深入理解浮点数与 IEEE754 标准
深入理解浮点数与 IEEE754 标准 在编程或数学计算中，我们常常会遇到一些看似「反常识」的现象： 二进制的 0.1 转换为十进制是多少？十进制的 0.1 又该如何用二进制表示？ 为什么 0.1 + 0.2 的结果不是 0.3，而是 0.30000000000000004？ 单精度和双精度浮点数能
深度学习研究生必看_卷积神经网络之YoLo详解
1. YOLO 算法详解 YOLO（You Only Look Once）是一个非常流行的目标检测算法，基于卷积神经网络（CNN）进行目标检测的任务。 与传统的目标检测算法（如 R-CNN 系列）不同，YOLO 的核心思想是将目标检测问题转化为回归问题，直接从图像中回归出边界框和类别概率，整个过程可
深度拆解_NotebookLM背后的技术_你的个人知识库_是如何变得如此智能的
1. 快速不看版 NLM 是一套分工明确、环环相扣的模块化系统（非端到端模型） 多类型的数据准备和解析做好了大量的前置工程 情景化分块&混合检索（关键字&模糊语义）确保召回率 类 Cross-Encoder 模型作为核对评分器模块，拿着用户问题和召回的文本块匹配计算相关性，确保准确率 前几篇文章已经
如何使用ClaudeCode的每个功能
如何使用 Claude Code 的每个功能 作为 Claude Code 的深度用户，看到这篇文章《How I Use Every Claude Code Feature》觉得非常好，文中详细介绍了 Claude Code 中很多高级功能的作用以及使用技巧，DD 也收获颇丰，所以转过来推荐大家一起
如何在你的业务中选择 RAG 和 Fine-tuning
1. 如何在你的业务中选择 RAG 和 Fine-tuning **RAG（检索增强生成）**和 **Fine-tuning（微调）**是提升大模型业务表现的两条主流路线。本文先讲清楚两者是什么，再从处理速度、准确性、成本三个维度对比差异，最后给出选型思路。 [!info] 阅读导览 第 1 章 背
人工神经网络回归___PyTorch_
一、深度学习 PyTorch 这框架挺好用的，灵活又高效，用它来做 ANN 回归很方便。下面用 ANN 进行两种情形的回归预测，一个是单个因变量，另外是多个因变量。 1. 单个因变量情形 1.1 导入必要的库 imp
让RAG告别断章取义_HiChunk做到了
现有 RAG 评测只关心"检索—生成"两端，对中间的文档怎么切分几乎不测，导致"证据稀疏"场景下好坏难分。 腾讯优图提出 HiCBench——第一份专门评测"切分质量"的基准，包含人工标注的多级切分点 + 证据稠密 QA。 同时给出 HiChunk 框架：用微调 LLM 把文档先建成多级语义树，再配
让_Agent_拥有长期记忆_基于_Tablestore_的轻量级_Memory_框架实践
本文介绍了 AI Agent 对存储能力的挑战，尤其是 Memory 和 Knowledge 两类核心需求。为应对这些挑战，基于阿里云 Tablestore 提出了一种轻量化的 Agent Memory 框架设计，支持实时记忆存储与语义检索等场景。该框架已在多个实际业务中落地，如通义 App、某头部
