数据派THU-CSDN博客

转载手把手搭建多智能体交易系统，实现全流程智能决策

这不仅是为了人类可读性，更重要的是创建了一个可预测的模式，便于下游流程（如稍后的信号提取器）可靠解析。激进型分析师推动更激进的行动（“100% 全仓”），保守型分析师推动更严格的控制（“更紧的止损”），而中性型分析师则验证了交易员的计划是一个平衡良好的折中方案。交易员的输出非常出色，表明它已成功将研究主管的策略指导转化为具体的、可执行的计划，并附带了具体参数（50% 仓位、入场/出场点）。有了这些全面但明显存在矛盾的数据，我们的研究员团队已经准备就绪，将对其含义进行辩论，并形成连贯的策略。

2026-05-07 17:03:16 7

转载这个 Python 泛型仓库让你少写 80% 重复代码（附代码）

我将带你用Python泛型和SQLAlchemy，实现一个类型安全、可扩展、可复用的通用仓库模式，让你从此告别重复的CRUD代码。⚠️ 关键点：Python虽然是动态语言，但通过类型提示和泛型，你可以获得编译时类型检查的能力。⚠️ 注意：这种重复代码是“复制粘贴综合症”的典型表现，90%的团队在这里踩坑——当业务逻辑需要修改时，你要在8个仓库里改8遍，漏改一个就是Bug。Model = TypeVar("Model", bound=Base) —— 这就像“我要一个餐具”，具体是碗还是盘子，也后面再定。

2026-05-06 20:04:55 9

转载在线教程丨高性能与易部署兼得，DeepSeek-V4-Flash模型参数284B，简单任务可媲美1.6T Pro版模型

对比来看，DeepSeek-V4-Pro 更偏向能力上限的探索，而 DeepSeek-V4-Flash 则在保留较强模型能力的同时，通过更轻量的结构设计与推理优化，在延迟、吞吐以及资源消耗方面都有明显改善。DeepSeek-V4-Pro的参数规模达到 1.6T，在 Agentic Coding 评测中已达到当前开源模型最佳水平，并在数学、STEM、竞赛型代码的测评中，DeepSeek-V4-Pro 超越当前所有已公开评测的开源模型，取得了比肩世界顶级闭源模型的优异成绩。」，点击「运行此教程」。

2026-05-05 17:03:03 20

转载 23岁门外汉携ChatGPT，攻克60年数学猜想！陶哲轩：我们全走偏了

1968年，埃尔德什和合作者Sárközy、Szemerédi提出了一个猜想：关于原始集的一个特定求和式，存在渐近意义上的明确上界。更关键的不是速度差距，是路线差距。而LLM则走了一条完全不同的路线，它使用了一个在相关数学分支中众所周知、却从未有人想过要应用到这类问题上的公式。在#1196之前，Price和Barreto已经用类似方法在几个较小的问题上取得了进展，陆续引起了一些关注。比如{2, 3, 7, 12}，12能被2和3整除，所以不是原始集，而{2, 3, 7, 11}就是。

2026-05-05 17:03:03 16

转载 ACL 2026 | 别轻易给AI发「～」，它可能会删掉你的整个主目录

研究团队提出了一套自动化框架，从 6 万余个真实表情符号中筛选出高风险候选，构建了 3,757 个覆盖文件管理、数据库操作、系统运维等 21 类真实任务场景的测试用例，横跨 Shell、Python、SQL、JavaScript 4 种编程语言，对 GPT、Claude、Gemini、Qwen 等 6 个主流大模型进行了系统性测试。于是，你的一个语气符号，可能恰好撞上了另一套系统的执行语法，带来你完全没有预料到的后果。它不是在敷衍你，它是真的 "误解" 了你，然后一本正经地按照自己的理解去执行。

2026-05-04 17:03:24 17

转载《强化学习数学基础》

逻辑链条清晰：从基础概念（状态/动作/奖励）延伸至马尔可夫决策过程（MDP），引入贝尔曼方程（Bellman Equation）进行策略评估，随后通过贝尔曼最优方程寻求最优策略。算法演进遵循从基于模型（Model-based, 动态规划）到无模型（Model-free, 蒙特卡洛/时序差分），再从表格型方法（Tabular methods）扩展至函数近似（Function Approximation, 深度强化学习），最终收敛于策略梯度（Policy Gradient）及 Actor-Critic 架构。

2026-05-04 17:03:24 10

转载 11.5B参数、1.2EFLOPS、训练从数周压到数小时：他们把通用原子势训练带入Exascale时代

最终，在两台 Exascale 平台上，系统实现了超过 90% 的弱扩展并行效率，峰值达到 1.2 EFLOPS，把十亿级通用原子势训练第一次真正推到了超算级可用的阶段。更关键的是，作者没有简单堆大参数，而是引入了 MoE。把通用机器学习原子间势（uMLIP）的训练规模推到了一个新量级，提出了十亿级通用原子势模型 MatRIS-MoE，以及配套的分布式训练框架 Janus，在两台 Exascale 超算上实现了 1.2/1.0 EFLOPS 的单精度峰值性能，并把原本需要数周的训练过程压缩到数小时。

2026-05-02 17:01:34 11

转载时间序列预测增强方法总结：频域、分解、patch

这个结果本身就很说明问题：它把预测增强中一个内在问题暴露了出来：方法必须引入足够的多样性，让模型见到训练数据之外的变化，而且还要保持时间一致性，让增强后的信号仍然是一个合法的连续序列。TPS核心流程不复杂：给定完整序列（look-back 窗口与预测 horizon 的拼接），先提取重叠的时间 patch，为每个 patch 算一个基于 variance 的分数，按这个分数选择性地 shuffle 一个 patch 子集——低 variance 的优先——最后在重叠区域取平均来重建整条序列。

2026-04-30 17:05:53 13

转载 Transformer可以改装成Mamba了：苹果把推理成本直接打成线性

为了解决这个差距，他们依据Mercer 定理，用了 Hedgehog 方法，用一个小型神经网络（MLP）去学习一种特征映射，让线性 attention 尽量模仿原来的行为。他们做了一件很关键的事情：把 attention 里的核心计算方式，对应映射到 Mamba 的内部参数上，让 Mamba 在初始化的时候，行为就已经接近前一步的模型，而不是从零开始学。再看数据规模，从1B 到 10B token，性能是稳定往上走的，没有出现不收敛或反复震荡的情况，这一点很重要，因为它说明这条路线是可以规模化放大的。

2026-04-30 17:05:53 13

转载 Claude Opus 4.7 系统 Prompt 泄露：其中的10 个核心设计决策解读

Claude 4.7刚发布不久他的Prompt就已经被Hack出来了，仔细看 Claude 的系统设计会发现一件有意思的事：它不只追求聪明，还在试图约束自身的行为。用户说出"我的项目"或"之前聊的那个方案"这类表述时，模型会把它们当作上下文存在的信号，主动尝试检索相关内容。帮助处于敏感情境中的用户时（例如涉及自我伤害的场景），Claude 即便是在告诫用户远离某些方法的时候，也不会说出具体的方法名称。这里指向一个更深层的问题：过度顺从的 AI 行为不止是让人不舒服，它还可能催生不健康的交互习惯。

2026-04-29 17:02:34 16

转载 ICLR 2026 | 大模型的无监督强化学习能走多远？清华团队给出了系统性答案

研究者系统解剖了无监督 RLVR 的内在机制，发现所有基于模型自身信号的内在奖励方法，无论多数投票、熵奖励还是其他变体，都遵循着一条相似的轨迹：训练初期性能快速攀升，但到达某个临界点后，开始不可逆地滑落。通往 scalable 的无监督强化学习，需要的不是盲目相信模型可以自我进化，而是知道什么时候该让它倾听自己的回声，什么时候该把它推向真实世界的验证。这不是某个方法的缺陷，而是机制的宿命：它们本质上都在锐化模型已有的偏好，像一个回声室，让模型不断重复自己最初相信的东西。问题的根源在于奖励的来源。

2026-04-29 17:02:34 37

转载 MiniMax 真正想做的，是模型与 Harness 的双进化！

到给出分析结果的时候，其实可以看出它跟 OpenClaw 没有特别本质性的区别，因为它做的还是拆解你的需求，然后一步步地执行，最后给出一个很完善的结果。它真正解决的是如何将记忆、Scale、工具调用、任务状态和用户反馈，形成一个持续运行的闭环。它的特殊性，不只是一个“更强的模型”这么简单，更重要的是，它开始进入一个真正的自我迭代系统里，优化目标不再只盯着传统 benchmark，而是越来越明确地朝 Harness 场景收敛。的问题，更强的匹配度，意味着在同样的架构下，模型能发挥出来的能力上限并不一样；

2026-04-28 17:05:41 19

转载大模型开始“懂你”了！PersonaVLM如何实现长期个性化记忆

5 进一步提供定性案例。在提取出相关记忆后，模型会结合用户的当前性格，生成“投其所好”且“语气契合”的专属回答。除了方法本身，这项工作还提出了新的评测基准—Persona-MME，通过设计的数据合成管线，生成了包含 200 个多样化虚拟角色的交互数据，用于系统评估模型的长期个性化能力。，根据刚刚的对话微调用户的性格评分，并主动提取对话中有价值的信息，对四类记忆库进行增删改查，为下一次交互做好准备。AI，不只是知道答案，而是能够记住你的偏好、理解你的习惯、适应你的变化，并在长期互动中逐渐形成对你的认知。

2026-04-27 17:03:24 23

转载从检索到回答：RAG 流水线中三个被忽视的故障点

下面这种故障模式是不会出现在你的日志里的，用户提交一条查询、检索流水线运行并返回若干文本块、相似度分数看起来正常、LLM 据此生成了一段流畅的响应，但响应存在事实偏差或者以高度自信的口吻呈现了不完整的信息。加上这一层之后，监控的维度变成了：检索到的上下文是否确实与查询相关，生成的响应是否有上下文依据，用户后续行为是否暗示答案有误，以及这条具体查询在哪个环节出了问题。这就是静默 RAG 故障，监控的每一个指标系统都"正常工作"了，按照真正重要的指标衡量，但是用户拿到的是一个错误答案。RAG 的搭建门槛不高。

2026-04-27 17:03:24 15

转载聚焦多模态感知与 AI 融合清华大数据智能讲堂共谋智能科技未来

他表示，本次讲堂恰逢清华大学 115 周年校庆，聚焦多模态感知、具身智能、空间智能、工业时序数据等前沿方向，既是高水平学术思想的深度碰撞，也是产学研用协同创新的重要平台。未来，清华大数据智能讲堂将持续聚焦人工智能、大数据、多模态融合、智能系统等前沿领域，常态化邀请海内外顶尖专家与产业领军人物分享最新成果、共商发展路径，着力打造国内领先、国际一流的学术交流与产学研协同创新平台，为实现我国智能科技高水平自立自强、服务国家高质量发展与国家安全战略贡献更大力量，活动在热烈氛围中圆满结束。

2026-04-26 17:03:22 31

转载分享2篇最新Harness论文，一篇谷歌，一篇微软

如图1所示，对话任务（LoCoMo）需要实体关系图来追踪人物关系，法律查询（PRBench）需要关系型数据库存储判例，而具身智能（ALFWorld）则需要轨迹查找表。数据派THU作为数据科学类公众号，背靠清华大学大数据研究中心，分享前沿数据科学与大数据技术创新研究动态、持续传播数据科学知识，努力建设数据人才聚集平台、打造中国大数据最强集团军。当前LLM Agent的记忆系统往往采用"一刀切"的设计——无论是对话Agent使用的语义检索，还是代码Agent使用的技能系统，抑或是专业领域使用的结构化数据库。

2026-04-25 17:02:21 37

转载 9个 Python 库，摆脱重复手动操作

数据派THU作为数据科学类公众号，背靠清华大学大数据研究中心，分享前沿数据科学与大数据技术创新研究动态、持续传播数据科学知识，努力建设数据人才聚集平台、打造中国大数据最强集团军。这9个库，本质上都是“懒人哲学”的产物——它们让你把时间花在思考业务逻辑上，而不是跟验证码、API限流、浏览器驱动较劲。下面这9个库，每一款都能让你的代码像长了手一样，自动填表、截图、发消息、收邮件，甚至绕过API限制爬取数据。就像一个听话的实习生，你告诉他“打开登录页，填用户名密码，点提交”，他就照做，不会多开一个标签页。

2026-04-24 17:04:42 35

转载奋楫十五五，智领新征程——三维几何建模引擎GME第四年度总结会议成功举办

随后，杭州电子科技大学陈小雕教授，华东师范大学宋海川教授，沈阳建筑大学杨书航副教授，中南大学邹北骥教授，南京航空航天大学谢健助理研究员、清华大学沈恩亚老师分别对求交模块、最小距离模块、查询模块、缝合模块、离散化模块、消隐模块、数学模块、扫掠模块和AI Coding模块、布尔模块、抽壳模块、仿真模块、覆盖模块、过渡模块、基础模块、构造器模块、架构模块、局部操作模块、内核模块、偏置模块、轻量化模块、修复模块、智能建模模块的总体进展情况和后续工作计划做了详细的汇报。从左往右依次为陈小雕、宋海川、杨书航、邹北骥。

2026-04-22 17:02:54 22

转载不依赖对话日志检测Prompt注入，一套隐私优先的实现方案

但更耐人寻味的是保留了多少信号：重试循环、Token 积累和会话结构等行为模式，承载了绝大部分检测能力。评估在会话级别进行，以避免轮次间的信息泄露。同一会话中的轮次存在相关性，因为轮次级别的划分会将会话上下文泄露到评估集中，导致指标虚高。分析遗漏的案例后，一个规律浮现：早期轮次看起来正常，越狱信号只在会话后期才出现。是实验中期分析遗漏的越狱会话后补充的——它在会话所有轮次中保留最大越狱相似度，而非取平均值。重试模式、Token 增长和会话结构，最终被证明与已知攻击模式的语义相似度具有同等的信息量。

2026-04-21 18:36:54 16

转载斯坦福大学教授李飞飞团队：2026年人工智能发展报告总结！

AI博士方面，美国和加拿大的新增AI博士2022到2024年增长了22%，但增长出来的这部分，全部流向了学术界，没有去产业——这把过去十年AI博士主要去企业的趋势给逆转了。关于AI对就业的影响：73%的专家觉得是积极的，公众里只有23%——差了整整50个百分点。消费者这边有一个挺惊喜的数字：到2026年初，美国消费者每年从生成式AI工具里获得的估算总价值达到1720亿美元，比2025年的1120亿元增长了54%，而且人均价值中位数在一年内翻了三倍——其中大多数工具对用户要么免费，要么花不了几个钱。

2026-04-21 18:36:54 86

转载 1/3 Token↓，3×性能↑：通义 × 清华用强化学习重做Agent Memory

在多目标的 web search 数据集上，与基础的 ReAct、Agentic-RL 模型以及基于 RAG/RL 的 Memory 算法相比，MemPO 均取得了显著的 SOTA 性能，其中 Token 消耗降低为 ReAct 的 1/3，性能提升 3 倍。要么将记忆融入推理流程，却缺少针对记忆质量的显式目标，训练信号仍主要来自最终任务回报。在实验中发现，较为简单的任务需要更丰富的上下文信息，而在更为复杂的长程交互任务上，更多的历史交互上下文信息反而带来更多的干扰信息，导致性能下降。

2026-04-20 17:12:24 32

转载突破天花板！AI 学会自己优化 “变强的方法”

这说明HyperAgents 的关键价值，不在于某一个benchmark多拿了几个点，而在于它把原本依赖coding场景对齐关系的自我改进，推进成了一个能在非coding任务中运行的框架。更关键的是，它不只在coding任务成立，还能在paper review、robotics reward design等非coding任务上继续自我改进。没有这层记忆，agent往往只会反复「重新发明轮子」；DGM里上层机制基本固定，DGM-H里meta层本身也进入可演化空间，也就是说，它是一个会经营自己进化过程的系统。

2026-04-20 17:12:24 48

转载直播｜清华大数据智能讲堂——多模态感知与人工智能的融合发展

数据派THU作为数据科学类公众号，背靠清华大学大数据研究中心，分享前沿数据科学与大数据技术创新研究动态、持续传播数据科学知识，努力建设数据人才聚集平台、打造中国大数据最强集团军。新浪微博：@数据派THU。

2026-04-19 17:02:43 28

转载大规模智能体网络如何真正扩展？一篇综述梳理拓扑、记忆与动态更新三大核心维度

全局记忆（global memory）有利于共享上下文（shared context）和状态对齐（state alignment），局部记忆（local memory）更贴近真实分布式环境（distributed environment），但也更容易带来分歧。基于这些观察，作者认为未来研究需要更关注几个方向：更明确的一致性模型（consistency model）、更强的共享状态控制（state control）、更成熟的路由与通信调度机制，以及面向开放环境的身份、安全和鲁棒性设计。

2026-04-19 17:02:43 23

转载美团ICLR 2026中稿精选：突破Agent长程记忆，解析混合专家模型

为摆脱以往依赖模块化管线与固定版式规划的上限，作者提出统一生成框架，通过级联训练流程逐步释放基础模型能力：先用大规模Text-Render-2M进行文本渲染优化，再在HQ-Poster-100K上进行区域感知的高质量海报微调以平衡文本/非文本区域风格，随后基于偏好数据Poster-Preference-100K进行审美-文本强化学习，最后引入Poster-Reflect-120K与联合视觉-语言反馈实现迭代精修与更强一致性。此外，SE 的分布具有模型特异性，与数据无关，并且不受训练后处理过程的影响。

2026-04-18 17:02:58 48

转载基于大语言模型的医疗推理研究：综述与 MR-Bench 基准测试

在方法论综述的基础上，我们分析了广泛采用的基准测试，并对代表性医疗推理模型进行了统一的跨基准评估，从而实现跨方法、跨设置的系统性比较。通过对 MedQA [38] 和 HealthBench [39] 等代表性基准的针对性分析，我们发现考试类问答（QA）基准往往缺乏临床必需的上下文，而基于判断器的开放式评估可能会引入受评价者影响的变数，从而偏离现实临床决策的约束。此外，我们在统一的实验设置下，对具有代表性的医疗推理模型进行了跨基准评估，从而对现有方法的经验影响实现了更为系统化且具可比性的评价。

2026-04-18 17:02:58 39

转载实测好用的 21 种文本分块方法，RAG 新手直接抄（附代码）

如果任何生成的块超出了你预设的块大小限制，则使用较小的分隔符（例如，句子或单词）递归地进一步分割这些块，直到所有块都在所需的大小内。你在主题变化时分割文本，方法是：首先，将其拆分为更小的部分（句子或段落）。专门处理文档中的表格，保持表格的结构完整性，通常将表格转换为结构化的格式（如Markdown或JSON）。适用于原始的、杂乱无章的文本转储，例如扫描文档、质量差的文字稿，或没有标点、标题或结构的大型文本文件。先对文本单元（如句子）进行嵌入，然后根据嵌入向量的相似性动态合并或分割，形成语义连贯的块。

2026-04-17 17:03:19 36

转载 2026 中国高校计算机大赛 - 大数据挑战赛报名火热进行中！

作为中国高校计算机大赛（C4）核心模块，大数据挑战赛自 2018 年起稳居全国普通高校大学生竞赛 A 类赛事榜单，2026 年更是荣耀加冕，获评计算机类最高等级的五星级赛事，权威性、含金量与行业影响力拉满。数据派THU作为数据科学类公众号，背靠清华大学大数据研究中心，分享前沿数据科学与大数据技术创新研究动态、持续传播数据科学知识，努力建设数据人才聚集平台、打造中国大数据最强集团军。2026 中国高校计算机大赛 —— 大数据挑战赛，报名正火热进行中，一场关于算法、创新与未来的巅峰对决正在上演！

2026-04-17 17:03:19 109

转载实测 20 款多模态模型，情感理解能力仍有巨大短板

例如，在一个视频中，如果人物表现出恐惧情绪，模型不仅需要给出 “恐惧” 这一标签，还需要能够指出支撑这一判断的线索，例如面部表情变化、语音颤抖或者语速变化等。在 MME-Emotion 基准上，研究团队评测了 20 个当前主流多模态大模型，包括多个开源模型以及闭源模型，如 GPT-4o、Gemini 系列以及 Qwen 系列模型。研究团队认为，未来多模态情感智能的发展可能依赖几个关键方向，包括更高精度的视觉细节建模、更有效的语音与视觉信息融合方法，以及能够解释情绪产生原因的推理机制。

2026-04-16 17:04:40 69

转载《工业软件几何建模引擎技术要求》团体标准发布

数据派THU作为数据科学类公众号，背靠清华大学大数据研究中心，分享前沿数据科学与大数据技术创新研究动态、持续传播数据科学知识，努力建设数据人才聚集平台、打造中国大数据最强集团军。该标准确立了几何建模引擎的总体原则，规定了几何建模引擎的功能、性能、安全等要求。适用于几何建模引擎的设计、开发和应用。牵头编制的团体标准《工业软件几何建模引擎技术要求》，标准号：T/CQAE 11035-2026已正式发布。清华大学软件学院几何建模引擎GME团队。新浪微博：@数据派THU。

2026-04-16 17:04:40 18

转载 2026 年 11 种主流语言实战干货，不踩坑

数据派THU作为数据科学类公众号，背靠清华大学大数据研究中心，分享前沿数据科学与大数据技术创新研究动态、持续传播数据科学知识，努力建设数据人才聚集平台、打造中国大数据最强集团军。今天，我们不再罗列枯燥的对比表格，而是带你深入11种主流后端语言的实战场景，帮你找到最匹配的选择！2026年，我们看到的不仅是语言的竞争，更是开发理念的融合——如果把应用比作冰山，用户看到的界面只是水面上的10%，真正的运转全靠后端支撑。📈 典型用户：Pinterest、Netflix、 Atlassian。

2026-04-15 17:06:02 62