<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Rikki1013的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Rikki1013</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Rikki1013]]></copyright><item><title><![CDATA[1个项目带你摸透大语言模型（LLM）｜SFT、RLHF、推理蒸馏全流程复现]]></title><link>https://blog.youkuaiyun.com/Rikki1013/article/details/152271244</link><guid>https://blog.youkuaiyun.com/Rikki1013/article/details/152271244</guid><author>Rikki1013</author><pubDate>Mon, 29 Sep 2025 15:40:29 +0800</pubDate><description><![CDATA[众所周知，完整训练一个大模型需要巨额算力和资金，普通开发者往往只能依赖接口或现成框架，停留在“黑箱式使用”的层面。那有没有一种可能，让我们以可承受的低成本，从零跑通一套完整流程，真正理解 LLM 的核心机制？本期推荐的和鲸社区创作者 @天海一直在AI 分享的项目，正是这样一个实践入口：用简化的方式，从零开始亲手复现一个小型语言模型（Mini LLM）。🚗项目直通车：https://www.heywhale.com/u/5c71b8。]]></description><category></category></item><item><title><![CDATA[五大项目，攻克AI算法核心应用：含NLP、推荐系统与金融风控｜2025人工智能实训季]]></title><link>https://blog.youkuaiyun.com/Rikki1013/article/details/151860163</link><guid>https://blog.youkuaiyun.com/Rikki1013/article/details/151860163</guid><author>Rikki1013</author><pubDate>Fri, 19 Sep 2025 11:21:47 +0800</pubDate><description><![CDATA[人工智能的学习，不能只停留在算法和代码，更要走进真实场景，解决实际问题。和鲸社区举办的，其中中阶部分包含，覆盖时间序列预测、结构化建模、文本情感分析、推荐系统和能源预测等方向。2025人工智能实训季 中阶赛题概览。]]></description><category></category></item><item><title><![CDATA[手搓Transformer：从Embedding到LM Head｜《斯坦福CS336》作业开源（附视频）]]></title><link>https://blog.youkuaiyun.com/Rikki1013/article/details/151831275</link><guid>https://blog.youkuaiyun.com/Rikki1013/article/details/151831275</guid><author>Rikki1013</author><pubDate>Thu, 18 Sep 2025 15:34:42 +0800</pubDate><description><![CDATA[Transformer自2017年提出后，已经成为大语言模型（LLM）的基石。如今GPT、LLaMA、Qwen等主流模型，都在这一架构上不断演化。和鲸社区复现的斯坦福CS336课程作业一中的第三部分就要求从零实现Transformer语言模型，相比直接调用高层API，从零实现能够让学习者真正理解：token如何被嵌入为向量；自注意力如何捕捉上下文依赖；为什么需要位置编码、归一化和残差连接；现代LLM在Transformer基础上做了哪些优化。]]></description><category></category></item><item><title><![CDATA[四大经典案例，入门AI算法应用，含分类、回归与特征工程｜2025人工智能实训季初阶赛]]></title><link>https://blog.youkuaiyun.com/Rikki1013/article/details/151617355</link><guid>https://blog.youkuaiyun.com/Rikki1013/article/details/151617355</guid><author>Rikki1013</author><pubDate>Fri, 12 Sep 2025 14:19:15 +0800</pubDate><description><![CDATA[和鲸社区共包含14套赛题，覆盖初、中、高不同难度等级。而其中的，正是最适合萌新们的起点。无论你是否具备AI背景，只要有学习的热情，都可以通过初阶组开启人工智能的第一步：在真实案例中掌握分类、回归与特征工程，完成从0到1的算法应用实践。更重要的是：活动！所有人都可以报名参赛，获取实战经验的同时，为简历添上一道亮眼的“AI认证”。实训季地址：https://www.heywhale.com/u/3b9f6f。]]></description><category></category></item><item><title><![CDATA[微软Aurora大模型实战：五大数据源驱动、可视化对比与应用]]></title><link>https://blog.youkuaiyun.com/Rikki1013/article/details/151581393</link><guid>https://blog.youkuaiyun.com/Rikki1013/article/details/151581393</guid><author>Rikki1013</author><pubDate>Thu, 11 Sep 2025 15:54:33 +0800</pubDate><description><![CDATA[它能在天气、空气质量、海浪等关键领域实现比传统数值模型更快、更准的预测。：13亿参数，基于超百万小时地球物理数据训练，涵盖气象与气候模拟。：采用，由编码器、处理器和解码器组成，可统一处理复杂输入并递归预测。天气事件预测准确率达；热带气旋路径预测全面超越全球七大业务预报中心；空气质量、海浪预测大幅领先数值模型；相比欧洲中期天气预报系统（IFS），计算速度快。这意味着，Aurora 不仅仅是科研突破，更是未来气候与环境预测的新范式。也正因如此，Aurora 一经发布就成为地科人都想尝试的工具。]]></description><category></category></item><item><title><![CDATA[秋招刷题｜数据分析岗：Numpy30道核心考点解析]]></title><link>https://blog.youkuaiyun.com/Rikki1013/article/details/151322624</link><guid>https://blog.youkuaiyun.com/Rikki1013/article/details/151322624</guid><author>Rikki1013</author><pubDate>Mon, 08 Sep 2025 14:39:53 +0800</pubDate><description><![CDATA[前不久分享的pandas题库，很多同学反馈：“刷完之后面试更有底气了”。《Pandas 初学者面试题手册》https://blog.youkuaiyun.com/Rikki1013/article/details/150548297?spm=1001.2014.3001.5502但数据分析岗的面试考察，不会只停留在Pandas。一旦涉及底层计算效率、矩阵运算、科学计算等环节，面试官往往会把问题抛到NumPy上。作为Python科学计算的基础库，NumPy不仅是Pandas的底层支撑，也是机器学习、数据挖掘乃至可视化库的]]></description><category></category></item><item><title><![CDATA[《斯坦福CS336》作业1开源，从0手搓大模型｜代码复现+免环境配置]]></title><link>https://blog.youkuaiyun.com/Rikki1013/article/details/151187688</link><guid>https://blog.youkuaiyun.com/Rikki1013/article/details/151187688</guid><author>Rikki1013</author><pubDate>Thu, 04 Sep 2025 15:52:23 +0800</pubDate><description><![CDATA[人工智能领域，被许多学习者视为“大模型学习的必修课”，不仅因为课程本身由一流学者讲授，更因为它以为主线，让学习者真正看清楚大模型的底层运作机制。：课程作业要求从零实现完整的模型组件，对基础和细节的掌握缺一不可；：公开的讲义和参考代码碎片化严重，缺乏连贯的学习路径；：很多人被运行环境和训练成本卡住。也正因如此，不少学习者虽然知道CS336的价值，但很难坚持学完。为了解决这些痛点，把课程作业完整地实现并公开，降低学习门槛；让学习者可以直接在社区中运行、修改、交流；配备视频讲解，更加直观易懂。]]></description><category></category></item><item><title><![CDATA[LangChain×Qwen3：高性能RAG系统实战项目]]></title><link>https://blog.youkuaiyun.com/Rikki1013/article/details/151112201</link><guid>https://blog.youkuaiyun.com/Rikki1013/article/details/151112201</guid><author>Rikki1013</author><pubDate>Tue, 02 Sep 2025 14:18:29 +0800</pubDate><description><![CDATA[模型可能在缺乏事实支撑时“编造答案”；：只能依赖训练时的存量知识，无法覆盖最新或垂直领域的信息。这时，成为解决方案。→从外部知识库找到相关信息；→把检索结果交给大模型回答问题。这种“检索+生成”的组合，不仅能降低幻觉率，还能让模型更快适应新的知识场景。本期推荐和鲸社区创作者@云逸～分享的《LangChain RAG系统实战》项目，其完整演示了如何结合与，从数据索引到接口服务，搭建出一个可落地的RAG问答系统。]]></description><category></category></item><item><title><![CDATA[为简历加分的AI算法赛来了！全程免费、难度分阶｜2025人工智能实训季]]></title><link>https://blog.youkuaiyun.com/Rikki1013/article/details/151073850</link><guid>https://blog.youkuaiyun.com/Rikki1013/article/details/151073850</guid><author>Rikki1013</author><pubDate>Mon, 01 Sep 2025 16:08:37 +0800</pubDate><description><![CDATA[秋招面试季，简历上没有拿得出手的项目？面试官问“有没有数据建模经验”，你却只能含糊回答“做过一些课内实验”？看到竞争者展示完整的项目经历、甚至科研成果时，你是不是有点心慌？别急，机会就在眼前——正式开启！这是一场完全免费的线上实战活动，帮你补上简历的“项目经验空白”！]]></description><category></category></item><item><title><![CDATA[《红楼梦RAG问答系统》：一次传统文学与AI技术的融合实验]]></title><link>https://blog.youkuaiyun.com/Rikki1013/article/details/150957116</link><guid>https://blog.youkuaiyun.com/Rikki1013/article/details/150957116</guid><author>Rikki1013</author><pubDate>Thu, 28 Aug 2025 17:27:42 +0800</pubDate><description><![CDATA[在和鲸社区，创作者 @Blues 分享了一个极具想象力的项目《红楼梦RAG问答系统》。它不是简单的代码演示，而是一次“传统文化 × 人工智能”的结合实践：通过检索增强生成（RAG）技术，这个系统能像一位《红楼梦》研究专家一样，回答你提出的问题。无论是人物关系、情节梳理，还是书中的细节描写，都能即时生成答案。💻系统预览体验地址：https://readrag.streamlit.app/红楼梦rag问答系统10s效果演示👆用户只需输入问题，就能得到 AI 生成的解答，还能查看答案来源，保证可追溯性。]]></description><category></category></item><item><title><![CDATA[部门没了，大模型还能跑多久？盘古气象大模型保姆级使用指南｜建议收藏]]></title><link>https://blog.youkuaiyun.com/Rikki1013/article/details/150920612</link><guid>https://blog.youkuaiyun.com/Rikki1013/article/details/150920612</guid><author>Rikki1013</author><pubDate>Wed, 27 Aug 2025 11:07:07 +0800</pubDate><description><![CDATA[盘古大模型相关部门的撤销，意味着组织战略的调整，但并不代表科研成果的消失。以盘古气象大模型为例，它已经开源，任何人都可以基于它展开研究与实践。和鲸社区创作者 @lqy 的项目，则让我们有机会在真实环境中体验它的能力。这也说明了——组织可能会被裁撤整合，但技术将在科研实践与分享中无限延续。]]></description><category></category></item><item><title><![CDATA[AB测试实战：八步搞定数据分析｜以电商页面优化为例（附Python代码）]]></title><link>https://blog.youkuaiyun.com/Rikki1013/article/details/150862573</link><guid>https://blog.youkuaiyun.com/Rikki1013/article/details/150862573</guid><author>Rikki1013</author><pubDate>Tue, 26 Aug 2025 16:52:24 +0800</pubDate><description><![CDATA[A/B测试，作为数据驱动决策的核心方法论，是职场人不可或缺的工具。简单来说，A/B测试就是将用户随机分为两组或多组，分别展示不同的版本，通过对比关键指标来验证哪一个版本效果更好。它最大的价值在于，帮助我们在全面推广前，准确评估改动点可能带来的影响。本期，和鲸社区向大家推荐一个优质项目《电商页面设计A/B测试》，由社区创作者 @宽吻海豚ocir 分享。这个项目，不仅有严谨的理论讲解，更有可复用的Python代码实现，是掌握A/B测试实操方法的优质学习资源。]]></description><category></category></item><item><title><![CDATA[华盛顿大学GeoAI本土化实践：五大实验贯穿预测、检测、生成、推理与偏差审视]]></title><link>https://blog.youkuaiyun.com/Rikki1013/article/details/150609529</link><guid>https://blog.youkuaiyun.com/Rikki1013/article/details/150609529</guid><author>Rikki1013</author><pubDate>Fri, 22 Aug 2025 14:12:13 +0800</pubDate><description><![CDATA[实验一：基于机器学习的波士顿房价预测这是项目的入门部分，目标是使用经典的波士顿房价数据集，训练模型并分析结果背后的社会经济现象。你将学到：模型应用：实践并对比四种主流回归模型：普通最小二乘法（OLS）、支持向量回归（SVR）、随机森林（Random Forest）和XGBoost。性能评估：使用均方根误差（RMSE）和R²分数等指标来客观评估和比较不同模型的预测效果。特征解读：通过相关性矩阵和特征重要性分析，理解LSTAT（低收入人口比例）、RM（房间数）等关键特征如何影响房价。批判性分析。]]></description><category></category></item><item><title><![CDATA[RAG性能突破：Embedding与Reranker的最佳组合实践｜基于Qwen3]]></title><link>https://blog.youkuaiyun.com/Rikki1013/article/details/150582482</link><guid>https://blog.youkuaiyun.com/Rikki1013/article/details/150582482</guid><author>Rikki1013</author><pubDate>Thu, 21 Aug 2025 14:31:19 +0800</pubDate><description><![CDATA[Retrieval-Augmented Generation（RAG）正逐渐成为大模型在检索问答、知识库构建等场景中的“黄金标准”。在这一框架中，，二者相辅相成，决定了整个系统的最终回答质量。但是，如何在实际工程中构建一个高效、准确的RAG流程？阿里巴巴通义千问团队在今年最新推出的，为开发者提供了从的完整解决方案。而在和鲸社区，创作者 @云逸～ 分享的，正好为我们揭开了这套方案的落地细节。项目直通车：https://www.heywhale.com/u/79d53b。]]></description><category></category></item><item><title><![CDATA[秋招刷题｜数据分析岗：30道Pandas高频考点全解析]]></title><link>https://blog.youkuaiyun.com/Rikki1013/article/details/150548297</link><guid>https://blog.youkuaiyun.com/Rikki1013/article/details/150548297</guid><author>Rikki1013</author><pubDate>Wed, 20 Aug 2025 10:47:20 +0800</pubDate><description><![CDATA[项目的第一部分是基础与概念题，10道题覆盖了Pandas核心知识：两大数据结构Series和DataFrame的区别与应用场景。如何读取CSV、Excel（含多sheet）文件，解决编码问题。数据探索常用方法head()、info()、describe()的使用技巧。时间类型转换及时间特征提取方法。缺失值检测与处理（删除、填充、插值、KNN补全等）。每道题不仅有直接答案，还有详细解释+代码示例+业务扩展，让你不仅知其然，还能知其所以然。]]></description><category></category></item><item><title><![CDATA[中科院工程师分享：用Unsloth打造推理增强大模型｜低显存、高推理、可复用]]></title><link>https://blog.youkuaiyun.com/Rikki1013/article/details/150344973</link><guid>https://blog.youkuaiyun.com/Rikki1013/article/details/150344973</guid><author>Rikki1013</author><pubDate>Wed, 13 Aug 2025 14:11:15 +0800</pubDate><description><![CDATA[这个项目旨在演示如何利用Unsloth框架在低显存条件下高效训练推理增强大模型。项目基于同类架构，结合LoRA微调4bit量化与GRPO强化学习，实现从数据加载、模型训练到推理部署的完整流程。DeepSeek R1系列训练流程图，源自：Elwin Wong训练数据以GSM8K数学推理集为例，并设计多维度奖励函数，既评估答案正确性，也衡量推理链完整度与格式规范性。该方案不仅显著降低了硬件门槛（单卡8GB可运行），还具备可复用性与可扩展性，适合在科研、数学问答、逻辑推理等任务中快速构建定制化大模型。]]></description><category></category></item><item><title><![CDATA[从0搭建Agentic RAG智能推荐系统（无需向量化）｜Python实战分享]]></title><link>https://blog.youkuaiyun.com/Rikki1013/article/details/150270478</link><guid>https://blog.youkuaiyun.com/Rikki1013/article/details/150270478</guid><author>Rikki1013</author><pubDate>Tue, 12 Aug 2025 14:23:23 +0800</pubDate><description><![CDATA[传统RAG（检索增强生成）依赖向量化检索，流程复杂且资源消耗大。而Agentic RAG提供了一种更轻量的替代方案——无需向量化，仅需结构化内存数据库即可实现高效检索+生成。<图片源于：LLM大模型>在传统RAG流程的基础上加入了一个重要角色——。它不仅能检索，还能根据任务动态选择工具、拆解问题、调用外部API，甚至多轮迭代优化结果。这意味着它可以：不依赖大型向量数据库根据不同任务，走不同的推理路线对数据源和API灵活切换。]]></description><category></category></item><item><title><![CDATA[强化学习全流程开发：从环境搭建到智能体对弈的DQN与Actor-Critic实现]]></title><link>https://blog.youkuaiyun.com/Rikki1013/article/details/150065927</link><guid>https://blog.youkuaiyun.com/Rikki1013/article/details/150065927</guid><author>Rikki1013</author><pubDate>Fri, 08 Aug 2025 14:46:04 +0800</pubDate><description><![CDATA[项目在核心逻辑中提供AI策略调用接口（如get_ai_move()），当前支持Actor-Critic与随机算法的切换。开发者可通过修改该函数接入自定义模型，便于进行算法对比与策略调试等扩展实验。如果你正想找一个能跑、能学、能改的强化学习实战项目，不妨fork下来试试。]]></description><category></category></item><item><title><![CDATA[保姆级教程：从0手写RAG智能问答系统，接入Qwen大模型｜Python实战]]></title><link>https://blog.youkuaiyun.com/Rikki1013/article/details/149969230</link><guid>https://blog.youkuaiyun.com/Rikki1013/article/details/149969230</guid><author>Rikki1013</author><pubDate>Wed, 06 Aug 2025 14:09:04 +0800</pubDate><description><![CDATA[在大模型落地的众多路径中，RAG（检索增强生成）是几乎“最值得掌握”的一项技术。它将知识库与大模型结合，让模型不仅“知道”，还能“答得准、说得清”。在前两期课程中，我们基于Dify平台完成了RAG系统的快速搭建。适合初学者理解核心概念，快速体验模型效果（往期课程见文末）。但平台封装程度高，细节难以修改，也难以服务真实业务。本期课程《借助RAG知识库优化电商智能问答》，我们。不只是搭出来，而是理解每一个模块，控制每一层逻辑，真正做到“能用、好用、可扩展”。]]></description><category></category></item><item><title><![CDATA[医学顶刊方法：PSM倾向得分匹配，揭示医保改革真实效果｜R语言实战]]></title><link>https://blog.youkuaiyun.com/Rikki1013/article/details/149932239</link><guid>https://blog.youkuaiyun.com/Rikki1013/article/details/149932239</guid><author>Rikki1013</author><pubDate>Tue, 05 Aug 2025 11:01:34 +0800</pubDate><description><![CDATA[2025年医保支付改革正全面推进即时结算、提升慢特病报销比例、扩大跨省异地就医覆盖，并通过数字化手段优化结算效率，目前全国77%统筹地区已启动即时结算，64.4万家医药机构支持跨省直接结算。但改革到底有没有带来真正的降本增效？要回答这个问题并不简单。现实中的医疗数据往往不是随机试验，而是观察性数据。。为此，和鲸社区联合赵军博士推出了实战课程《PSM-ITSA 联合分析：医保支付改革效果评估》，带你用两大经典方法——和，构建一个的评估框架。]]></description><category></category></item></channel></rss>