- 博客(3)
- 收藏
- 关注
RSS订阅原创 顶会项目实战｜LLM-Fuzzer 自动化越狱测试：论文解读 + 完整复现步骤
LLM-Fuzzer 通过三大核心创新模块，成功解决了 LLM 越狱测试的自动化与可扩展性难题，其开源代码为开发者提供了标准化的安全测试工具。本文详细拆解了论文的核心知识点，并提供了从环境搭建到结果验证的完整复现流程，读者可按步骤快速上手。无论是学术研究还是工业应用，LLM-Fuzzer 都为 LLM 安全生态提供了重要支撑——不仅能帮助发现模型漏洞，更能推动防御机制的持续优化，最终促进 AI 系统向更安全、可靠的方向发展。参考文献, 2023., 2024.%5Calpha%5Cbeta。
2026-03-30 22:35:53
358
原创 保姆级入门｜医疗费用预测全流程实战：从 EDA 到线性回归/岭回归/Lasso/多项式回归，附完整代码 + 原理详解
本文以医疗费用预测为例，完整介绍了机器学习回归实战全流程。首先通过EDA分析发现吸烟是影响医疗费用的最强特征，数据呈现明显的非线性关系。然后详细讲解了线性回归、岭回归、Lasso回归和多项式回归的原理与适用场景，并实现了代码实战。结果显示，二次多项式回归效果最佳（R²=0.8849），能有效捕捉非线性关系。文章还总结了分类特征编码、模型评估指标等核心知识点，并分享了初学者常见踩坑经验。最后给出了完整的Python代码实现，适合机器学习初学者系统学习回归算法的实际应用。
2026-03-19 22:03:47
346
原创 机器学习优化：梯度下降法与牛顿法手推公式详解
本文介绍了机器学习中两种核心优化算法：梯度下降法和牛顿法。梯度下降法基于一阶泰勒展开，通过计算损失函数的梯度来更新参数，适用于高维参数空间和深度学习场景。牛顿法引入二阶导数（海森矩阵），收敛速度更快但计算成本较高，适合小规模模型优化。文章详细推导了两种方法的数学公式，并对比了其适用场景：梯度下降计算简单适合大规模数据，牛顿法精度高但计算复杂。最后还介绍了梯度下降的三种变体（BGD、SGD、Mini-batch SGD）及其应用特点。
2026-03-13 19:25:56
695
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