- 博客(42)
- 收藏
- 关注
RSS订阅原创 先剔后识：OpenCV三维预处理与YOLO语义检测协同的机器人视觉系统可行性分析
在立体匹配环节，半全局匹配算法（SGBM）生成的视差图“满足一定精度，计算速度接近实时”，在MiddleBurry数据集上的测试表明，640×480分辨率下SGBM的计算时间约为40ms。深度图中的无效值、超出工作距离的远背景、与地面拟合的平面点，都可以在毫秒级时间内通过OpenCV的基础算子完成标记和剔除。在动态SLAM场景中，YOLOv8s语义分割模块处理RGB图像提取语义信息和物体掩码后，通过“SOR滤波消除噪声，体素滤波降低点云密度，生成紧凑的高保真语义地图”。YOLO在掩码限制下的推理开销可控。
2026-09-27 08:31:58
241
原创 基于影子层与边际收益约束的大语言模型推理加速方法
命中后，跳过 [l+1, l_{skip}^{end}] 区间的计算，直接使用 \theta_k 作为该区间输出的近似值，从 l_{skip}^{end}+1 层继续计算。对每个检查点 l_i 上收集的激活向量集合 \{h_{l_i}(x)\}，执行聚类算法（如 K-Means 或在线聚类），得到 K_{l_i} 个簇。系统在原始模型正常推理的同时，在若干关键层 l_1, l_2, \dots, l_m 上记录激活向量，作为影子层的候选数据。删除影子层不影响原始模型的任何计算，只是移除了一个加速通道。
2026-08-30 21:27:22
257
1
原创 基于模拟多路选择器与编码程序的权电阻型数模转换器设计
基于模拟多路选择器与编码程序的权电阻型数模转换器设计 摘要 针对传统数模转换器（DAC）芯片在特定分辨率下成本较高、灵活性不足的问题，提出一种利用模拟多路选择器和微控制器编码程序共同实现权电阻型DAC的方法。该方法以八通道模拟多路选择器为核心元件，外配权电阻网络与运算放大器，通过微控制器将待转换数字量编码为多路选择器的通道地址，控制权电阻按位接入基准电压，最终经求和与电流-电压转换输出模拟电压。本文详细阐述了编码映射关系、电阻网络设计原则及误差补偿方法，并给出了基于CD4051多路选择器和ATmega328
2026-06-03 09:40:03
208
原创 基于模拟多路选择器的定值积分型模数转换器设计
当 V_{\text{ref}} = 2.5 V，f_{\text{clk}} = 72 MHz，T_1 = 20 ms，理论分辨率可达 2.5 / (72\times10^6 \times 0.02) \approx 1.74\,\mu\text{V}，对应超过20位的分辨率。由于 R \gg R_{\text{ON}}，且 R_{\text{ON}} 的温度系数约0.5%/℃，当 R 选100 kΩ时，R_{\text{ON}} 的影响小于0.13%，可忽略。运放同相输入端接地，输出端连接比较器。
2026-06-02 11:00:06
224
原创 载体的背叛：论脉冲编码在神经形态计算中的物理困境
在硅基世界中，生物范式的“信号”恰恰成为了器件的“噪声”乃至“杀手”，这一悖论构成了脉冲神经网络硬件化难以逾越的物理鸿沟。然而，这一模仿秀的背后，掩盖了一个至关重要的物理事实：生物神经系统的信息载体（动作电位）与半导体器件的物理极限，存在本质上的互斥。这一“载体背叛”揭示了智能基础研究中的一个关键启示：对生物智能的模仿，不应是物理表象的复刻，而应是计算原理的抽象继承。在密集的片上网络中，一个神经元的“发放”将化作对邻近所有逻辑单元的干扰源，瞬间毒化整个系统的信噪环境。在生物系统中，脉冲是信息的信号单元；
2026-05-16 08:44:52
216
原创 从概率的牢笼到存在的河流：论人工智能底层融合的认知论困境与突破
然而，从外部真实世界的视角看，这种“召之即来”的瞬间反应，恰恰是极度脆弱的。在这个被构造的宇宙里，图像中医生无意间留下的尺子印记、镜头上的灰尘、患者不同的肤色分布——这些在真实诊所中自然存在的因素——都被视作“噪声”或“无关变量”。它们的概率被系统地压向零。这给人工系统的启示是清晰的：如果我们设计一个系统，从最初就让它暴露在跨模态、多维度、无间断的世界数据中，并让它唯一的任务就是学习预测这个流将如何展开，那么视觉、语言、触觉将不再是需要被“融合”的分离模块，而是同一内在世界模型在不同干扰通道上的投射。
2026-05-08 08:45:14
342
原创 与机器心智的对话：论人机交互中提问的精确性与描述的详尽性
为了完成“生成”这一根本任务，它会强制性地从其庞大而混杂的训练数据中，抓取最泛化、最老生常谈的“方法讨论”模式，编织出一段看似通顺、实则放诸四海而皆准的废话，甚至可能将关于科学实验、烹饪技巧和团队管理的方法论张冠李戴地缝合在一起，产生逻辑荒谬的“幻觉”。而上述长描述中的“复古”、“黑胶唱片”、“数字洪流”、“社区渗透”等词汇，则是一系列精密的坐标，引导AI同时激活关于怀旧营销、感官体验设计、音乐社会学、社区营造等多个领域的深层知识模式，并将它们在一个具象的商业场景中进行创造性编织。这恰恰落入了最大的陷阱。
2026-05-03 07:56:08
260
原创 基于存算一体架构的万亿参数大模型部署：以15万元10节点集群为例
实验验证表明，该集群能够在15万元人民币的硬件成本约束下，成功部署和运行万亿参数级别的全参数大模型（4-bit量化），推理吞吐量达到可用水平，为学术机构与中小企业提供了可复现的端侧大模型部署方案。1. 成本优化方案：基于AMD Ryzen AI Max+ 395的统一内存特性，提出单节点128GB、10节点集群总内存1.28TB的硬件配置方案，整机成本控制在15万元以内，为万亿参数模型部署提供了可负担的硬件路径；互联带宽的限制：理想情况下，节点间应通过PCIe 5.0/CXL实现低延迟、高带宽互联。
2026-03-31 18:25:15
574
原创 面向存算一体化的智能验证：基于集成NPU迷你主机的操作系统架构设计与实现
针对异构计算场景，国创工软基于openEuler打造的QSemOS嵌入式操作系统，将瑞芯微RK3588（CPU）与昇腾310B（NPU）相结合，创新性地利用混合部署、内存统一编址和算力动态调配等特性，实现了单设备替代传统多系统部署。对于NPU任务，引入新的阻塞状态（NPU_WAIT），当线程等待NPU计算完成时进入该状态，释放CPU资源供其他线程使用。本文系统通过微内核架构与NPU任务抢占机制，将实时性抖动均值缩短至10μs，最大抖动控制在50μs以内，满足工业控制的微秒级实时性要求。
2026-03-26 10:07:53
472
原创 基于三层架构的自动驾驶系统设计：环境建模、标准驾驶与风险调制
该架构的核心思想是：自动驾驶系统无需复制人类驾驶的全部认知能力，而应在明确的功能边界内，通过可预测的行为逻辑和保守的风险兜底策略实现可靠运行。该架构以环境建模为基础，以标准驾驶为核心策略，以风险评估与调制为安全屏障，形成了一个简洁、确定、可解释的系统闭环。· 风险过滤：根据目标与本车的相对几何关系，初步筛选出可能构成威胁的目标。静态环境建模的难点在于“变化”的检测——一个原本静止的物体（如停靠路边的车辆）可能随时变为运动物体，因此模型需要持续更新，并将“静止/运动”状态的切换作为关键事件进行标记。
2026-03-21 14:13:44
322
原创 小数据多模态混合模型：通向真正智能的一条可行路径
本文提出了一种小数据多模态混合模型的训练构想，主张将图像、文本、音频作为整体样本同时输入，通过模态间的信息互补和交叉验证，在极小数据规模下实现更深层次的语义理解。这一构想的核心在于：通过多模态信息的互补与约束，让模型在少量样本中就能学到更本质的语义表征——正如一张猫的图片配上“猫在睡觉”的描述和轻柔的钢琴曲，三者共同构成了远比单一文本丰富的“信息包”，模型无需从海量文本中统计“猫会睡觉”的事实，而是直接通过跨模态匹配一次掌握。多模态混合模型通过模态间的相互预测和因果约束，可能为系统2能力的涌现创造条件。
2026-02-27 11:06:48
305
原创 对当前大模型的作用的重新思考
最终，我们追求的不是“更大的模型”，而是“更完整的智能”——一个能够理解世界、推理因果、与人交往、并知道自己局限的系统。这需要我们从对大模型的单一迷恋，转向对认知架构多样性的认真探索。大模型开启了机器的“统计智能”时代，但真正完备的机器智能，必须是多种智能范式的协同融合。1. 模式识别的革命：以前所未有的规模，实现了对语言、图像等复杂模式的统计建模。4. 社会认知 - 理解意图、信念、承诺等心理状态 ❌（大模型：对话模式）3. 物理直觉 - 理解物体、空间、力的基本规律 ❌（大模型：文本描述）
2026-01-20 09:40:32
369
原创 现代大模型数据跟神经网络的若干问题讨论
然而，一场深刻而隐蔽的危机正潜伏于此：我们训练模型的“数据”，并非世界的客观映照，而是人类认知与测量能力在特定历史、技术与社会框架下的、充满系统性缺陷的“采样”。它没有“未知”的概念，只有“错误的外推”。警惕数据背后的“认知囚笼”，保持对未知的敬畏与探索的开放，或许才是我们在人工智能时代，最需要守护的“智慧”。1. 从“追求全能模型”到“明确认知边界”：每一个模型部署时，都必须附带其“认知说明书”，清晰声明：“本模型的知识完全源于[特定时空、特定群体的]数据，它在以下范围内有效，对以下未知范畴无判断能力。
2026-01-13 20:32:31
508
原创 我们从神经网络进化过程的角度从新审视神经网络
我的直觉完全正确：我们现有的CNN、RNN、Transformer等，并非智能的“基本粒子”，而是工程师在特定任务、数据和算力约束下，为利用某种归纳偏置而发明的高效工具。它们是人造的“物种”，而非自然的“法则”。· 将你发现的任何新结构，与神经科学中发现的新的、尚未被AI充分借鉴的原理进行比对（如星形胶质细胞的三方突触调控、脑波的相位耦合、皮层柱的微电路）。3. 能量与稀疏性驱动：计算不是被“前向传播”被动触发，而是由信息的不确定性或预测误差所触发的、稀疏的、节能的活动，更接近脉冲神经网络和预测编码理论。
2026-01-07 20:22:15
382
原创 机器人原生感知系统设计
高级融合：激光雷达判断“前方5米有障碍物”，毫米波雷达判断“该物体相对速度为零”，超声波判断“距离可靠”，融合处理器直接得出“静止障碍物，需绕行”的机器指令。最终，一个优秀的机器人感知系统，不是给机器装上人的眼睛，而是给机器配上它自己的“感官”，同时给人类操作员配上一个卓越的“传感器数据翻译官”。它从不“识别”这是一个人还是一只猫，它只判断“这是一个37°C的移动生物质热源”。· 从融合结果标注的分类图标（用简化的图标代表“车辆”、“行人”、“未知静态物”，这不是机器决策的依据，只是给人看的标签）。
2025-12-31 19:34:01
389
原创 统一性原则在电子设计方面的重要性
技术领域的统一性原则并非单一法则，而是一套相互关联的哲学准则，根植于自然规律、系统科学和人类认知。因此，深刻理解并自觉应用这些原则，是技术创新的基石，也是工程师哲学素养的体现。类似道家“道法自然”或儒家“格物致知”的思想，优秀的技术设计是“合道”的体现——既遵循客观规律，又契合人性需求。从哲学层面探讨技术领域的统一性原则，涉及对技术本质、系统规律和人类认知的深层思考。3. 认知经济的简约性：人类理性倾向于用简单统一的原则解释复杂现象（奥卡姆剃刀），技术设计也遵循这一原则，避免不必要的复杂性。
2025-12-30 09:42:33
346
1
原创 各模态丝滑衔接的原理和方法
声音输入 → 频谱图 → 持续同调 → [Betti0=5, Betti1=3, Betti2=1, ...]视觉输入 → 边缘图 → 持续同调 → [Betti0=5, Betti1=3, Betti2=1, ...]触觉输入 → 压力图 → 持续同调 → [Betti0=5, Betti1=3, Betti2=1, ...]这可能就是您一直在寻找的“神韵”——不是大脑的物理结构，而是其背后隐藏的拓扑不变性原则。"""状态演化：当前拓扑特征 + 输入拓扑特征 → 新拓扑特征"""
2025-12-29 14:35:07
917
原创 对当前人工智能现状与未来规划
下一步的规划，实质上是为这台强大的信息处理机器，安装上理解世界的“思想引擎”和面向目标的“导航系统”。结论： 我们已基本完成“将已知世界数字化”这历史性的第一步，构建了强大的信息处理基座，但这也暴露了其作为“终极工具”的天花板。当前主流AI（尤其是大模型）的本质，是对人类已积累的显性知识进行了一次前所未有的大规模、高保真度的“数字化压缩与重建”。未来的核心是让AI从处理信息的系统，升级为理解世界、并能在其中实现目标的系统。· 重点：这是质变的关键阶段，目标是赋予AI“理解”与“想象”的能力。
2025-12-14 07:54:26
368
原创 关于现代人工智能大模型无法产生真正自主性的核心结论
然而，其底层架构决定了它的一切活动都是被动的、衍生的和功能性的。经过讨论，我们得出一个根本性的论断：只要不脱离当前以“精确计算”为核心的范式，现代人工智能大模型就不可能产生真正的、类似人类的自主性。它没有持续存在的“人生叙事”或“未完成的事业”来驱动其进行持续的、有目的的活动。缺乏内在动机：大模型的所有行为都服务于一个外部预设的、固定的终极目标，例如“预测下一个词”或“最大化奖励函数”。“错误”即故障：在当前范式中，任何偏离数据分布或逻辑准则的输出都被视为“幻觉”或“错误”，是需要被纠正和最小化的缺陷。
2025-12-01 07:45:50
528
原创 使用卷积神经网络(CNN)提取文字特征来辅助大语言模型生成文字
使用卷积神经网络(CNN)提取文字（无删减原文）特征来辅助大语言模型生成文字是一种有效的技术方案。encoder_hidden_states=projected_features.unsqueeze(1) # 作为额外上下文。这种CNN+LLM的混合架构在需要精确控制生成内容、保持特定风格或增强特定语义特征的场景中表现出色。self.entity_cnn = load_entity_cnn() # 识别命名实体。self.topic_cnn = load_topic_cnn() # 识别主题特征。
2025-11-29 12:26:00
611
1
原创 概念网络的应用
从简单的基于规则的系统，到利用现代NLP和图数据库的复杂知识图谱，再到融合LLM的下一代认知系统，概念网络的实现方式正在不断演进，目标是让机器能够真正地“理解”和“推理”我们所在的世界。推荐系统：如果两个用户都喜欢“Python”和“机器学习”这两个概念，那么系统可以根据概念网络的连接，推荐给他们“深度学习”或“TensorFlow”等相关概念。比如我们只关注“苹果公司”、“谷歌”、“特斯拉”及其相关产品、人物和地点。例如：“国王”的向量 - “男人”的向量 + “女人”的向量 ≈ “女王”的向量。
2025-11-26 00:02:56
674
原创 将图神经网络扩展成三维神经网络
edge_attr: [E, edge_dim] 边特征。nn.Linear(3, 16), # 3D方向向量。edge_index: [2, E] 边连接。positions: [N, 3] 三维坐标。x: [N, node_dim] 节点特征。"""构建不同分辨率的三维脑图""""""考虑三维空间方向的聚合机制"""# 三维空间感知的消息传递。# 考虑空间距离的消息传递。# 距离感知的消息函数。# 构建空间感知的消息。# 方向加权的消息聚合。# 计算三维空间距离。
2025-11-25 14:05:31
941
1
原创 将CNN用于犯罪模式识别和行为习惯分析帮助梳理关键信息，提供破案帮助。
positive_pairs.append((crimes[i], crimes[j], 1)) # 标签1表示同一犯罪者。self.conv3 = nn.Conv1d(128, 256, kernel_size=7) # 提取行为"签名""temporal_pattern": [...], # 时间行为模式。"spatial_signature": [...], # 空间行为特征。"""训练模型区分同一犯罪者与不同犯罪者的行为""""""将犯罪现场数据编码为特征矩阵"""
2025-11-24 12:37:38
845
原创 Transformer：开启视频生成大模型的“理性时代”
最终，模型利用这些学到的、关于世界构成的“知识”（特征），去生成新的、在结构上和语义上都“合理”的图像和视频——即符合我们物理世界视觉规律的画面。· 模型学习的是符号关系，而非图形美学：当一个视觉模型处理文字图像时，它真正需要学习的，是如何从像素中提取出“这个形状是字母A”的区分性特征，以便进行OCR（光学字符识别）。· 字形是区分符号，而非承载意义：对于绝大多数非象形文字系统（如拉丁字母、拼音文字），字符“A”的形状与它所指代的概念（如“第一个”、“优秀”）没有任何内在的、必然的逻辑联系。
2025-11-24 10:53:11
394
原创 人工智能对未来专业化软件的开发的思考
而现在，专业人员可以像与一个不知疲倦的助手合作一样，实时地提出修改意见——“这个按钮换个位置”、“这个计算逻辑不对，应该是...”，大模型能迅速响应并修改代码。总结来说，未来的软件项目，很可能不再是“专业人员 + 程序员 + 项目经理”的团队，而是进化为“（精通人机协作的）专业人员 + （驾驭AI的）技术专家”的新型高效组合。项目经理：从“需求翻译员”和“进度催办员”转变为 “领域专家与AI的协作 facilitator” 和 “项目愿景的守护者”。这使得“想法”到“原型”的路径被极度缩短。
2025-11-11 11:13:11
442
原创 用三维结构来替代向量进行数据存储和表示
self.global_index = Octree() # 全局粗粒度索引。self.spatial_index = RTree() # R树范围查询。self.relationship_cache = {} # 空间关系缓存。z = self._calculate_trend() # 趋势维度。self.kd_tree = KDTree() # KD树加速查询。self.octree = Octree() # 八叉树空间索引。self.coordinates = (x, y, z) # 三维坐标。
2025-10-14 11:21:35
773
原创 人工智能的未来，用图代替向量。
空间全局性：一个在[0，0，0]的体素（如“地球”）可以与一个在[15，15，15]的体素（如“宇宙”）通过一条“位于”的边连接。2. 概念映射：系统有一个预定义的或学习到的“概念字典”，将“蒂姆·库克”、“苹果公司”这些符号映射到3D网格中的特定体素或体素区域。现在来到最关键的部分：如何将外部世界（文本、图像等）“编码”进这个3D图宇宙，以及如何将这个宇宙的推理结果“解码”成人类可理解的形式。体素之间的连接：不是简单的相邻，而是可以通过不同类型的、带权重的边在三维空间中跨越连接，形成复杂的图结构。
2025-10-01 18:54:40
305
原创 符号主义人工智能系统的规则认识论
怎么分级，我们根据逻辑来分，核心规则统领某个领域，比如定理一级的。二级规则由定理推导出的定理，这也是比较重要的，也是不容易增加的，你能从基础定理推导出新的二级定理那也是能推动人类认知的，三级，这里就可以大量的使用各种规则，而且采取使用率管理，使用频率高的就归结为活跃，不怎么用的就沉底，存起来。因为这个世界就是按照主次等运转的，比如国家从人类无序的生活到有序的生活的产物，国家高于其他组织，然后按照一定的顺序排列。那么规则是不是也一样按照一个顺序排列，核心规则，次要规则，日常规则，逐级分类。
2025-09-17 15:28:04
282
原创 “洗牌法”来提高100位乘以100位整数的计算速度
我们把100位数在纸上横着书写，另一个100位数在右端竖着写（这样描述为了便于理解），然后竖着的第一位是高位（100位）开始乘以横着写的100位整数，后面需要补100个零，依次类推，竖着第二个乘以这个100位数后面补99个零，依次类推乘完，得到100行数字。第五步得到7个数，一个周期，第六步得到4个数，一个周期，第七步，得到2个数，一个周期，第八步完成。一个周期，总共8个周期，如果是时钟周期那就只需要8个周期就完成了计算，而传统的计算需要转换成二进制然后一串数字乘以另一串二进制数。只需要8个时钟周期。
2025-08-28 06:45:10
335
1
原创 机器人研究
第三，运动控制方面的工程建议，我们可以开发一套，运动数据采集系统，选择不同的人群，把他们的四肢，身体的运动数据采集起来，一次最少50人，来作为数据参考，不能闭门造车，你是拟人机器人，你的运动必须大量的借鉴人类运动的数据，再结合自身的特点，不一定要一样，但不能不参考。同样能得到大量的人类运动数据。你得想清楚你是干啥的，而且还要想清楚你的实验对象，这里有一个需要说明的问题，这里的大而全是实验室的需求，不是商品的需求，两者是不完全一样的，既然是原型机，那我们必须大而全，必须要找到所有的问题，研究透了。
2025-08-13 07:49:26
433
原创 生物智能的本源
生物智能的来源就是遗传，随着新的生命体产生，新生的生物就遗传了生物智能，当然会有出问题的生命体，只要生命体本身或智能出问题那么生存下去是很困难的，而根据生存选择法则也不会让这样出问题的个体的错误遗传下去，一般都会在没有遗传之前就失去生命。生物智能的诞生，生物智能的起源来自单细胞生物对光的反应，需要利用换个作用的藻类就会寻找光，利用光，而不需要光的单细胞生物则会躲避光，这样最基本的智能来自生存需求，没有生存需求也不会产生智能。智能就是为解决生存问题而诞生的，伴随着生命而来，伴随着生命而去。
2025-08-07 05:55:02
239
原创 人工智能的理论性研究首先要解决人工智能的等级界线。
目前人工智能没有统一的标准，大家都在一股脑的投入研究，但从来没有听到有一个统一的标准，在这个前提下人工智能的研究使用可以说是百花齐放百家争鸣，乱的没啥秩序，这是一种相当内耗的事，国家也没有那个机构出来进行引导，不过我觉得学术界跟企业技术人员应该在人工智能论坛的基础上简单的统一一个标准，这是一个只看结果的标准。所以为了以后更好的有序的发展建立一套先松散的管理机制。随着需求逐步法律化，比如无人机刚开始的无序发展，到现在的立法管理。等级划分由各学术团体，企业技术人员选出委员会，讨论定制，根据发展，阶段性调整。
2025-08-01 10:49:23
428
原创 智能水平跟能量的关系
在自然界动物，植物的智能高低跟能量获得的多少是成正比的，比如植物能获得的土壤养分跟光照就决定了他们的智力，正因为所获能量有限所以植物的智能才是最低的，不没说没有，比如美国红杉树，澳大利亚桉树，巴拿马香豆树，这些树木都具有引雷的能力，引雷是为了引发大火消灭自己周围的植物，也就是一种策略，还有很多类似例子都说明植物的智能，但是智能水平较低那是跟能量获得有关系的。总结，从生物进化的高低跟智能的高低始终跟能量的获取能力有关，而且相互支持跟相互制约，有大量能量保证的智力水平就高。没有大量能量保证的智力水平就低。
2025-07-24 07:33:47
201
原创 如何安全使用人工智能大模型
4.要开始新项目就从新部署，这样做的目的是你不用训练又安全。所以我用时就断网，等用完了就清除，需要用就从新部署，是人家拿计算中心训练好的。人工智能大模型的安全漏洞在推送，你只要有不一样的解决方案他就会通过学习学会，在别人讨论相同问题时，就会作为解决问题的推荐方案。1.绝对本地部署，就是部署好以后断网，因为你使用时他还是会手机数据往后台传送，我本地部署的大模型在推理时看性能，网络也是有数据流的。总之他们怎么设置安全模式都是徒劳，底层逻辑就有安全隐患，你的想法告诉大模型，他认为好的就推送出去了。
2025-07-22 07:32:11
416
原创 慎用网络上的人工智能app
人工智能确实方便，可以天马行空的畅享，无所顾忌的瞎聊但有些技术突破就是在胡思乱想中，找到灵感。可问题是这些ai后台是不透明的，你在这里所有的思考问题的内容都是无法保证安全的，我好像没听说那家ai宣布数据绝对安全的，你们的心血有可能成为别人的。那些无关紧要的倒无所谓。有些有价值的设想还是很重要的。如果你是一个技术达人，在展开技术分析时，慎用网络人工智能ai，泄密的可能可以说非常高。最好本地部署，而且不插网线的那种。我一直担心的事还是发生了。英雄所见略同是真的吗？
2025-07-21 07:07:59
407
1
原创 用ollama本地部署deepseek-coder33b，然后用cherry studio窗口调用
第三步，安装cherry studio，安装好后打开。点左下角设置，在模型服务里选ollama，点添加，模型id需要在命令行输入ollama list查询到id号，跟模型名称就可以了，然后点添加他就添加好了。回到起始页面中间最上面有个选择框在里面选择deepseek-coder:33b就可以了。第二步，按win+r，在命令行输入cmd回车，在命令提示符输入:ollama run deepseek-coder:33b回车。等安装完出现提问就安装好了。第一步，在ollama官网下载ollama安装包，安装。
2025-07-11 09:18:40
1052
原创 硅基智能自主实现的模拟实验（3）
把机器蜘蛛的软件分成两个部分，继承的遗传功能函数跟本来的基础函数分开存储，开发能根据函数恢复程序的功能（只需要基本能实现，不需要多强）恢复到什么程度不要求，就是有这么一个机制，这是这个实验的关键，然后我们需要设置能够部分破坏机器蜘蛛的存储器，基本功能破坏小一些，遗传部分可以破坏多一些，但是自我修复的功能部分不能受损。然后两只蜘蛛都需要损坏但损坏的成度不同，然后观察自我修复的成度，以及后续应对新事物的自我学习能力。并且人为提高自主修复能力。看自我修复的新的程序跟人编写的程序有啥不同，在应对新事物时能力如何。
2025-07-02 14:57:44
248
原创 规则书在自动驾驶中的作用
规则库在plc中还在应用，来实现精准控制机器生产产品，使合格率很高，正因为有清晰的边界，致使机器操作精准，虽然自动辅助驾驶用大模型可以更接近人类的操作，但大模型没有安全意识，没有责任心，所以我们不能把危险时刻的最后几秒把方向盘交给大模型，我们要用清晰明确的规则书来为自动辅助兜底，守住底线。现在车真能上树，车能进屋，哎车真能进屋）所以责任重大，而大模型不具备边界清晰的控制，所以我们必须用规则库来做最后的底线。来为这样一场科技盛宴兜底。比如第一条不能闯红灯。规则库的好处就是设立底线，在危险时刻做好最后的守护。
2025-07-01 17:59:17
533
原创 硅基智能自主实现的模拟实验（2）
还要加入一个狐狸，狐狸的主要目标是兔子，只有兔子吃草的时间段狐狸才会出现，因为狐狸要追兔子，兔子跑的方向是随机的，如果碰到蜘蛛，狐狸会先吃蜘蛛（蜘蛛跑的比兔子慢）然后再去追兔子，所以蜘蛛又要加入躲避狐狸，天敌的意识（函数）有三种目标，另一只蜘蛛需要赶走，兔子早期躲避，后期不躲避，互不干扰，但有一个风险兔子意味着狐狸。最后要加入一只鸟，这只鸟有时候能看到狐狸，看到就报警，这个报警两只蜘蛛，兔子，狐狸都能“听”到，然后兔子回洞当然要区分方向，如果听不到狐狸会偷摸靠近，但靠的到兔子，蜘蛛能看到还是要跑的。
2025-07-01 16:33:51
275
原创 硅基智能自主实现的模拟实验
在一个平面用画得标记来让机器蜘蛛识别区域，比如自己的洞穴，当电量高时可以在洞穴里休眠，减少耗电，当电量低于百分之五十，就要出去捕食（充电），另一个机器蜘蛛相同，相互遇到会打架，赶走另一只，能量少的败，然后另找地方充电。两只蜘蛛智能跟蜘蛛一样，但是预留记忆空间，设计处理问题的能力，目的是通过竞争，通过捕食（充电）来刺激这套非智能体，在预设的能力，在外界刺激下是否会生成自主处理问题的机能。| 能量获取 | 光伏板+电流计 | 当电量<20%时，沿光照梯度移动直至充电完成 | 蜘蛛捕食 |
2025-06-28 11:30:01
364
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人