详解堆叠泛化：《人工智能 - 现代方法》19.8.3 节
19.8.3 堆叠泛化技术与自助聚合法在不同数据子集上训练同类模型不同，堆叠泛化（stacked generalization，简称堆叠）旨在整合基于相同数据但采用不同模型类训练出的多个基学习器。作为一种先进的集成学习策略，其核心理念在于：构建出“基模型层”叠加“元学习器层”的双层架构，故而得名“堆叠”。该方法通过元学习器来学习如何最佳地“权衡”各基模型的输出，从而显著优化整体预测效能。以餐厅等待问题数据集为例，假设首行数据表现为：x1=Yes,No,No,Yes,Some,$$$,No,Yes,Fren
AI入门必读：机器学习、深度学习与生成式AI的关系解析
转自：AI云之帆机器学习、深度学习、生成式 AI：零基础也能理解的人工智能科普近年来，“人工智能”已成为街头巷尾热议的话题。有人借助ChatGPT创作文章，有人利用AI绘制图像，有人使用AI制作视频、设计PPT、编写代码、创作海报。许多人常听到几个术语：机器学习、深度学习、生成式 AI、大模型。这些词汇看似高深，它们之间究竟有何联系？是否指同一事物？为何AI早已存在，却在这两年才掀起热潮？简而言之：机器学习使计算机能够从数据中发掘规律；深度学习让计算机运用更精密的神经网络掌握更深层次的规律；生成式 AI
深入AI领域，拥抱智能新时代
走进AIDelve into AI · Embrace the New Era of Intelligence2026拥抱人工智能的新时代人工智能（Artificial Intelligence），简称AI，作为驱动当代科技革命的关键引擎，正引领着人类社会的深刻变革。这是一门探索如何模拟、延伸和增强人类智慧的科学，融合了理论基础、研究方法、核心技术以及应用体系的构建。接下来，让我们一同踏入人工智能（AI）的精彩世界。人工智能的演进之路人工智能（AI）的成长轨迹，堪称从机械操作向自主认知的一次深刻蜕变。接下
人工智能赋能水科学：水文水资源与水环境领域的智能化实践指南
人工智能赋能水科学：水文水资源与水环境领域的智能化实践指南前言在人工智能技术飞速进步的当下，以大语言模型（如GPT）为代表的前沿工具正凭借其卓越的自然语言理解和内容生成能力，深刻改变着水文水资源领域的科研与实践格局。GPT在数据解析、模式识别和复杂任务处理方面展现出惊人的精确度和效能，不仅打破了传统方法面临的困境，更大幅提升了研究决策的智能化程度。从海量水文数据的快速提取到环境模型的智能优化，AI已然成为驱动该领域创新的关键力量。本次内容围绕大语言模型与水文水资源领域的深度融合展开，涵盖时间序列分析、空间
第一性原理与可解释AI协同设计HER/ORR催化剂
将第一性原理计算与机器学习融合的策略已取得显著成就，为快速精确预测化学物理性质及虚拟设计材料奠定了基础。然而，这类技术常被视作“黑箱”，侧重于追求高精度却忽视模型得出预测结果的具体逻辑。引入机器学习的可解释性不仅能改善这一现状，还能挖掘材料化学与物理学的新见解。因此，下一代模型必须通过嵌入可解释人工智能（XAI）工具来确保可解释性。特别是机器学习辅助的材料发现与设计，能从XAI中获益匪浅。开启解释机制能增强方法的影响力，不仅给出候选材料列表，还能阐明材料为何优于他者。基于此，本文以产氢和发电用的非均相催化
一文读懂AI：核心概念与实用工具大盘点
此前我在公众号已发布三篇AI相关文章：一篇分享如何借助AI高效创作（我是怎样用AI写文章的？不能只是单纯“复制粘贴”！要有个人思考和独特观点），一篇探讨提示词写法（怎样写AI提示词 ▏从“瞎提问”到“精准指挥”，提示词进阶全攻略），还有一篇解析李笑来的提示词思路（AI提示词：跟李笑来学这一招，其他的都可以不看）。坦白说，撰写时我自己对AI究竟包含哪些概念、涉及哪些领域、市面上各类应用具体有何用途并不十分清晰。怀着必须弄懂AI的决心，我向「得到大脑」中的小步请教，请它帮我系统梳理。小步解释道，AI如同幼儿学
legal AI发展脉络：25年50篇关键文献回顾
本书系统梳理了法律人工智能领域25年来的重要文献。自1987年首次法律人工智能国际会议以来，我们从十三次会议中甄选了50篇具有代表性的学术论文，每篇由24位学者分别评述。这些评述文章帮助读者理解法律AI研究的发展轨迹，并提供了独到的见解与思考。这些文献展现了该学科25年来的演进历程，揭示了研究的起源、现状和未来方向。法学与智能技术的结合是当前研究的热点前沿。《法律人工智能史上的50篇论文》原著的出版，为全球研究者提供了重要参考。这部开创性著作即将推出中文版，作为译者，我深感使命光荣，责任在肩。在翻译过程中
AI 进阶指南：零基础小白如何斩获 Offer
网络上的 AI 学习资料浩如烟海，然而九成学习者都困于同一困境：搞不清学习的先后次序。不少人闻 AI 色变，误以为数学门槛高不可攀。实话实说，门槛确实存在，但绝非你想象中那般难以逾越。3Blue1Brown 的《线性代数本质》[1] 借由动画演绎线性代数，堪称我所见最直观的授课形式。网址：https://www.3blue1brown.com/topics/linear-algebra坦白讲，研习完这套内容，你至少能透彻理解矩阵乘法与线性变换的原理。其实无需耗费过多光阴——只要掌握矩阵运算、求导及概率论基
智能体Agent的崛起
人工智能在今年成为了一个非常热门的话题，持续地重塑着我们的工作模式和生活形态；其英文简称AI，全称为Artificial Intelligence；本文将深入探讨AI Agent这一概念。Agent翻译成中文是"代理"，指的是人工智能的代理助手，通常被大家称为"智能体"。核心概念：能够感知周围环境并采取行动以实现目标，同时通过机器学习和知识获取来提升自身性能的自主实体。简单来讲，Agent可以划分为四个组成部分：Agent = LLM(大语言模型) + memory(记忆系统) + planning sk
暑期数据科学集训营：抢占2026秋招先机
💪🏻暑假黄金时期已至！渴望斩获名企高薪职位的学子们，现在正是实现突破的绝佳时机！机会稍纵即逝，立即行动起来吧🔥！CompTIA（美国计算技术行业协会）在发布的“State of the tech Workforce”报告中指出：2025至2035年间，美国数据科学家和分析师职位预计将激增414%，成为科技行业增长最迅猛的领域之一。该报告同时预测软件开发工程师岗位将增长297%。众所周知，Data Analyst和Business Analyst等数据类职位历来是竞争最为激烈的高回报岗位。对于有志于冲击数据
桑迪亚实验室：AI 赋能核武核心部件智能质控
【编者按】本文所述观点及数据均源自公开资料，意在推动专业探讨，并非代表任何官方立场。关于其准确性与完整度，敬请读者自行判断，并期待深入交流与研讨。▌一、引言与研究背景在国家核安全架构与战略威慑体系内，核武器核心组件的制造品质直接决定了武器系统的绝对可靠度及长期服役的安全性。核弹头内部的引信装置、高压绝缘元件以及安全保险系统，广泛采用了先进的结构陶瓷与复合非金属材料。这些材料在核武触发或极端环境作业时，必须承受超高压、剧烈机械冲击及强辐射负荷。因此，此类部件的制造工艺对微观缺陷（例如微米级裂纹、内部气孔、晶
2026年美国国家人工智能科学院新院士名单揭晓
导读2026年3月，NAAI公布了2026年新当选成员名单（双语版本，最新更正版）。美国国家人工智能科学院（NAAI）是一个致力于促进人工智能领域发展、加强学术交流与合作、提升公众对人工智能认知的机构。该机构汇聚了众多在人工智能领域取得卓越成就的科学家和工程师，旨在通过研究、教育、政策建议和公共服务等多种方式，促进人工智能技术的创新与应用。NAAI成员包括国际人工智能领域的知名学者和专家，他们在机器学习、自然语言处理、计算机视觉、机器人技术、智能系统等方向拥有深厚的学术背景和丰富的实践经验。这些专家通过参
人工智能专业深度解析
一、专业深度剖析该专业坐落于成都信息工程大学人工智能学院，依托电子信息类（0807）一级学科进行建设。二、发展历程利用电子信息学科优势及多级科研平台，专业紧跟国家与四川战略，建立“科学-技术-工程”全链条培养体系，推动产教融合，致力建设西部顶尖的人工智能人才培育基地。三、培养愿景旨在培养德智体美劳全面发展的复合型人才，掌握人工智能核心理论与工程实践技能，能在相关领域开展研究、开发与应用工作。毕业生5年后可独立处理复杂AI工程难题，胜任算法研发、系统设计及应用等职位。四、核心课程体系（10门必修课）课程名称
AI大讲堂第三期：揭秘机器学习的“基因”与运作机制
编者按：如今，人工智能已然化作助推企业迈向高质量发展的强劲动力。为了广泛传播AI理念、更新前沿资讯、梳理应用案例，帮助全体员工提升数智能力，促进“AI+”战略在全省范围内的深入实施。数据发展及AI中心特别策划了“AI大讲堂”系列微课，旨在共同探索智能时代的全新发展路径。 本期主题：《AI的“基因”，机器学习究竟是如何运作的？》 机器学习概念看似高深莫测，其实质就是赋予机器自主“掌握”技能的能力。它是如何完成学习的呢？监督学习、无监督学习以及强化学习，这三种路径究竟有何差异？本期将避开晦涩难懂的专业词汇，带
人工智能的起源与核心概念
1955年8月，达特茅斯学院（Dartmouth College）里的一位28岁的年轻数学家——约翰·麦卡锡（John McCarthy），联合另外三位重要学者：向洛克菲勒基金会提交了一份名为《达特茅斯人工智能夏季研究项目提案》（A Proposal for the Dartmouth Summer Research Project onArtificial Intelligence）的6页计划书，申请13,500美元用于举办为期2个月的人工智能研讨会。在这份文件中，他们首次正式提出了“Artificia