cathy

1. 这篇论文在解决什么问题作者观点作者想解决的是：能不能不依赖人工任务和人工标注，让大模型自己生成训练题、自己生成伪标签、自己持续提升推理能力。论文认为，现有 self-evolving / label-free 方法虽然减少了人工标注，但通常仍然依赖一批现成任务，或者依赖代码执行器这类外部验证环境；这会限制真正“从零数据开始”的自我进化。 Huang 等 - 2025 - R-Zer

作者认为传统 SFT 主要有两类问题：一是容易学到 task-specific shortcut，而不是真正可迁移的推理；二是医疗领域高质量 CoT 标注稀缺，导致 SFT 难以学到临床上可信的推理过程。 机制解释 SFT：直接把输入对齐到标准答案，容易 shortcut learning。 GRPO：对同一个问题采样多个候选回答，按规则奖励做相对优势估计，鼓励策略探索，并用 KL 项限制偏

Make AI Writing Better for Everyone 📖 为什么做这个项目当你第三次调试同一个润色 prompt 时，隔壁组的同学可能已经用现成的模板改完了三篇论文。 在学术圈，prompt 工程正在成为一种”隐性资源”——顶尖研究组有完善的模板库，而大多数人还在从零摸索。更进一步，agent skills 作为新兴技术能更强大地助力论文写作，但由于存在一定使用门槛，大部分

摘要多模态大语言模型（MLLMs）在理解常见视觉元素（如风景、家居物品和公共事件）方面展现出令人瞩目的能力，这主要得益于其大规模数据集和先进的训练策略。然而，在医疗应用领域，由于医疗场景与通用领域在数据和任务上存在固有差异，这些模型的实际效能仍显不足。具体而言，现有医疗MLLMs面临以下关键局限：（1）对影像之外的医学知识覆盖有限；（2）因数据整理流程欠佳而更易产生幻觉；（3）缺乏针对复杂医疗场景

第一章 绪论 - 1.1 数据结构的基本概念第1题：可以用( )定义一个完整的数据结构。 A. 数据元素 B. 数据对象 C. 数据关系 D. 抽象数据类型 【一】题目考察什么知识点 本题考察数据结构的核心定义，特别是“抽象数据类型（ADT）”的概念模型。 【二】解题思路分析（不要直接给答案） 一个完整的数据结构不仅仅包含数据本身，还必须包含这些数据之间的关系，以及可以在这些数据上执行的操作。我们

计组1.2第一梯队：冯·诺依曼机的“老底子”（1~4题，23题）【第1题】 导师视角：这题是在送分。完整的计算机系统就像一个人，有肉体（硬件）还得有灵魂（软件）。选项A、B全是硬件；选项C里的“应用程序”只是软件的一小部分（缺了操作系统这种系统软件），只有D把两边都包圆了。选D。 【第2题】 导师视角：冯·诺依曼机的祖传规矩是什么？“提前把程序存进内存，然后CPU一步步按顺序读指令执行”。这

计算机组成原理part1: 计算机发展历程 硬件：指计算机系统中由电子元器件和机械装置构成的实体。根据冯·诺依曼结构，经典硬件包含五大部分：运算器、控制器、存储器、输入设备、输出设备。 软件：指为解决特定问题而编制的程序及其相关文档。分为： 系统软件：用于管理计算机资源（如操作系统、数据库管理系统、编译器）。 应用软件：解决用户具体需求的程序（如微信、Civilization VI）。 核

深度生成模型与可微分渲染在医学影像及3D动态场景中的前沿进展研究报告 (2023–2026) 阅读建议：先看每一部分的「速览」，再看对应表格，最后再读细节段落。 引言与技术范式演进速览 扩散模型正在成为三维医学数据生成与逆问题求解的核心引擎。 3DGS正在替代部分NeRF工作流，强调实时、显式和可编辑。 主线趋势是“扩散先验 + 显式三维表示 + 物理约束”。 在2023至2026年的计算机视

利用多视角与多平面MRI数据进行几何超分辨率重建：前沿进展与临床转化分析引言：磁共振成像中的物理瓶颈与几何超分辨率的崛起在现代医学图像分析（Medical Image Analysis）与精准医疗的交汇点上，高分辨率（High-resolution, HR）磁共振成像（Magnetic Resonance Imaging, MRI）在微小病灶检测、复杂解剖结构的三维定量评估以及放射组学（Radio

特别说明： 李词文：23级降级学生 谢金铭：24级转专业学生 25级新转入学生：胡瑞熙、马星萌、刘明浩、魏欣怡、王俊威、林语山、王烨、阎晓婷、张誉方 软工2501班期末成绩分析与学业预警报告1. 整体概况 (Overview) 参考与缺考人数：总参考人数 35人。数据未显示无故旷考（缺考），但存在 1人次缓考（李词文的《大学物理（A）（下）》），推测因病或事假延期。 学期加权平均成绩（GP