WenJGo的博客

Q-RAG论文摘要 Q-RAG提出了一种无需微调大模型、仅训练Embedder的长上下文多步检索方法。通过将多步检索建模为强化学习问题，Q-RAG利用双Embedder结构（状态Embedder和动作Embedder）计算Q-value，指导检索路径选择。其核心创新包括：1）基于值的强化学习训练检索器，优化证据链构建而非单步相似度；2）相对位置编码增强时序推理能力；3）Soft-Q策略平衡探索与利用。实验表明，Q-RAG在BabiLong、RULER等长上下文任务中表现优异，并能泛化至百万级Token场景，

从底层协议到风控，讲清真正限制的不是协议，而是出口 IP、地区与账号风险。

本文提出ToolRerank方法，针对大规模工具检索任务设计了一种自适应层次感知的重排序框架。该方法通过区分已见/未见工具采用不同候选截断策略（ms=10/mu=50），并利用工具库的层次结构进行重排序：对单工具查询集中同工具API，对多工具查询保持功能多样性。实验表明，该方法在ToolBench数据集上显著优于传统检索方法，NDCG@5达82.1，Recall@5达84.2，同时提升下游LLM工具调用的成功率。创新点在于将工具层次结构信息融入重排序过程，为工具检索领域提供了新思路。

普通 RAG 只是“检索一次再回答”，而 Agentic RAG 让大模型自己决定查什么、查几次、用什么工具、是否继续验证。它正在把知识库问答升级成真正会思考的 AI 助手。

AI Agent 不再只是“会调用工具”，而是开始互相协作。MCP 连接工具，A2A 连接智能体，这套协议正在重塑 Agent 生态。看懂它，才算真正理解下一代 AI 应用。

MCP 正在把文件、数据库、代码仓库、企业系统统一接入大模型，让 AI 不再只是“会聊天”，而是开始真正“会办事”。这篇文章带你一次讲清：MCP 是什么、为什么突然火了、它和 Function Calling/RAG 有什么区别，以及它为什么可能成为 Agent 时代绕不开的底层标准。

老板、同事、前任，甚至“自己”都能被做成 .skill？这不是科幻，而是 Agent 时代正在发生的新玩法。

NLP(IR)里程碑之作，如何优化BERT（chatGPT升级），如果你对NLP,LLM好奇，欢迎阅读全文

本文记录了使用IPIDEA API抓取GitHub仓库信息的实践过程。通过分析网页抓取的工程挑战，包括页面结构不稳定、访问频率受限等问题，作者转向使用IPIDEA WebScraper API解决方案。文章详细演示了API调用方法，展示了抓取结果包含的代码内容、仓库元数据和文件上下文等结构化信息，并利用Python进行数据可视化分析。实践表明，该API能有效降低工程复杂度，提供稳定的数据采集能力，适用于开源项目分析、代码质量研究等场景。

本文详细介绍了在GitCode昇腾云服务器上部署vLLM推理服务的完整流程。从环境准备开始，包括NPU可用性验证和基础算子测试；到模型转换阶段，将Qwen-1.8B模型从PyTorch转换为ONNX格式，再通过ATC工具编译为昇腾专用的OM格式；最后展示如何使用ACL接口在NPU上执行推理。 关键步骤包含：1) 昇腾环境配置与验证；2) 模型格式转换中的问题排查与优化；3) 完整的ACL推理流程实现。测试结果显示，该部署方案在NPU上运行稳定，当批次大小从1增加到8时，吞吐率从12.1提升到87.5 tok

本文对比了华为仓颉语言与Python在数值计算任务中的性能表现。实验选取循环求和与矩阵运算两个典型场景，结果显示：仓颉在计算密集型任务（1-10亿循环求和）中执行速度比Python快约49倍（1325ms vs 64740ms）；在内存密集型矩阵运算中也保持1.1倍优势（9841ms vs 10752ms）。分析表明，仓颉通过编译器优化（CHIR前端优化、SLP向量化等）和运行时优化（轻量锁、并发Tracing等）显著提升了计算性能，尤其适合嵌入式开发和高性能计算场景。随着鸿蒙生态的发展，仓颉在系统级开发领

GroundingDINO是一种基于Transformer的开放集目标检测模型，通过融合视觉和文本特征实现零样本检测。其核心创新在于跨模态融合机制：使用SwinTransformer提取图像特征，BERT解析文本语义，并通过特征增强器、语言引导查询选择和跨模态解码器动态对齐图文信息。相比传统检测模型，GroundingDINO无需预定义类别，可直接根据文本提示（如"红色汽车"）定位目标，在COCO数据集的零样本场景下达到52.5AP。模型支持多任务应用，但存在对复杂语义理解不足、实时性较

本文介绍了图卷积网络(GCN)的基本原理及其在Cora引文网络上的节点分类应用。GCN将CNN思想扩展到图结构数据，通过聚合邻居节点特征来更新节点表示。文章详细讲解了GCN的工作原理、数学公式和典型应用场景。通过PyTorch Geometric实现了一个两层GCN模型，在Cora数据集上训练并评估节点分类任务，最终测试准确率达到80.2%。同时使用t-SNE将节点特征降维可视化，直观展示了不同类别节点的分布情况。代码实现涵盖了数据加载、模型定义、训练过程和结果评估等完整流程，为理解GCN提供了实践参考。

本文介绍了一个基于Python wikipedia库的维基百科查询工具，主要包括四个部分：1) 导入wikipedia库简化API调用；2) 核心函数wiki_search实现关键词查询，返回标题、摘要和URL；3) 包含歧义查询、页面不存在等异常处理机制；4) 提供命令行交互界面，支持自定义语言和关键词查询。该程序通过封装维基百科API，实现了简单高效的信息检索功能。

彻底掌握LPS表，KMP算法就再无难点！超详细解释，新手也能学会！！！

本文系统介绍了栈在括号匹配和表达式计算中的应用原理。括号匹配通过栈的LIFO特性验证嵌套结构，重点处理三种失败场景。表达式计算分为两种方法：双栈法直接处理中缀表达式，需考虑优先级和括号；后缀表达式法先转换再计算，逻辑更清晰。中缀转后缀的核心是优先级规则和栈操作，需特别注意括号处理和操作数顺序。通过多案例逐步分析栈状态变化，帮助读者掌握这两种经典算法问题。理解栈在处理嵌套结构时的延迟执行特性是关键，建议通过实际案例加深理解。

这段代码实现了一个基于文本生成猫咪头像的AI应用。核心功能是让用户输入描述文字，AI自动生成对应的猫咪艺术肖像。它主要使用了diffusers和gradio两个关键库，前者负责图像生成，后者负责交互界面搭建。在环境准备阶段，代码首先安装了必要的依赖包，包括支持扩散模型的diffusers、处理文本的、优化硬件资源的accelerate以及构建界面的gradio。这里特别采用半精度()加载模型，既能保持生成质量，又能大幅降低显存占用，让普通消费级显卡也能流畅运行。

《Colab平台从零搭建StableDiffusion文生图全流程指南》本教程详细讲解了在Colab平台部署StableDiffusion的完整流程：1）安装diffusers等必要依赖库；2）通过HuggingFace账号授权获取模型权限；3）加载StableDiffusion-v1.5模型；4）输入英文prompt生成图像；5）保存结果及参数调节。关键要点包括：必须使用英文提示词（中文效果不稳定）、guidance_scale控制提示词强度（7-12为宜）、可调整图像尺寸和推理步数（25-50步）。教

一文看懂当前最新的知识蒸馏IKD方法

开启我们的yolov8无人机识别模型训练

想打造属于自己的无人机目标识别AI？这篇手把手教程带你从零开始上手实战！在本篇文章中，我们将带你完整走完 YOLOv8 与 VisDrone 数据集的整合流程，涵盖从数据获取到预处理的每一个关键步骤。无论你是初学者还是有一定基础的开发者，都能轻松跟随操作，完成无人机图像数据的标准化转换。🔧 你将学到：如何从 GitHub 下载 VisDrone 数据集并高效管理至 Google Drive在 Google Colab 中快速部署 YOLOv8 环境并挂载云端存储解压数据 YOLO.....

本项目基于深度学习模型 MobileNetV2，实现了对 Oxford Flowers 102 数据集中各类花卉的高效识别。我们使用 TensorFlow 构建模型并在图片文件夹中进行批量预测，最终通过可视化展示识别结果。即使你不是植物专家，也能轻松分辨不同种类的花卉，赋能教育、旅游、农业等多个领域。通过本篇博客，快速掌握智能识花系统的完整流程，从训练到部署一站式搞定！

想知道AI能不能看懂你在画布上随手画的猫、狗或者熊猫吗？本篇文章带你从零开始，基于 Google 的 QuickDraw 数据集，使用 TensorFlow 搭建卷积神经网络，实现一个轻量级的手绘图识别模型。不仅包含完整的模型训练代码，还有交互式画布演示，让你画完就能看到预测结果。让AI看看你画得像不像真的熊猫！

本文介绍了一个基于Python的天气查询工具的实现方法。该工具通过和风天气API获取实时天气数据，并整合了时间显示和名言功能。文章详细讲解了代码实现思路，包括数据获取、异常处理、界面美化等模块。核心功能使用requests库进行API调用，通过pyfiglet和rich库实现终端可视化效果。同时提供了获取和风天气API的完整指南，包括注册流程、调用规范、注意事项等。该工具支持中文城市名查询，返回包含温度、湿度等信息的精美表格，并附带当前时间和随机名言，提升了用户体验。整体代码约150行，结构清晰易于扩展。

专为零基础入门者设计的 Google Colab 教学文档与实战案例，带你从认识 Colab 到实际动手写代码，逐步掌握 Python 基础语法、数据可视化、文件读取及简单机器学习模型。无需安装环境，打开浏览器即可轻松开始编程之旅，让你在云端自由学习、练习与探索数据科学的魅力！

🔥 ​​「Colab模型下载终极指南：告别卡顿，1分钟搞定大文件！」​​还在为Colab下载模型时无限卡死崩溃？亲测三套方案：🚫 慎用files.download()——90%概率卡住不动！✅ ​​强推Google Drive网页下载​​：挂载→复制→网页端一键下载，64MB模型1分钟极速搞定，进度条肉眼可见！💡 紧急备用：压缩后再下载，稳定性+1但速度仍有限。👉 ​​结论​​：Drive网页端是唯一可靠方案，别再浪费时间试错了

​​模型构建​​：基于MNIST数据集，使用Keras搭建卷积神经网络（CNN），详解数据归一化、网络层设计与准确率优化技巧（测试集准确率>98%）；​​交互实现​​：结合OpenCV创建绘图界面，实现鼠标手写输入、实时预测与置信度显示，解决用户手写图像预处理（缩放、归一化）与模型对接难题；

Python制作小游戏——贪吃蛇（PyGame），新手也能学会，完整源码提供，你确定不来看看？

这篇文章介绍了使用Python的Turtle库创建艺术图案的方法。主要内容包括：1. 基础螺旋花的绘制技巧，通过彩虹颜色渐变和59度旋转角实现美观图案；2. 进阶玩法如模拟梵高《星空》效果，包含随机星星、旋涡和波浪线的组合；3. Turtle库的特点和实用技巧，如色彩模式转换、图形优化等。文章展示了如何将简单的绘图命令通过数学规律和创意设计转化为富有艺术感的数字作品，特别适合编程与艺术相结合的创作实践。

如何使用摄像头、Mediapipe和OpenCV创建一个虚拟键盘，用户可以通过手部动作来“按压”虚拟键盘上的按键。代码通过检测手部位置和动作来确定哪个按键被按压，然后模拟实际的键盘输入。

此论文创新性地提出了用于工业缺陷检测的自监督预训练框架 SPD（Spot-the-Difference），通过设计类“找不同”任务训练模型识别细微差异，引入 SmoothBlend 算法生成更加自然、真实的微小伪缺陷，并结合对比学习中兼容的正则化目标，引导模型学习具备更强判别能力的特征表示，从而有效提升模型在跨对象、多类复杂工业场景下的泛化能力。

生成模型：如受限玻尔兹曼机（RBM）、自编码器（AE）、生成对抗网络（GAN）判别模型：如卷积神经网络（CNN）、循环神经网络（RNN）混合模型：结合生成与判别优势，如 CNN+AE、CNN+LSTM 等结构本文是一篇高质量的综述论文，系统性强、覆盖全面。其贡献不仅在于分类和总结已有方法，还指出了当前的技术空白与研究潜力，对从事智能感知、人机交互等方向的研究者具有很高的参考价值。

一个标准的VQA任务由如下三部分组成：图像 III：一张待理解的自然图像；问题：用自然语言提出的问题；答案 A：基于图像内容与问题语义生成的回答，通常为短文本或选择项。

缺乏可解释性。为增强用户对系统的信任，研究者提出，即通过自然语言生成解释，帮助用户理解模型的推理过程。然而，现有VQA-NLE方法存在三类关键问题，严重影响解释的“可信度推理不完备（Deductive Unsatisfiability）：解释无法逻辑上导出答案；事实不一致（Factual Inconsistency）：忽视图像真实信息，解释与事实不符；语义扰动不敏感（Semantic Perturbation Insensitivity）：小幅语义改变下模型仍输出相同解释。MCLE在两个数据集上全面领先。

大多数面部表情识别 (FER) 模型都是基于大规模表情数据进行集中式学习训练的。然而，由于面部图像的隐私问题，在实践中收集大量集中式表情数据非常困难。本文在个性化联邦学习框架下研究 FER，这是一种极具价值且实用的去中心化学习方法，适用于实际应用。为此，我们开发了一种新颖的基于超图的不确定性感知标签细化 (AMY) 方法。对于局部训练，每个局部模型由主干网络、不确定性估计 (UE) 模块和表情分类 (EC) 模块组成。

图像复原作为计算机视觉中的核心问题，其目标是从退化图像中恢复出尽可能清晰的原始图像。本文围绕两种关键机制展开研究：一是递归逼近策略，即通过迭代优化不断接近最优解的计算手段；二是成像特性约束，即利用相机或成像系统的物理退化模型（如运动模糊、散焦模糊）对求解过程施加约束。我们通过构建模拟实验，分别在使用正确与错误成像模型的前提下，对比递归逼近在图像反模糊中的表现，实验证明成像模型的准确性显著影响最终复原质量。本文进一步探讨了成像约束在提升模型收敛速度与重建可信度方面的作用，并为图像逆问题的进一步研究提供了方向参

把摄像头前的人脸转化成像素化的“游戏角色”，配合马赛克风格和网格线，特别像《Minecraft》里的角色设定！实时处理风格变换，再加上实时 FPS 显示，简直像是一个轻量版的像素变身系统。

使用OpenCV、Dlib等工具实现AI换脸技术，详细讲解了代码的实现步骤，并展示了最终效果。通过人脸特征点的检测、三角剖分以及无缝融合技术，达成了自然的换脸效果。

一问看懂BP神经网络如何正确的设置结构。

为什么还有人不会CNN啊？写这么详细你还不看呐QWQ