wljss

摘要： 本文结合豆包AI生成。 想起一个段子，训练一个AI模型让他判断一个学生有没有数学天赋，AI模型全部回答“没有”就能获得超高正确率，这是因为有数学天赋的人极其的稀少。 但是这样显然不是我们需要的AI模型。怎么办呢？怎么解决？ 模型躺平的根源在于用 整体准确率（Accuracy） 作为唯一评价指标。当模 阅读全文

摘要： 改编自豆包 前置知识点1：矩阵的秩 矩阵的秩rank，就是这个矩阵里「不重复、不冗余的有效信息的数量」。 比如一个矩阵里所有行都是第一行的倍数，那所有信息都能从第一行推出来，它的秩就是1；如果有2行完全独立、没法互相推导，剩下的行都能从这2行推出来，秩就是2。 公式定义： 对任意矩阵 \(A \in 阅读全文

摘要： 本文结合豆包生成 先从自编码器（AE） 说起，再讲VAE是怎么把它升级成能生成新内容的「变分自编码器」。 先搞懂基础——自编码器（AE）是什么？ 大白话：AE就是一个「压缩-还原」的AI机器，分两个核心部分： 编码器：把输入的样本（比如一张人脸照片x），压缩成一个很短的特征码z（也叫隐变量，相当于这 阅读全文

摘要： KL 散度（全称 Kullback-Leibler Divergence，也叫相对熵），本质就是衡量两个概率分布的 “不一样程度”，更准确地说：用一个近似分布去描述真实分布时，会损失 / 多浪费多少信息。 两个基础的概念： 概率分布：就是一件事所有可能结果的出现概率。比如抛正常硬币，正面 50%、反 阅读全文

摘要： 维基百科:熵的概念最早起源于物理学，用于度量一个热力学系统的无序程度。在信息论里面，熵是对不确定性的测量。但是在信息世界，熵越高，则能传输越多的信息，熵越低，则意味着传输的信息越少。 简单来说，信息熵 = 一件事的「不确定程度」。 越猜不准、越没谱、结果越乱，熵就越高；板上钉钉、完全没悬念的事，熵就 阅读全文

摘要： 先验是在观察数据或证据之前基于已有知识形成的判断或信念。 后验是在观察数据或证据之后，综合了新旧信息更新而成的判断或信念。 贝叶斯公式: \[P(D|T) = \frac{ P(T|D) × P(D) }{P(T)} \]例子:疾病检测 先验：某疾病在总人口中的患病率是1%（基于历史数据）。 证据： 阅读全文

摘要： 本文结合豆包生成 策略梯度方法的核心思想 在强化学习中，策略梯度（Policy Gradient, PG）方法直接对策略本身进行参数化并优化，而不是先学价值函数再间接导出策略。 策略： \[\pi_\theta(a \mid s) \]用参数 \(\theta\)（通常是神经网络）表示在状态 \(s 阅读全文

摘要： 随便写写记记 罗素茶壶：一个主张的不可证伪性，并不能成为相信它的理由。 爱是一场博弈，必须保持永远与对方不分伯仲、势均力敌，才能长此以往地相依相息。因为过强的对手让人疲惫，太弱的对手令人厌倦。 《简爱》 python函数参数确定 import inspect # 假设你已经完成了model的实例化（ 阅读全文

摘要： 开坑中，欢迎投稿 海盗分金问题 问题 有五个海盗，在海上抢来了一百个金子。五个海盗都很贪婪，他们都希望自己能分得最多的金子，但同时又都很明智。于是他们按照抽签的方法，排出一个次序。首先由抽到一号签的海盗说出一套分金的方案，如果5个人中有50％以上（不含50％）的人同意，那么便依照这个方案执行，否则的 阅读全文

摘要： 代码如下 #include <iostream> #include <fstream> #include <string> #include <chrono> #include <thread> int main() { // 定义文件路径，需要注意文件夹/home/wljss/my_log需要存在 阅读全文