- 综合排序
- 最热优先
- 最新优先
- 来自专栏皮皮鲁的AI星球
漫谈 | 同是北大的学生，考研进北大和高考进北大，差距很大吗？
同是“北京大学”的学生，考研进北大和高考进北大，差距很大吗？我的答案是，差距确实很大！ 我本科非北大，研究生保送进入北大的，我从自己身边的几个案例来跟大家分享一下被那些”高考进北大“的学神碾压是什么感觉。本文涉及人物均为真实案例。 到了大学，听说J选修了北大的经济学双学位，后来研究生来了北大才知道，经济学双学位在北大尽人皆知，号称三俗之一，几乎所有人都会选修，每年招收近千人。 W和L是我来到北大后认识的朋友，也都选修了“经双”，W本科是北大物理专业，本科毕业是本专业前几，研究生直接保送到了北大光华管理学院。 同在北大 差距很大 同是北大的学生，考研进北大和高考进北大，差距很大吗？我个人感觉确实有一些差距。这些高考进北大的尖子生，不只会高考，也经常不务正业，结果玩着玩着，就玩出了一些名堂。
1K10发布于 2019-12-26 - 来自专栏HyperAI超神经
跨界教授林宙辰：从北大来，回北大去
在北大，林宙辰老师开始接触 AI，初步学习了图像处理和模式识别，也参与了若干实际项目，其中一个项目就是搭建地理信息系统，把手绘地图或印刷地图数字化并进行管理。 1995 年，林宙辰老师从北大数学系硕士毕业后，远赴香港，在香港理工大学应用数学系，又进行了为期两年的硕士学习，掌握了计算数学的基础。 林宙辰老师回到北大数学学院后，深入地学习了图像处理、机器视觉和模式识别的课程。立志成为数学家的林宙辰老师，开始全面转向 AI 领域。 招生看「四好」，理论优于编程 林宙辰老师回到北大后，在智能科学系任教授，主要研究机器学习和计算机视觉。 12 年微软亚洲研究院履职， 40 岁的林宙辰老师，在职业发展上做出了一个重大转变：放弃微软亚洲研究院的丰厚待遇，回归北大教书育人，继续人工智能理论方面的研究。
1.4K50发布于 2021-08-25 - 来自专栏沉默王二
北大，竟然这样上！
废话不多说，今天抽出一个小时给大家分享一份北大学长的《CS 指南》，在 GitHub 上已经星标 5.6k 了——原来，北大可以这样上！ 这份指南规划的内容有： 学习工具：IDE、Stack Overflow、Git、GitHub、Vim 等等 国外高质量的 CS 课程汇总 经典书籍推荐，类似 CSAPP 这样的硬核书籍 比较令我想不到的是，这位北大的同学也一度怀疑自己是不是不适合计算机 ，也许是对北大的课程不是很满意吧？
59430编辑于 2022-04-14 - 来自专栏深度学习自然语言处理
县城再无清华北大
有种观点很有趣，意思是说“从落后地区考入清华北大的学生天赋上自有其过人之处，所以……”。 而且我发现，尽管清华北大在北京招生名额很多，但是父母教育程度不高的北京土著家庭却很少有孩子考上清华北大。 而且近年来的趋势是北京最优秀的学生选择直接出国，而不是上清华北大。 我再补充三点： 1.我只是在陈述事实，我并没有表达“北京人考清华北大更容易是合理的”这样的观点。 以陕西为例，曾经考上清华北大的学生在各个城市、县城是比较平均的。但是这些年，清华北大在陕西的招生名额日趋被几所超级中学垄断，而周边的小县城，年级第一能考个西安交大就谢天谢地了。
79510编辑于 2022-09-02 - 来自专栏新智元
时隔4年再夺金奖！北大斩获「编程奥林匹克」亚军，刷新队史最高排名
---- 新智元报道 编辑：Cris 【新智元导读】刚结束的第45届「编程奥林匹克」全球总决赛，北京大学时隔4年再次斩获金奖！这也刷新了他们队史的最高排名。 北大学子又立功了！！！ 刚结束的第45届ICPC全球总决赛，由三名北大学霸周雨扬、孔朝哲和潘骏跃组成的团队，获得了第二名的好成绩！为北大和祖国争得了荣誉。 而能够从竞争如此激烈的环境中脱颖而出，这三名万里挑一的北大小伙——也实在是很优秀了。 我国高校的代表队则总共赢得过4次冠军，分别是上海交通大学（2002、2005、2010）和浙江大学（2011）。 北大曾在2018年以第3名身份获得金牌，如今的亚军再次刷新了队史最佳战绩。 说起来，这次北大代表队的同学距离冠军，其实也就差一「哆嗦」！ 这里需要简单介绍一下规则。 每年的ICPC总决赛至少有6道问题，最多则有13道。
79450编辑于 2023-01-07 - 来自专栏机器之心
无需RLHF显著提升GPT-4Llama2性能，北大团队提出Aligner对齐新范式
实验表明，使用 Aligner-7B 能显著提高 GPT-4 的帮助性和安全性，分别增加了 17.5% 和 26.9%。 由于 Aligner 即插即用的特性以及它对模型参数并不敏感，它能够对齐如 GPT3.5、GPT4 和 Claude2，这些无法获取参数的模型。 其中 Aligner-7B 显著提升了 GPT-4 的帮助性和安全性，分别提高了 17.5% 和 26.9%。 面对未开源的 API-based 模型如 GPT-4 及其在下游任务中的微调需求，RLHF 的适用性受限。 具体来说，在 Aligner 的训练过程中，修正数据包含 GPT-4、人类标注员和更大的模型标注。
63610编辑于 2024-02-26 - 来自专栏入门小站
Linux性能优化指北大全
1195 1 1 98 0 0 1 0 0 103388 145412 511076 0 0 0 2 426 1139 1 0 99 0 0 4 0 0 95184 145412 511108 0 0 0 74 500 1228 4 1 94 0 0 0 0 0 103512 145416 MMU 以页为单位管理内存，页大小 4KB。为了解决页表项过多问题 Linux 提供了多级页表和HugePage 的机制。 ，五秒的时间内读取了 1024*4KB 数据，即每秒 0.8MB，和结果中 32MB 相差较大。 0 表示既可以从其他 Node 寻找空闲资源，也可以从本地回收内存 1，2，4 表示只回收本地内存，2 表示可以会回脏数据回收内存，4 表示可以用 Swap 方式回收内存。
1.4K20编辑于 2022-06-03 - 来自专栏Java研发军团
解析北大招生数学考题。
先看一道号称是北大招生题： ? ，那么： S1- = hL1-hd S1+ = dL1-hd S2+ = hL2-hd S2- = dL2-hd 所以： delta1 = (dL1-hd)-(hL1-hd) = (d-h)L1 （式4） 横向坐标与纵向坐标相等 P'的切线的斜率 < P的切线的斜率 可以推出：P的横向坐标 < P的纵向坐标 而 d = |P'的横向坐标 - P的横向坐标| h = |P'的纵向坐标 - P的纵向坐标| 从而：d>h 代入式4和式
1.2K30发布于 2019-06-05 - 来自专栏光芯前沿
北大&港城大&上交&SiFotonics：光子集成自适应相干LiDAR赋能4D仿生视觉
北大王兴军教授、舒浩文研究员团队，香港城市大学王骋教授团队，上海交大周林杰教授团队，以及SiFotonics公司，共同报道了一款基于III-V/SiN混合集成外腔光源+硅光集成相干接收机+TFLN 集成电光频率梳的仿生FMCW LiDAR系统，实现了高分辨能力的4D-plus 机器视觉。 此外，未来的机器视觉还应该是包含通过多个传感器之间的协作感知同时获取包括距离、方向、多普勒和颜色在内的多维物理参数的4D感知能力，这对于实现全面的情景感知和强大的环境解释至关重要。 例如，在典型的城市环境中，这套自适应相干LiDAR系统所实现的4D仿生眼感知可以快速扫描ROI，并识别低矮障碍物，同时无缝地对静态和动态点云进行语义分割。 最后是一个4D并行成像感知的实验，实现了3cm的距离探测精度和10cm/s的速度探测精度。
47910编辑于 2025-04-08 - 来自专栏FREE SOLO
北大Hadoop实践教程精要笔记
随后客户端先通过管道将文件传到本地硬盘，每凑满指定大小（默认是64M） ， 再一起上传到一个DataNode， DataNode收到文件后会返回确认信息， 并以4K为单位传到下一DataNode。
93520发布于 2019-04-28 - 来自专栏图与推荐
北大@KDD | GAT v.s. MLP?
作者| 刘 旋 审核 | 李梦露 分享一篇北京大学崔斌教授团队发表在KDD 2022上关于图神经网络的文章:《Graph Attention Multi-Layer Perceptron》。图神经网络GNN在许多基于图的应用中取得了巨大成功。然而，大规模图的高稀疏性阻碍了它们在工业场景中的应用。虽然针对大规模图提出了一些可扩展的GNN，但它们对每个节点采用固定的𝐾-hop邻域，导致GNN模型在训练过程中对实际感知域不敏感，因此在稀疏区域内对节点采用大传播深度时,会面临过平滑问题。为了解决上述问
64750编辑于 2023-03-01 - 来自专栏Python编程与实战
北大法律大模型ChatLaw火了！！
语言大模型不断向垂直行业领域拓展，这次出圈的是北大法律大模型。 大模型又「爆了」。 昨晚，一个法律大模型 ChatLaw 登上了知乎热搜榜榜首。热度最高时达到了 2000 万左右。 这个 ChatLaw 由北大团队发布，致力于提供普惠的法律服务。一方面当前全国执业律师不足，供给远远小于法律需求；另一方面普通人对法律知识和条文存在天然鸿沟，无法运用法律武器保护自己。 其实最近发布法律大模型的不只有北大一家。上个月底，幂律智能联合智谱 AI 发布了千亿参数级法律垂直大模型 PowerLawGLM。据悉该模型针对中文法律场景的应用效果展现出了独特优势。 同时，通过与北大国际法学院、行业知名律师事务所进行合作，ChatLaw 团队能够确保知识库能及时更新，同时保证数据的专业性和可靠性。下面我们看看具体示例。 例如，ChatLaw 模型优于 GPT-4 的原因是文中使用了大量的选择题作为训练数据； （3）法律选择题需要进行复杂的逻辑推理，因此，参数量更大的模型通常表现更优。
1.6K50编辑于 2023-09-02 - 来自专栏量子位
中国高校4篇研究今日同时登上Nature！清华北大上交浙工大等在列
金磊 发自 凹非寺 量子位 报道 | 公众号 QbitAI 最新一期的Nature，可谓是「中国高校大爆发」。 同一天，清华大学、北京大学、上海交通大学和浙江工业大学等中国高校，在学术顶刊Nature上各发表了一篇研究。 清华大学：小鼠胚胎中RNA聚合酶II的结合情况 清华大学发表的研究来自生命科学学院颉伟团队。 发表的研究题为《The landscape of RNA Pol II binding reveals a stepwise transition during ZGA》。 这项研究主要分析
44010编辑于 2023-03-10 - 来自专栏量子位
如今，进北大要看脸了
今天，北大正式启用人脸识别门禁，进入校门可以不带校园卡，直接刷脸了。 ? 人脸识别设备装在北大西南门，进门就是女生宿舍。常年盘踞北大（旁边）的量子位，现场围观了这套系统。 现场什么样 ? 不过，由于北大数据库中的照片质量不够，这套系统目前并不能保证识别出所有北大师生，无法识别的同学需要到保安室重新拍照。 但是，全校数千名学生，只准备了4台打卡机！ 于是，在校园的广场上，学生们像排喜茶一样排起了长队： ? CV创业公司，偏偏都非北大系 虽然北大领先隔壁T大把人脸识别用在了校门口，不过，似乎在人脸识别的“科技范儿”上，北大略输一筹。 另外，其实量子位的台柱子夏乙老师也毕业于北大，所以，大概量子位也算北大系AI创业公司咯？ 你们滋不滋瓷哇？
1K30发布于 2018-07-20 - 来自专栏AIGC 先锋科技
北大和港科技提出 DiT4Edit， 用于图像编辑的扩散变换器 (Diffusion Transformer) ！
在本论文中，作者提出DiT4Edit++，这是第一个基于扩散 Transformer 的图像编辑框架。 大量实验证明了DiT4Edit在各种编辑场景下的强大性能，突显了扩散 Transformer 在支持图像编辑方面的潜力。 实验结果显示，作者提出的DiT4Edit编辑策略在图像生成质量、背景保留和文本对齐方面都超过了最先进方法。 作者介绍了DiT4Edit，这是第一个基于扩散 Transformer 的图像编辑框架。与之前的UNet基础框架不同，DiT4Edit在编辑质量上具有优势，并支持各种大小的图像。 DiT4Edit: Diffusion Transformer for Image Editing.
1K10编辑于 2024-12-03 - 来自专栏新智元
北大「韦神」一夜拿下困住6名博士4个月的难题
---- 新智元报道 编辑：好困 拉燕 David 【新智元导读】6个博士搞了4个月没搞定的难题，北大「韦神」只花了一宿，还说太简单不要报酬，最后团队给他充了一波公交卡。 昨天，北大的韦神又上热搜了。 据说一个难倒了了6个博士4个月的问题，被他花了一宿的功夫搞定了。 6个博士纠结了4个多月 要说之前的有关韦神的「传说」还有一段视频佐证的话，这次就纯粹是开局一张图了。 故事一开始，6位博士在处理Navier-Stokes方程时遇到了一些问题，然而在花了4个月的时间琢磨之后，还是没有搞清楚。 对此次解决博士团队难题的传闻，连北大方面也表示这对韦东奕来说「是很平常的事」。 北大数学院院长表示：暂不清楚，别人做不出来，韦东奕能做出来是很平常的事。 「第一，韦东奕人很聪明。
69240编辑于 2022-05-09 - 来自专栏光芯前沿
北大：利用AI算法加速的单波400 G PAM4纯硅慢光调制器
AI-accelerated silicon photonic slow-light technology，第一作者为：Changhao Han, Qipeng Yang, Jun Qin, Yan Zhou，通讯作者是北大舒浩文研究员 一个完整的谐振器由中间位置较宽的λ/4相移器区域和两侧周期约300nm的相同数量的布拉格光栅沿波导中光的传播方向构成。 通过特定方程实现具有四个饱和电平区域的激活函数，其构建的函数具有四个接近PAM-4幅度的饱和区域，适用于PAM-4均衡，同样可扩展为8级sigmoid函数用于PAM-8等调制信号的均衡。 与PAM-4格式相比，数据速率在240Gbps左右时，PAM-8的误码率略低于PAM-4，但随着数据速率继续上升，PAM-8的误码率增长确实比PAM-4快，在数据速率达到400Gbps左右时两者基本相同 4. 由于的系统特性 基于紧凑的占用面积（4mm×0.5mm），实现了1.6Tb/s/mm²的芯片数据速率密度。
1K10编辑于 2025-07-20 - 来自专栏刷题笔记
【河北大学数据结构大作业】
1].name,"操场"); strcpy(G.vexs[2].name,"校园北口"); strcpy(G.vexs[3].name,"银杏景观"); strcpy(G.vexs[4] G.arcs[i][j].adj=A; G.arcs[0][1].adj=15; G.arcs[0][2].adj=25; G.arcs[0][3].adj=30; G.arcs[1][4] [7].adj=10; G.arcs[4][9].adj=60; G.arcs[5][8].adj=25; G.arcs[6][8].adj=50; G.arcs[7][9].adj=35; G.arcs[4][5].adj=20; G.arcs[5][6].adj=25; G.arcs[5][7].adj=30; G.arcs[6][7].adj=15; G.arcs[6][9]. .adj=20; G.arcs[4][8].adj=10; G.arcs[4][5].adj=60; G.arcs[5][9].adj=25; G.arcs[1][8].adj=50; G.arcs
77010发布于 2019-12-03 - 来自专栏新智元
拯救被「掰弯」的GPT-4！西交微软北大联合提出IN2训练治疗LLM「中间迷失」
编辑：alan 【新智元导读】近日，西交微软北大联合提出信息密集型训练大法，使用纯数据驱动的方式，矫正LLM训练过程产生的偏见，在一定程度上治疗了大语言模型丢失中间信息的问题。 https://www.sciencedirect.com/topics/psychology/recency-effect 「我怕零点的钟声太响......后面忘了」 不过就在不久前，来自西交、微软和北大的研究人员 整个上下文长度（4K-32K个token），被分为许多128个token的片段，而答案所对应的信息位于随机位置的片段中。 更厉害的是，作为只有7B的模型，FILM的性能在很多情况下甚至超越了GPT-4 Turbo。 即使强如GPT-4，也难逃被「掰弯」的命运。 这也不禁让人质疑：你们这些卷超长上下文的模型到底有没有用啊？不但吃得多，中间信息也记不住。
56110编辑于 2024-05-22 - 来自专栏苏生不惑
清华北大出品的神器
比如搜索我爱你： 形容女孩漂亮的古诗，这下聊天不会词穷了： 另外再分享清华北大出的几个神器。 可视化看中国 通过可视化帮助大众全面了解中国历史文化、经济发展等http://vis.pku.edu.cn/vis4china/ 比如这个古代名人迁居地图： 中国历代人物 网站收录约52万多位的传记资料 、著作资料，历经150余位专家学者提供学术支持才获得的宝贵成果https://inindex.com/biog 华文慕课 网站收录上百门来自北大的优质课程，免费报名学习，还可以获得课程证书http: //www.chinesemooc.org/ 另外我还抓取了北大和清华公众号2022年的历史文章一键批量下载微信公众号文章内容/图片/封面/视频/音频，支持导出html和pdf格式，包含阅读数/点赞数 /在看数/留言数 ，同步到我的博客了 https://blog-susheng.vercel.app/#/wechat/2022%E5%85%AC%E4%BC%97%E5%8F%B7%E6%B8%85%
1.5K20编辑于 2023-02-06
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号