程序员面试、算法研究、机器学习、大模型/ChatGPT/AIGC、论文审稿、具身智能/人形机器人、RAG等20大系列集锦

原创 已于 2025-10-06 14:00:59 修改 · 置顶 · 10w+ 阅读 · 5.6k ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#算法研究 #编程艺术 #机器学习 #大模型 #ChatGPT #具身智能 #DeepSeek

于 2020-01-05 20:42:56 首次发布

作者：July，七月在线创始人兼CEO、结构之法算法之道blog之博主
时间：2010年10月-2024年9月，更新的直接看博客页面最新的文章吧
出处：http://blog.csdn.net/v_JULY_v 

前言

开博10年有余，回首这10余年，自己一开始侧重编程、面试、数据结构/算法，中途侧重数据挖掘、机器学习，近期则专攻AIGC/ChatGPT，而自己在本blog上也着实花费了巨大的时间和精力，写的东西可能也够几本书的内容了。然不管怎样，希望我能真真正正的为读者提供实实在在的价值与帮助

比如，下图是2023年ChatGPT、大模型、具身智能大爆发之前，每一年所写的文章「至于23年起，我开始疯狂更新的大模型、具身相关的文章 没有体现在下图」

下面，敬请观赏。有任何问题，欢迎随时不吝指正(同时，若你也能帮助回复blog内留言的任何朋友的问题，欢迎你随时不吝分享&回复，我们一起讨论，互帮互助，谢谢)

第一部分 经典重温：微软面试、算法研究、编程艺术、红黑树系列

一、微软面试100题系列

二、十五个经典算法研究与总结、目录+索引

三、程序员编程艺术第一~四十章集锦与总结

四、红黑树、B树、R树、Trie树

第二部分 从AI到大模型：机器学习、ChatGPT、改造Transformer、AIGC与多模态等

五、机器学习十大算法系列

六、大模型与ChatGPT系列：原理、论文、代码、应用

七、对Transformer的各种改进与挑战：mamba、KAN、TTT、vLLM及各种注意力等

​八、火爆全球的DeepSeek系列模型：涉及V3、R1的原理及其复现

九、多模态与AIGC发展史：赋能图像及视频生成、具身智能

第三部分 大模型赋能机械臂

十、ALOHA ACT/umi/LeRobot/dexcap系列

十一、HIL-SERL为代表的RL机器人

十二、VLM规划下加约束：SayCan、ReKep等

十三、机械臂VLA发展史：RT2/OpenVLA/3D VLA

十四、通用机械臂之路: π0等VLA sota模型

第四部分 人形机器人的manipulation/locomotion、导航/避障

 十五、人形的manipulation开发：iDP3/GR00T N1/大模型赋能

十六、人形的运控与行走操作开发：locomotion/loco-manipulation

十七、人形机器人的导航与避障

第四部分 我司七月的部分大模型实践：科研论文大模型、RAG、智能体等

十八、七月科研论文大模型：含论文的审稿微调、阅读、写作、修订

十九、RAG知识库问答系列

二十、智能体Agent项目

二十一、其它重要文章节选

后记

世上本无路，走的人多了，也就成了路。世上本无免费的午餐，分享的人多了，也就造就了开源的辉煌

如果你发现了本blog中的任何一问题，请一定不吝指正，thanks。此外，你可以永久通过搜索引擎搜索本博客名称的前4个字，即：“结构之法” 这4个关键字，进入本博客。    最后，感谢CSDN，感谢所有一直以来关注本blog的所有朋友。谢谢大家，谢谢。

转发送书

欢迎大家转发下条微博：Sina Visitor System，我会不定期抽奖，经典IT图书大赠送：

2024.09.19最新更新：2015年，July团队正式创业，创办七月在线，一开始做教育，后扩科技，先是「集AI大模型教育、应用开发、机器人解决方案为一体的科技公司」，后是：具身智能的场景落地与定制开发商

大模型微调部署实战及类GPT工具的高效使用
herosunly的博客
07-24 22万+
本文主要介绍了专栏《大模型微调部署实战及类GPT工具的高效使用》的核心内容，希望对使用大语言模型的同学们有所帮助。 文章目录 1. 前言 2. 专栏亮点 3. 你的收获 4. 详细目录
精品-2025最新大模型RAG技术总结（技术干货+高频面试题）-81份.zip
03-30
精品干货，2025大模型RAG技术总结（技术干货+高频面试题），共81份，供大家学习参阅。 一、LLM-模型 大模型（LLMs）agent 面.pdf 大模型（LLMs）langchain面 大模型（LLMs）参数高效微调(PEFT)面 大模型（LLMs）基础面.pdf 大模型（LLMs）幻觉面.pdf 大模型（LLMs）强化学习—— PPO 面.pdf 大模型（LLMs）强化学习——RLHF及其变种面.pdf 大模型（LLMs）微调面.pdf 大模型（LLMs）推理面.pdf 大模型（LLMs）训练集面.pdf 大模型（LLMs）评测面.pdf 大模型（LLMs）进阶面.pdf 多模态常见面试题.pdf 大模型 RAG 检索增强生成面.pdf 大模型校招面试题.pdf 大模型（LLMs）Tokenizer篇.pdf 大模型（LLMs）分布式训练面.pdf 大模型（LLMs）增量预训练篇.pdf 大模型（LLMs）幻觉面.pdf 大模型（LLMs）推理加速篇.pdf 大模型（LLMs）显存问题面.pdf 大模型（LLMs）蒸馏面.pdf 大模型（LLMs）面试题答案Plus.pdf 基于LLM+向量库的文档对话经验面.pdf 大模型（LLMs）langchain面.pdf LoRA篇.pdf 参数高效微调篇PRFT.pdf 提示学习（Prompting）篇.pdf 适配器微调（Adapter-tuning）篇.pdf 二、NLP-Interview 主题模型 事件抽取 命名实体识别 对话系统 数据挖掘 文本分类 文本匹配 文本摘要 知识图谱 知识表示 问答系统 预训练模型 主题模型TopicModel.pdf 事件抽取.pdf CRF.pdf DNN-CRF.pdf 中文命名实体识别.pdf 命名实体识别Trick.pdf 对话系统.pdf 数据挖掘.pdf ClassifierTrick.pdf Retrieval2Classifier.pdf TextClassifier.pdf 文本匹配模型 ESIM.pdf 语义相似度匹配任务中的 BERT.pdf 文本摘要.pdf KBQA.md Neo4j.pdf 知识图谱.pdf 知识表示.pdf Faiss.pdf FAQ检索式问答系统.pdf bert bert_big.pdf bert_generative.pdf bert_zip.pdf Elmo.pdf fastText.pdf TFIDF.pdf word2vec.pdf BERT.pdf BERT源码解析-主体篇.pdf BERT源码解析-句向量生成篇.pdf BERT源码解析-微调篇.pdf BERT源码解析-文本相似度篇.pdf BERT源码解析-预训练篇.pdf 三、NLP面试 NLP和大模型面试题.pdf NLP最全八股面试含答案.docx NLP最全八股面试含答案.pdf NLP选择题38道含答案.pdf 四、RAG相关(面试+简历+项目代码) RAG项目完整代码 大模型RAG简历 大模型面试题 ai_rag_demo.zip RAG 项目总结.pdf RAG 高频题目.pdf 五、Transformer面试 NLP和大模型面试题.pdf transformer面试题124题含答案.docx transformer面试题124题含答案.pdf 六、大模型(LLMs)算法 大模型(LLMs)算法100题含答案.pdf 大模型微调面试题.pdf 大模型高频面试50题含答案(1).docx 大模型高频面试50题含答案.docx 大模型高频面试50题含答案.pdf 深度学习损失函数大全.pdf 六、深度学习 机器学习高频22题含答案.pdf 深度学习大厂37题.pdf 深度学习损失函数大全.pdf 深度学习精选54题含答案.pdf
july的结构之法算法之道blog
07-30
july的结构之法算法之道blog
RAGFlow保姆级教程！融合Agent能力，零门槛搭建企业级AI知识库，彻底搞懂！
最新发布
m0_59163425的博客
10-11 1250
随着大模型在企业落地加速，“如何让LLM精准理解私有数据、避免幻觉”成为核心痛点。Retrieval-Augmented Generation（RAG）技术因能连接外部知识库、提升回答可信度，成为解决该问题的关键方案。而今天要介绍的**RAGFlow**，正是一款将前沿RAG与Agent能力深度融合的开源引擎——无论是个人搭建知识库，还是企业级部署，它都能帮你快速将复杂数据转化为生产级AI系统。
程序员面试、算法研究、编程艺术、红黑树、机器学习5大系列集锦
青木宫的博客
09-23 789
转载 程序员面试、算法研究、编程艺术、红黑树、机器学习5大系列集锦 ...
程序员面试、算法研究、编程艺术、红黑树、数据挖掘5大系列集锦
乾坤一碼農
01-16 682
程序员面试、算法研究、编程艺术、红黑树、数据挖掘5大经典原创系列集锦与总结 （部分博文github优化版阅读地址：https://github.com/julycoding/The-Art-Of-Programming-By-July） 出处：http://blog.csdn.net/v_JULY_v 。     以下是微软面试100题系列，经典算法研究系列，程序员编
结构之法 算法之道
dearwind153的专栏
04-08 6626
[置顶] 程序员面试、算法研究、编程艺术、红黑树4大系列集锦与总结 程序员面试、算法研究、编程艺术、红黑树4大经典原创系列集锦与总结作者：July--结构之法算法之道blog之博主。时间：2010年10月-2012年3月 (一直在收录本blog最新updated文章)。出处：http://blog.csdn.net/v_JULY_v 。声明：版权所有，侵犯必究。 前言    开博已过15
结构之法算法之道.zip.001
11-08
微软 google面试题，经典算法 平衡树 海量数据处理 数字图像处理等内容； 内容很多，很杂 还有题目没给出答案。共4份，1分
大模型/ChatGPT/AIGC、论文审稿、具身智能、RAG等11大系列集锦
2401_86435672的博客
09-26 1972
学术论文GPT的源码解读与二次开发：从ChatPaper到gpt_academic// 待更…
【人工智能领域】从机器学习到大模型：AI技术原理、应用及构建实践指南
04-10
内容概要：本文旨在帮助广大IT从业者及学生了解AI技术，从机器学习到大模型的原理和应用。文章首先介绍了AI的广泛应用及其重要性，强调AI将成为基础IT技能。接着，详细阐述了机器学习的基本原理，包括监督学习、非...
大模型微调和RAG的应用场景
热门推荐
herosunly的博客
06-19 24万+
本文主要介绍了大模型微调和RAG的应用场景，希望对学习大语言模型的同学们有所帮助。 文章目录 1. 前言 2. 大模型微调 vs. RAG
结构之法算法之道blog之所有博文集锦
12-29
关于程序员面试的一些经典算法 博文集锦 过来人经验
july_v4.03
06-15
强大的系统安全工具，和冰刃相媲美，用作者的一句话就是 要想干掉流氓软件，就要比流氓软件更流氓！
精品推荐-2024年RAG大模型面试实践全集（80份）.zip
01-07
大模型(LLMs) 强化学习PPO 大模型(LLMs) 强化学习RLHF及其变种 大模型(LLMs)推理 大模型(LLMs) 微调 大模型(LLMs)训练集 二、NLP-Interview 三、NLP面试 NLP和大模型面试题 NLP选择题38道含答案 NLP最全八股面试含...
大模型面试笔试常见问题汇总(精心准备)
u012374012的专栏
07-08 1345
首先，回顾一下自注意力机制（self-attention）的作用：自注意力机制的核心在于计算序列XXX 对自身的注意力权重，即序列中每个时间点与其他时间点之间的相关性（通过相似度来体现）。通过这种方式，我们能够得到一个注意力矩阵。得到注意力矩阵后，我们将其应用于序列XXX，从而计算出各个时间点的加权和。这意味着每个时间点的信息都会融合来自其他时间点的信息。Q、K、V的作用为了实现上述过程，我们需要引入查询（Q）、键（K）和值（V）三个矩阵。它们的作用如下：**查询（Q）和。
超详细！大模型面经指南（附答案）
python1222_的博客
06-04 3417
LLM（Large Language Model，大型语言模型）是指基于大规模数据和参数量的语言模型。Transformer架构：大模型LLM常使用Transformer架构，它是一种基于自注意力机制的序列模型。Transformer架构由多个编码器层和解码器层组成，每个层都包含多头自注意力机制和前馈神经网络。这种架构可以捕捉长距离的依赖关系和语言结构，适用于处理大规模语言数据。自注意力机制（Self-Attention）：自注意力机制是Transformer架构的核心组件之一。
CSDN大神JULY：程序员如何快速准备面试中的算法
Vivian Liu的专栏
07-02 1454
我决定写篇短文，即为此文。之所以要写这篇文章，缘于微博上常有朋友询问，要毕业找工作了，如何备战算法。尽管在微博上简单梳理过，如下图所示： 　　但因字数限制，特撰此文着重阐述下：程序员如何快速准备面试中的算法，顺便推荐一些相关的书籍或资料。 　　备战面试中算法的五个步骤 　　总体来说，备战面试中的算法，分为五个步骤，如下： 　　1、首选你得确保自己已经掌握好一
大模型 RAG 面试真题大全
机器学习社区
11-03 1427
A. RAG 是一种提升自然语言处理性能的技术，它结合了检索和生成模型。该方法先通过检索大量文档来定位相关信息，随后生成模型利用这些信息来构造回答。这种双阶段流程既利用了检索的精确性，又发挥了生成模型的创造性，特别适用于依赖外部知识生成自然语言的任务。
头歌平台（EduCoder）—— 数据挖掘算法原理与实践：k-近邻
dbdxmm的博客
10-15 1万+
第1关：knn算法概述 任务描述 本关任务：使用python实现方法，找出目标样本最近的k个样本。 编程要求 根据提示，在右侧编辑器Begin-End处补充代码，实现topK方法。 测试说明 程序会调用你实现的方法，找出目标样本最近的k个样本的标签。如目标样本最近的5个样本为0，0，1，1，1则返回列表[0,0,1,1,1]。若返回结果与真实结果一致则视为通关。 第2关：动手实现knn算法 任务描述 本关任务：使用python实现knn算法，并对手写数字进行识别。 相关知识 为
浪潮源大模型RAG实战代码注释详解
在当前的人工智能领域，源大模型RAG（Retrieval-Augmented Generation）已经成为研究和应用的热点。RAG模型是一种先进的信息检索与生成相结合的神经网络模型，它通过结合预训练语言模型（如BERT）与外部知识库，实现...
评论 506
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 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

打赏作者

v_JULY_v

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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