- 博客(56)
- 收藏
- 关注
RSS订阅
原创 Claude Code 完整学习手册：安装配置、CCR、MCP、插件与 Superpowers开发框架
本文介绍了2026年前沿的AI驱动开发范式，重点讲解Claude Code的安装配置与使用。主要内容包括：1）通过Claude Code Router(CCR)接入智谱、Kimi、ModelScope等国产大模型；2）使用CCSwitch工具一键切换模型配置；3）利用Superpowers工具解决AI编程代码混乱问题，实现TDD模式与子智能体分工；4）以Next.js 16、Supabase等技术栈为例，演示从数据库设计到前端交互的完整开发流程。文章提供了详细的环境搭建指南和配置说明，帮助开发者快速上手AI
2026-02-23 17:30:36
8742
原创 万字长文详细解读扩散模型（diffusion model）从原理剖析、公式推导、Unet架构到代码实现
扩散模型通过逐步去噪实现高质量图像生成，其核心是噪声预测器学习训练数据的真实分布。在文本到图像任务中（如Stable Diffusion），模型结合文本编码器提供的语义条件指导生成过程。评估生成质量主要采用FID指标衡量图像分布相似度，以及CLIP模型验证图文匹配度。扩散模型通过正向加噪构造训练数据，反向去噪生成图像，其性能依赖于文本编码器的语义理解能力和噪声预测器的分布拟合效果。这种分步生成框架显著提升了生成图像的逼真度和语义一致性。
2025-11-24 11:30:54
6614
2
原创 Harness 工程：Agent‑First 时代的规模化 AI 编码实践
OpenAI 开展了一项极端实验：五个月内完全依靠 Codex Agent 开发百万行级产品，效率达传统模式十倍，并提出用于管控 AI 编码的 Harness 工程体系。在 Agent‑First 研发模式下，人类工作从编写代码转向架构设计、环境构建与反馈闭环搭建。团队放弃臃肿文档，改用轻量化、可导航、可自动校验的结构化文档体系；针对 Agent 易模仿坏模式、代码碎片化问题，构建刚性架构约束与自动化 Lint 强制校验，并通过后台 Agent 定时清理技术债。随着系统不断完善，Codex 已可独立完成从需
2026-03-19 18:25:55
456
原创 AI 时代前端框架选型：React 核心原理与 SocialVibe 项目实战解析
本文先对比 AI 时代 Vue 与 React 的选型逻辑，指出 React 因生态庞大、AI 适配性高更具优势，同时兼顾 Vue 在国内小程序场景的适用性。接着系统讲解 React 核心概念，包括组件、JSX、Props、State 等基础语法，以及 Hooks、Portal、Suspense 等进阶特性。最后以 SocialVibe 社交平台 Monorepo 项目为例，拆解其前端（React 19+TypeScript 实现页面与全局状态管理）、后端（Express 分层架构，路由 - 控制器 - 服
2026-03-19 17:05:55
820
1
原创 本地数据库的表数据迁移至对应云平台，流程整理和问题总结：以supabase为例
本文记录开发者将本地 Docker 部署的 Supabase 数据库迁移至云端 Supabase 的实操过程。迁移中遇到两大核心问题：一是连接云端数据库时因 VPN、DNS 解析异常，出现服务器意外断开连接，关闭代理或设置直连、选用 Session Pooler 连接模式可解决；二是导入 SQL 文件因编码非 UTF-8 报错，改用在本地容器通过 pg_dump 带 --column-inserts 参数导出数据，保证兼容性。作者给出完整迁移流程：先配置云端参数、定位本地容器，再分表结构与数据导出，通过指定
2026-03-16 11:38:52
390
原创 REMOTION+AI零代码创作：告别AE/PR，自媒体推广视频10分钟搞定
摘要：REMOTION是一款通过React代码生成视频的创新框架，解决了传统视频制作软件学习成本高、操作复杂的问题。其核心流程包括：1）通过AI对话描述视频需求；2）自动生成REMOTION代码；3）渲染帧画面；4）导出最终视频。实践操作需安装Node.js、Git和FFmpeg环境，通过命令初始化项目并安装Agent Skill。以宠物领养APP推广视频为例，用户只需提供素材和需求描述，AI即可自动生成符合要求的视频。该方法相比传统制作节省80%时间，无需专业技能和付费，适合自媒体人、创业者等各类人群实现
2026-03-16 11:34:18
431
原创 反绎学习（Abductive Learning）详解：融合机器学习与逻辑推理的AI新范式及ABLkit实践
反绎学习（ABL）由周志华教授于2019年提出，是破解机器学习与逻辑推理融合这一AI“圣杯问题”的新范式，核心是将演绎反向嵌入归纳过程，实现数据驱动与知识驱动的双向均衡互促。其突破了二者表示形式的本质鸿沟——逻辑推理基于一阶逻辑描述关系与规则，机器学习基于属性-值处理有限样本，通过“伪标签生成-逻辑验证-分类器更新”的循环，让二者协同优化。ABLkit作为高效Python工具包，封装四大核心模块，支持快速搭建ABL系统，本文结合MNIST加法等实例，详解反绎学习的原理、流程及实操方法，助力开发者利用其实现A
2026-03-11 10:00:00
796
2
原创 2025 年 TypeScript 登顶 GitHub：AI 时代的开发语言首选
2025 年 GitHub Octoverse 报告显示 TypeScript 超越 Python 和 JavaScript 成为最受欢迎语言，月度贡献者超 263 万、同比增长 66.6%。其爆发的核心原因在于完美适配 AI 时代开发需求：TypeScript 的类型系统可提前拦截 AI 生成代码的类型错误，避免生产环境故障，且 TS 与 AI 交互的通用协议 JSON 天然兼容，既能原生解析 JSON，又能通过 Interface 定义结构，兼顾类型安全与动态灵活。
2026-03-07 11:07:13
427
原创 Obsidian（Markdown笔记软件） 插件 + claude code skills 玩法合集：论文管理、图片优化、多格式导出一站式搞定
Obsidian是一款基于本地Markdown文件的笔记工具，具有数据安全、格式开放的特点。其核心优势在于所有笔记均为独立Markdown文件，即使软件停更也能继续使用。用户可通过GitHub实现自动同步备份，确保数据安全。Obsidian与AI工具（如Claude Code）结合可实现多种高效功能：通过Claudian插件进行笔记整理、知识图谱构建；利用Skills实现论文推荐解读、图片管理优化等。此外，Obsidian支持多格式导出和双向链接功能，帮助用户构建高效的知识管理系统。
2026-03-07 09:00:00
946
原创 【模型推理】高频 C++ 语法全解析（面向 Tensor / 算子 / 内存管理场景）
本文聚焦C++在模型推理场景中的核心语法应用。在类设计方面，通过public/private权限控制保障数据安全，使用explicit关键字避免隐式转换风险，构造函数支持多维Tensor初始化，const成员函数确保只读操作。模板特化为不同数据类型（如float/uint8_t）提供定制化实现。内存管理采用shared_ptr实现共享所有权，unique_ptr确保独占管理。STL容器适配推理需求：vector存储算子节点，map快速定位算子。类型别名using提升代码可读性，体现了C++在工程实践中的高效
2026-03-03 18:56:59
387
原创 AI编程适配｜Supabase全解析(云服务+本地部署)+PostgreSQL高级特性实战
Supabase作为25年后端热门开源BaaS框架，GitHub星标98000+，基于PostgreSQL封装全套后端基础设施，支持用户认证、文件存储等核心功能，可云服务快速上手或Docker本地部署。本文实操演示Supabase云服务使用、Navicat远程连接、前端SDK接入及RLS行级安全策略配置，同步详解PostgreSQL核心特性，包括自定义类型、表继承、JSONB支持、全文检索及高级索引，对比其与MySQL的架构差异，助力开发者快速掌握这套高效前后端解决方案，实现低代码快速搭建完整应用。
2026-03-03 18:39:49
830
原创 【论文阅读】Diffusion Models for Reinforcement Learning: A Survey---强化学习中的扩散模型：综述
本文系统梳理了扩散模型在强化学习领域的应用进展，从强化学习面临的表达能力受限、数据稀缺、误差累积和多任务泛化四大核心挑战出发，阐述了扩散模型如何凭借其强大的分布建模能力提供新的解决思路。文章首先介绍了去噪扩散概率模型、基于分数的生成模型及引导采样、快速采样等关键技术，随后将现有方法按扩散模型的角色分为规划器、策略、数据合成器及其他应用四类，详细分析了各类方法的框架与代表性工作，并综述了其在离线 / 在线强化学习、模仿学习、轨迹生成、数据增强等场景中的实践。最后，本文展望了生成式仿真、安全约束融合、检索增强生
2026-02-27 15:21:01
687
原创 【NeurIPS 2023】源码解读 --- 扩散模型是多任务强化学习中的有效规划器与数据合成器
扩散模型在视觉和自然语言处理（NLP）领域已展现出强大的生成能力。最近的强化学习（RL）研究发现，扩散模型在离线数据集中建模复杂策略或轨迹方面也表现出色。然而，已有工作大多局限于单任务场景，缺乏能够在多任务挑战中发挥作用的通用智能体。本文旨在探究单个扩散模型在建模大规模多任务离线数据中的有效性，这一任务因数据分布的多样性和多模态性而具有挑战性。
2026-02-27 14:12:25
1059
原创 吴恩达亲授：科研人高效精读论文的核心方法，告别无效阅读
吴恩达教授分享了高效阅读学术论文的"4层精读法"：第一层5-10分钟快速筛选，判断论文价值；第二层15-20分钟掌握核心内容；第三层聚焦技术细节；第四层深度消化并复用。他强调要避免逐字阅读，而是分层获取信息，通过图表优先、代码辅助等方法提高效率。同时建议每周阅读2-3篇论文，建立文献体系，并组建阅读社群互相讨论。对于科研新手，建议从综述入手，筛选30篇重点读5-10篇，通过理论思考和实验复现产生idea，再与导师讨论完善。论文写作时可参考经典论文的写作逻辑，从审稿人视角反复修改。核心原则
2026-02-26 12:53:22
649
原创 2026 最新 Docker 教程：Docker Desktop 安装(非系统盘)+ 命令 + 网络 + Docker Compose 一站式学习
本文介绍了Docker容器技术的核心概念、安装配置和基本操作指南。主要内容包括：Docker容器与虚拟机的区别，核心概念如容器、镜像、镜像仓库等；详细安装步骤，涵盖Linux、Windows系统的安装方法；镜像管理操作（拉取、查看、删除）；容器生命周期管理（创建、运行、调试）及常用参数说明。通过本文可以快速掌握Docker的基本使用方法，解决软件部署环境问题。
2026-02-26 12:49:26
1181
原创 【ICLR 2024】基于大型语言模型的代理在大规模决策中的控制：一种演员-评论家方法
LLMs 为解决多智能体系统（MAS）中的规划与决策问题提供了新途径。然而随着智能体数量的增加，LLM中的幻觉问题以及多智能体系统中的协调问题日益凸显。此外，如何高效利用资源也成为了挑战。
2026-02-25 10:09:43
792
原创 【AAAI 2025】基于扩散模型的昂贵多目标贝叶斯优化
在现代工程的前沿，寻找“最优解”往往是一场代价高昂的赌博。想象一下：为了提升火箭喷射器的燃烧效率，或者是缩短一款新药的临床试验周期，工程师和科学家们必须在无数种参数组合中进行筛选。——每一次物理实验或高精度模拟都意味着数十万美金的投入或长达数周的等待。这种挑战在学界被称为“昂贵多目标优化问题（EMOPs）”。
2026-02-25 10:06:59
875
原创 【Bayesian Analysis 2023】大数据背景下的分布式贝叶斯模型选择
摘要 本文针对海量数据集的分布式贝叶斯模型选择问题，提出了一种基于边际似然的创新方法。传统"分而治之"策略中的投票机制存在统计功效不足的问题，而新方法通过引入"修正项"（积分Isub）来衡量各数据分片结果间的"共识度"，有效解决了这一问题。该方法采用"拆分-应用-合并"框架，将数据集划分为不重叠子集，在各节点独立计算后验分布后，通过汇总统计量矫正划分影响。实验证明，在希格斯玻色子（1100万观测值）和UK Biobank遗传数据
2026-02-24 15:23:47
1217
原创 从代码提交到远程部署：GitHub 完整操作指南（解决 SSH 连接与分支冲突）
本文专为 Git 新手整理，从 GitHub 网页端操作、VSCode 可视化上传、本地 Git 命令推送，到 SSH 免密配置、常见报错解决、服务器 TMUX 后台运行，一站式搞定代码托管全流程，小白也能直接跟着操作。
2026-02-24 10:33:57
1591
原创 Vibe Coding范式实战：用AI工具链（Stitch+Figma+ai studio+Trae）快速开发全栈APP
AI驱动的Vibe Coding开发范式实践 本文介绍了一种基于AI技术的"氛围编程"工作流： 设计阶段：使用Google Stitch通过自然语言生成响应式UI原型，导入Figma进行精细化调整 开发阶段：AI Studio将设计稿转为可交互的React/TypeScript应用，Trae生成Supabase后端代码 部署阶段：通过GitHub管理代码，Vercel实现自动化部署。实践案例展示了一个本地活动约伴APP的全流程开发，包含活动发布、即时聊天、签到打卡等功能模块，验证了该范式
2026-02-23 17:13:03
2443
2
原创 【NeurIPS 2024】MDAgents：用于医疗决策的自适应大型语言模型协作
参考论文：MDAgents: An Adaptive Collaboration of LLMs for Medical Decision-Making医疗决策(MDM) 是一个复杂且多维度的过程，需要解读复杂的多模态数据，包括影响，电子健康记录（EHR），生理信息和遗传信息，同时还要快速将新的医学研究整合到临床实践中。已知LLM能够处理和综合大量医学文献与临床信息，并支持概率与因果推理，但是它们在医疗应用中的评估却十分有限。LLM的“通用型”设计未能有效整合现实世界中系统性的医疗决策流程，而这种流
2026-01-24 20:59:22
700
原创 基于大型语言模型的多智能体制造系统用于智能车间
参考论文：A Large language model-based multi-agent manufacturing system for intelligent shopfloors这项研究介绍了一种基于大语言模型（LLM）的多智能体制造系统，旨在解决智能车间在面对多品种、小批量生产时的动态调度难题。该系统通过构建包含决策、思维、谈判及物理资源层的层级架构，赋予制造单元自主推理与协同作业的能力。相比于依赖预设规则的传统方法或需要海量预训练的深度强化学习，该方案利用提示词工程和思维链技术实现即时决策。
2026-01-24 20:58:06
708
原创 【neurocomputing 2024】通过约束多目标强化学习实现个性化机器人控制
参考论文：Personalized robotic control via constrained multi-objective reinforcement learning。许多现实世界的控制任务需要在多个相互冲突的目标之间进行平衡，并同时确保所学策略符合约束条件。此外，个别用户通常希望通过特定的偏好来探索个性化和多样化的机器人控制模式。提出了一种新的约束多目标强化学习算法，用于具有连续动作的个性化端到端机器人控制，使训练好的单一模型能够近似任何用户指定偏好的帕累托最优策略。
2026-01-21 10:04:01
735
原创 【NeurIPS 2023】多目标强化学习算法工具库-MORL-Baselines
参考论文：A Toolkit for Reliable Benchmarking and Research in Multi-Objective Reinforcement Learning。人工智能研究中普遍存在着“复现性危机”。这并非源于学术不端，而是由多种复杂因素共同造成的。例如，许多AI模型的训练时间极其漫长，导致研究者难以进行严格、充分的统计分析；同时，论文中常常缺少关键信息，比如精确的超参数设置和那些“秘而不宣”的实现层优化技巧。
2026-01-21 10:02:58
758
原创 【ICRA 2025】面向杂技机器人的分阶段奖励塑形：一种约束多目标强化学习方法
这项研究提出了一种分阶段奖励塑型方法，旨在简化机器人学习复杂特技动作的训练过程。研究人员利用受限多目标强化学习框架，将翻转、倒立行走等任务拆解为多个逻辑阶段，并为每个阶段独立定义奖励与成本函数。为了优化策略，该团队开发了名为 CoMOPPO 的新算法，能够同时兼顾多个动作目标并严格遵守安全约束。
2026-01-20 17:04:03
735
原创 【NeurIPS 2019】一种多目标强化学习和策略自适应的通用算法
参考论文：A Generalized Algorithm for Multi-Objective Reinforcement Learning and Policy Adaptation。提出了一种适用于 带线性偏好的多目标强化学习（MORL）的新算法，目标是实现对新任务的少样本适配。在 MORL 中，核心目标是学习针对多个竞争目标的策略，而这些目标的相对重要性（偏好）对智能体而言是未知的。
2026-01-20 17:02:45
664
原创 Python 深度学习：安装 Anaconda、PyTorch（GPU 版）库与 PyCharm
本文介绍了Anaconda和PyTorch(GPU版)的安装配置流程。主要内容包括：1）通过镜像源下载安装Anaconda并配置环境变量；2）使用conda命令创建和管理Python虚拟环境；3）NVIDIA显卡CUDA驱动安装指南；4）PyTorch及其相关库(torchvision/torchaudio)的安装方法。文中详细说明了卸载旧版本、环境变量设置、虚拟环境创建、CUDA版本检查等关键步骤，并提供了可视化操作截图和常用命令参考，帮助用户搭建深度学习开发环境。
2026-01-19 11:53:34
1466
原创 ROS 开发基础教程：工程搭建、节点编写、launch 文件与话题通信实战
本文系统介绍了ROS工程开发的核心基础知识，主要内容包括： ROS文件系统架构：详细讲解了catkin工作空间的结构（build/devel/src目录功能）与Package功能包的创建方法、核心文件（CMakeLists.txt、package.xml）的作用，以及catkin编译流程与package管理命令。 ROS节点开发：阐述了C++节点编写方法、自定义头文件引用（包括当前包和跨包引用）以及CMakeLists.txt的编译配置。 launch文件编写：介绍了launch文件的核心标签（<la
2026-01-19 11:52:31
1232
原创 覆盖文献到写作全流程！GPT-Academic 多模型学术助手安装与使用指南
GPT-Academic（又称 “GPT 学术优化”）是由中科院团队主导开发的开源学术辅助工具，旨在解决科研人员在论文处理、代码分析、文献调研中的效率痛点，目前在 GitHub 已收获6 万 + Star，被称为 “科研人的耶路撒冷”。其核心价值在于以 “模块化交互界面 + 多模型兼容” 为基础，将 AI 能力与学术场景深度结合，覆盖从文献阅读到论文写作的全流程，且支持免费使用，大幅降低学术工作的技术门槛。
2025-12-19 14:20:41
1220
原创 Paper Burner X：科研人必备的 AI 文献处理工具，翻译 + 分析一键搞定
Paper Burner X是一款专为学术文献处理设计的AI工具，支持PDF、DOCX等格式的批量翻译与智能分析。通过并发OCR技术实现秒级翻译，完整保留公式、图表等格式，解决传统工具格式丢失问题。采用纯前端架构保障数据安全，支持Vercel和Docker部署。内置术语库、grep检索等功能，可导入GitHub或URL文档，导出多种格式。开源项目采用AGPL-3.0许可，提供在线体验和专业文献处理解决方案。
2025-12-19 13:18:38
685
原创 中国版 ReadmeX + 海外爆款 Zread.ai：两款 AI 工具重构开源项目探索方式，一键解析GitHub项目，生成超详细技术文档。
中国版ReadmeX和Zread.ai是两款革新开源项目学习的工具。ReadmeX通过智能语义分析自动生成项目架构图、双语文档和交互式问答，只需替换GitHub链接即可快速理解复杂项目。Zread.ai则支持更广泛的项目分析，自动生成包含架构图、流程图和代码层次解析的详细报告。两者都显著降低了开源项目的学习门槛，帮助开发者从数小时的手动分析缩短到几分钟的智能解读，尤其适合国内开发者克服语言障碍和技术复杂性，实现高效学习和二次开发。
2025-12-03 13:59:19
1129
原创 全流程实操：Dify+Ollama+Xinference 搭建法律咨询大模型平台（含环境部署/ 数据清洗 / 知识库构建 / 工作流设计）
本文详细介绍了基于Dify的法律咨询大模型平台从零搭建的全过程。针对单台服务器存储限制，采用两台服务器分别部署Dify/Ollama和Xinference服务，通过内网穿透解决网络互通问题。部署环节包括Docker环境配置、Qwen3模型拉取及GPU变量设置，同时完成Xinference的rerank模型部署与Dify对接。知识库构建阶段，通过MinerU工具将PDF法律文档转为Markdown格式，经Python脚本清洗数据（添加标识、优化格式）后创建向量知识库，并进行了分段验证和命中率测试。最终在Dif
2025-12-03 12:16:39
965
转载 Ubuntu 服务器必备：cpolar 内网穿透安装配置全流程（含 token 认证与隧道测试）
摘要：本文介绍了如何在Ubuntu系统下安装和使用cpolar内网穿透工具。首先通过curl命令安装cpolar，完成版本验证和token认证后，测试8080端口穿透成功。接着将cpolar配置为后台服务并设置开机自启动，通过Web UI管理界面（9200端口）可进行隧道配置等操作。cpolar支持多平台，适用于Linux服务器环境，提供简单高效的内网穿透解决方案。详细教程可参考官网文档。
2025-12-03 12:10:59
233
原创 【论文精读】ICML 2022 基于扩散模型的规划：面向灵活行为合成的方法 （Planning with Diffusion for Flexible Behavior Synthesis）
基于模型的强化学习方法通常仅将学习用于估计近似动力学模型，而将其余决策工作交由经典轨迹优化器完成。尽管概念上简洁，但这种组合存在诸多实证缺陷，表明所学模型可能并不适配标准轨迹优化方法。本文探索了一种新的思路：将轨迹优化流程中尽可能多的环节融入建模过程，使得从模型采样与基于模型规划几乎趋于统一。我们技术方案的核心是一个扩散概率模型，该模型通过迭代对轨迹去噪来实现规划。
2025-11-30 09:35:21
865
原创 【源码解读】ICLR 2023 --- 作为离线强化学习强表达能力策略类的扩散策略
离线强化学习（Offline Reinforcement Learning, RL）旨在利用先前收集的静态数据集学习最优策略，是强化学习领域的重要范式。标准强化学习方法在该场景下往往表现不佳，原因在于对分布外动作（out-of-distribution actions）的函数逼近存在误差。尽管已有多种正则化方法被提出以缓解这一问题，但这些方法通常受限于表达能力有限的策略类（policy classes with limited expressiveness），可能导致最终解的性能严重次优。
2025-11-29 12:22:35
1122
1
原创 开启AI绘画 “工作流时代” 的神奇应用----Comfy UI | 使用CNB平台搭建ComfyUI
摘要：本文介绍如何使用腾讯云CNB平台快速部署ComfyUI可视化AI生成工具。操作流程包括：1）在CNB平台fork现成的ComfyUI模板项目；2）启动项目并下载Stable Diffusion模型；3）安装扩展节点并同步修改到个人仓库。该方法无需本地配置环境，通过云原生开发平台即可实现AI图像生成功能，适合快速开展AI创作和开发测试。（149字）
2025-11-23 20:49:25
1736
1
原创 【调试技巧】vscode 四种断点调试，快速定位 bug
本文介绍了VSCode调试中的四种特殊条件断点：表达式断点(Expression)、命中次数断点(Hit Count)、日志消息断点(Log Message)和等待断点(Wait for Breakpoint)。通过Python示例展示了每种断点的具体应用场景和设置方法：表达式断点可在条件为真时暂停；命中次数断点可在指定执行次数时中断；日志消息断点可输出变量值而不中断程序；等待断点则需依赖其他断点触发后才生效。这些功能能显著提升调试效率和精准度，适用于循环、条件判断和异步流程等复杂场景。
2025-11-22 20:37:29
1083
原创 【生成扩散模型】通过随机微分方程（SDE）实现 基于分数的生成建模
摘要：扩散模型通过加噪和去噪过程转化数据分布，其中随机微分方程（SDE）可作为数学框架描述这一连续随机过程。SMLD方法利用噪声条件分数网络学习不同噪声尺度下的去噪方向，通过朗之万动力学进行逆向采样；DDPM则基于马尔可夫链构建正向加噪过程，利用变分推断学习反向去噪过程。两者都通过训练网络近似分数函数（数据分布的梯度），从而实现从噪声分布到真实数据分布的逆推。
2025-11-10 15:50:04
1834
原创 【外刊精读】All those whoo achieve great things have an extremely positive language system
Many people fail to understand that a language system is actually the most powerful thing in the world.很多人并没有意识到，“语言体系”其实是这个世界上最强大的力量。
2025-11-09 23:33:31
966
原创 基于分数的生成模型SMLD（score-Matching） ------- Langevin Dynamics（朗之万动力学）公式推导
摘要 基于分数的生成模型通过朗之万动力学实现目标分布采样，其核心组件包括：1）利用分数函数（概率密度梯度）指引采样方向；2）通过噪声扰动保障样本多样性。当目标分布未知时，采用神经网络近似分数函数。该模型物理本质与玻尔兹曼分布相关联，将势能梯度转化为对数概率梯度。朗之万动力学在梯度下降基础上引入噪声，使样本能覆盖整个分布而非收敛至单一极值点。实验表明，该方法能有效从均匀分布初始样本收敛至目标分布（如高斯混合分布）。
2025-11-03 18:07:07
2221
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人