【世界机器人大会】医学机器人现状

Veo3订阅党破防！豆包AI这招让好莱坞级特效免费：课件白拿，狗都能学会！收费软件平替，零成本豆包实现零提示词效果

UP实测所有热门VEO3特效，豆包都能复现，而且制作流程还更简单。先做一期AI爆炸箱的送你们，就两句话的提示词，实现零提示词效果，如果有其他效果的需求可以留言告诉我。 UP的每期教程课件都是白送的，只要你点赞收藏，评论区问我要就行。不收费不卖课没套路，真心换真意。

桌宠doro《手机版》教学！！！

这个做法仅限于安卓设备，苹果用电脑才能下载，比较麻烦。app和建模全是b站上的up主免费开放的

2025年最新无限制ai聊天软件，每天都可以24小时免费畅玩，堪比酒馆和电子魅魔的免费无限制ai，内置多种大模型线路！完全免费

模型斗技场！Openai-Oss-20B VS Openai-Oss-120B VS Qwen3-30B 本地模型巅峰对决！七大维度深度测评！清晰了解模型性能！

视频中出现的测试题目与结果汇总（包含测试题目，模型原始回复，Deepseek与Gemini的评价打分） 链接: https://pan.baidu.com/s/1lHZj53_vhK6iA26yKpxB2A?pwd=7126 提取码: 7126 长视频制作不易 还请大家多多三连，up感激不尽 欢迎大家来评论区分享讨论~

德语搞笑：人工智能还是人工“智障”？

当你发现AI犯错之后的极限拉扯...永远讲不赢的歪理。。

【中字】深度学习为什么会好得这么离谱？

Welch Labs https://www.youtube.com/watch?v=qx7hirqgfuU 这视频主要讲的是“万能近似定理”（UAT），它解释了两层神经网络是怎么做到近似各种复杂函数的。关键就在于ReLU（修正线性单元）激活函数的几何作用，它能把输入空间“折叠”起来，然后把这些折叠后的平面组合起来，形成非常精细、复杂的决策边界。 视频拿复杂得要命的比利时-荷兰边境线举例，想说明的是，一个“又宽又浅”的网络，就算用了海量的神经元（比如十万个），也只能勉强摸到边境线的复杂程度，还是很难抓住所有细节。但要是换成一个深得多的网络，总神经元数量少得多（比如五层，每层130个神经元），它反而能实现远超想象的精确近似。这说明啊，网络“深度”比“宽度”重要得多，它在有效学习复杂非线性关系方面扮演着关键角色。视频还进一步解释了，如果层与层之间没有非线性激活函数，那多层网络在代数上就会“坍缩”成一个单层模型，所以说，想让网络深度有意义，这些激活函数是必不可少的。 视频详细讲了，ReLU是怎么让网络学会超越简单线性边界的复杂模式的。一个没有激活函数的两层网络，顶多只能搞出一个线性的决策边界。但有了ReLU，它能把神经元的负输出直接“折叠”成零，这样就把原来的线性“平面”变成了“弯曲的平面”，让网络能创造出更复杂、更非线性的曲面和决策边界。 尽管“万能近似定理”理论上说，一个足够宽的两层网络就能高精度地表示任何连续函数，但视频也指出了实际操作中的局限性。它解释说，目前像梯度下降这样的训练算法，并不能保证一定能找到最优解。挑战有很多，比如糟糕的随机初始化，可能导致模型卡在ReLU函数的“零梯度区域”，学不进去。而且，这个定理也没明确到底需要多少神经元，对于某些特定函数来说，深层网络可能比宽而浅的网络效率高出指数级。 视频还深入探讨了神经网络架构，特别是深度和宽度，对学习复杂空间边界的影响，举的例子就是拟合一个城镇的边界。它展示了深层网络怎么通过连续的层和ReLU激活，递归地转换和组合区域，从而生成越来越复杂的决策边界。深度在理论上的优势被强调：ReLU网络能创建的最大区域数量是随着层数呈指数级增长的，而随着宽度则只是多项式增长。分析还观察到，反向传播是如何引导模型创建出复杂精细的多边形的，同时也提到了像“死神经元”这种常见现象。 最后，视频展示了即使是相对较浅的模型（比如四层、32个神经元），也能通过递归地折叠和组合输入空间，学会像复杂城镇边界那样的高难度模式。视频的创作者回顾了他十年制作教育内容的历程，感慨核心理念是如何不断扩展去解决复杂问题的，同时像损失函数地形和反向传播这些领域又不断涌现出新的奥秘。他分享了个人故事：2019年因为经济困难辞掉了之前的工作，但2022年又回来了，完全是出于对做好教育的这份热情。为了能把这个事业持续下去，他强调需要建立一个可持续的商业模式，目标是能挣回他之前全职工作的收入，因此希望社区能给予更多支持，尤其是通过Patreon平台，他还提供了独特的剪纸作品作为新的回馈。

免费领养属于自己的电子Doro！

-

“可惜人才都被挖走了”

-

Mac外接显示器必备软件MonitorControl

MonitorControl 免费下载：https://github.com/MonitorControl/MonitorControl#readme

7分钟让你拥有属于自己的电子Doro

-