专栏 / 0111 篇文章
多模态与视觉
从图像与视频理解，到视觉语言模型和图像生成。
博客专栏
博客以介绍为主，不求甚解：沿着不同专栏的话题，认识一个概念、方法或工具。
博客目录 →专栏 / 028 篇文章
大模型与训练优化
理解模型结构、学习方法，以及训练与推理中的工程取舍。
专栏 / 034 篇文章
具身智能与世界模型
围绕机器人如何感知、行动与预测，串起数据、模型和控制。
专栏 / 046 篇文章
开发与工具实践
记录网站搭建、网络原理，以及日常工具的使用经验。
最新文章
共 29 篇DETR 目标检测方法：从 DETR、Deformable DETR 到 DINO 与 RT-DETR
从集合预测、稀疏注意力、动态锚框和去噪训练，到高精度 DINO 与实时 RT-DETR，梳理 DETR 系列的演进、指标边界与部署选择。
#目标检测#DETR#Deformable DETR#DAB-DETR#DN-DETR#DINO#RT-DETR
图片格式怎么选：JPEG、PNG、SVG、GIF、WebP、RAW、TIFF 与 ICO
从有损与无损、透明与动画、像素与矢量出发，理解八类常见图片格式的用途，并掌握网页配图、格式转换和压缩的实际方法。
#图片格式#JPEG#PNG#SVG#WebP#图像压缩#网站开发
一个网址从输入到打开，到底发生了什么：网页加载与文件下载全链路
沿着 URL、DNS、TCP/QUIC、TLS、HTTP 与浏览器渲染梳理网页加载，并解释 CDN、流式下载、Range 断点续传和分层故障排查。
#网络基础#DNS#TCP#TLS#HTTP#浏览器#CDN#文件下载
从 Q-Learning 到 GRPO：强化学习算法、网络角色与部署选择
梳理 Q-Learning、DQN、PPO、SAC 与 GRPO，分清策略、价值、奖励和参考模型的职责，以及训练时谁更新、部署时保留谁。
#强化学习#Q-Learning#DQN#PPO#SAC#GRPO#RLHF
流式语音识别中的 Chunk 分块掩码：Conformer、Emformer、Zipformer 与 U2/U2++
从 Chunk-based Masking 出发，理解流式语音识别如何限制未来信息、复用历史缓存，并比较 Conformer、Emformer、U2/U2++ 和 Zipformer 的延迟与精度取舍。
#流式语音识别#Streaming ASR#Conformer#Emformer#Zipformer#U2#语音识别