近来，DeepSeek R1 一鸣惊人，迅速席卷各大平台，成为科技领域的热议焦点。从专业论坛到社交媒体，甚至那些原本与人工智能毫无交集的亲朋好友，也纷纷开始询问：“你知道 D...
发简信
IP属地：黑龙江
-
deepseek-r1是如何炼成的 -
-
深入理解横向联邦学习联邦学习是Google在2017年提出来的，旨在在保护用户隐私的情况下使用用户更敏感的数据来训练机器学习模型。这种学习方式就是后来人们所谓的横向联邦学习（区别于纵向联邦学习，...
-
知识搬运工，站在巨人肩膀上，看得更远；兴趣:Threat Hunting，AI，Big Data，Sandbox，SA。CISSP/CISP。
-
深入理解TRPO和PPO算法最近在整理电脑文件，看到一份当初给同事讲解TRPO算法原理时写的PPT，感觉要比先前那篇写的更加清楚明白，加之这几天刚好在复习RL相关的知识，然后便将PPT的内容加上我比当时...
-
关于网络游戏中的同步机制当我们在做一些跟网络游戏相关的机器学习任务的时候，有时需要对整个游戏系统的运行机制有所了解才能更好的应对，对于网游而言，首当其冲的机制便是同步了。当然，大部分的机器学习从业者...
-
图神经网络是怎么炼成的：GNN基本原理简介此文算是对Google Research这篇A Gentle Introduction to Graph Neural Networks[https://distill.pu...
-
-
-
-
-
Re:从零开始的加权采样算法所有人都非常擅长均匀抽样，因为几乎所有的编程语言都内置了均匀分布中生成一个0到1的实数的方法,本文中我们将此方法记作...那如果是从一个带有权重的集合里抽取呢？往往就没有那么...
-
-
我要打十个：多任务学习模型MMoE解读今天要介绍的是一个多任务学习模型MMoE[https://dl.acm.org/doi/pdf/10.1145/3219819.3220007]，如果第一次接触此类模型或是没...
-
谷歌一出马全都不能打：Wide&Deep以及Deep&Cross今天分享一个特出名影响特大的模型：Winde&Deep。 原先因为个人喜好问题不太打算讲这个的，但是这个模型在业界实在是举足轻重，后期很多模型都是在这个基础上发展起来的，因此...
-
从深度学习的角度看矩阵分解：NeuralCF作为一个先有深度学习基础，再接触到推荐系统的人来说，我起初理解矩阵分解技术的时候，实际是带有深度学习视角的。矩阵分解技术是将协同过滤的共现矩阵分解为user矩阵与item矩阵...
-
深度推荐初体验之AutoRec、DeepCrossing很多人都把AutoRec[https://users.cecs.anu.edu.au/~akmenon/papers/autorec/autorec-paper.pdf]看作...
-
名师出高徒：关于知识蒸馏技术的一点思考在最初听说知识蒸馏技术的时候，我是持怀疑态度的，甚至觉得不可思议，为什么通过用简单模型去学习复杂模型的效果会比直接用训练标签来训练简单模型要好？？？ 但是,它的存在必有其合理...
