Ailan_Anjuxi

OpenAI计划2028年推出自研AI手机，以突破iOS/Android对AI能力的限制，实现跨应用自主执行任务。开发者应提前布局端侧模型部署、多Agent协同框架及隐私计算技术。

Transformer架构自2017年提出以来，已成为自然语言处理领域的主流模型。 本项目使用Pytorch实现了一个轻量版的中英文翻译模型。

DeepSeek V4通过创新的CSA/HCA混合注意力机制实现了大模型效率革命。该架构将传统O(n²)复杂度的注意力计算优化为压缩稀疏(CSA)和重度压缩(HCA)的混合模式，使百万上下文成本骤降。

本项目实现了一个基于序列到序列（Seq2Seq）架构的神经机器翻译系统，能够将英语翻译成中文。项目采用双向LSTM作为编码器，单向LSTM作为解码器，并引入了注意力机制来提升翻译质量。

我使用长短期记忆网络（LSTM）实现了一个小说写作AI。训练数据集是《西游记》。整个项目源码统一组织成jupyter notebook，方便学习和调试。

最近在Kaggle上跑了一个经典的MNIST手写数字识别项目，用PyTorch搭了一个朴素的CNN，效果还不错，准确率能到99%左右。发出来当个多重备份。

模块就像 一个装满工具的箱子，每个模块都包含了一组相关的函数、类和变量，可以帮助我们组织代码，实现代码的复用。Python中的模块实际上就是一个.py文件。

类就像 一个制造小盒子的模具，你可以用这个模具制造出很多相似的小盒子（对象）。每个小盒子都有自己的特性（属性）和行为（方法）。

函数就像 一个可以重复使用的工具包，你把原材料放进去，它就能按照预定的方式加工并返回结果。使用函数可以避免重复编写相同的代码，让程序更加模块化和易于维护。