摘要:
https://github.com/pollen-robotics/AmazingHand
阅读全文
posted @ 2025-07-17 23:41
ffl
阅读(1)
推荐(0)
摘要:
你的表述涉及到数学中的递推关系,特别是神经网络中的反向传播(Backpropagation, BP)和强化学习中的贝尔曼(Bellman)递推。让我来整理并澄清一下你的问题,并提供一个简洁且准确的解答。 1. 数学中的递推关系 在数学中,递推关系(recurrence relation)通常描述一个
阅读全文
posted @ 2025-07-16 01:28
ffl
阅读(4)
推荐(0)
摘要:
PyRoki 是加州大学伯克利分校发布的一款模块化、可扩展、跨平台的机器人运动学优化工具包 论文:https://arxiv.org/pdf/2505.03728 git: https://pyroki-toolkit.github.io/ PyRoki 支持: 任务:逆运动学(IK)、轨迹优化、动
阅读全文
posted @ 2025-07-09 10:15
ffl
阅读(10)
推荐(0)
摘要:
074d75a (HEAD -> master, origin/master, origin/HEAD) fix number format and delete some redundancy text ca5db93 fix quote style ad28d53 remove links pd
阅读全文
posted @ 2025-07-08 13:21
ffl
阅读(7)
推荐(0)
摘要:
我们来从源码设计和模型抽象两个层面详细拆解: 🎯 llama.cpp 是针对 Transformer 的专用推理引擎,而非通用神经网络框架 ✅ 它不是 PyTorch 或 TensorFlow: 不支持任意 DAG(计算图)结构; 不支持自定义层(如 RNN、CNN、Capsule Net); 不
阅读全文
posted @ 2025-07-07 22:31
ffl
阅读(16)
推荐(0)
摘要:
Ollama 能让你“一键启动”不同的大语言模型(LLaMA、Mistral、Command-R、Gemma…),听起来像魔法,其实背后靠的是一套标准化的模型封装与调度机制。 🧠 为什么这可行?核心机制解析 Ollama 能统一管理不同 LLM,关键靠以下三点: 1. 通用权重格式(.gguf)
阅读全文
posted @ 2025-07-07 22:24
ffl
阅读(21)
推荐(0)
摘要:
除了 .gguf 和 .modelfile,一个完整的 Ollama 模型构建环境可能还会涉及以下几种文件类型或资源结构: 📁 常见文件 / 资源类型一览 1. 模型权重类 .gguf:主权重文件(包含量化后的模型张量与结构信息) .bin(旧格式,如 ggml):老版本的权重文件,不推荐新项目使
阅读全文
posted @ 2025-07-07 22:19
ffl
阅读(19)
推荐(0)
摘要:
上一篇:https://www.cnblogs.com/math/p/18971656/physics-deep-learning-01 原文:http://physicsbaseddeeplearning.org/intro-teaser.html 以下是《A Teaser Example — P
阅读全文
posted @ 2025-07-07 21:48
ffl
阅读(5)
推荐(0)
摘要:
一步步推导为什么监督学习在多值输出问题中会出现“平均化”现象,以平方根反解问题为例: 🧪 问题设定(平方根反解) 我们要学一个函数 \(f : [0,1] \rightarrow \mathbb{R}\),满足: \[P(f(x)) = f(x)^2 = x \]这意味着每个 \(x \in [0
阅读全文
posted @ 2025-07-07 21:39
ffl
阅读(2)
推荐(0)
摘要:
原文: https://docs.google.com/document/d/1JU8w-E4LlseFZm-ag22GSBU5A2rp2nb7iFGBNAbFL7k/mobilebasic 上下文工程指南 由 DAIR.AI 学院提供 目录 什么是上下文工程? 上下文工程实践 系统提示 指令 用户
阅读全文
posted @ 2025-07-06 06:10
ffl
阅读(356)
推荐(0)
摘要:
🎯 本文将带你一步步构建一个兼容 PEP 标准、快如闪电、结构清晰、测试完善的 Python 工程体系,替代 pip、setuptools、conda、setup.py 等传统方式。整合 uv + pyproject.toml + ruff + pytest + coverage 一体化开发体验。
阅读全文
posted @ 2025-07-03 21:16
ffl
阅读(126)
推荐(0)
摘要:
论文:Hilbert’s Sixth Problem: derivation of fluid equations via Boltzmann’s kinetic theory 原文:https://arxiv.org/html/2503.01800v1 这篇论文《Hilbert’s Sixth P
阅读全文
posted @ 2025-07-02 23:47
ffl
阅读(33)
推荐(0)
摘要:
Q:这样的一个组合,看上去一点都不难,左侧论文的价值在哪? A: 这是一个非常尖锐而深刻的问题,Feilong。你已经用实战demo快速搭出一个看似完整的多Agent+工具调用系统,这正体现出你洞察本质的能力。而这也恰恰凸显了《Towards AI Search Paradigm》这篇论文的真正价值
阅读全文
posted @ 2025-07-02 23:06
ffl
阅读(23)
推荐(0)
摘要:
打造一个基于论文《Towards AI Search Paradigm》的结构化搜索系统原型,结合你提到的 PocketFlow 框架理念:轻量、模块化、可扩展。我们将用 Python + Prompt Routing + DAG 任务规划复现一个小型版本,包括 Master、Planner、Exe
阅读全文
posted @ 2025-07-02 23:05
ffl
阅读(21)
推荐(0)
摘要:
原文:https://arxiv.org/html/2506.17188v1 深入这篇论文《Towards AI Search Paradigm》的核心思想,从系统能力和关键创新的角度做进一步提炼和总结: 🧭 总体愿景:从关键词搜索到类人“认知搜索” 该论文提出:传统搜索(Web Search →
阅读全文
posted @ 2025-07-02 23:04
ffl
阅读(44)
推荐(0)
摘要:
https://github.com/Netflix-Skunkworks/uda/tree/main/uda-intro-blog Netflix 的 UDA GitHub 仓库(Netflix-Skunkworks/uda)目前更像是一个用于配合博客的静态示例集,而不是一个真正可落地的工具库。我
阅读全文
posted @ 2025-07-02 17:00
ffl
阅读(11)
推荐(0)
摘要:
建一个完整的、从建模定义到多系统映射使用的 UDA 全流程例子,以 Netflix 的经典业务概念 “演员(Actor)” 为主线,让你看到 UDA 是如何“建模一次,处处使用”的。 🎬 场景背景:跨系统表达 “演员” 的信息 Netflix 内部系统中,关于演员的信息存在多个碎片: 企业 Gra
阅读全文
posted @ 2025-07-02 16:57
ffl
阅读(7)
推荐(0)
摘要:
原文:https://netflixtechblog.com/uda-unified-data-architecture-6a6aee261d8d 下面是 Netflix 的 UDA(Unified Data Architecture)从定义到实际投影与使用的完整流程,提炼为一条贯通的“语义驱动架构
阅读全文
posted @ 2025-07-02 16:54
ffl
阅读(9)
推荐(0)
摘要:
PocketFlow 是一个 100 行的极简 LLM 框架,用于构建智能体、任务分解、RAG 等应用。本指南将通过循序渐进的方式,带你深度理解其核心设计并学会构建各种 AI 应用。 pip install pocketflow 目录 核心概念 基础应用 进阶模式 实战项目 核心概念 1. 核心抽象
阅读全文
posted @ 2025-07-02 14:21
ffl
阅读(39)
推荐(0)
摘要:
5分钟快速上手 1. 安装和设置 # 克隆项目 git clone https://github.com/the-pocket/PocketFlow.git cd PocketFlow # 安装依赖 pip install -r requirements.txt # 设置环境变量 export OP
阅读全文
posted @ 2025-07-02 14:19
ffl
阅读(22)
推荐(0)
摘要:
Stevey's Google Platforms Rant I was at Amazon for about six and a half years, and now I've been at Google for that long. One thing that struck me imm
阅读全文
posted @ 2025-07-01 19:41
ffl
阅读(9)
推荐(0)
摘要:
原文:x.com/s6juncheng/status/1937873856212996257 作者:Jun Cheng Excited to share #AlphaGenome, a start of our AlphaGenome named journey to decipher the re
阅读全文
posted @ 2025-06-27 22:01
ffl
阅读(26)
推荐(0)
摘要:
原文:https://read.engineerscodex.com/p/how-cursor-indexes-codebases-fast 当然,以下是对你提供的文章《How Cursor Indexes Codebases Fast》的中文翻译摘要,尽量保留技术细节并适配开发者语境: 🧠 Cu
阅读全文
posted @ 2025-06-27 12:02
ffl
阅读(89)
推荐(0)
摘要:
URL 来源: http://agentic-coding.github.io/ 概述 本仓库分享"智能体编程6原则28实践",旨在帮助使用AI编程助手的开发者从"直觉编程迈向智能体编程"。目标是为开发者提供具体指导方针,以充分发挥生成式AI和编程助手的强大能力,在最大化开发效率的同时,有效管控潜在
阅读全文
posted @ 2025-06-19 21:32
ffl
阅读(63)
推荐(0)
摘要:
Q(Me): 其实我想尝试的是,使用 markdown 给 LLM 写提示词的时候,整个提示词,无论多长,LLM能从头读到尾巴,就累积得到了它想要知道的信息,然后就开始回答用户。这样符合 llm 的 next token的线性逻辑。如果 llm 需要在前面的时候阅读后面才出现的信息,这个感觉是可以的
阅读全文
posted @ 2025-06-13 17:04
ffl
阅读(26)
推荐(0)
摘要:
本文由人类与AI讨论并合成 在构建现代 Python 应用时,数据结构的定义和 JSON 交互能力是核心基础。本文将系统讲解 Python 原生的 @dataclass 与增强工具库 @dataclass_json 的使用方法、功能对比、典型陷阱和高级技巧,助你写出更健壮、可维护、易调试的数据驱动代
阅读全文
posted @ 2025-06-13 10:25
ffl
阅读(72)
推荐(0)
摘要:
在AI的加持下,可擦除的类型有优势,例如 Python 的 dataclass/dataclass_json, 以及TypeScript 对于 JS 的外置类型。这是因为: 编程语言的类型写给人/AI/编译器三种角色看的。人用来理解结构,AI用来理解上下文,编译器用来卡通过。 编译器检查太严格,会失
阅读全文
posted @ 2025-06-12 22:28
ffl
阅读(12)
推荐(0)
摘要:
本文由AI翻译 原文链接:https://blog.robertelder.org/interfaces-most-important-software-engineering-concept/ 发布时间:2016-02-01 (最后更新:2016-09-29) 作者:Robert Elder 摘要
阅读全文
posted @ 2025-06-11 12:04
ffl
阅读(290)
推荐(0)
摘要:
本文由AI翻译 URL来源:https://www.joanwestenberg.com/smart-people-dont-chase-goals-they-create-limits/ 发布时间:2025-06-09T23:45:42.000Z Markdown内容: 几年前,我和一个朋友在深夜
阅读全文
posted @ 2025-06-10 16:40
ffl
阅读(44)
推荐(0)
摘要:
注释:本文用AI阅读3篇相关的博客,摘要归纳。 摘要 随着大语言模型(LLMs)在各个领域的广泛应用,如何优化内容格式以提升AI性能成为关键议题。本文基于多项研究和实践案例,系统分析了Markdown作为LLM友好格式的核心优势,并提供了具体的应用指导。研究表明,相比传统的JSON、XML或HTML
阅读全文
posted @ 2025-06-10 15:29
ffl
阅读(95)
推荐(0)
摘要:
本文由AI翻译 来源网址: https://maxime.ly/articles/ai-native-product-os-principles/ Markdown 内容: 想象一下:AI 代理坐在你的组织结构图中,不是作为助手,而是作为实际的开发者。听起来很疯狂?这正是我们在 MadKudu 所做
阅读全文
posted @ 2025-06-05 21:53
ffl
阅读(20)
推荐(0)
摘要:
本文由博主编写 Cursor Remote-SSH 安装之前的重置/清理 问题:原来安装的是 VSCode 的 Remote-SSH,安装 Cursor 后不可用。或者 Cursor 升级到新版本后 Remote-SSH 不可用。 解决:彻底清理不可用版本的残留信息: 在远程主机上,查找到 vsco
阅读全文
posted @ 2025-06-05 17:14
ffl
阅读(2411)
推荐(0)
摘要:
互联网经济分层架构 基础网络层 互联网基础设施 Amazon Web Services (AWS) Google Cloud 云服务与CDN Cloudflare Akamai 网络安全与隐私保护 Palo Alto Networks CrowdStrike 5G与通信技术 Huawei Qualc
阅读全文
posted @ 2025-05-20 19:04
ffl
阅读(16)
推荐(0)
摘要:
上一篇:CleanCode(1): 编写干净清晰的 Python 代码的一种通用模块设计 Python 对象比较与真值测试的详细解析 在 Python 中,比较对象和检查真值是非常常见的操作,尤其在条件语句中。然而,不同风格的写法可能会导致代码不一致,也会给程序员带来心智负担:"if x:"和"if
阅读全文
posted @ 2025-04-16 16:54
ffl
阅读(16)
推荐(0)
摘要:
GARCH (广义自回归条件异方差) 模型 GARCH (Generalized Autoregressive Conditional Heteroskedasticity) 模型是 Bollerslev(1986)在 ARCH 模型的基础上提出的扩展版本,是金融时间序列波动率建模中最常用的模型之一
阅读全文
posted @ 2025-04-08 18:16
ffl
阅读(107)
推荐(0)
摘要:
ARCH (自回归条件异方差) 时间序列分析 ARCH (Autoregressive Conditional Heteroskedasticity) 模型是由 Engle(1982)提出的一种非线性时间序列模型,专门用于捕捉金融时间序列中的波动聚集现象。 ARCH 模型的基本原理 ARCH 模型的
阅读全文
posted @ 2025-04-08 18:11
ffl
阅读(111)
推荐(0)
摘要:
ARIMA 算法介绍 ARIMA(AutoRegressive Integrated Moving Average,自回归积分滑动平均模型)是一种经典的时间序列预测模型,广泛应用于金融、经济、气象等领域的时间序列数据分析和预测。 ARIMA 模型组成 ARIMA 模型由三个部分组成,通常表示为 AR
阅读全文
posted @ 2025-04-03 17:48
ffl
阅读(498)
推荐(0)
摘要:
下面是一个更复杂的 JSON 查询示例,展示了如何在 MongoDB、PostgreSQL、jq 和 JMESPath 以及JSONPath中进行查询。假设我们有一个更深层次的 JSON 数据结构: 假设 JSON 数据如下: { "store": { "book": [ { "category":
阅读全文
posted @ 2025-03-30 11:33
ffl
阅读(64)
推荐(0)
摘要:
设计时序算子 classDiagram class Operator { +Operator(params) +MatchResult match(context, bag, frames, fields) } class MatchResult { +bool is_match +dict det
阅读全文
posted @ 2025-03-29 10:46
ffl
阅读(48)
推荐(0)
摘要:
这种方法也许有效,也许无效,记录一下。 graph TD subgraph "阶段1" A1["分析目标用户的使用路径"] A2["找到假设的用户痛点,找到假设的用户"] A3["编写 Demo"] A4["观察目标用户对 Demo 的价值判断"] A5["如果价值不那么痛,回到2"] A1-->A
阅读全文
posted @ 2025-03-26 21:53
ffl
阅读(31)
推荐(0)