关闭算法推荐是技术的倒退还是时代的进步?

大模型免费时代:工程化进退决策指南 大模型正从‘能用’迈向‘稳用’阶段,其核心已不再是参数规模或推理速度,而是工程化落地的确定性与成本可控性。理解模型服务的本质——接口适配、推理稳定、数据闭环、动态精算——是构建可靠AI能力的前提。在免费API泛滥的背景下,隐性成本(如提示词维护、合规审计、fallback消耗)往往超过显性算力支出,而战略性的‘退’(如放弃自研转向提示词+RAG、聚焦关键节点自持、封装场景化能力)实则是资源聚焦与风险管控的体现。本文围绕工程化四层穿透与三大清醒‘退’点,为业务一线提供可量化、可执行的技术决策框架。 阅读详情

转自公众号:Duing

作者:小渡

仅做分享转载,如有侵权我们立即删除。

在大数据和AI的加持下,App内的算法推荐正处在一个“越用越懂你”的循环之中。随着用户的不断使用,算法把采集到的偏好信息加以分析完善,对用户兴趣的把握程度将日趋“精准化”,最终实现了“千人千面”的用户个性化推荐。

即使是一对拥有几乎一样社交圈的双胞胎,他们的App首页推荐也完全不同——无论是内容还是广告,一切都是以“个人”为导向的私人定制。

当每个人都被个性化推荐宠溺到只关注自己有兴趣的信息,甚至切断了其他信息的来源时,一个个把你困在算法里的“信息茧房”就形成了。

在这个数据大爆炸的时代,你眼中看到的世界,却是从未有过的狭隘。

而你,甚至对此不自知。 

01

-Number-

被困在算法里的年轻人

73f1f0b2e3df16edde9d0a77826449e6.png

图片源自网络,仅做配文展示

“抖音5分钟,人间2小时。”讲了几年的段子还是能真实地讲述了成瘾的体验。

每个人都有这种经验,你原本是打算全神贯注地学习或者是工作的,但是等你意识到的时候,你已经在刷手机了。

我们知道不应该浪费这么多时间玩手机,但又控制不住自己。这一切都源于手机内的App在不断吸引我们的注意,抢占每一点碎片时间,试图让我们“成瘾”。

当你拿起书本的时候,手机不停推送信息提醒你“有一个用户赞同了你的想法”“你关注的XXX发表了新内容”“你一直抢不到的某个商品正在有人低价转让”,于是你放下了书本,再度拿起了手机。

再之后,页面上不断自动弹出的“你可能感兴趣的商品”,自动播放的下一个短视频,不断更新的首页信息再度像黑洞一样,把你的时间窃取走。

等你放下手机的时候,2个小时过去了。 为什么这些科技公司要在“让用户上瘾”这件事上,花费如此巨大的功夫呢?

因为,用户成瘾了,产品就好卖了。

ed02b2ce14df7812f36a6d241dd42264.png

图片源自网络,仅做配文展示

大数据、推荐算法、用户画像……尽管科技公司一直宣称这是“为了打造更好的客户体验”,但事实上,这些技术最大的价值是吸引用户在App上停留更长的时间,并把用户更精准地推荐给适合的广告商。

用户在App上花费的时间越久,画像越精准,定向投放的广告转化率就越高,广告商的销售数据就越好看。

在这个广告商买单的商业模式下,用户是商品,不是客户。

尽管我们对此心存不满,但企业的行为依旧无可厚非——对于任何一家企业而言,盈利永远是最重要的目的。

当你盯着手机屏幕给企业带来的收益远超于投身现实世界所带来的收益时,企业就会用尽一切手段,让你的双眼在屏幕上多停留哪怕1秒。

02

-Number-

算法推荐发展史 

38b5308ade35cc7af6230f333f59cf0d.png

图片源自网络,仅做配文展示

众所周知,算法推荐可以提高用户粘性,但是也极易形成认知偏差和信息茧房等问题。那么算法的发展史是如何进展的呢?

算法推荐分为许多类型,但简单来说,其原理就是基于用户的历史使用行为或相关信息,通过特定的数据模型,推测出用户可能的偏爱喜好。 

1998年,Amazon平台上线了基于物品的协同过滤算法(ItemCF算法),将推荐系统推向服务千万级用户和处理百万级商品的规模。这一技术机制的革新产生了良好的效果,Amazon销售额提高了35%左右——这是推荐算法从实验室走向商业公司的一次成功应用。 

2006年,一家原本做DVD租赁的公司悬赏百万招募算法推荐系统,希望改善其影片推荐效果。最终,凭借此次大赛的成果,这家公司成功转型为线上影片点播平台,并向用户普及了“推荐”的概念——这家公司就是Netflix。 

视频平台YouTube同样以算法推荐为特色。它最早只通过点击和浏览量对内容进行排序,2012年YouTube开始采用复杂的推荐算法,尝试加入观看时长、分享、喜欢等参数来向观众呈现视频流。2016年9月,YouTube将其技术文档整理成论文《DeepNeural Networks for YouTube Recommendations(深度神经网络在YouTube推荐系统中的应用)》发表,公布了从大规模可选内容中寻找最适合推荐结果的算法路径,探讨了深度学习带来的性能跨越式提升。 

在视频网站之后,Facebook、Twitter等社交媒体也纷纷采用个性化信息流,将内容按用户兴趣程度进行排列。从时间顺序切换到算法乱序推荐,尽管初期引发了部分使用者的不适,但之后便被证明,这一举动带来了用户使用时长、广告点击率的大幅增长。 

国内互联网行业同样拥抱算法。二十一世纪的第一个十年之后,内容资讯平台、短视频应用改变过往人工推荐的习惯,逐步加大算法推荐的比重,一大批代表性应用在这一浪潮中涌现出来。2016年又被称为“智媒元年”,以纪念算法推荐在内容分发领域所做出的重大贡献。 

毫无疑问,身处信息大爆炸的背景下,算法推荐是继分类条目与搜索引擎之后的又一技术革新,它极大地提升了信息分发的效率和精准度,以此颠覆了人与信息的相处方式,也得益于这种能力,逐渐被应用于交通、金融、法律等等人类社会的其他领域。 

03

-Number-

取消算法推荐是时代的倒退吗

06a357453b7cde3fd83c58efdcf933fb.png图片源自网络,仅做配文展示

事实上,许多互联网产品都开始考虑取消算法推荐机制的可能性,并正在做出尝试。 

YouTube客户端和网页端都开始提供“不看推荐”和“清除历史观看数据”的选项,用户可以自由选择切换,其儿童频道YouTubeKids更是彻底取消了算法推荐,改用纯人工筛选内容。 

Facebook新闻版块在2019年开始招聘人工编辑(主要是资深记者),以应对各国政府对其平台充斥极端内容的指控。 

2017年成立的资讯分发平台Substack也是以人工推荐为特色,读者通过邮件订阅来接收内容,这吸引了不少怀旧的客户,仿佛瞬间回到了RSS时代。该产品在多轮融资后估值已经达到6.5亿美元。

为了与之抗衡,Twitter在年初收购了Substack的竞争对手Revue,而Facebook则新近推出了一款名为Bulletin的应用——二者均是以时事通讯作者为主的资讯平台,并采用编辑筛选,按作者订阅的模式。 

另一方面,国家也出台了相关措施,8月27日,国家互联网信息办公室发布了关于《互联网信息服务算法推荐管理规定(征求意见稿)》公开征求意见的通知。

fae46b3e0dad209b15a21c00808da55c.png

图片源自网络,仅做配文展示

意见稿从安全主体、内容管理、检索优化等方面对算法推荐服务提出了具体的管理规定。其中特别提到“算法推荐服务提供者应当向用户提供不针对其个人特征的选项,或者向用户提供便捷的关闭算法推荐服务的选项。用户选择关闭算法推荐服务的,算法推荐服务提供者应当立即停止提供相关服务。”

如果真的关闭算法推荐,会带来时代的倒退吗?

答案是否定的。

这么多年来,算法能够在各个领域得到大规模应用,对信息分发效率的提升以及社会运作有着不言而喻的意义。互联网产品尝试进行一些去算法化的探索,并不是在强行逆转技术的发展趋势。在一定程度上去算法化,只是让算法回归本意,更好地服务人类。

与此同时,不少互联网产品也在对现有算法进行着不断优化以改善用户体验,根本目的就是要找出一种更具“可持续性”的发展模式。

算法的出现是技术的巨大进步。大数据在交通、医疗、教育、工业和城市治理等领域都开始发挥越来越重要的作用。但它们毕竟大都掌握在资本的手里,随时都能成为牟利的工具,而用户只能沦为鱼肉。

我们强烈拥护技术的发展和进步,我只是反思我们在改变世界的时候,世界也在改变我们。我们在创造文明后,又被困在了文明的系统里。我们在创造工具后,又困在了工具的系统里;我们越是追求效率,越是创造工具,就越容易被困死在一个个系统中。

技术最终是为人服务的,只有更人性化的技术解决方案才能走得更长久。

觉得还不错就给我一个小小的鼓励吧!
文本中推断性别与族裔的技术边界与伦理实践 文本人口学属性推断是自然语言处理中的基础任务,其原理在于挖掘语言使用模式与社会结构性差异之间的统计关联,而非识别生物学特征。这类技术依赖词法、句法及上下文语义建模,尤其在Transformer高层捕获社会语义标记。尽管BERT微调、零样本提示等方案可实现70%–92%的准确率,但高准确率常伴随严重伦理风险:族裔误判易激活系统性偏见,性别误判则常与年龄、文化表达混淆。技术价值不应仅以精度衡量,更需关注可控性、可解释性与偏见抑制能力。典型应用场景包括用户画像、内容推荐与合规审计,但在金融、医疗、社交等敏感领域, 阅读详情

相关推荐

机器学习工程师的真实困境:算法迭代、工程耦合与业务漂移

机器学习不是静态知识体系,而是在算法快速演进、系统深度耦合、业务目标持续变化三重张力下开展的动态工程实践。理解模型训练只是起点,真正挑战在于应对前沿模型(如ViT、Swin Transformer)带来的知识半衰期压缩,处理特征管道、推理服务、监控告警等环节构成的黑箱耦合链,并将模糊的业务目标(如留存率、多样性)精准翻译为可验证的技术约束。这种跨层协同能力,决定了模型能否从离线指标走向真实业务价值。本文聚焦工业界ML落地中的隐性成本与认知断层,揭示从Kaggle竞赛到千万级用户产品间的关键鸿沟。

weixin_30906185的博客 376

关闭算法推荐正如刻舟求剑?!

1. 什么是算法推荐?根据草案的定义,「算法推荐技术」是指:生成合成类、个性化推送类、排序精选类、检索过滤类、调度决策类等算法技术向用户提供信息内容。与大众口中日渐妖魔化的挟持热搜、窃取隐...

m0_37586850的博客 283

业余程序员实战指南:低代码与脚本化技术生存术

编程正从职业专属技能演变为现代人的基础数字素养,其核心逻辑在于用结构化思维解决真实问题。低代码平台通过可视化操作大幅降低技术门槛,让非科班用户也能快速构建内部系统;Python等轻量脚本则以50行内代码应对Excel处理、网页数据抓取、桌面自动化等高频痛点。这种‘够用就好’的技术路径,强调以任务为锚点的碎片化学习、以痛感为驱动的需求定义、以最小扰动换取最大实效的工程哲学。它广泛应用于个体经营者库存管理、教师教学工具开发、社区服务数字化等场景,真正实现技术主权下沉——不靠写代码谋生,却靠写代码掌控生活。

lanmh的专栏 427

关闭算法推荐正如刻舟求剑

链接 |https://zhuanlan.zhihu.com/p/404449570(点击文末阅读原文直达出处)作者 | 程引转自|机器学习与推荐算法1. 什么是算法推荐?根据草案的定义...

abcdefg90876的博客 441

DuckDuckGo崛起背后的AI搜索抵制与信息主权觉醒

搜索引擎正从‘结果提供者’演变为‘认知代理者’,AI摘要虽提升效率,却悄然接管信息筛选权,引发用户对决策黑箱与溯源失效的普遍警惕。其核心矛盾并非反对AI技术本身,而是拒绝不可解释、不可干预、不可验证的自动化判断链。DuckDuckGo的爆发式增长,本质是用户主动选择以可控性置换便利性——通过无追踪设计重建信任契约,借精准语法重掌查询主导权,用信源白名单替代算法排序。这一趋势已倒逼内容生产者强化可验证性、开发者开放搜索可解释接口,并推动普通用户系统性提升信息甄别能力。当‘搜得到’让位于‘信得过’,搜索工具的终

weixin_30838873的博客 456

ViT与CNN视觉范式演进:从AlexNet到Transformer的工程真相

卷积神经网络(CNN)与视觉Transformer(ViT)代表了计算机视觉中两种根本不同的表征学习范式。CNN依赖平移等变性、局部性和尺度不变性等归纳偏置,通过堆叠卷积层提取层次化特征;ViT则摒弃手工设计的局部约束,以patch embedding和自注意力机制实现全局统计建模与动态特征重分配。这种转变不仅关乎模型结构更迭,更深刻影响训练稳定性、小样本泛化、部署效率与对抗鲁棒性。在真实工业场景中,ViT并非全面取代CNN,而是与其形成互补——Hybrid架构、attention-aware量化、位置编码

weixin_33671935的博客 579

Gemini 3.1写作能力‘倒退’真相:事实锚定与可控性优先设计

大语言模型的写作能力,本质是生成质量、事实准确性与用户意图匹配度的综合体现。其底层原理依赖于注意力机制、知识检索与输出约束的协同作用,技术价值在于降低幻觉风险、提升可审计性与合规交付能力。典型应用场景涵盖金融文案、医疗说明、法律初稿及企业知识库问答等高确定性需求领域。随着Gemini 3.1引入跨层事实锚定机制和意图-约束解析层,模型从‘自由生成’转向‘验证驱动’,显著强化了对输入依据的回溯能力和对模糊指令的拒绝响应——这并非能力退化,而是将写作控制权交还用户。本文聚焦事实锚定与可控性优先两大核心演进,解析

chutisun0039的博客 612

智能手机用户体验痛点剖析:从系统交互到硬件设计的深度反思

在移动互联网时代,智能手机已成为集通讯、工作、娱乐于一体的核心数字设备。其基础体验依赖于操作系统与硬件的协同,其中系统权限管理、通知机制和后台资源调度是影响设备流畅度与续航的关键技术原理。这些机制的设计初衷是提升服务精准性与用户体验,但在实际应用中,却常因过度索取权限、滥用通知推送及低效的后台活动,导致用户面临隐私泄露、耗电剧增和操作卡顿等问题。从技术价值看,合理的权限控制与通知管理不仅能保障用户数据安全,更是维持系统长期稳定运行的基础。在应用场景上,无论是日常社交、移动办公还是影音娱乐,一个简洁、高效、尊

weixin_33985679的博客 317

[特殊字符] 大模型时代最耻感职业诞生:“AI灵魂安抚师”

《AI灵魂安抚师:人机协作中的情感守护者》 摘要:随着AI技术的广泛应用,"AI灵魂安抚师"这一新兴职业悄然兴起。他们负责弥补AI在情感交互上的不足,解决AI虽能处理90%逻辑问题却无法理解人类情感的困境。当AI遭遇情绪识别灾难、上下文失忆或道德风险时,安抚师通过情绪校准、意图纠偏和道德护航等方式,将冰冷的AI回复转化为有温度的对话。这一角色揭示了人机协作的本质:AI负责提供解决方案,人类则确保方案能被情感化地接受。在技术快速发展的今天,最后10分的"人类感"差距,恰

私聊前往站内信:https://i.youkuaiyun.com/#/msg/chat/weixin_44976692 1109

博客园信息生态重构:取消首页与知识图谱实践

在信息过载与算法黑箱日益加剧的今天,技术社区的内容组织方式正面临根本性挑战。时间线驱动的信息分发机制逐渐失效,中心化首页沦为流量博弈场,而RSS、Linkback、语义引用等基础协议却被长期低估。本文从‘内容即知识’出发,探讨如何以轻量级技术手段重建以高质量文本为硬通货、以自然链接为协作语言、以用户自主筛选为分发核心的技术写作生态。重点解析RSS订阅权回归、结构化元数据注入、双向引用网络构建等关键实践,揭示‘取消首页’并非倒退,而是面向可生长知识图谱的理性跃迁——尤其适用于博客园等垂直技术社区的知识沉淀与新

dingguayi7025的博客 461

28、人工智能领域名人故事

本文讲述了人工智能发展史上几位关键人物的传奇故事,包括信息论之父克劳德·香农、感知机发明者弗兰克·罗森布拉特、晶体管之父比尔·肖克利以及机器学习先驱亚瑟·塞缪尔。通过他们的贡献、挑战与争议,展现了AI领域的理论奠基、模型开创、技术突破与概念启蒙。文章还分析了多学科融合、软硬件协同及伦理问题等发展趋势,并为未来研究者提供了创新、跨学科学习、严谨态度与社会责任等方面的深刻启示。

p8q9r0的博客 164

全自主机器人技术链路拆解:从感知到多机调度

移动机器人的自主能力建立在感知、定位与路径规划等基础技术之上,而ROS2作为主流开发框架,为模块化集成提供了支撑。理解这些原理有助于构建从单机导航到多机调度的实用系统。在仓储搬运、园区巡检等场景中,全自主机器人通过环境感知与安全兜底设计实现高效运行。本文以工程实践视角,拆解从仿真到真机的部署链路,并讨论多机调度与安全机制,为相关开发提供参考。

weixin_34075268的博客 410

【v4l2】在Android SDK中交叉编译v4l2-ctl

为调试Android设备中camera的相关功能,需要引入v4l2-ctl工具。由于厂商提供的Android SDK源码中未集成v4l2-utils(包含v4l2-ctl以及其它组件的工具包),故需要下载v4l2-utils源码,并在Android SDK中交叉编译生成v4l2-ctl可执行文件。本文讲述其过程步骤。

rentong123的博客 1329

AI裁员真相:技术叙事背后的组织危机与能力锚点

AI并非天然具备岗位替代能力,其真实价值在于增强人类在结构化任务中的效率。当前广泛传播的‘AI裁员’现象,本质是企业将经营压力、财务收缩或战略调整等现实问题,通过技术话语进行合法性包装的结果。这种叙事虽降低沟通阻力,却模糊了AI实际能力边界——它尚无法处理高阶人际协调、混沌环境判断与跨系统协同等核心能力场景。识别‘伪AI替代’的关键,在于验证技术部署进度、岗位能力匹配度及组织支撑能力储备。对个体而言,构建不可替代性的路径在于成为业务翻译官、混沌处理器和系统织网者,即掌握AI无法模拟的意图解码、责任决策与隐性

weixin_30279671的博客 419

使用GDScript(godot)生成仿杀戮尖塔地图

使用GDScript(godot)生成仿杀戮尖塔地图 extends Node2D export (PackedScene) var Ball var 被连接数 = {} # 每个怪物被下层怪物连接的数量 最多为2 var 连接1 = {} # 第一次连接的上层怪物位置 var 连接2 = {} # 第二次连接的上层怪物位置 var 怪物数量 = [0,0,0,0,0,0,0,0,0,0,0,0,0,0] # 每层怪物的数量 var 总层数 =8 # 总层数 var 怪物坐标行 = {} #

weixin_45038716的博客 3014

动态刷新曲线_【GhPython应用】利用反射刷新Image sampler组件

【版权声明】| 作者:月之眼|案例图片来源:Sergiu Radu Pop的facebook| 如有侵权,请联系大水牛平台|如果觉得文章不错,欢迎分享效果展示利用python刷新Image sampler组件,主要的思路就是X输入端:输入要切换的图片路径,我的案例中输入了9张图片。然后通过100毫秒切换一张图片显示,来达到动态显示效果。代码分析run输入端类型:bool (I...

weixin_42393829的博客 532

Bankrate叫停AI内容:金融专业内容为何必须人工把关

金融内容不是普通信息,而是影响用户重大财务决策的可信媒介。其核心在于事实准确性、监管合规性与用户场景适配性,而非文本生成效率。AI虽能快速整理利率、条款等结构化数据,却难以理解嵌套否定逻辑、地域性法规差异、隐性成本及真实用户行为意图——这些恰是金融内容‘信任税’的关键构成。Bankrate暂停AI生成文章,并非否定技术,而是将AI降级为数据助理,把监管文件锚定、用户行为验证、历史周期研判等不可替代的人类判断环节彻底前置。这一实践揭示:在高风险决策场景中,专业内容的价值不在于‘说得快’,而在于‘说得准、说得全

weixin_30512043的博客 421

STM32F4驱动海康工业相机实战:从PWM信号到精准触发拍照(附完整代码)

本文详细介绍了如何使用STM32F4开发板驱动海康工业相机,实现PWM信号精准触发拍照的完整方案。从硬件连接到PWM信号生成,再到相机触发配置与延迟补偿,提供了实战经验和完整代码,帮助开发者解决工业相机硬件触发中的关键问题。

weixin_33716941的博客 699

IntelliJ IDEA快捷键大全(2)

其他快捷键=====svn快捷键======ctrl+k 提交代码到SVN。

2401_84149882的博客 717

Vue集成天地图:从定位到交互绘图的完整实践指南

本文详细介绍了如何在Vue项目中集成天地图API,从基础配置到高级功能实现,包括定位、标点、画线等交互绘图功能。通过实战代码示例和性能优化技巧,帮助开发者快速掌握Vue与天地图的结合应用,提升地图开发效率。

weixin_29013129的博客 248

从零部署DeepSeek V4 Flash:NVIDIA DGX Spark实战指南

GPU加速计算已成为现代人工智能基础设施的核心,其原理是通过并行处理架构大幅提升深度学习模型的训练与推理效率。在AI工程实践中,NVIDIA GPU凭借CUDA生态和专用驱动栈,为大规模语言模型部署提供了硬件基础。本文聚焦于企业级AI服务器部署场景,针对NVIDIA DGX Spark多节点系统的硬件初始化、驱动兼容性配置、容器化部署等关键环节,提供从系统层到应用层的完整解决方案。通过vLLM推理框架的实战配置,演示如何将DeepSeek V4 Flash模型高效部署于多GPU环境,涵盖Tensor Par

weixin_32296621的博客 388

2025年网络安全的5大关键挑战,从零基础到精通,收藏这篇就够了!

这简直就是黑客的“自助餐”!但说实话,安全团队真能玩转这玩意儿?现在的数据,将来可能被量子计算机破解?这简直就是“知己知彼,百战不殆”!网络安全这玩意儿,2025年绝对是风口浪尖,但别光顾着吹,坑也多着呢!砸钱、上新工具,结果还是漏洞百出,这生态系统简直就是个“豆腐渣工程”。AI、量子、太空、勒索、DDoS,五大主题听着唬人,真要命的是,哪个都防不住!AI这玩意儿,改变社会是肯定的,但别忘了,它也能改变黑客!现在黑客就能用AI找威胁检测模型的茬儿,你怕不怕?通信、安全、情报、商业,哪个不要靠它?

Javachichi的博客 669

6、高通8155座舱平台--摄像头系统

在项目中遇到过,很多从手机转过来的工程师,上来就按手机那套调Camera,结果发现根本跑不通——为什么?我踩过这个坑——一开始想靠软件打时间戳来对齐,结果发现两个sensor的曝光时间不一样,时间戳根本对不上。我记得第一次调AWB时,怎么调颜色都不对,后来发现是BLC的参数没配好——黑电平偏了,后面所有颜色校正都是错的。上层应用说「我要拍张照」,HAL把它翻译成「ISP你给我处理这帧数据,sensor你给我曝光一次」。8155上推荐用camx,它是高通新一代的Camera框架,性能更好,而且支持多路同步。

woailuojp的博客 59

Windows 11任务栏拖放功能失效?5分钟找回你丢失的高效工作流

还在为Windows 11中消失的任务栏拖放功能而抓狂吗?当你习惯性地想把文档拖到Word图标、图片拖到Photoshop、压缩包拖到资源管理器时,却发现那个曾经流畅的操作现在完全失效了——这不是你的错觉,而是微软在Windows 11中"优化"掉的一个核心功能。幸运的是,Windows11DragAndDropToTaskbarFix这款轻量级工具能让你在5分钟内找回失去的效率,重获Window

gitblog_00250的博客 180

【推荐100个unity插件之2】 DoTween动画插件的安装和使用整合(最全)

摘要:DOTween动画插件使用指南 DOTween是Unity中强大的动画插件,比原生动画更便捷。安装后需进行初始化设置,通过工具菜单生成程序集。主要提供通用方法(DOTween.To)和便捷方法(如transform.DOMove)两种动画实现方式。插件支持丰富的动画设置(循环、缓动等)和事件回调(OnComplete、OnKill)。还提供动画管理功能,包括清除(DOTween.Clear)、完成(DOTween.CompleteAll)和终止(DOTween.KillAll)动画。常用功能涵盖移动、

向宇的博客,专注php/web全栈 unity游戏开发,欢迎大家评论纠错 1万+

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

上一篇: matplotlib可视化必知必会富文本绘制方法
下一篇: 李沐:用随机梯度下降来优化人生!
Wang_AI
博客等级 码龄12年 998粉丝 162原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值