Deepseek分析大A的第八天（2.14）

【6月最新】三大模型！无违禁解除限制！

最新的Grok-3、GPT-4.5、DeepSeek-R1（0528）、Claude-4， Gemini2.5Pro系列，GPT-o3、GPT-4o、GPT-Seach、GPT-4o draw! 同时还有各种指令与教程。纯公益Al站点，免费使用，免魔法!  三联评论加关注，私信up领取方法哦！！！私信自动回复

语料参数/通用人工智能智慧的核心！|【熊爸FM】

「Github一周热点76期」工作流自动化工具、开源AI知识库系统、网络管理平台、AI驱动的任务管理系统和基于web的3D CAD

GitHub 一周热点第76期(2025/06/15 - 6/21），本期内容包括工作流自动化工具、开源AI知识库系统、网络管理平台、AI驱动的任务管理系统和基于web的3D CAD。

为什么说财会是最容易被人工智能取代的？

为什么说财会是最容易被人工智能取代的？——因为它标准化、数据化程度高。

不到半小时，我竟然做出了填志愿辅助小程序？--百宝箱MCP使用教程实战！

【中字】AI界的F=ma：反向传播

Welch Labs https://www.youtube.com/watch?v=VkHfRKewkWw 视频里讲了反向传播，这是训练神经网络一个特别基础的算法，是Paul Werbos在70年代初发现的。后来，它推动了AI领域的大飞跃，从自动驾驶到大语言模型，都有它的功劳。视频里说，反向传播就是通过不断调整模型参数，来把预测误差降到最低。 视频采取的是“先讲数学原理”的方法，把一个大语言模型的训练问题简化成了一个小点的，就是用GPS坐标来预测城市。它详细讲了几个核心的数学概念：单个神经元就像一个简单的线性模型，Softmax函数能把神经元的输出变成归一化的概率，还有用来衡量预测准不准的交叉熵损失函数（Cross-Entropy Loss）。视频解释说，整个训练过程的最终目标，就是调整模型的参数，把这个损失值降下来。 视频还详细讲了怎么高效训练神经网络，就是通过计算“梯度”——它其实就是损失函数对模型参数的偏导数组成的向量。视频对比了两种方法：一种是计算量大又不准的数值估算，另一种就是反向传播，它能精确计算出这些“坡度”。反向传播的核心思想（其实早在50年代末就有人发现了）就是应用微积分里的链式法则。这样就能把复杂的导数拆解成更简单、模块化的部分。视频演示了中间的偏导数，比如损失对神经元输出的变化率，因为交叉熵损失的对数项和Softmax的指数项相互抵消，结果就大幅简化成了 (y_hat - y)。同样地，神经元输出对权重的变化率也简化成了输入值 'x'。 这些精确的偏导数，也就是梯度向量，对于指导梯度下降法里的迭代更新至关重要，而梯度下降法几乎是所有现代AI模型背后的“动力”。视频解释了用梯度下降和反向传播来训练机器学习模型的过程，详细说明了参数是怎么调整的：就是沿着计算出的梯度相反的方向（还要乘以一个学习率）去走，来把损失降下来。通过对梯度、输出概率和神经元线性模型的可视化，视频展示了模型是怎么学会正确分类样本的。视频特别指出，简单的线性模型在处理复杂决策边界时会遇到困难，这就像大语言模型要把各种输入语境映射到具体的输出token时，也会面临高维的挑战。最后，视频强调了反向传播的“可扩展性”，反驳了早期的一些批评，展示了它在解决复杂问题上的强大能力。

手机部署离线知识库Aist使用教程

本视频介绍了如何在手机上使用 Aist APP 进行完全离线的知识库对话。 核心功能： 完全离线运行： 所有模型处理（大语言模型和向量模型）和知识库查询都在手机本地完成，无需联网。 知识库集成： 支持添加PDF等主流格式文档或网页内容到本地知识库。 智能对话： 利用知识库内容进行更精准的问答。 教程步骤详解： 下载与启动模型： 在Aist设置中进入“MNN引擎设置”。 下载并启动所需的对话模型（如Qwen3 4B）和向量模型（如BGE Large）。 返回主界面点击“启动服务”。 配置模型： 在“设置” > “模型提供商”中添加已启动的本地对话模型和向量模型。 添加知识库： 在“知识库”界面创建新知识库。 选择“Local”向量存储和已配置的向量模型。 添加文档（如PDF），APP会自动处理。 与模型对话（使用知识库）： 在“对话”界面创建新对话。 选择配置好的对话模型和向量模型。 在输入框旁点击“+”选择知识库，即可开始基于知识库的提问和回答。

逐渐引导ai生成硕鼠

-

为什么说宇宙和生命的秘密，藏在这个神秘数字里？

灭霸响指后，宇宙生命恢复需多久？答案藏在兔子繁殖模型中。当公式加入环境限制，我们用AI生成的模型进行动态推演后发现：增长率突破临界值，系统即陷入混沌——初始值十亿分之一的误差将颠覆结果。 但混沌孕育着惊人秩序： • 费根鲍姆常数掌控周期分岔的节奏； • 奇异吸引子（如洛伦兹"蝴蝶"）约束混沌边界； • 分形结构在无限缩放中创造生命花纹。 1951年别洛索夫分子钟实验证明：混沌震荡是对抗熵增的钥匙。 宇宙用不可预测性书写生命，万物生于震荡。

斯坦福教授揭秘：如何在13分钟内用AI激发无限创意

在这个快速发展的AI时代，大多数人尚未充分挖掘AI的潜力。 斯坦福大学的杰里米·厄特利教授指出，转变我们对AI的态度是关键。 他强调，将AI视为队友而非单纯的工具，能够显著提升我们的创造力和生产力。 视频中，杰里米分享了几个实用的技巧，比如让AI主动提问而不是仅仅回答问题，以及如何通过基础培训使非技术人员也能高效运用AI。 此外，他还探讨了在AI时代创造力的新定义，并提出了“10倍创意爆发”的方法。 观看本视频，了解如何通过与AI的有效协作，在日常工作中实现非凡成果。 订阅频道，获取更多关于人工智能与人类独特性的精彩内容！ 【视频摘要】 - 丘吉尔泡澡时口述演讲，现代人可通过AI助手实现类似效果。 - 杰里米·厄特利教授研究AI与创造力结合，强调普通人也能有效利用AI。 - AI可显著提升工作效率，但需正确引导和互动，视其为队友而非工具。 - 通过基础培训，非技术人员也能开发出高效AI工具，如国家公园管理员亚当的例子。 - 创造力在于超越初始想法，AI时代创造力定义不变，仍需多样性输出。 - 合理利用AI，普通人可实现非凡成就，关键在于合作与持续学习。 原标题: How Stanford Teaches AI-Powered Creativity in Just 13 MinutesㅣJeremy Utley