AI教程
CogView4 – 智谱开源的AI文生图模型，支持生成汉字
CogView4 是智谱推出的开源文生图模型，具有60亿参数，支持原生中文输入和中文文字生成。模型在 DPG-Bench 基准测试中综合评分排名第一，达到开源文生图模型的最先进水平（SOTA）。
什么是知识图谱（Knowledge Graph）
知识图谱（Knowledge Graph）是一种结构化的语义知识库，通过图形化的方式表达实体之间的关系。由节点（代表实体）和边（代表实体间的关系）组成，能存储和处理大量复杂数据。知识图谱使信息更易于被计算机理解和处理，广泛应用于搜索引擎、推荐系统、智能问答等领域，提升信息检索的准确性和效率。
PRefLexOR – MIT 团队推出的新型自学习AI框架
PRefLexOR（Preference-based Recursive Language Modeling for Exploratory Optimization of Reasoning）是MIT团队提出的新型自学习AI框架，结合了偏好优化和强化学习（RL）的概念，模型能通过迭代推理改进自我学习。框架的核心是递归推理算法，模型在训练和推理阶段会进行多步推理、回顾和改进中间步骤，最终生成更准确的输出。
什么是嵌入向量（Embedding Vectors）
嵌入向量（Embedding Vectors）是一种将数据（如文本、图像、用户信息）映射到高维空间中的数字向量的技术。能够捕捉数据间的相似性和关系，使得相似的数据点在向量空间中彼此靠近。嵌入向量广泛应用于自然语言处理、图像识别、推荐系统等领域，帮助机器学习模型更有效地理解和处理数据。
Probly – AI电子表格工具，交互式生成分析结果或可视化图表
Probly 是 AI 驱动的电子表格工具，结合电子表格功能与 Python 数据分析能力。Probly基于 WebAssembly 在浏览器中运行 Python 代码，支持交互式电子表格、数据可视化和智能分析建议。用户能导入数据，基于 AI 聊天功能快速生成分析结果或图表，用预定义的提示库进行高效操作。
什么是对抗性训练（Adversarial Training）
对抗性训练（Adversarial Training）是一种机器学习技术，旨在提高模型对恶意攻击的鲁棒性。通过在训练过程中引入微小的、可能引起误分类的扰动，模型学会识别并抵抗这些对抗性样本。在图像和语言处理领域尤为重要，能增强模型的泛化能力，使其在面对真实世界中的噪声和干扰时表现更稳定。
MindLLM – 耶鲁联合剑桥等机构推出的医疗领域 AI 模型
MindLLM 是耶鲁大学、达特茅斯学院和剑桥大学联合推出的AI模型，能将脑部功能性磁共振成像（fMRI）信号解码为自然语言文本。MindLLM基于一个主体无关（subject-agnostic）的 fMRI 编码器和一个大型语言模型（LLM）实现高性能解码，引入脑指令调优（Brain Instruction Tuning，BIT）技术，捕捉 fMRI 信号中的多样化语义信息。
什么是弱监督学习（Weakly Supervised Learning）
弱监督学习（Weakly Supervised Learning）是一种机器学习范式，旨在解决标注数据不完整或不精确的问题。包括不完全监督（部分数据有标签）、不确切监督（标签为粗粒度或错误）和不准确监督（标签可能错误）。通过基于有限的标注信息和辅助知识源来训练模型，提高学习效率和模型性能。
MiniMind – 开源的AI模型训练工具，2小时训练25.8M小模型
MiniMind 是开源的超小型语言模型项目，极低成本帮助个人开发者从零开始训练自己的语言模型。MiniMind 基于轻量级设计，最小版本仅需25.8M参数，体积仅为GPT-3的1 7000，适合在普通个人GPU上快速训练。
Fractal Generative Models – 麻省理工推出的分形生成模型
Fractal Generative Models（分形生成模型）是麻省理工学院计算机科学与人工智能实验室和Google DeepMind团队推出的新型图像生成方法。Fractal Generative Models基于分形思想，将生成模型抽象为可复用的“原子模块”，基于递归调用模块构建出自相似的分形架构，实现逐像素生成高分辨率图像。