机器学习相关 AI 资讯

技巧 Agent 与开发者01:03

PyTorch Meetups Madrid 将于 10 月 14 日举办免费线下聚会

马德里的朋友注意了，10月14日有场免费的 PyTorch 线下聚会，能跟一线部署模型的开发者交流实操经验。

#PyTorch #机器学习 #开发者社区

官方账号PyTorch@PyTorch原文

论文09:47

无监督学习没有单一目标：一篇论文拆出四种不同目标

这篇论文把无监督学习拆成四个目标，分别对应密度估计、生成、特征提取和数据分析，做研究或选方法时能帮你对号入座。

#无监督学习 #机器学习 #arXiv

arXiv cs.LG@Aapo Hyvärinen原文

行业07:34

Ben Affleck 谈 Python 与视觉特效中的机器学习

本·阿弗莱克居然能写 Python，还把张量和卷积神经网络讲得挺明白，演员里少见，看看他怎么理解视觉特效里的机器学习。

#Python #CNN #视觉特效 #机器学习

官方账号Simon Willison’s Weblog原文

论文 Agent 与开发者官方一手11:18

Grab 提出用 LLM 处理房产数据划分用户富裕度分层

Grab 工程博客讲了他们怎么用 LLM 把房产交易记录变成用户富裕度分层，四步流程写得很细，还没上线但思路能直接抄。

#Grab #LLM #用户分层 #机器学习

官方一手Grab Tech原文

论文10:50

用机器学习加速半导体制造中的参数提取与缺陷检测

半导体厂的朋友可以看看，讲的是怎么用显微镜图像训练网络，一套框架同时搞定关键尺寸提取和 nm 级缺陷检测。

#缺陷检测 #机器学习 #扫描探针显微镜 #半导体制造

arXiv cs.LG@Yan Guo 等 8 人原文

技巧 Agent 与开发者10:02

机器学习模型验证：从留出法到嵌套交叉验证

机器学习研究者必读，教你如何避免数据泄露陷阱，选择正确的验证方法。

#机器学习 #模型验证 #交叉验证 #数据科学

arXiv cs.AI@Mehmet Baygin 等 3 人原文

论文 Agent 与开发者12:32

测试时扩展曲线认证研究

这篇论文提出了一种更高效的测试时扩展曲线认证方法，大幅减少所需答案数量，提高认证效率。

#测试时扩展 #认证方法 #MMLU-Pro #审计效率

arXiv cs.LG@Sohail 等 3 人原文

论文 Agent 与开发者10:26

ReCIRC: 校正的保形风险控制

ReCIRC算法解决了保形风险控制中单一阈值无法适应不同输入条件风险的问题，在多个任务上表现优异。

#ReCIRC #保形风险控制 #风险校准 #机器学习

arXiv cs.LG@Bruno Marcondes e Resende 等 4 人原文

论文23:09

匈牙利科学家用 AI 通过振翅声识别传病蚊种

匈牙利团队用振翅声就认出哪种蚊子传病，比人工镜检快多了，做公共卫生监测的可以看看。

#声学识别 #蚊媒监测 #机器学习

VTV Công nghệ原文

产品 Agent 与开发者20:54

MIT Open Learning 推出 Universal AI 课程，面向零技术背景人士

MIT 开的零基础 AI 课，第一门免费，讲 Python 到机器学习，Guttag 和 Grimson 这些传奇老师授课，适合想入门的职场人。

#MIT #Universal AI #Python #机器学习

shao__meng@shao__meng原文

论文10:49

arXiv 论文：机器学习修正递归状态估计中不精确求解器的误差

一篇把机器学习和量子求解器放进 Kalman 滤波误差分析的论文，用残差证书保证修正不会跑偏，还有电网实验数据。

#Kalman滤波 #量子计算 #共轭梯度 #机器学习

arXiv cs.LG@Yanjun Ji 等 11 人原文

论文04:44

Theranica 研究：53,000 名用户数据实现 91% 精准度的次日偏头痛预测

偏头痛患者可以看看，Nerivio 应用用 5.3 万人的数据训练模型，提前一天预测头痛，准确率 91%。

#Theranica #Nerivio #机器学习 #数字疗法

HIT Consultant@Fred Pennic原文

论文09:22

arXiv论文提出多项式时间算法，从匿名实验盲发现热力学本体论

不告诉算法传感器测的是什么，它也能反推出热力学变量结构，NIST WebBook六种流体上验证通过

#热力学 #机器学习 #可辨识性 #NIST WebBook

arXiv cs.AI@Linzhe Zhang, Changming Xu原文

论文精选09:21

一种用于加速材料 DFT 的完整神经网络电子初始化方法

这个研究很硬核，用神经网络解决了材料计算中的 DFT 问题，能显著加速计算，对做材料科学或计算化学的研究者应该有用。

#DFT #材料科学 #机器学习 #自旋初始化

arXiv cs.LG@Felix Ærtebjerg 等 3 人原文

论文 Agent 与开发者精选11:47

RISC-V 架构在机器学习领域的调研报告

想了解 RISC-V 架构在机器学习领域的最新进展和未来方向，这篇论文提供了系统性的分析。

#RISC-V #机器学习 #架构

arXiv cs.LG@Shriman Keshri 等 5 人原文

论文 Agent 与开发者精选10:00

研究树张量网络（TTN）的损失景观与学习难度关系

这是篇关于机器学习理论的研究论文，作者用树张量网络（TTN）模型来研究损失景观与学习难度之间的关系，对理解深度学习中的优化问题很有价值。

#tree tensor networks #损失景观 #学习理论 #机器学习

arXiv cs.LG@Zach Furman 等 4 人原文

产品 Agent 与开发者18:51

Hugging Face推出ML Intern聊天助手

Hugging Face新出的ML Intern让你用聊天就能做机器学习实验，不用写代码也能玩转AI模型。

#Hugging Face #ML Intern #聊天助手 #机器学习

事件专题

官方账号Decoder@Jonathan Kemper2 个信源在谈原文

论文 Agent 与开发者11:50

地球系统世界模型用于情景模拟

这个地球系统模型能模拟'如果...会怎样'的情景，比传统预测模型更灵活，可用于数字孪生研究。

#Earth System World Model #生态系统模拟 #机器学习 #数字孪生

arXiv cs.LG@Zhihao Wang 等 9 人原文

论文 Agent 与开发者精选73°11:16

Deposon：LLM推理路径的可审计散射层

MIT团队推出Deposon散射层，为LLM推理路径提供可审计记录，在陷阱检测上表现优异。

#Deposon #LLM推理 #机器学习 #可审计性

arXiv cs.AI@Qihao Yuan原文

论文 Agent 与开发者73°09:50

Bi-HYCO框架解决PDE参数识别问题

清华团队提出Bi-HYCO框架，解决PDE参数识别问题，在交互点耦合预测状态，实验效果优于传统PINN/XPINN方法。

#PDE #参数识别 #Bi-HYCO #偏微分方程

arXiv cs.LG@Umberto Biccari 等 4 人原文

论文09:13

基于学习的点云坐标加密攻击研究

论文揭示了点云加密方案的安全漏洞，2X加密模式下机器学习仍能重建加密数据。

#点云 #坐标加密 #机器学习 #PointNet

arXiv cs.LG@Mohammad Waquas Usmani 等 3 人原文

模型73°02:43

神经符号AI结合可靠性与能力

Gary Marcus转推的神经符号AI概念，解释如何结合ML与确定性软件优势。

#神经符号AI #William Tunstall-Pedoe #机器学习 #确定性软件

Gary Marcus@GaryMarcus原文

论文09:39

EDRAC：阿拉伯方言阅读理解基准测试

阿拉伯方言NLP研究者必看，首个覆盖五大方言的阅读理解基准，揭示现有模型局限。

#EDRAC #阿拉伯方言 #阅读理解 #机器学习

arXiv cs.AI@Noor Abo Mokh 等 18 人原文

技巧 Agent 与开发者05:43

用鸭子解释强化学习

Remi Fabre用鸭子动画解释强化学习，直观展示Microduck学习过程

#强化学习 #Microduck #Remi Fabre #机器学习

Thomas Wolf@Thom_Wolf原文

论文精选09:11

Wide Learning：学习获取证据的能力

这篇论文提出了学习系统评估的新视角，关注学习如何改变获取证据的能力，而非仅从已有证据中推断。

#Wide Learning #证据获取 #学习系统 #认知范围

arXiv cs.AI@Junzhou Chen原文

论文00:51

机器学习评估小麦氮肥推荐利润

英国研究显示，机器学习作为标准氮肥建议的校正工具可提升利润，而非直接替代。

#机器学习 #氮肥推荐 #冬小麦 #利润评估

arXiv cs.LG@Xulong Wang, Po Yang原文

模型官方一手精选21:59

谷歌发布地球AI行星预测引擎

谷歌用地球AI做了个能预测全球变化的系统，比传统方法快10倍，还能自动更新。

#Earth AI #谷歌 #行星预测 #气候模型

官方一手Google Research: Blog原文

论文09:30

基于机器学习的咳嗽模型为何无法泛化：结核病筛查的系统跨数据集评估

这篇论文详细评估了咳嗽结核病模型的泛化能力，揭示了数据收集和设备差异对模型泛化能力的影响，为结核病筛查模型的开发提供了重要参考。

#咳嗽结核病模型 #机器学习 #深度学习 #数据集泛化

arXiv cs.AI@Wensi Zhang 等 4 人原文

论文精选22:18

AI解码60亿DNA碱基“密码”

这项研究利用AI技术解析了人类基因中的关键序列，有助于我们更好地理解基因表达调控，推荐给对生物信息学感兴趣的朋友。

#AI解码 #DNA碱基 #人类基因 #起始子

IT之家原文

论文09:59

高级线性代数及其应用 - 第一部分

想要深入了解数值线性代数在偏微分方程、机器学习和数据同化中的应用？这本书是绝佳的选择，它不仅介绍了经典算法，还展示了这些算法在现代科学和工程中的重要性。

#数值线性代数 #偏微分方程 #机器学习 #数据同化

arXiv cs.LG@Victorita Dolean, Jemima Tabeart原文

技巧 Agent 与开发者01:04

🧠 传统软件可预测，AI则不然：开发者必备技能清单

Andrew Ng 列出了构建 AI 应用所需的关键技能，对于开发者来说非常有用，特别是对于想要进入 AI 领域的人来说。

#Andrew Ng #AI 工程技能图谱 #机器学习 #AI 应用开发

DeepLearning.AI@DeepLearningAI原文

技巧 Agent 与开发者00:04

传统软件可预测，AI不可预测：开发者必备技能清单

Andrew Ng 列出了构建 AI 应用所需的关键技能，对于开发者来说是一份实用的指南。

#Andrew Ng #AI 工程技能图谱 #机器学习 #AI 应用开发

DeepLearning.AI@DeepLearningAI原文

论文10:59

标准化框架助力电力系统保护机器学习研究

这篇论文提出了一个评估电力系统保护机器学习的标准化框架，对于想要了解如何更准确评估此类模型的人来说是个好资源。

#电力系统保护 #机器学习 #标准化框架 #多层感知器

arXiv cs.LG@Julian Oelhaf 等 7 人原文

论文10:40

电子海图变更分类方法

这篇论文提出了一种自动分类电子海图变更的方法，提高了海图更新的效率和准确性，对于航海安全具有重要意义。与传统的手动审查方法相比，该方法可以显著提高工作效率，减少人为错误。

#电子海图 #地理空间数据 #机器学习 #导航安全

arXiv cs.AI@Jacob Arndt 等 3 人原文

论文10:39

现代优化与AlphaEvolve改进矩阵乘法指数上界

这篇论文用AlphaEvolve把矩阵乘法指数上界刷到2.371177，比原来的2.371339又进一步，算法优化思路值得看看。

#AlphaEvolve #矩阵乘法指数 #优化算法 #机器学习

arXiv cs.LG@Emilien Dupont 等 10 人原文

论文11:22

用范畴论语言描述与构建统计学习模型

这篇用范畴论重讲统计学习模型，少见。适合数学背景的人看，能帮你找到跟机器学习研究接头的入口。

#统计学习 #范畴论 #机器学习 #数学

arXiv cs.LG@Congwei Song原文

论文12:37

学习追踪Seiberg对偶

这篇论文用AI判断两个物理系统是否对偶，在约10节点quiver上比传统算法快，还配了“quiver版谷歌地图”提高准度。

#Seiberg对偶 #quiver #Transformer #机器学习

arXiv cs.LG@Jonathan J. Heckman 等 4 人原文

技巧 Agent 与开发者12:14

每天学习一个硬核AI关键词：预训练

想快速搞懂预训练是啥？这个视频用大白话解释，适合AI新手入门。

#预训练 #深度学习 #机器学习

向阳乔木@vista8原文

论文09:32

可解释机器学习用于空气污染与呼吸健康预测：社会经济亚组分析

这篇论文用实打实的数据告诉你，PM2.5对呼吸健康影响有多大，而且不同收入国家差别明显，模型能解释比只看精度更重要。

#PM2.5 #呼吸健康 #SHAP #机器学习

arXiv cs.LG@Maede Azani Hassan Abadi, Shouyi Wang原文

论文12:06

LINCS：基于无穷小非组合性草图的学习框架

这篇论文用范畴论搞了个LINCS框架，专门修复模型中的非组合性问题，数学推导扎实，适合想深挖机器学习理论的人。

#LINCS #范畴论 #机器学习 #非组合性

arXiv cs.LG@Sridhar Mahadevan原文