F阶段的一点思考
我在两个月前就完成了F阶段的整体学习，接下来的两个月，有着竞赛和科研的各项任务，总体的学习进度也是一拖再拖。 我也面临着学业和很多方面的压力，是不是应该这样去做。我想，也许是没有答案的。因为数电课堂上的很多东西，我的确有点不会做，有一些很细节的东西，哪怕我完整的经历了整个F阶段，我也依旧听不懂。 我体会过了，在搓出一个minirv的时候的大狂喜，也体会到了，在做出来后我的很多状况并没有改变。学业的压力不会因为我做了这样一件事而减轻半分，我的成绩也并不一定会增长。 昨天进行了数电的期末考试，出人意外地考的是组合逻辑电路。我觉得，那进入了我的舒适区。最后两道20分的题，要设计两个大电路。确实是a piece of cake。因为我具备了系统的能力，对于只是单单的一个模块而言，那自然不在话下。 一直以来我都觉得很奇怪，为什么学习数电是用笔去画电路，用人脑去编译，去想象一个个器件，应该是什么样子的。这似乎不是硬件的灵魂与应有之义。 所以我想去改变，虽然这只是很偶然的机会下，我的一次小的尝试。但是我相信，若干年后回想起现在，我不会记住我复现了多少个论文跑了多少代码拿了什么奖，我一定会记住这...
19：五月总结
一些散乱的，但属于我的思考关于工具与语言这是我的第一份不是用手敲的博客，而是用语音输入的。我用的不是 Typeless，而是 Open Typeless。这个软件没有那么强的能力，但恰恰能锻炼我的语言能力。 我忽然觉得有一点悲哀：如果你有一个非常好用的工具，它反而不会在事实上潜移默化地提升你的语言能力。工具大多数时候是好用的，关键还是看你怎么用、你自己菜不菜。一个人越是让 AI 的结构覆盖自己的完整认知，就越是一种悲哀。 我希望最后是轻盈的。我们的未来应该走向独属于自己的旅程——想来去也是轻盈的。你不可能抱着一个电脑随时问 AI 各种问题。比如遇到一道英语题，你让它翻译，我觉得这不合适。所以，还是把知识装进脑海里吧。 不要把使用 AI 当作所谓提升自己能力的另一种信息假象。 感谢自己：这周更踏实了有啥说啥，首先要感谢自己——你比上个星期更加踏实了。 30 分钟，你了解了整个 Harness，了解了 MCP、ent，还有很多像 Workflow 这样的概念。你真正开始意识到，AI 可能会对人产生颠覆性的影响——它真的有可能取代你。或许，当今世界正经历着百年未有之大变局，而 AI，是...
18：agent初步
我给十个codex打工我还是想用这样的一个题目，参考的是(14 封私信 / 80 条消息) 如何有效地给 10 个 Claude Code 打工 - 知乎我们生在一个巨变的时代，得之则生，弗得则怠。刚好，前一阵子在刷稀土掘金的时候，刷到了这样一个帖子https://juejin.cn/post/7611070995847528482?share_token=7ff06389-fa16-4c04-96e6-b925e1919b17在这里面增加了多agent组队写作的功能，多 Agent 组队协作的功能，不明觉厉，我决定试试。 基础要求首先你得要有一个codex，其次需要有一个ubuntu 22以上的linux环境，对应到autodl的平台上，需要3090/4090就可以了。可以参考我之前的blog内容：5：记录一次autodl的codex配置。 原来的命令需要从github上面拉文件，所以我们可以用autodl的一些小小的优化之学术科研的配置加速 123456# 开启autodl学术加速source /etc/network_turbo# 2) 指定版本（1.0...
17：harness
读了一篇文章，链接如下，遂进行一次记录https://mp.weixin.qq.com/s/77dyufF3MP8stHPS0BApNw 几个概念 rulerule是对于AI的软约束 什么意思？就是 AI 理论上应该遵守它，但它并不一定真的每次都遵守。尤其当 Rule 越来越多、需求越来越复杂的时候，模型会出现三种典型情况： 它忘了某条 Rule 它觉得某条 Rule 和这次需求“无关” 它知道这条 Rule，但偷懒没做，还给自己找理由 也就可能是reward hacking的出现 MCP给一个定义：MCP（Model Context Protocol）本质上是一种标准方式：把「仓库之外的能力」接进 AI 的工作链路里——既能拉取信息，也能在明确边界内触发外部系统的动作。 如果没有MCP，AI通常被锁在 本地代码仓库 本地脚本 当前对话上下文 所以说能分析。能跑代码，但是不能安全结构化的接入更加外层的工程系统 它们的共性是：需要让 AI 在可控边界里调用系统能力，而不是把凭据和即兴命令散落在对话里。MCP 正是这类能力的连接层：把外部系统以 Tool / 资源的...
16：记录一次院士讲座
今天有幸，能够聆听一场院士的分享 图灵测试与大语言模型——关于通用人工智能的几点思考 最近这半年，AI发展实际上太快了。人工智能，铺天盖地。很多过去认为必须人来做的事情，都在被AI代替。最近发生的战争，人工智能已经完全改变了战争的形态。 源起，1956年的达特茅斯会议。 香农，信息论 造了一个这样的词汇artificial intelligence 图灵： 计算机科学之父，人工智能之父 数学家，逻辑学家 论可计算数及其判定问题上的应用，1936 计算机器与智能，1950年，computing machinery and intelligence 图灵测试：机器能思考吗？ 人工智能（AI），不如机器智能（MI）更加恰当。 他一生中发表的文章不超过十篇 通用图灵机，1936离散有限状态机，到目前为止，这是对计算机最通俗直观的模型 computing machinery and intelligence1950年，图灵问题的提出，机器能思考吗“机器”：数字计算机，通用图灵机，离散有限状态机“思考”是一个无法准确定义的模糊概念，因而讨论能否并没有意义 模仿游戏根据C，A男生，B是...
15：大唐杯省一
大唐杯省一，进入国赛了，超开心于是水一条blog
14：记录一次yolo的可视化
今天对于baseline的结果进行了可视化，我们对于置信度大于50%的目标进行了画框，高于之前的25%，用于观测对置信度的一些影响。总体虽然使用的是OBB，也有一些生成的框确实是旋转的框，但是大部分的还是四四方方的，正的。这个比较奇怪，我们需要改正，大部分定位不到物体具体精细的位置。 以上是004，密集排列的话，置信度是不够的。824 1464，但下面这个是很好的。1490 2137 0019harbor，由于背景固定，感觉还是很可以的。0047密集小车，1126 2167 最后置信度都很小，由于像素很小。和86形成对比，像素没有那么小还是可以检测出来的由于车顶与车棚的特征，出现了个误检0179 0053，斜着挨着导致置信度受到了影响小船效果还是不错的 这个不是很懂，军舰不太一样？超大目标检测不到0683这个就可以 飞机还是很固定的，由于背景固定，效果都不错小目标也是OK的 1234开始，卫星遥感带云遮挡，小目标，对比度小1273太小就很难 大小来看，似乎只能小到这个地步黑暗情况下，还是要对比度鲜明，比如说飞机和机场 俯仰的角度下，漏检比较多 看看会不会有云雾的干扰 小目标检测...
13：再看 YOLOv4
我读这样一篇论文的目的已经有了变化。下面讲一下我对于这一篇 paper 的理解。 我们赛题的核心是：不均衡小样本、光学遥感、陆上时敏目标检测识别。对于基础算力环境，其实并没有那么大的要求，因为类似 3090 级别的算力平台已经能够解决非常多的问题。所以我们更多需要学习的是 YOLOv4 中一个个具体模块的设计思路。 一、Selection of ArchitectureCSPDarknet53 在检测任务上效果更加优秀，而 CSPResNext50 在分类任务上表现更加优异。 遥感图像中的目标通常很小，背景复杂。如果 backbone 太轻，容易漏检；但如果 backbone 太重，又难以满足大幅面图像的推理时间要求。 论文里面讲了这样一句话： A reference model which is optimal for classification is not always optimal for a detector. In contrast to the classifier, the detector requires the following. 分类和检测之间存...
12:论文笔记：YOLOv4（1）
Abstract这是一篇2020年的paper，代表着yolov4的出现，也是一个小的里程碑maybe。首先在此之前的yolov3，在模型的多尺度预测和深度的网络，有一些提升。小目标检测的性能更加的优良。 有很多的特征能够提高卷积神经网络的性能，这一篇论文似乎是对于这些进行了一个测试 We assume that such universal features include Weighted-Residual-Connections (WRC), Cross-Stage-Partial-connections (CSP), Cross mini-Batch Normalization (CmBN), Self-adversarial-training (SAT) and Mish-activation. We use new features: WRC, CSP, CmBN, SAT, Mish activation, Mosaic data augmentation, CmBN, DropBlock regularization, and CIoU loss, and ...
11：记录一个科研小工具
开门见山这估计要是我最短的一个blog了。我们请出他的名字，uithub。 好比我们打开一个github网页 我们把网页的G换成U：jyfc/ebook: classic books of computer science 然后你会发现，有它的所有的文本，都在一个页面上！ just ctrl+c and ask deepseek！