<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/wang_hao_</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; wang_hao_]]></copyright><item><title><![CDATA[数据工程，ML 工程化的第一根支柱]]></title><link>https://blog.youkuaiyun.com/wang_hao_/article/details/164956422</link><guid>https://blog.youkuaiyun.com/wang_hao_/article/details/164956422</guid><author>wang_hao_</author><pubDate>Fri, 11 Sep 2026 09:41:27 +0800</pubDate><description><![CDATA[本文系统梳理传统机器学习项目全流程，强调数据质量决定模型成败。从数据清洗、特征工程到建模评估，以泰坦尼克号案例贯穿始终，揭示“70%时间应投入数据”核心原则。通过四阶段闭环方法（理解→特征→建模→评估），提供可落地的代码实践与模型选型框架，帮助读者快速上手真实场景，实现从CSV到提交文件的完整流程。]]></description><category></category></item><item><title><![CDATA[向量数据库为什么快？从跳表到 HNSW]]></title><link>https://blog.youkuaiyun.com/wang_hao_/article/details/163889736</link><guid>https://blog.youkuaiyun.com/wang_hao_/article/details/163889736</guid><author>wang_hao_</author><pubDate>Wed, 19 Aug 2026 15:53:28 +0800</pubDate><description><![CDATA[上篇结尾留了一个问题：当你有一百万个文档，每篇一个 384 维向量，用户搜一个问题，你怎么在一秒内找到最相似的 Top 5？如果你第一反应是"用 MySQL 存起来，然后 ORDER BY 相似度"——你马上就会知道为什么这条路走不通。我试过做一个内部知识库搜索功能。文档量不大，就 5000 篇。跑是能跑。5000 条的时候大概 200ms，够用。但 O(n) 的代价——50万篇就是 20 秒。用户不会等 20 秒。这不是"优化"能解决的问题。这是数据结构层面的根本矛盾。]]></description><category></category></item><item><title><![CDATA[[拆解] DeepSeek Harness：不止是编程助手，更是 Agent 的安卓]]></title><link>https://blog.youkuaiyun.com/wang_hao_/article/details/163832048</link><guid>https://blog.youkuaiyun.com/wang_hao_/article/details/163832048</guid><author>wang_hao_</author><pubDate>Mon, 17 Aug 2026 20:26:31 +0800</pubDate><description><![CDATA[摘要： DeepSeek开源框架Harness一夜爆红，但多数报道误将其对标Claude Code等编程助手，实则其定位为Agent的操作系统（类似安卓），而非单一应用。核心设计包括： 一切皆插件：微内核仅管理插件生命周期，模型、工具、UI均可替换； 可逆副作用：插件卸载时通过“逆函数”彻底清理，解决传统插件系统的状态残留问题； 轨迹日志：完整记录Agent运行过程，支持调试、回放与分叉，提升可控性。 与LangChain等胶水框架不同，Harness专注底层执行层，模型无关且开源，目标抢占开发者生态入口。]]></description><category></category></item><item><title><![CDATA[大模型是怎么认字的？实测 Tokenizer 和 Embedding 全过程]]></title><link>https://blog.youkuaiyun.com/wang_hao_/article/details/163370306</link><guid>https://blog.youkuaiyun.com/wang_hao_/article/details/163370306</guid><author>wang_hao_</author><pubDate>Fri, 31 Jul 2026 16:23:08 +0800</pubDate><description><![CDATA[这就是分布式语义假设——Embedding 背后的核心思想。]]></description><category></category></item><item><title><![CDATA[四块数学拼图，怎么拼成一台会学习的机器]]></title><link>https://blog.youkuaiyun.com/wang_hao_/article/details/163034456</link><guid>https://blog.youkuaiyun.com/wang_hao_/article/details/163034456</guid><author>wang_hao_</author><pubDate>Mon, 20 Jul 2026 09:31:18 +0800</pubDate><description><![CDATA[本文通过一个极简三层网络案例，直观展示了AI训练过程中四大数学模块（线性代数、微积分、概率论、信息论）的协同机制： 前向传播：线性代数（矩阵运算）构建网络骨架，概率论（Softmax）将输出转化为可解释概率 损失计算：信息论（交叉熵）量化预测误差 反向传播：微积分（链式法则）分解误差到每个参数，线性代数加速梯度计算 参数更新：线性代数完成优化闭环 关键发现：各模块输出恰好构成下一模块的输入，形成数学上的完美衔接。这种协同机制揭示了深度学习训练的本质——通过数学工具的有机组合，实现从数据到知识的自动化提炼。 ]]></description><category></category></item><item><title><![CDATA[AI只给概率不给答案｜概率与信息论直觉]]></title><link>https://blog.youkuaiyun.com/wang_hao_/article/details/162733379</link><guid>https://blog.youkuaiyun.com/wang_hao_/article/details/162733379</guid><author>wang_hao_</author><pubDate>Thu, 09 Jul 2026 16:16:35 +0800</pubDate><description><![CDATA[本文探讨了概率论和信息论在AI中的核心作用。文章从确定性思维的局限切入，指出概率是AI表达不确定性的唯一诚实方式。通过抛硬币、天气预报等生活实例，解释了概率分布（离散/连续）、条件概率和贝叶斯更新的核心概念，并揭示语言模型本质是条件概率机器。信息论部分通过"惊讶程度"的直观类比，阐释了香农信息量、熵（不确定性度量）、交叉熵（预测误差）和KL散度（分布差异）的数学定义及其关系。最后解析Softmax函数如何将神经网络输出转化为概率分布，并指出交叉熵作为损失函数相比MSE更适合分类任务的原因。全文通过生活化类比]]></description><category></category></item><item><title><![CDATA[终结AI内耗：从单模型防讨好到多模型打架的决策指南]]></title><link>https://blog.youkuaiyun.com/wang_hao_/article/details/162528272</link><guid>https://blog.youkuaiyun.com/wang_hao_/article/details/162528272</guid><author>wang_hao_</author><pubDate>Thu, 02 Jul 2026 21:37:50 +0800</pubDate><description><![CDATA[摘要（149字） 多AI模型的分歧是宝贵信号，而非缺陷——前提是答案来自独立架构。同源模型的“共识”可能强化共同盲区。决策时需两套工具：1）乔哈里窗口防AI讨好，确保其揭露用户盲区；2）四象限决策法处理模型分歧：高容错+可验证则交叉验证；高容错+难验证则权威裁决+红蓝对抗；低容错则速战速决。警惕“共识幻觉”，分歧层级（事实/推理/结论）决定验证方向。跨模型价值远高于同源组合，多数场景需保留人工终审权。]]></description><category></category></item><item><title><![CDATA[10亿参数的AI，只是个摸黑下山的盲人｜微积分直觉]]></title><link>https://blog.youkuaiyun.com/wang_hao_/article/details/162235265</link><guid>https://blog.youkuaiyun.com/wang_hao_/article/details/162235265</guid><author>wang_hao_</author><pubDate>Tue, 23 Jun 2026 15:27:08 +0800</pubDate><description><![CDATA[文章摘要 本文用直观的方式讲解微积分在AI训练中的核心作用。微积分是处理非均匀变化的数学工具，通过无限分割（微分）和累加（积分）解决复杂问题。AI模型训练本质上是寻找损失函数的最小值，而梯度下降法依赖导数、偏导数和梯度来调整参数。链式法则则实现了误差在网络中的高效反向传播。文章强调，微积分是目前AI训练唯一可行的实用方法，并展示了从理论到代码实现的完整逻辑。通过建立微积分直觉，读者能更深入理解神经网络如何通过“摸黑下山”的方式自我优化。]]></description><category></category></item><item><title><![CDATA[别交智商税：大模型选型与账单避坑]]></title><link>https://blog.youkuaiyun.com/wang_hao_/article/details/162016241</link><guid>https://blog.youkuaiyun.com/wang_hao_/article/details/162016241</guid><author>wang_hao_</author><pubDate>Mon, 15 Jun 2026 23:17:27 +0800</pubDate><description><![CDATA[一句话结论：没有“最好”的模型，只有最适合你场景的模型。选模型的本质不是看跑分，是看你的钱花在哪儿最值。先上表。这张表不追求面面俱到，追求的是——你看完就知道今天该用哪个。📅：截至 2026年6月。本文主要介绍大模型：网页免费版与付费API如何选择、API选型 + 账单避坑。]]></description><category></category></item><item><title><![CDATA[第二篇｜线性代数：描述空间变化的语言]]></title><link>https://blog.youkuaiyun.com/wang_hao_/article/details/161960032</link><guid>https://blog.youkuaiyun.com/wang_hao_/article/details/161960032</guid><author>wang_hao_</author><pubDate>Sat, 13 Jun 2026 19:50:08 +0800</pubDate><description><![CDATA[不背公式，把线性代数当一门语言来学——矩阵是对空间做变换，点积是量相似度，特征向量是系统不变的骨架。看懂这些，AI代码里的矩阵运算就不再是外星文字。]]></description><category></category></item><item><title><![CDATA[告别碎片化：一篇文章建立AI的全局认知地图｜AI原理到工程化应用·系列开篇]]></title><link>https://blog.youkuaiyun.com/wang_hao_/article/details/161800295</link><guid>https://blog.youkuaiyun.com/wang_hao_/article/details/161800295</guid><author>wang_hao_</author><pubDate>Mon, 08 Jun 2026 14:59:41 +0800</pubDate><description><![CDATA[每天被AI新闻轰炸，但说不清ChatGPT为什么能写诗？一篇长文，从历史规律到内部机制到能力边界，建立AI的完整认知地图。]]></description><category></category></item></channel></rss>