- 博客(252)
- 收藏
- 关注
RSS订阅原创 Tailscale + tmux远程连接终端
Tailscale把设备拉到一个局域网内，不用自己做内网穿透，当然如果你的设备本来就有公网IP可以直接SSH访问的话，是不需要Tailscale的。具体的需求：本地两台电脑一台windows笔记不处理日常工作，一台Ubuntu主机进行数据分析，为了避免频繁切换显示器，考虑直接在windows中接入Ubuntu的终端；如果两台电脑都在同一个局域网，比如都连办公室或家里的同一个网络，其实不需要 Tailscale，直接 SSH 就够了，tmux用来保活，也就是断开后，相关的终端还在。然后就可以用ssh登录了。
2026-03-27 21:32:54
304
原创 用大语言模型生成心理学范式 2.0
新版本这个skill，能生成一些中间文件记录任务参数的映射，参考文献（从哪个文献中推理出来的参数），任务流程，方便后续审计。另外一个有意思的地方是，由于我在psyflow早期的版本中使用了cookiecutter来给定taps结构，以mid任务为模板，后续在生成任务过程中，任务的结构严重受到了mid任务结构的污染，最后经过多轮迭代，才得以改善。这虽然更像是让agent在模拟人的反应，可以回答一些更深入的问题，但是需要解决的问题太多，比如处理视觉输入、界面解析，模型的影响速读、感知误差差等。
2026-03-22 16:19:38
594
转载 如何用生成式人工智能为学术写作提速增效
https://arxiv.org/abs/2310.17143对许多研究者来说，学术写作像一场西西弗式的苦役：它吞噬了本可用于真正做科学的宝贵时间与心力。弗朗茨·卡夫卡对此有过极为传神的描述：“时间过得真快；又过了十天，我依然一事无成。就是写不出来。偶尔有一页写得还行，但我无法持续，第二天我就完全无力了。” 尽管 Grammarly、QuillBot 或 Wordtune 之类的数字写作工具能够协助完成基础语言任务，例如拼写和语法检查、改写复述，以及在风格、语气、清晰度和连贯性方面给出建议，从而减轻写作负
2026-03-21 12:22:07
11
转载 Steve Ygge：AI 让我的效率更高了，为什么我反而更累？
写项目书更快了，整理文献更快了，分析代码搭得更快了，论文结构、回复审稿意见、工具文档，很多原本推进缓慢的工作，现在都能迅速展开。比起把 AI 用到极限，我现在更希望自己能做到的是：继续使用它，继续受益于它，但不再默认所有被节省下来的时间，都必须重新兑换成更多产出。真正有价值的工作，从来不是整天把人钉在屏幕前，而是在有限的几个小时里，保持足够清醒、足够稳定的判断力。这段时间，我越来越强烈地感受到一件事：AI 的确在提高我的工作效率，但它并没有让我变得更轻松，反而让我更容易进入一种持续消耗、持续紧绷的状态。
2026-03-13 20:42:57
14
原创 Worktree 是什么
把每个 agent 放进独立的 worktree，本质上是在给它一个隔离的工作区，让它能够专注完成自己的那部分修改，再把结果交回来供人审阅。总会担心：分开开发以后，合并会不会很麻烦，会不会大量冲突，还要不要手工审核。理解了这一点，再去看 worktree，就不会再把它当成一个“奇怪的新概念”，而会把它看成 Git 在本地工作流层面提供的一种很实用的能力。简单说，Worktree是把同一个仓库的不同开发线展开到多个独立工作目录中，让可并行的任务能在互不干扰的现场里推进，并在之后通过审核与合并回到主线。
2026-03-08 20:02:54
345
转载 马斯克：AI“超音速海啸”来了，先被冲击的是电脑前的工作
，那么 AI 会更快接管；而那些需要直接处理现实世界、需要“动手”和“移动物理对象”的工作，比如焊接、电工、管道、做饭、农业，会保留更久。马斯克进一步提到的高风险方向，也很有代表性：司机、商用运输、港口装卸等岗位，会在自动驾驶和自动化系统成熟后承受明显冲击。不久前看过这个访谈节选，最近深度使用 Codex两个月后感触更强：AI 发展的迅猛程度，真的像一场海啸，正快速席卷大部分认知劳动。在这段对话里给出的判断并不是“以后都没工作了”，而是技术会以更快速度替换掉一批岗位，人们被迫转去做别的事。
2026-02-28 19:26:13
21
原创 AI写作的一些蛛丝马迹
additionally, align with, crucial, delve (最臭名昭著的词), enduring, enhance, landscape (作为抽象名词“格局”), pivotal, showcase, tapestry (原本是挂毯，被滥用于“丰富的织锦画卷/构成”), testament, underscore, vibrant 等。✦ 示例（错误的引用调用逻辑）： 在一个案例中，AI在前面每说一句话，就往后面贴了一串带数字编号的医学链接。
2026-02-27 19:19:43
397
原创 作者太多、机构太乱？用 authordown一键生成标题页
实际使用过程中，使用一列附属机构就可以解决这个问题，多个附属机构就使用多列分别填写，这里只是做信息的堆叠。不过这也只是解决了繁琐过程中的一部分，在我所了解的投稿系统中，极少有系统支持通过模板上传作者信息的（印象中只遇到一个投稿系统提供了作者信息模板，填写上传后可自动填写作者信息），所以还是免不了要在系统里手动添加作者信息。3. 不支持Degree，某些杂志需要作者的Degree信息，之前的解决办法是根据模板另做一个作者列表，把作者的Degree和他的姓放在一起，这样可以生成带Degree的作者页。
2026-02-07 14:25:51
266
原创 fMRI开源数据 | 探寻麻醉状态下的意识火花 （n=26)
随后的研究进一步揭示，麻醉主要破坏了大脑高级联合皮层之间的连接，导致“信息已接收，但未被感知”的分离状态。自1846年首次公开演示以来，麻醉学已取得了长足的进步，但麻醉状态下大脑发生了什么，意识又是如何消失和恢复的，这依然是神经科学的核心谜团。如果一个在行为上无反应的人，其大脑在听到“想象打网球”的指令后，依然能激活与运动相关的脑区（如辅助运动区），这便是存在“隐-性意识”的有力证据。这份高质量、标准化的开放数据，为全球研究者探索麻醉、意识以及“隐性意识”的神经基础提供了一个前所未有的宝贵资源。
2026-02-04 22:22:53
644
转载 ABCD儿童遗传数据被滥用后的信任崩塌
更关键的是，它指出 AI 问答系统也会把这些论文当作参考来源，在用户询问“种族与智力”时给出引用，从而把原本已经有争议的内容进一步扩散到更广泛的人群中。但《纽约时报》称，NIH 的防护与审核没有真正挡住恶意或不当使用者，一批被描述为“边缘研究者”的人设法获得了成千上万名儿童的数据，并用它产出至少 16 篇论文，核心论调是把“种族/族群差异”与“智力/IQ差异”做强关联，甚至给不同族群做 IQ 排名、并进一步延伸到“黑人收入更低是因为不够聪明”之类的推断。其他类似的数据集似乎也会有同样的趋势。
2026-01-28 23:06:52
44
转载 ＜span class=“js_title_inner“＞ABCD儿童遗传数据被滥用后的信任崩塌＜/span＞
更关键的是，它指出 AI 问答系统也会把这些论文当作参考来源，在用户询问“种族与智力”时给出引用，从而把原本已经有争议的内容进一步扩散到更广泛的人群中。但《纽约时报》称，NIH 的防护与审核没有真正挡住恶意或不当使用者，一批被描述为“边缘研究者”的人设法获得了成千上万名儿童的数据，并用它产出至少 16 篇论文，核心论调是把“种族/族群差异”与“智力/IQ差异”做强关联，甚至给不同族群做 IQ 排名、并进一步延伸到“黑人收入更低是因为不够聪明”之类的推断。其他类似的数据集似乎也会有同样的趋势。
2026-01-28 23:06:52
33
转载 OpenAI 自曝家底：那个帮你写代码的 AI，脑子里到底在想什么？
Codex CLI 是我们的跨平台本地软件智能体（Agent），旨在生成高质量、可靠的软件变更，同时在您的机器上安全高效地运行。本节将解释您的查询如何转换为该列表。，这是 Codex CLI 中的核心逻辑，负责编排用户、模型以及模型调用的工具之间的交互，以执行有意义的软件工作。这篇文章将带你祛魅：你会看到 AI 并非拥有连续的意识，而是在每一次“回合”中，通过极其昂贵的上下文重建、精密的提示词工程（Prompt Engineering）以及对“无状态”特性的对抗，才勉强模拟出了“记忆”与“思考”的假象。
2026-01-24 16:17:23
71
转载 ＜span class=“js_title_inner“＞OpenAI 自曝家底：那个帮你写代码的 AI，脑子里到底在想什么？＜/span＞
Codex CLI 是我们的跨平台本地软件智能体（Agent），旨在生成高质量、可靠的软件变更，同时在您的机器上安全高效地运行。本节将解释您的查询如何转换为该列表。，这是 Codex CLI 中的核心逻辑，负责编排用户、模型以及模型调用的工具之间的交互，以执行有意义的软件工作。这篇文章将带你祛魅：你会看到 AI 并非拥有连续的意识，而是在每一次“回合”中，通过极其昂贵的上下文重建、精密的提示词工程（Prompt Engineering）以及对“无状态”特性的对抗，才勉强模拟出了“记忆”与“思考”的假象。
2026-01-24 16:17:23
35
原创 数据 | 深入人脑“内存条”：单神经元活动揭示工作记忆的奥秘
展示了来自杏仁核的一个“概念神经元”的活动。如图5所示，当该神经元偏好的图片被记在脑海中时，即使图片已经消失，这个神经元在整个3秒的“维持期”内，依然会保持“持续性放电”（Persistent Activity）。随着记忆负荷（需要记忆的图片数量）的增加，受试者的反应时间（RT）显著变长，准确率（Accuracy）则有所下降，这符合工作记忆的基本特征。Kyzar等人的这项工作，为理解工作记忆这一核心认知功能的神经机制提供了新的信息，也通过其开放的数据和代码，为神经科学领域的可复现研究提供了案例。
2026-01-18 09:44:01
441
原创 ＜span class=“js_title_inner“＞数据 | 深入人脑“内存条”：单神经元活动揭示工作记忆的奥秘＜/span＞
展示了来自杏仁核的一个“概念神经元”的活动。如图5所示，当该神经元偏好的图片被记在脑海中时，即使图片已经消失，这个神经元在整个3秒的“维持期”内，依然会保持“持续性放电”（Persistent Activity）。随着记忆负荷（需要记忆的图片数量）的增加，受试者的反应时间（RT）显著变长，准确率（Accuracy）则有所下降，这符合工作记忆的基本特征。Kyzar等人的这项工作，为理解工作记忆这一核心认知功能的神经机制提供了新的信息，也通过其开放的数据和代码，为神经科学领域的可复现研究提供了案例。
2026-01-18 09:44:01
632
原创 元分析解码：一张统计图如何接入元分析语义空间
在这篇方法框架里，LDA 的作用是把“词项级别的语义空间”压缩成一组更稳定、更可解释的主题单元，然后为每个主题做坐标型元分析，生成“主题对应的激活图”（topic meta-analytic map），最后再用这些主题图去解码你的梯度段。NiMARE 的元分析图在体素空间（MNI152）里，而很多结构/表面结果在 surface space。原因很简单：Neurosynth/NiMARE 的术语图反映的是“发表文献中术语与激活共现的空间统计规律”，而你的图可能来自结构、连接或任何统计量。
2026-01-10 12:26:19
416
原创 ＜span class=“js_title_inner“＞元分析解码：一张统计图如何接入元分析语义空间＜/span＞
在这篇方法框架里，LDA 的作用是把“词项级别的语义空间”压缩成一组更稳定、更可解释的主题单元，然后为每个主题做坐标型元分析，生成“主题对应的激活图”（topic meta-analytic map），最后再用这些主题图去解码你的梯度段。NiMARE 的元分析图在体素空间（MNI152）里，而很多结构/表面结果在 surface space。原因很简单：Neurosynth/NiMARE 的术语图反映的是“发表文献中术语与激活共现的空间统计规律”，而你的图可能来自结构、连接或任何统计量。
2026-01-10 12:26:19
584
原创 ＜span class=“js_title_inner“＞元分析解码：一张统计图如何接入元分析语义空间＜/span＞
在这篇方法框架里，LDA 的作用是把“词项级别的语义空间”压缩成一组更稳定、更可解释的主题单元，然后为每个主题做坐标型元分析，生成“主题对应的激活图”（topic meta-analytic map），最后再用这些主题图去解码你的梯度段。NiMARE 的元分析图在体素空间（MNI152）里，而很多结构/表面结果在 surface space。原因很简单：Neurosynth/NiMARE 的术语图反映的是“发表文献中术语与激活共现的空间统计规律”，而你的图可能来自结构、连接或任何统计量。
2026-01-10 12:26:19
299
原创 2025年终总结
不像公众号文章，一旦发在微信里，就几乎不可能在更开放的地方被检索到。影像转录组学方法学上的最后一个工作，这类分析需要其他维度的数据作为支持和验证，属于锦上添花型的分析，不太值得深入研究。2023年当我让chatgpt帮我写一段中文时，它词不达意，语言生硬，2025年当我把一篇英文论文扔给它，它能用顺畅的表达，从专家的角度为我解读文献。目前仍有很多需要完善的部分，比如在StimUnit中增加反应类型，优化MCP、增加实验范式等，需要后续项目经费和人员的支持才能推进，目前仅仅是能用的阶段。
2025-12-27 14:05:22
809
原创 MRIcroGL可视化指东南西北
旧版本有colorbar显示的问题，具体表现为本来为3-5之间的T值，colorbar显示的是0-0.3之类的，但是cluster/blob显示是对的，用MRIcroN打开图像文件可以确定原始值都是正确的，说明。关于背景模板的选择，它默认是spm152的模板，如果你的分析是在FSL中完成的话，如果看到这样的情况，不用当心是分析过程中没有使用外部mask的原因，只需要重新选用合适的背景模板即可解决。从这里看到，在旧版本中colorbar做的可能是minmax的归一化，所以不显示原始值。
2025-12-15 22:00:51
739
原创 ＜span class=“js_title_inner“＞MRIcroGL可视化指东南西北＜/span＞
旧版本有colorbar显示的问题，具体表现为本来为3-5之间的T值，colorbar显示的是0-0.3之类的，但是cluster/blob显示是对的，用MRIcroN打开图像文件可以确定原始值都是正确的，说明。关于背景模板的选择，它默认是spm152的模板，如果你的分析是在FSL中完成的话，如果看到这样的情况，不用当心是分析过程中没有使用外部mask的原因，只需要重新选用合适的背景模板即可解决。从这里看到，在旧版本中colorbar做的可能是minmax的归一化，所以不显示原始值。
2025-12-15 22:00:51
396
原创 从矩阵相关到矩阵回归：曼特尔检验与 MRQAP
后来，社会网络和心理测量领域的人在做“矩阵相关 / 矩阵回归 + 节点重排（permutation）”的时候，发现本质上也是在做一种“对节点标签做指派（重排），然后看某个二次统计量怎么变”的过程，就把这种。Mantel还会经常出现在这一类图中，皮尔逊相关展示变量之间的关系，Mantel相关计算矩阵之间的相关，在生态学、生信的分析中运用较多，神经影像中的运用场景并不是很多。下同时考虑多个关系矩阵的作用，并在控制协变量（covariates）的前提下，评估某一关系矩阵对目标关系的独立贡献。
2025-11-29 11:36:52
1337
原创 被试间表征相似性分析(IS-RSA)
形式上，ISC 就是对某个体素或脑区的时间序列在被试之间做皮尔逊相关，可以是 leave-one-out（某人 vs 其他人平均）也可以是 pairwise（每一对人），这篇文章重点用的是后者，因为它保留了完整的“谁和谁像”的结构，正好可以拿来研究个体差异。高–高对还是很像，但高–低对会被直接拉到低分那一端，跟低–低对差不多，相当于要求“双方都高”才算真正相似，对高–低 pair 更不宽容，AnnaK 形状更“尖锐”、更像真正的“所有高分者都一样，各种低分者各有各的不同”。那么，如何把这两种层级统一起来？
2025-11-20 20:07:35
929
原创 ＜span class=“js_title_inner“＞被试间表征相似性分析(IS-RSA)＜/span＞
形式上，ISC 就是对某个体素或脑区的时间序列在被试之间做皮尔逊相关，可以是 leave-one-out（某人 vs 其他人平均）也可以是 pairwise（每一对人），这篇文章重点用的是后者，因为它保留了完整的“谁和谁像”的结构，正好可以拿来研究个体差异。高–高对还是很像，但高–低对会被直接拉到低分那一端，跟低–低对差不多，相当于要求“双方都高”才算真正相似，对高–低 pair 更不宽容，AnnaK 形状更“尖锐”、更像真正的“所有高分者都一样，各种低分者各有各的不同”。那么，如何把这两种层级统一起来？
2025-11-20 20:07:35
319
原创 开箱即用的 MNI 分区：Desikan/DKT/Destrieux
体素水平可得到FWE 校正后的显著结果，而将数据聚合到几十个 ROI 后，即便只做区域级多重比较校正，也未能检出显著。需要注意的是，作者提示平滑版应仔细核查，尤其是 Destrieux（按回/沟划分）更容易受到模板几何差异的影响。节省了约几小时探索如何将 Desikan 分区转换至 MNI 空间的时间，并避免自行处理可能带来的不准确，值得推荐。同样是把 Desikan 模板转换到 MNI，相比依赖变换矩阵的做法，Leon LD 的方法更准确，也更有说服力！可见在部分情形中，平滑分区似乎看起来更合理。
2025-11-16 13:01:07
966
原创 120小时连滚带爬通关 ＞丝之歌＜
一方面不少场景充满“跳跳乐”，另一方面我太习惯下劈的操作节奏，换来换去还不如稳定，就这样一路带到了通关。2. 机枢舞者，音乐与攻击的节拍严丝合缝，整场像一段编排精密的独舞，让人产生在玩音游的错觉。1. 伟大的格洛，印象深刻的不是招式，而是从复活点到Boss房的365 里路，稍不留神就倒在半路。建筑师，那套“带一堆工具+灵丝补给”的思路，纸面上很美，但到了 Boss 战里我常常手忙脚乱。所以顺便问一句：上海有羽毛球搭子吗？此外，失心蕾丝虽然是最终 Boss，带上换血漫游者，有很多回血的机会，容错率其实很高。
2025-11-09 12:13:02
390
原创 Spacetop 数据集：同一被试的电影观看 × 多任务（N=101，≈6小时/人，OpenNeuro 获取）
如好感度（likability）、相似性（similarity）、心智归因（mental state attribution）；：动态面孔加工（情绪/性别等维度评定），关注**梭状回（fusiform gyrus）**等经典面孔区域；：视频清单（≈49 段）与叙事清单均有**事件表（_events.tsv）**与评分文件相对应；、**图像式/文本式心智理论（theory-of-mind, ToM）**等子任务；，与大型队列（如 UK Biobank 的面孔/静息）相当或更低。
2025-08-29 19:30:25
1118
1
原创 BrainEnrich: 影像转录组学新工具
事实上，如果深入了解富集分析，会发现可用的统计量不仅仅是平均值，或者加权的KS，零模型的选用competitive null vs. self-contained null，也存在争议（在影像转录学分析中使用的空间零模型可用认为是self-contained null模型）。如果要做其他的数据分析需要通过。Fulcher, B. D (2021)的文章引入更简单的方法，就是计算基因集（通路）内的平均作为统计量，在他们的文章中这种分析称之为GCEA，后续的少部分影像转录组学分析使用了GCEA的方式。
2025-08-17 17:14:24
815
原创 psyflow教程(5): 使用StimUnit程序刺激与收集反应
在 MID 任务的预期阶段，我们希望监控任何按键，但即使被试提前反应，也要继续呈现注视十字。：在反应被分开记录的范式中（如静息态 EEG 或 fMRI），呈现视觉或听觉刺激（例如，闪烁、音调）。在呈现一个试次之前，附加您想要显示或播放的刺激——这定义了被试在该单元期间将看到或听到的内容。，并且存在音频刺激，则默认为最长的声音持续时间。时，它首先查找确切的键，然后查找带前缀的形式（使用您的 unit_label 或提供的。捆绑了常见的模式，但您可以使用生命周期钩子来实现相同的行为，以获得更大的定制性。
2025-08-09 13:53:27
503
原创 psyflow教程(1)：使用SubInfo收集参与者信息
本文为 psyflow 0.1.1文档（https://taskbeacon.github.io/psyflow/）的中文翻译，内容以英文文档为准。类提供了灵活且易用的参与者信息收集方式，在实验开始时弹出标准化的 GUI 对话框，可通过配置文件定制，支持多种字段类型及多语言。如果使用 LLM 生成翻译，请务必校对以确保准确，必要时请咨询母语人士。验证输入是否可转换为整数，是否在范围内，以及位数是否符合要求。：通过 YAML 或字典定义表单，易于修改。：在不同实验中保持一致的参与者信息表单。
2025-08-09 13:53:27
392
原创 psyflow教程(4): 使用StimBank管理刺激
本文为 psyflow 0.1.1文档（https://taskbeacon.github.io/psyflow/）的中文翻译，内容以英文文档为准。注意：有关刺激参数的详细信息，请参阅 PsychoPy Visual API 文档：https://www.psychopy.org/api/visual/。：TTS 有助于儿童、老年或低识字参与者，确保跨语言、跨实验者的一致语音传递，避免人工录音的差异。仅需提供要修改的参数，无需为每个条件手动定义新刺激，保持刺激库简洁。在字典/YAML 定义中，将。
2025-08-09 13:53:27
961
原创 psyflow教程(3): 使用BlockUnit进行试次管理
本文为 psyflow 0.1.1文档（https://taskbeacon.github.io/psyflow/）的中文翻译，内容以英文文档为准。它以结构化的方式处理试次序列，生成平衡的实验条件，跟踪试次结果，并汇总性能指标。本教程旨在演示如何使用。默认计算各条件的命中率与平均反应时，亦可传入自定义函数。• ``：本区块使用的条件标签列表（默认为。• ``：各标签的相对权重（默认为等权）。参数，或交错插入标签，或对完整列表进行。• ``：随机种子覆盖，用于可重复打乱。：仅显示指示与简单刺激，无响应采集。
2025-08-09 13:53:27
689
原创 psyflow教程(7): 使用LLMClient与大语言模型交互
我们没有依赖像 LangChain 这样沉重的框架，而是构建了一个最小化的包装器来保持简单：除了提供商的 SDK 之外，没有额外的依赖项，一个干净的 API（例如。：对于没有 Gemini 访问权限的用户，这是一个通过 OpenAI 兼容 SDK 实现的经济高效的替代方案。：对于没有 Gemini 访问权限的用户，这是一个通过 OpenAI 兼容 SDK 实现的经济高效的替代方案。为您的 PsyFlow 任务生成一个完整的。），以及快速、低开销的执行。3. LLM 驱动的任务文档。自动创建一个结构化的。
2025-08-09 13:53:27
789
原创 psyflow教程(2)：使用TaskSettings存储实验配置
本文为 psyflow 0.1.1文档（https://taskbeacon.github.io/psyflow/）的中文翻译，内容以英文文档为准。（整数，默认 2025）：生成区块种子的基础随机种子，可在配置或运行时修改以调整整体随机化模式。）：每个区块对应一个随机种子，用于区块内（例如条件顺序）随机化；：在不要求组级一致性的设计中，通过变换区块顺序来分散潜在顺序效应。，可以减少样板代码、保证配置一致，并提升实验可重现性与可扩展性。，适用于需要在组水平进行完全一致的区块随机化（如整体均衡设计）。
2025-08-09 13:53:27
869
原创 psyflow教程(6): 使用TriggerSender发送trigger
类提供了一种灵活、独立于设备的方式，用于向外部记录设备（例如 EEG、MEG、眼动仪）发送事件代码（触发器）。通过包装特定于设备的发送功能，它可以保持实验代码的整洁，添加可选的前置和后置钩子，强制执行精确的计时延迟，甚至支持在没有硬件的情况下进行开发的模拟模式。参数将整数代码发送到您的设备。：对无效代码发出警告，捕获错误，并在 PsychoPy 的日志中记录触发器事件。仍将运行其所有钩子和日志记录，从而允许您在没有硬件的情况下开发和测试行为任务。中，以最少的代码自动在试验的关键点发送触发器。
2025-08-09 13:53:27
941
原创 用大语言模型(LLMs)生成心理学范式
另一方面，心理学任务的标准和规范，对于任务范式的分享、重复使用、甚至心理学、认知心理学研究的可重复性也至关重要。实际上，在制作过程中，我发现很多时候刺激的呈现(编程部分）并不是我们需要投入更多时间，而实验的设计，比如延迟折扣任务中的奖赏金额、折扣率等具体细节的部分才是需要花时间的地方。TAPS任务结构的核心是任务参数和任务逻辑的分离，相比于把任务参数硬编码到任务逻辑中的方式，使用单独的yaml文件储存任务参数，可以提高任务修改的灵活性，更重要的是为任务的本土化(localization)提供便利。
2025-08-03 00:40:24
1178
原创 ORA富集不设背景基因，这些结果可能“注水”了
现实数据模拟：基于 ENIGMA Toolbox 预处理后的 AHBA 基因列表，以不同基因稳定性阈值构建背景集，使用 Gene Ontology（GO）生物过程通路模拟富集分析，比较使用 AHBA 背景 vs 全蛋白编码基因背景的差异。超几何检验模拟：构建多组超几何分布情景，系统测试背景基因数量（n）、目标基因数量（k）、通路大小（m）与命中数（x）对 p 值的影响。明确报告分析使用的背景基因，包括预处理后的 AHBA 基因数、输入 ORA 的目标基因数、背景基因数及所用工具与版本。
2025-07-28 22:24:03
387
原创 图片到PDF合并的工作流
最近在准备一批材料，涉及到十多份 PDF 文件的提交，其中很多内容原本是手机拍摄或通过扫描软件导出的图片格式，难以直接使用，另外一些材料需要分类进行合并。因此，需要一个高效、清晰的流程，将这些图片批量转为 PDF，并根据需求进行整理和合并，方便提交和归档。通过微信导图、ImageMagick 转换、PDFsam 合并，这一整套流程可以高效完成从手机图片到标准化 PDF 文档的转化，适合日常资料整理、材料提交和归档等多种场景使用。在手机上打开微信，将图片发送到“文件传输助手”或自己的微信账号。
2025-07-22 21:57:09
947
原创 js代码批量删除CSDN 文章
开始的一段时间同步非常顺利，结果今年三月，一篇标题末尾含感叹号、问号和表情的文章触发了同步机制的 Bug，被疯狂复制出 60 多篇，累计展示和阅读突破十万。在 LLM 出现之前，我常在谷歌上寻找各种编程问题的答案，经常就是搜到 CSDN 的技术文章，可见它出色的 SEO 效果。于是后期，我把公众号文章同步到了 CSDN，想借此提升文章的阅读量，并且也算是回馈社区。js 代码用 o4-mini-high 制作，经过4轮对话，从开始不会展示按钮，不能删除文章，到最后成功点亮。），稍等片刻即可见工具栏。
2025-06-28 12:55:25
545
原创 静息态 EEG 数据集（n=608, OpenNeuro获取)
每位受试者在完成一套约 2 小时的认知任务电池前后，分别进行了两段静息态 EEG 的采集，包括闭眼状态（rs-EEG EC）和睁眼状态（rs-EEG EO），每段时长为 3 分钟，任务内容覆盖五个核心认知功能领域。约 5 年后，共有 208 名受试者参与了第二次测量（session 2），其流程与初始测量保持一致，同样包含任务前后的 rs-EEG（EC 与 EO 各 3 分钟）采集及相同的任务设置。：任务时长约 2 小时，涵盖五种认知域（注意力、持续注意、干扰控制、工作记忆、听觉选择）；
2025-06-28 11:34:42
1234
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