SQLite json_patch 的数组边界：只想加一个标签，为什么旧列表整个被换掉 配置页面允许用户修改颜色、补一个标签、清空备注。后端把这一小段JSON交给json_patch，颜色更新正确，原来的两个标签却只剩下新标签，备注字段更是彻底消失。函数名称里的patch容易让人联想到逐项补丁，但它采用... yunqueblog/ 技术教程/ 2026-10-03/ 2 阅读
用 AI 走一轮 PCGrad：两个任务相互牵制，投影后为何不再直接抵消 共享骨干同时服务分类与回归时，一个任务希望参数向某方向移动，另一个可能希望它反向移动。PCGrad检查任务梯度的点积，在发生冲突时去掉冲突分量。理解它要同时记住：梯度指向上升，真正的梯度下降更新用的是相反方向。 yunqueblog/ AI分享/ 2026-10-03/ 2 阅读
让 AI 算 RANSAC 重试次数：六成点可靠，为何两点全可靠的机会不是三成六 在图像匹配或带离群点的回归中，RANSAC反复抽小子集拟合候选，再统计支持该候选的点。设置重试上限前，必须先写清一次怎样抽。小数据中，“内点比例的平方”可能高估两点都可靠的机会。 yunqueblog/ AI分享/ 2026-10-03/ 2 阅读
用 AI 比较线性 CKA：两层坐标都换了，表征相似度为何仍然是一 比较两个网络层时，直接逐坐标相减可能把“坐标系变了”误认为“样本关系变了”。线性CKA比较的是成组表征的相似结构。先用同一批样本做一个四行矩阵练习，就能知道分数为1究竟保留了什么，又没有承诺什么。 yunqueblog/ AI分享/ 2026-10-03/ 2 阅读
让 AI 算 sparsemax：没有手动删候选，概率为什么也会精确变成零 分析注意力权重时，常会看到很多极小却非零的数。若希望模型直接给出稀疏权重，可以研究sparsemax：它把分数投影到概率单纯形，使部分位置恰好为零。这里的零来自一个明确的优化问题，不能只靠打印时保留几位小数判断。 yunqueblog/ AI分享/ 2026-10-03/ 2 阅读
用 AI 算 EWC 弹性约束：旧任务梯度平均为零，重要参数为何仍然不该随便改 模型继续学习新任务时，旧任务能力可能下降。弹性权重巩固EWC用围绕旧参数的二次惩罚，让对旧任务较重要的方向更难移动。这里的“重要”不能直接从一批梯度的平均值读出：正负变化相互抵消后，敏感性仍可能很大。 yunqueblog/ AI分享/ 2026-10-03/ 2 阅读
让 AI 检查蓄水池抽样：只留两条记录，先到的数据为何仍有公平机会 持续到来的模型评测记录或训练回放候选，可能多到无法全部留存。如果希望保留全历史的均匀小样本，只保存最近几条会偏向后来的数据，最先装满后不再更新又会偏向早期数据。蓄水池抽样用固定容量，在尚不知道最终长度时维持明确的抽样... yunqueblog/ AI分享/ 2026-10-03/ 2 阅读
用 AI 平衡 Sinkhorn 传输：每行都归一了，为什么两列仍然分得不对 在特征匹配或分布比较中，一行权重常表示某个来源分给各目标的质量。逐行softmax能保证每个来源分完自己的份额，却不保证目标收到的总量合适。最优传输同时约束两端，Sinkhorn迭代通过交替缩放行与列来满足这两套配额... yunqueblog/ AI分享/ 2026-10-03/ 2 阅读
让 AI 追踪梯度反转层：前向值没变，为什么两部分参数朝相反目标更新 模型从一种拍摄环境迁到另一种环境时，希望特征仍能完成任务，同时少依赖环境身份。领域对抗训练加入一个预测域来源的分支：域预测头努力分清来源，特征提取器则接受相反方向的域信号。梯度反转层把这两个目标接在一起，却不改变前向... yunqueblog/ AI分享/ 2026-10-03/ 2 阅读
llama.cpp接入System One决策API：五类模型可本地评分，图像、语言与许可范围各不相同 2026年10月2日，ggml-org发布技术文章，介绍llama.cpp服务器新增的/v1/systemone决策模型接口；对应PR29818已在当天合并到主分支。文章元数据时间为14:22 UTC，即北京时间22... yunqueblog/ 最新资讯/ 2026-10-03/ 2 阅读
yunqueblog
