许多人正在用大语言模型构建真正新颖的东西，比如以前不可能实现的交互式虚构体验。但如果你处理的是企业长期以来一直试图解决的相同类型的自然语言处理问题，那么使用它们...

本文基于作者在哥本哈根“AI如何塑造未来工作”活动中的演讲。监督学习是当前大多数AI系统的基础：你提供带标注的输入-输出对，系统学习后能对新数据进行类似计算。许...

在微生物组研究中，我们常常受困于一个两难选择：既希望像UniFrac那样利用序列间的亲缘关系来评估群落差异，又头疼于系统发育树构建过程的高昂计算开销和某些基因区...

监督学习（XGBoost/LSTM），就像一个学生在 “预测考试题” 。他刷了成千上万道历史考题（训练数据），目标是在下一次考试中，预测出每道题的正确答案（预测...

具体来看，机器学习分为四大类，分别是监督学习、无监督学习和半监督学习和强化学习。其中，监督学习是我们课程的一个重点。它能解决的两类问题：回归和分类。所以，我们在...

作者： HOS(安全风信子) 日期： 2026-03-17 主要来源平台： GitHub 摘要： 作为数字世界的守护者，我将标签数据视为证据链，用监督学习...

在工业实践中，我们常听到“这是个监督学习问题”或“试试无监督聚类”。但当模型上线后遭遇分布偏移、奖励稀疏或标签噪声时，许多团队才发现：他们误判了问题的本质范式。

在工业实践中，我们常听到“这是个监督学习问题”或“试试无监督聚类”。但当模型上线后遭遇分布偏移、奖励稀疏或标签噪声时，许多团队才发现：他们误判了问题的本质范式。

你敢信吗，Geoffrey Hinton、Yann LeCun、Yoshua Bengio——这三位图灵奖“AI教父”凑齐了。

        弱监督学习是介于监督学习和无监督学习之间的一种学习方式，它使用的是弱标签数据，如不完整标签、不准确标签或间接标签。常见的弱监督学习方法包括：

监督学习、无监督学习和半监督学习并非孤立存在，在实际应用中常结合使用。随着自监督学习、对比学习等新范式的发展，三类方法之间的边界也在逐渐模糊。建议开发者：

作者：HOS(安全风信子) 日期：2026-01-09 来源平台：GitHub 摘要： 半监督学习作为连接监督与无监督的桥梁，在安全领域标签稀缺场景下展现...

半监督学习是监督学习与无监督学习的中间形态，它使用少量带标签数据和大量未标签数据进行训练，既解决了监督学习标注成本高的问题，又弥补了无监督学习结果不可靠的缺陷。...

在机器学习领域，大多数模型都依赖于监督学习，需要耗费高昂成本和时间来获取带标注的数据。无监督学习的主要方法——聚类，旨在根据显著特征将数据点分组，每个组（簇）代...

在量子属性条件生成任务中，模型需要根据指定的能隙、极化率等物理量生成分子。当测试属性值超出训练范围（OOD设置）时，大多数模型性能急剧下降。但 LDM-3DG ...

期刊: arxiv 链接: https://arxiv.org/abs/2507.06366 代码: https://github.com/spatialdat...

1. A Multi-Task Self-Supervised Strategy for Predicting Molecular Properties and...

于是，一种“折中”的方法——半监督学习（Semi-supervised Learning） 应运而生。它结合了监督学习与无监督学习的优势：用少量标注数据引导大量...