dLLM：复用自回归模型权重快速训练扩散语言模型
dLLM是一个开源的Python库,它把扩散语言模型的训练、微调、推理、评估这一整套流程都统一了起来，而且号称任何的自回归LLM都能通过dLLM转成扩散模型
别再浪费内存了：Python __slots__ 机制深入解析
`__slots__` 就是让你用灵活性换内存效率和更快的属性访问。对于高性能场景来说这是个必须掌握的优化手段。
Scikit-image 实战指南：10 个让 CV 模型更稳健的预处理技巧
本文总结了基于 **scikit-image** 的十个工程化模式，旨在帮助开发者消除输入数据的不确定性将杂乱的原始图像转化为对模型真正友好的高质量张量。
ONNX Runtime Python 推理性能优化：8 个低延迟工程实践
深度学习推理慢？未必是模型问题。本文揭示8大ONNX Runtime工程优化技巧：合理选择执行提供器、精准控制线程、规避内存拷贝、固定Shape分桶、启用图优化、CPU量化加速、预热与微批处理、向量化前后处理。不改模型也能显著提升性能，低延迟落地关键在于细节调优。
llama.cpp Server 引入路由模式：多模型热切换与进程隔离机制详解
Router mode 看似只是加了个多模型支持，实则是把 llama.cpp 从一个单纯的“推理工具”升级成了一个更成熟的“推理服务框架”。
深度解析 Google JAX 全栈：带你上手开发，从零构建神经网络
JAX AI 栈是一套面向超大规模机器学习的端到端开源平台。
基于强化学习的量化交易框架 TensorTrade
TensorTrade 是一个专注于利用 **强化学习 (Reinforcement Learning, RL)** 构建和训练交易算法的开源 Python 框架。
PyCausalSim：基于模拟的因果发现的Python框架
今天介绍一下 **PyCausalSim**，这是一个利用模拟方法来挖掘和验证数据中因果关系的 Python 框架。
别只会One-Hot了！20种分类编码技巧让你的特征工程更专业
编码方法其实非常多。目标编码、CatBoost编码、James-Stein编码这些高级技术，用对了能给模型带来质的飞跃，尤其面对高基数特征的时候。
JAX核心设计解析：函数式编程让代码更可控
JAX是函数式编程而不是面向对象那套，想明白这点很多设计就都说得通了。
自愈型RAG系统：从脆弱管道到闭环智能体的工程实践
自愈RAG的核心思路是让系统具备自省能力：检测到问题后能自主纠正，而不是把错误直接甩给用户。
LlamaIndex检索调优实战：七个能落地的技术细节
这篇文章整理了七个在LlamaIndex里实测有效的检索优化点，每个都带代码可以直接使用。
JAX 训练加速指南：8 个让 TPU 满跑的工程实战习惯
TPU 训练的真实效率往往取决于两个核心要素：**Shape 的稳定性**与**算子的融合度**。
从零开始：用Python和Gemini 3四步搭建你自己的AI Agent
这篇文章会完整展示怎么用 Gemini 3 搭一个真正能用的 Agent：从最基础的 API 调用,到一个能读写文件、理解需求的命令行助手。
JAX 核心特性详解：纯函数、JIT 编译、自动微分等十大必知概念
如果你用过 NumPy 或 PyTorch，但还没接触过 JAX，这篇文章能帮助你快速上手。
高级检索增强生成系统：LongRAG、Self-RAG 和 GraphRAG 的实现与选择
检索增强生成（RAG）早已不是简单的向量相似度匹配加 LLM 生成这一套路。LongRAG、Self-RAG 和 GraphRAG 代表了当下工程化的技术进展，它们各可以解决不同的实际问题。
CrewAI 上手攻略：多 Agent 自动化处理复杂任务，让 AI 像员工一样分工协作
CrewAI是一个可以专门用来编排**自主 AI 智能体（Autonomous AI Agents）** 的Python 框架
Pandas GroupBy 的 10 个实用技巧
本文将介绍10个实际工作中比较有用的技巧，文章的代码都是可以直接拿来用。
Python 3.14 实用技巧：10个让代码更清晰的小改进
Python 3.14 引入的改进大多数都很细微，但这些小变化会让代码写起来更流畅，运行也更稳定。本文整理了 10 个实用的特性改进，每个都配了代码示例。
