硅历04：强化学习与大语言模型的融合
硅历 04通过反复试错来获取知识，才是智能最核心的属性。在之前的几篇中，我梳理了人工智能的两大流派：强调人类制定规则的符号主义，以及推崇模拟人脑的连接主义。其实，除了从生物行为中学习，还有一种源于进化论的路径。它经历了遗传、变异和试错，最终演变成了强化学习。著名的AlphaGo就是这一技术的代表。鉴于如今的人工智能融合了符号主义、深度学习与强化学习，为了保持记录的完整性，我简要回顾一下强化学习的发展脉络。1975年，密歇根大学的霍兰德教授受《自然选择的遗传理论》启发，认为进化是族群学习的方式，机器也可效仿
TRD | AI赋能重型卡车减排：神经网络驱动的排放成本优化模型
ACADEMIC PAPER INSIGHTTransportation Research Part DArtificial intelligence applied to truck emissions reduction: A novel emissions calculation modelLITERATURE · REVIEWFIRST PAGEKEY TAKEAWAYS本文聚焦重型卡车运输所面临的碳排放与运营成本双重挑战，构建了一套融合人工神经网络与遗传算法的混合预测优化模型，旨在兼顾环境可持续
AI进化交易策略89代，结果令人震惊！
改编：小Q（QPython 布道师）不少人对炒股充满兴趣，尤其是在AI技术兴起的今天，是否可以让AI来辅助我们进行股票交易呢？今天分享一位国外开发者的经历——他是如何利用遗传算法，让计算机自动“进化”出一套交易策略的。原文涉及较多专业术语，我已将其转化为通俗易懂的语言。他提到的项目，欢迎大家亲自尝试👇我曾经也是一名手动调参的交易员。做过量化交易的朋友应该深有体会👇写一个策略→回测→调整参数→再回测→再调...循环200次之后，我都分不清是在优化策略，还是在过度拟合历史数据了。就像考试前背答案，背得滚瓜烂熟