置顶 学而时习之，不亦说乎！
子曰：学而时习之，不亦说乎！有朋自远方來，不亦乐乎！人不知而不愠，不亦君子乎！ 在重读论语之前，我对这句话的理解是：“经常学习，不也喜悦吗？从远方来了朋友，不也快乐吗？别人不了解我也不怨恨，不也是君子吗？” 重读《论语》，总感觉上面的解释有…
TimesFM：谷歌开源时序预测模型解析
TimesFM简介 长期以来时间序列预测还停留在"一个任务一套模型"的阶段，每次换数据集都要重新来过。2024年，Google Research推出了TimesFM（Time Series Foundation Model），将大语言模型"…
Harness：让AI从“会思考”到“能干活”
2026年，AI领域最炙手可热的概念非“Harness”莫属。DeepSeek于8月13日正式开源了其Agent产品DeepSeek Harness。Harness究竟是什么？为什么它被视作AI从“玩具”走向“工具”的关键一跃？ 什么是Ha…
本地化部署大模型工具 llama.cpp
什么是 llama.cpp？ llama.cpp 是一个由 Georgi Gerganov 于 2023 年 3 月发起的开源项目，旨在用纯 C/C++ 实现 LLaMA 系列大语言模型的高效推理。最初它只是为了在 Mac 笔记本上运行 M…
如何处理AI输出内容过程中发现偏差？
在使用Deepseek或其他AI工具的时候，AI工具在回答问题前会输出推理过程，又是发现AI错误后，却发现无法将新的“指令”传输给AI工具，必须先暂停当前回答后，补充信息后再重新。于是就带出了一个问题： 为什么不能“边生成边修正”？ 这和A…
活在当下与延迟满足
“活在当下”与“延迟满足”常被看作一对矛盾：一个鼓励及时行乐，另一个要求克制欲望、投资未来。许多人在这两端间痛苦摇摆，时而愧疚于享乐，时而在忍耐中心生怨恨。要解开这个心结，关键在于跳出词语的桎梏，审视行为背后的心理本质——真正需要警惕的，从…
模型的大小是否影响普及？
对大模型和小模型的初步认识 大模型：能力强，但成本高，普及受限 大模型确实有更强的能力，但问题在于： 训练成本极高，动辄千万甚至上亿美元； 推理成本高，每次调用都要大量算力； 延迟较高，不适合实时、端侧场景； 部署门槛高，普通企业很难私有化…
如何更好的向AI提问？
在AI时代，提问的能力比以往任何时候都更重要。当所有人都在学习AI工具时，最聪明的人在学习如何提出正确的问题。而向AI提问，与向人提问有着惊人的相似之处——你提问的方式，很大程度上决定了你得到的答案的质量。 《提问的智慧》（How To A…
生成式AI的信息熵问题
生成式AI的信息熵问题 信息论里，信息熵衡量的是不确定性的消除程度。一个事件发生的概率越高，它携带的信息量就越少。当前的大语言模型，工作逻辑恰是：在给定上文后，预测下一个最“合理”、出现概率最高的词元。这个机制，天然倾向于选择数据分布中“最…
LightGBM 二分类概率校准问题修复实践
构建 LightGBM 二分类模型，数据存在类别不平衡（正样本率 < 30%），模型排序能力正常（AUC 合理），但预测概率系统性偏高——预测均值远大于实际正样本率，整体偏差显著。 诊断方法：分箱校准统计 按固定步长（如 0.05）对…
变量分箱与自然分组实践总结
在数据分析与建模中，我们经常遇到两类变量处理难题： 连续变量（如距离、时长、金额、温度）：取值范围连续，直接使用可能导致模型过拟合，且难以输出可解释的业务结论。例如"距离7km"不如"中途（15-30km）"直观。 高基数类别变量（如小时、…
