DeepSpeed v0.17.0来袭！全面优化、稳定升级，引领AI训练新纪元
随着人工智能技术的迅猛发展，AI模型的规模和复杂度日益攀升，对于训练框架的性能和稳定性提出了更高的要求。作为业界领先的深度学习加速开源项目，DeepSpeed持续推动大型模型高效训练的技术革新。2025年6月3日，DeepSpeed正式发布了v0.17.0版本
范数
神经网络的泛化能力为何如此强大
2025年5月27日，arXiv平台发布了一篇尚未正式发表的预印本论文《Conflicting Biases at the Edge of Stability: Norm versus Sharpness Regularization》，该研究对过度参数化神经
李飞飞等领衔，来自七所高校的“三代AI人”联合提出强化学习新框
论文作者分别来自于 7 所高校，同时这次论文也是一个由“三代 AI 人”打造的新成果。作为共同一作的王子涵是 00 后，共同作者之一是王子涵的导师——美国西北大学助理教授李曼玲，而另一位论文共同作者则是李曼玲的博士后导师——美国斯坦福大学教授李飞飞。
WSDM25唯一最佳论文：从谱视角揭开推荐系统流行度偏差放大之谜
近日，第 18 届国际互联网搜索与数据挖掘大会（The 18th International Conference on Web Search and Data Mining, WSDM 2025）在德国汉诺威召开。本届会议共收录了 106 篇论文，荣获大会唯
机器学习、深度学习等领域的核心优化手段之一：向量化
在机器学习中，向量化（Vectorization） 是通过将数据和计算表示为向量或矩阵形式，从而利用高效的数值计算库（如 numpy）和硬件加速（如 GPU）来提升计算效率的一种技术。向量化是机器学习、深度学习等领域的核心优化手段之一，能够显著减少代码复杂度、
神经网络梯度爆炸的原因及解决方案
权重初始化不当权重初始化是神经网络训练的重要步骤之一。如果权重初始化过大，那么在反向传播过程中，梯度的计算会受到很大的影响，容易导致梯度爆炸。例如，如果权重由标准正态分布初始化，其期望数量级为1，那么在多层传播后，梯度值可能会变得非常大。网络层数过多在深层神经
一种简单地基于小波分析的信号降噪方法（Python）
# For numpy package.!pip install numpy# For pywavelet package.!pip install pywavelets# For matplotlib!pip install matplotlib# Inst
数学家们正接近揭示素数背后的最大谜团
素数被誉为“算术的原子”，长期以来吸引了数学家的注意。公元前300年，欧几里得首次证明了素数的无限性，奠定了素数研究的基础。近年来，牛津大学的本·格林与哥伦比亚大学的梅塔布·索尼取得了突破，证明了形式为 p² + 4q² 的素数是无穷无尽的，这一长期猜想的解决