机器学习标签_龙虾开发者社区

机器学习

RL训练Agentic模型实现并行多轮上下文检索：匹配前沿模型且快10倍

基于RL的Agentic检索模型正在成为AI Agent效率革命的关键驱动力。并行化：从串行单次调用转向多轮高并行调用自编辑：模型在检索过程中主动裁剪不相关信息迭代优化：检索器与Agent在RL训练中双向迭代当Agentic检索的速度提升10倍以上、成本大幅下降，AI系统将能在数秒内完成以往需要数分钟的复杂信息收集——这是Agent从“对话助手”走向“行动执行者”的关键一步。参考文献：, ACL

2301_80078096
2026-08-19 20:26:28

 575

 7

#人工智能 #机器学习 #深度学习
AI Agent 的真相：水面之下，90% 是工程

文章摘要：当前AIAgent领域存在“模型至上”的误区，但行业共识已转向“工程为王”。一张广为流传的冰山图揭示：成功Agent产品仅10%依赖AI模型，90%取决于系统工程。水面上的明星产品（如Perplexity、Cursor、Sierra）核心竞争力来自索引质量、工作流嵌入等工程能力；水面下则需14层技术栈支撑，包括算力、数据库、协议、编排、认证等。模型能力的趋同化使工程能力成为关键壁垒，企

 释迦呼呼
2026-08-19 17:57:42

 488

 8

#人工智能 #深度学习 #机器学习 +2
DeepSeek桌面客户端1.3.2：开箱即用的智能助手

DeepSeek Harness Desktop 1.3.2是一款本地开箱即用的DeepSeek桌面客户端，内置官方引擎与独立运行环境，无需依赖Node.js或命令行操作。核心功能包括：多模态交互原生适配（支持图片上传/粘贴/拖拽）、API用量统计与费用核算、可视化模型与Provider管理、Skill生态一键安装、MCP插件配置及镜像加速更新。新增图片灯箱交互优化（缩放/平移/下载），支持引擎版

 恒__heng
2026-08-19 13:45:19

 292

 10

#人工智能 #深度学习 #语言模型 +2
06-Git 仓库蒸馏术：从代码仓库到 OpenClaw 虚拟人-文档蒸馏

蒸馏的最终产出是"知识摘要"——一份浓缩了仓库核心知识的文档。# 知识摘要：xxx## 项目定位一句话说明项目是什么、解决什么问题。## 核心概念- 概念1：定义 + 为什么重要- 概念2：定义 + 为什么重要## 关键决策| 决策 | 背景 | 选择 | 原因 || 状态管理 | Vuex 跨模块繁琐 | Pinia | 直观、TS 支持好 |## 常见坑点- 坑1：现象 + 原因 + 规避方法

 leoZ231
2026-08-19 09:30:53

 372

 4

#git #人工智能 #机器学习 +4
04-Git 仓库蒸馏术：从代码仓库到 OpenClaw 虚拟人-提交历史挖掘

代码只告诉你"系统现在长什么样"，提交历史告诉你"系统是怎么一步步长成这样的"。这两者的差别，就是"快照"和"电影"的差别。提交历史里埋着三类高价值知识：但提交历史也有一个巨大的问题：噪音太多。8,000 次提交里，可能有 3,000 次是"fix bug"、“update”、"wip"这种无信息量的提交。挖掘的第一步，是过滤噪音，提取信号。输出示例：一眼就能看出提交质量：有的提交有规范的前缀（

leoZ231
2026-08-18 09:33:58

 305

 5

#git #xcode #android +4
AI Agent 可观测性：破解多步推理黑盒的工程实践

本文探讨了AI Agent可观测性的系统化方法论，揭示了多步推理黑盒带来的四大挑战：错误归因困难、性能瓶颈隐匿、成本失控风险和安全合规盲区。文章详细介绍了三大可观测性支柱（日志、指标、链路追踪）在AI Agent场景下的特殊应用，提出了统一数据模型，并通过LangChain/LangGraph展示了完整的生产级观测系统实现方案。特别针对Agent执行路径的非确定性特点，分析了模型黑盒、编排黑盒和环

 weixin_56622231
2026-08-16 01:00:37

 369

 8

#人工智能 #oracle #数据库 +4
python神经网络编程入门（十三）——CNN纯 NumPy 实现 LeNet-5 全流程拆解与 MNIST 前向验证（上）

摘要：本文是系列第十三篇（上篇）。在前两篇实现卷积层和池化层的基础上，我们按照 LeNet-5 经典架构，利用 NumPy 完成模块组装与数据流串联，不依赖任何深度学习框架。文章真实记录了因初始化策略不当导致损失异常（从 2.84 → 2.61 → 2.31）的完整调优过程，最终将随机基线稳定在理论值（2.30）附近。下篇将在此基线基础上，串联反向传播算法并启动正式训练。

Lee_jerome
2026-07-28 23:37:54

 1053

 28

#python #机器学习 #深度学习 +4
Agent时代下的自动驾驶研发工具链的演进

自动驾驶工具链正经历从传统模块化架构向智能体驱动的范式转变。传统工具链的分层结构导致协议冲突，仿真工具存在真实性瓶颈，开发效率与安全认证面临挑战；智能体时代通过代码生成自动化、仿真智能化、和部署异构化，实现技术突破；这一转型使自动驾驶研发从"人工编码"迈向"智能体自主执行"的新阶段。

QianCenRealSim
2026-04-16 17:44:09

 496

 8

#自动驾驶 #人工智能 #机器学习
都2026了，该做多模态Agent了！

摘要：字节跳动开源多模态Agent引发研究热潮，当前顶会更关注落地性强的工作（如AAAI26的TongUI）。建议从场景驱动切入，聚焦模态对齐、工具协同等痛点。TongUI通过爬取网络教程构建百万级GUI数据集，实现低成本跨平台交互；XSKILL提出双流持续学习框架，无需参数更新即可提升智能体推理能力。这些研究为多模态智能体发展提供了新思路和技术路径。

程序员小嬛
2026-05-16 10:39:49

 225

 2

#知识图谱 #人工智能 #目标检测 +2
AI Agent 开发与多 Agent 协作系统设计全景指南

如果说 2023-2024 年是 AI Agent 的"启蒙元年"，那么 2025-2026 年则是\*\*多智能体系统（Multi-Agent Systems, MAS）\*\*的"工程深水区"。单体 LLM 在面对复杂、长链条任务时逐渐力不从心，将任务拆解并分配给一群各司其职的"专家 Agent"，已成为构建企业级 AI 应用的标准范式。

大靠山
2026-06-18 11:29:07

 203

 3

#人工智能 #大数据 #深度学习 +1
Python Web开发框架对比

Python Web框架各有优缺点，选择合适的框架取决于项目的具体需求。Django适合大型项目，提供了丰富的内置功能；Flask适合小型项目和API开发，灵活性高；FastAPI是现代高性能框架，适合构建API；Tornado适合实时应用；Pyramid适合需要灵活性的大型应用。在选择框架时，应该考虑项目规模、性能要求、开发速度、学习曲线和生态系统等因素。同时，无论选择哪种框架，都应该遵循最佳实

 雷帝木木
2026-04-08 13:14:02

 935

 8

#python #机器学习 #深度学习 +1
Python 核心知识速查手册 (AI 开发者进阶版)

本文为AI开发者提供Python 3.x开发指南，涵盖环境配置、基础语法和核心数据结构。重点介绍了Anaconda发行版和PyCharm IDE的最佳实践，强调虚拟环境隔离项目依赖。详细解析Python语法规范，包括命名规则、类型转换和流程控制，并深入讲解列表、元组等数据容器在AI场景中的应用。内容从"会写代码"升级到"理解工程架构"，适合有一定基础需要深化

 Yardon_Official
2026-03-11 15:23:08

 486

 4

#python #人工智能 #开发语言 +3
Agent推理模式

agent推理模式

 bxklili
2026-02-28 15:24:52

 330

 9

#人工智能 #机器学习 #深度学习 +1
计算机毕业设计：Python气象大数据智能分析与预报平台 Django框架可视化随机森林爬虫中国天气网机器学习深度学习（建议收藏）✅

本文介绍了一个基于Python开发的天气数据分析与可视化系统。该系统采用Django框架搭建后端，使用MySQL存储数据，通过requests爬虫从中国天气网采集历史天气数据。系统主要功能包括：全国气温地图展示、城市多维度天气分析（气温、风向、风力）、月度气温与空气质量统计、天气预测（采用随机森林算法）、数据词云图生成等。前端使用Echarts实现数据可视化，后台支持天气数据管理。系统提供了完整的

 q_3456621138
2026-04-09 19:13:42

 555

 15

#python #机器学习 #django +1
Agent Skill越进化越蠢？我啃完3篇核心论文，把玄学自进化变成了科学调优

现在各种自动进化Agent都在说，只要你打开自动沉淀经验/进化的开关，它跑完一个任务，自己就总结一条写成Skill。可能开始几次真的很惊艳，越跑越顺，逢人就吹这功能碉堡了。

朝阳区靓仔_James
2026-06-10 20:29:20

 236

 5

#java #开发语言 #python +2
python神经网络编程入门（六）——从零开始，敲出你的第一个神经网络

本文基于 Python 与 NumPy 从零实现三层神经网络。首先阐述梯度下降学习原理，再分步搭建网络结构：初始化网络节点与权重矩阵、通过前向传播完成预测计算、利用反向传播结合误差迭代更新权重。依托矩阵运算与 Sigmoid 激活函数，网络可自主优化权重、拟合目标输出。训练结果表明，模型误差随迭代持续下降，具备有效学习能力。该轻量化底层实现，可为理解深度学习核心机制提供实践支撑。

Lee_jerome
2026-07-09 22:28:03

 440

 16

#python #人工智能 #神经网络 +3
agent面试必备52-多智能体（Multi-Agent）在企业真实业务中的落地应用

当你掌握了多智能体的底层原理、协作模式和状态同步之后，面试官往往会祭出最后的大招：“在实验室里跑一个写贪吃蛇代码的 Demo 很容易，但要把多智能体系统（Multi-Agent System, MAS）接入到企业的核心数据链条中，直接决定了你能否拿到高级/资深架构师的 Offer。这篇博客将用大白话带你盘点工业界最成熟的，深度剖析大厂生产环境的防坑指南，并附带一段极具业务价值的“企业 BI 数据分

 草帽-路飞
2026-07-28 00:01:25

 395

 9

#面试 #oracle #职场和发展 +4
Agent Harness、Loop、Graph：别再把三种 Agent 工程混成一件事

写这篇文章时，配图连续出了两次错。第一张 Harness 信息图，把「执行控制」画了两遍。第二张 Graph State 图，四个主标签都对，却擅自补了一段看起来专业、实际不严谨的小字。

Python编程杰哥
2026-07-29 21:34:50

 219

 5

#数据库 #服务器 #运维 +4
Python中的设计模式：原理与实践

设计模式是软件设计中反复出现的问题的解决方案，它提供了一种标准化的方法来解决常见的设计问题。Python作为一种面向对象的编程语言，非常适合实现各种设计模式。掌握设计模式不仅可以提高代码的可维护性和可扩展性，还可以帮助我们编写更优雅、更高效的代码。本文将深入探讨Python中常见设计模式的原理和实践应用。

雷帝木木
2026-03-30 08:50:28

 690

 32

#python #机器学习 #深度学习 +1
AI大模型支持下：Python自然科学领域机器学习与深度学习【（随机森林、XGBoost、CNN、LSTM、Transformer等），从数据预处理、不确定性量化、可解释性分析，到时空建模】

AI大模型支持下：Python自然科学领域机器学习与深度学习【（随机森林、XGBoost、CNN、LSTM、Transformer等），从数据预处理、不确定性量化、可解释性分析，到时空建模】

宝藏口袋
2026-03-04 14:38:12

 408

 8

#python #机器学习 #深度学习 +3
Python特征工程实战：从数据清洗到模型提效的完整流程（附可运行代码）

特征工程的标准流程可以概括为：1.数据清洗：处理缺失、异常、重复2.特征构造：统计特征、交叉特征、分桶、编码3.特征选择：相关性、重要性、正则化4.模型验证：对比特征工程前后的效果这套流程不是一成不变的，需要根据业务场景调整。但核心思路是：让模型看到更多"有意义的信号"，而不是"更多的噪声"。【数据来源】本文数据集为模拟生成，方法参考 sklearn 官方文档及主流机器学习工程实践。你在特征工程中

 Captain_Data
2026-07-04 15:20:29

 147

 7

#python #机器学习 #开发语言
谁说Agent开发很难？不到100行代码实现通用智能体（附源码），小白也能从入门到精通！

本文将分享如何使用不到 100 行的 Python 代码，实现一个具备通用智能潜力的简易 LLM Agent。你将看到整个实现过程——从核心原理、提示（Prompt）调优、工具接口设计到主循环交互，并获得完整复现代码的详细讲解。

朝阳区靓仔_James
2026-03-11 19:59:05

 423

 9

#人工智能 #数据库 #深度学习 +2
从零开始：用Python手搓一个BP神经网络（附完整代码与避坑指南）

本文详细介绍了如何从零开始使用Python和NumPy手搓一个单隐层BP神经网络，涵盖网络初始化、前向传播、反向传播等核心步骤，并提供了完整的代码实现与避坑指南，帮助开发者深入理解人工神经网络的工作原理。

yog99
2026-02-26 14:23:15

 950

 9

#机器学习
基于深度学习的蔬菜识别系统，resnet50，vgg16，resnet34【pytorch框架，python代码】

本文介绍了一个基于深度学习的蔬菜识别系统，使用PyTorch框架实现了ResNet50、VGG16和ResNet34三种卷积神经网络模型。系统提供GUI界面（PySide6）和Web前端界面（Flask+Vue）两种操作方式，支持模型训练、验证和测试全流程。项目包含完整的数据集、代码和预训练模型，可输出训练过程曲线、分类混淆矩阵、热力图等可视化结果，并计算准确率、精确率等评估指标。系统支持自定义数

 蓝博AI工作室
2026-04-27 16:03:47

 590

 14

#深度学习 #python #pytorch +3
ai项目之智能 OnCall Agent 系统从工具集合到自治体设计的全解析(附免费源码文件)

《霓虹暗夜中的自治体：智能 OnCall Agent 系统架构全解析》摘要本文针对微服务体系中人工OnCall值班效率低下的痛点，提出了一套智能OnCall Agent解决方案。系统通过三个核心Agent（知识库、对话、运维）协同工作，采用四层架构设计（接入层、业务层、服务层、存储层），实现告警自动处理和咨询应答。技术选型上支持Go/Java双语言实现，选用Eino框架和Milvus向量数据库，

2301_80168944
2026-08-04 11:03:37

 343

 9

#python #机器学习
Hermes Agent Dashboard 会话断联- MiniMax-M2.1

摘要：用户在使用Hermes Agent Dashboard时遇到会话断联报错events feed disconnected — tool calls may not appear。

Amy-1999
2026-07-06 17:05:56

 201

 4

#机器学习
Python 类型提示与静态类型检查详解：从原理到实践

Python 作为一种动态类型语言，在开发过程中常常因为类型错误导致运行时异常。类型提示（Type Hints）和静态类型检查工具的出现，为 Python 带来了静态类型语言的优势，同时保留了动态类型的灵活性。

雷帝木木
2026-04-02 12:12:52

 790

 23

#python #机器学习 #深度学习 +1
Python机器学习：从零基础到项目实战

当您翻开此书，您正踏入一场数据与智慧的修行。机器学习，并非冰冷的符码，而是机器模拟人类洞察世界的法门。本书将带您，以Python为舟，泛游于算法之海。我们不只传授“术”，更探求其后的“道”——从数据的生灭流转中观照规律，于模型的迭代演进里体悟得失。愿您合上书卷时，收获的不仅是驾驭数据的技能，更有一双洞悉复杂、化繁为简的“智慧之眼”。现在，让我们一同启程。

星河_赵梓宇
2026-02-16 12:45:10

 856

 24

#人工智能 #机器学习 #python +1
Python 中的数据结构与算法：从基础到应用

数据结构与算法是计算机科学的基础，掌握它们对于编写高效的 Python 代码至关重要。通过本文的介绍，我们了解了从基本数据结构到高级算法的各种知识。

雷帝木木
2026-04-05 19:56:41

 1193

 10

#python #机器学习 #深度学习 +1
AD-Bench：当LLM Agent遇上真实广告投放，最强模型也只能拿69分

腾讯团队发布AD-Bench基准测试，评估LLM Agent在真实广告投放分析场景中的表现。该基准包含823条真实广告优化师查询，按复杂度分为三级（L1简单检索至L3综合分析）。创新性地采用"轨迹感知评估"，不仅看结果准确性，还考察工具调用路径合理性。测试10个主流模型发现：GPT-5.1以69%得分最高，国产模型混元2.0和DeepSeek-V3达62%与Gemini-3-P

狮子座明仔
2026-02-27 15:13:06

 333

 3

#人工智能 #深度学习 #机器学习
MetaAgent-X：让多智能体系统从“自动搭建”走向“端到端进化”

MetaAgent-X 提出了一套端到端强化学习框架，让自动多智能体系统不只会“设计 agent workflow”，还会一起优化后续负责执行任务的 agents。

Python编程杰哥
2026-06-09 21:39:32

 318

 6

#人工智能 #机器学习 #深度学习 +3
Python实战：用朴素贝叶斯分类器搞定垃圾邮件过滤（附完整代码）

本文提供了一份详细的Python实战指南，教你使用朴素贝叶斯分类器构建高精度的垃圾邮件过滤系统。文章从数据预处理、特征工程（TF-IDF）到模型训练与调优（包括处理类别不平衡）进行了完整剖析，并附有可部署的完整代码，帮助开发者从零实现一个高效的文本分类应用。

http9protocoller
2026-02-27 07:00:16

 218

 2

#机器学习
AI入门必备｜Python基础（零基础也能学会，附实操代码）

Python是AI开发的首选语言，因其语法简洁、AI库丰富、生态完善。本文为零基础学习者提炼AI开发必备的Python核心知识点：基础语法（变量、条件循环、函数）、三大核心库（NumPy、Pandas、Matplotlib）的简单应用，并提供可直接运行的实操代码。建议新手重点掌握基础语法和库的调用方法，通过实践快速入门，无需追求全面精通。学习过程中应多动手练习，逐步培养AI开发所需的编程能力。

六月星辰梓
2026-04-28 18:13:00

 229

 8

#人工智能 #机器学习 #scikit-learn +3