进行期望的选择结果需要更复杂的调参和策略。

Meta AI推出V-JEPA2视频联合嵌入预测架构，通过自监督学习分析百万小时视频，构建能理解物理规律的世界模型。该模型在联合嵌入空间进行预测，无需标注即可学习物体运动等常识，在动作识别等任务表现优异。其AC变体仅用62小时机器人视频微调，就实现零样本规划，任务成功率65-80%，效率提升15倍。

卡尔曼滤波器（Kalman Filter）是一种用于估计动态系统状态的递归算法。它通过结合系统的动态模型和噪声观测数据，提供对系统状态的最优估计。卡尔曼滤波器广泛应用于信号处理、控制系统、导航、计算机视觉等领域。卡尔曼滤波器基于线性系统模型，假设系统的动态过程和观测过程都受到高斯噪声的影响。滤波器在两个主要步骤之间交替进行：预测（Prediction）：根据系统的动态模型，利用前一时刻的状态估计来

为了使得不出现丢步或者超步现象并且提高效率，需要使得步进电机先以固定的加速度达到目标速度，然后以这个速度运行，快到达目标步数时再减到最低速；整个过程是一个梯形的模型。步进电机因其无需反馈就能对位置和速度进行控制而在工业自动化设备中的应用极为广泛。例如这个装置使用步进电机实现物体 X 的移动，系统要求从 A 点出发，到 B点停止，移动的时间越短越好且系统稳定。