• 支持向量机-SVM 1
• 知识蒸馏 1
• 建模
• 特征提取
• 特征工程 1
• 特征归一化
• softmax 1
• 时间序列预测模型 1
• FinGPT 1
• FinML
• ChatGPT
• LLM
• GPT 1
• LSTM
• Transformer 1
• 梯度下降 1
• 特征工程 1
• 神经网络 1
• AI原理系列-强化学习 1
• AI原理系列-无监督学习 1
• AI原理系列-监督学习 1
• MoE架构的解析 1
• GPU 消费级与专业级性价比分析报告
• 算力集群的自建与租赁方案对比分析报告
• 训练一个1B的金融大模型需要花多少钱？ 1
• AlphaNet 1
• 卷积神经网络
• 循环神经网络
• Bert
• AlphaNet
• Vnp...

Read more

特征编码：机器学习模型理解世界的桥梁

在机器学习项目中，数据往往以各种形态呈现：用户ID、城市名称、产品类别、学历等级、日期时间……这些信息对人类而言含义清晰，但对绝大多数机器学习模型来说却如同天书。模型的核心是数学运算（向量、矩阵、梯度计算），它们只能直接处理数值型数据。这就是特征编码要解决的核心问题：将非数值型（类别型、文本型、时间型等）数据，转化为适合机器学习模型处理的数值型表示，同时尽可能保留或揭示原始数据中蕴含的有价值信息。

以下是特征编码解决的关键问题及其深层意义：

1. 解决数据格式兼容性问题：让模型“能看见”

• 根本矛盾： 模型（如线性回归、SVM、神经网络、大部分树模型...

Read more

当AI化身金融研究员：一场投资研究的智能革命

在金融的世界里，每一个决策都关乎真金白银，容不得半点马虎。而投资研究，更是这场财富博弈中最关键的一环。传统的投资研究，往往需要研究员们耗费大量的时间和精力去收集、整理和分析数据，过程繁琐且效率低下。但现在，随着人工智能技术的飞速发展，一场投资研究的智能革命正在悄然上演。今天，就让我们一起走进这场革命，看看AI是如何化身金融研究员，改变投资研究的格局的。

一、技术架构：智能投资研究的核心逻辑

在这场智能革命的背后，是一套精心设计的技术架构。从相关的技术展示中，我们可以清晰地看到，其核心在于“多智能体协作 + 记忆增强 + 人类反馈 + 数据驱动...

Read more

Embedding 原理概述

Embedding（嵌入）是机器学习和人工智能领域的核心概念，本质是将高维、离散、稀疏的数据（如文字、图片、音频、用户、商品等）转换为低维、连续、稠密的实数向量表示的过程。这些向量被称为嵌入向量（Embedding Vector），其神奇之处在于能在向量空间中捕获并保留原始数据的语义、关系或特征。

为何需要 Embedding？

1. 维数灾难与稀疏性： 像“词袋模型”这类方法，每个词用一个维度表示，词典庞大时向量维度极高且极度稀疏（大部分元素为0），计算效率低，难以捕捉语义。
2. 语义鸿沟： 离散符号本身无法直接表达“相似性”（如“猫”和“狗”都比“汽车”更接近“...

Read more

利用智能体人工智能（Agentic AI）与多大型语言模型（LLMs）创建更智能解决方案的解读报告

一、引言

在人工智能技术飞速发展的当下，大型语言模型（Large Language Models，简称LLMs ）已成为推动各领域创新的关键力量。而智能体人工智能（Agentic AI）概念的出现，进一步拓展了LLMs的应用边界，为构建更智能、更具协同性的解决方案提供了新路径。本次报告聚焦于“Using Agentic AI to create smarter solutions with multiple LLMs (step - by - step process)”这一主题，通过对相...

Read more

智能体（Agents）的“智能体化”程度探究：现状、挑战与未来方向

一、幻灯片内容解析

（一）核心问题：How agentic are our agents?（我们的智能体有多“智能体化”？ ）

这一问题聚焦于当下智能体（agents）在自主性、功能实现等维度，与理想中具备高度智能体特质（如自主决策、长期任务执行等）的契合度探究，是理解智能体发展现状与瓶颈的关键切入点。

（二）具体要点展开

1. Many agents are pipelines（许多智能体是管道式结构 ）

◦ Low degree of autonomy（低自主性 ）：这类智能体多遵循预设的、线性的流程运行，像工厂流水线...

Read more

以下是 RLVR（Reinforcement Learning with Verifiable Rewards，可验证奖励强化学习）的技术概述，综合其核心机制、应用场景、争议及最新进展：

一、技术原理与核心机制

1. 基本框架
   RLVR 是一种针对大模型推理任务的强化学习方法，其核心思想是利用可自动验证的奖励信号（如数学答案的正确性、代码的测试通过率）替代人工标注，驱动模型优化。训练过程包含：
2. 策略模型：生成候选答案及推理过程。

3. 奖励函数：基于验证结果（如答案匹配或测试通过）给出 0/1 奖励，并结合格式规范性（如是否包含 \boxed{}）设计复合奖励。

4. 关键算法

5. GR...

Read more

构建智能代理的决策智慧：何时该踏上智能代理构建之旅

一、引言

在人工智能技术浪潮席卷各行业的当下，智能代理（Agents）作为能自主执行任务、具备决策与交互能力的程序系统，逐渐成为企业与开发者优化流程、提升效率的重要工具。然而，并非所有任务场景都适合构建智能代理，盲目投入不仅会造成资源浪费，还可能因适配性不佳导致项目失败。Anthropic公司Barry Zhang提出的 “是否该打造智能代理” 检查清单，为我们提供了清晰的决策框架，从任务复杂度、价值、可行性和错误成本等维度，指引我们探寻何时该构建智能代理，让技术应用精准落地。

二、任务复杂度：智能代理的 “入场券”

（一）低复杂度任务...

Read more

构建智能代理的决策智慧：何时踏上智能代理构建之旅

一、引言

在人工智能重塑各行业的浪潮中，智能代理（Agents）——能够自主执行任务、具备决策与交互能力的程序系统——正日益成为企业和开发者优化流程、提升效率的关键工具。然而，并非所有场景都适合构建智能代理，盲目投入不仅浪费资源，更可能因适配性不佳导致项目失败。借鉴Anthropic公司Barry Zhang提出的“是否该打造智能代理”检查清单，我们可以从任务复杂度、价值、可行性和错误成本四个核心维度出发，建立清晰的决策框架，精准判断构建智能代理的恰当时机，确保技术应用有效落地。

二、任务复杂度：智能代理的“入场券”

• （一）低复杂度任务...

Read more

1. 金融数据研究方法论剖析

1.1 微观主体行为分析法

金融数据是微观经济主体行为的直接反映，深入剖析这些数据能够揭示经济活动的本质。从资金来源角度看，社会融资规模（扣除政府融资）是衡量企业融资策略的关键指标。例如，当社融数据中企业债券融资占比上升时，表明企业在优化债务结构，倾向于通过债券市场获取低成本资金，这可能反映出市场利率处于较低水平，企业对未来投资回报率持乐观态度。而财政净支付数据则能体现政府对经济的调控力度和方向，如财政净支付增加，意味着政府在加大基础设施建设等领域的投入，这将刺激相关产业的发展，带动企业订单增加和就业机会上升。

从资金去向角度分析，存款、现金和金融投资的动态...

Read more