【深度之眼2025-2026】科研大会员课件及资料合集

金龙

科研大会员
├─1-【2025专题一 】免训练扩散模型课件及资料
│  ├─A预习要求及资料
│  │  │  【专题一  预习资料文档】视觉大模型——免训练扩散模型.pdf
│  │  │  
│  │  ├─推荐Paper
│  │  │      【ICML2024】Mastering Text-to-Image Diffusion_ Recaptioning, Planning, and Generating with Multimodal LLMs.pdf
│  │  │      【NIPS 2024】RealCompo_ Balancing Realism and Compositionality Improves Text-to-Image Diffusion Models.pdf
│  │  │      
│  │  └─推荐公开课
│  │          1.机器学习规则说明.pdf
│  │          10.（机器如何生成文本）课程直播连接.pdf
│  │          11.大模型 + 大资料 = 神奇结果？（课程连接）.pdf
│  │          12.【生成式AI】GPT-4 来了! GPT-4 这次有什么神奇的能力呢？ .pdf
│  │          13.速览图像生成常见模型 .pdf
│  │          14.浅谈图像生成模型 Diffusion Model 原理 .pdf
│  │          15.Stable Diffusion、DALL-E、Imagen 背后共同的套路.pdf
│  │          16.Diffusion Model 原理剖析 (optional)（课程直播连接）.pdf
│  │          17.如何低资源复刻自己的 ChatGPT.pdf
│  │          18.ChatGPT 可以自我反省!.pdf
│  │          19.让 AI 村民组成虚假村庄会发生什么事 .pdf
│  │          2.ChatGPT原理剖析1.pdf
│  │          20.用语言模型来解释语言模型 .pdf
│  │          21.让 AI 做计划然后自己运行自己.pdf
│  │          22.FrugalGPT .pdf
│  │          3.ChatGPT原理剖析2.pdf
│  │          4.ChatGPT原理剖析3.pdf
│  │          5.用 ChatGPT 和 Midjourney 来玩文字游戏.pdf
│  │          6.生成式AI机器学习原理1.pdf
│  │          7.生成式AI机器学习原理2.pdf
│  │          8.生成式AI策略.pdf
│  │          9.生成式AI-能够使用工具的AI.pdf
│  │          【压缩包合集】【官方课件】MACHINE LEARNING 2023 SPRING.zip
│  │         
│  ├─第1节
│  │      【课件 】第1节 通俗易懂的扩散模型前沿学习.pdf
│  │      第1节课后作业及要求.pdf
│  │      
│  ├─第2节
│  │      【课件 】第2节 现阶段扩散模型的常见贡献做法.pdf
│  │      
│  ├─第3节
│  │      【课件 】第3节  为什么免训练成为了今年的顶会热门？.pdf
│  │      
│  └─第4节
│          【课件 】第4节  免训练扩散模型的实战.pdf
│         
├─10-【2025专题十】基于 AI 辅助的医学图像处理与分析技术实战
│  │  【预习资料】专题十-基于AI辅助的医学图像处理与分析技术实战.pdf
│  │  
│  ├─第1节
│  │      第一节-基于计算机视觉与深度学习下的医疗图像处理.pdf
│  │      
│  ├─第2节
│  │      第二节-代码 资料.zip
│  │      第二节-基于深度学习的医疗影像分析（实战练习）.pdf
│  │      
│  ├─第3节
│  │      第三节-代码 资料.zip
│  │      第三节-基于深度学习的医疗影像增强技术（实战练习）.pdf
│  │      
│  └─第4节
│          第四节-基于多模态的医疗影像辅助诊断与分析.pdf
│         
├─11-【2025专题十一】VLM（视觉语言模型）研究与应用
│  ├─推荐论文
│  │      1908.02265v1.pdf
│  │      1908.06066v3.pdf
│  │      1908.07490v3.pdf
│  │      2112.04482v3.pdf
│  │      2112.10739v3.pdf
│  │      2302.14045v2.pdf
│  │      2405.17247v1.pdf
│  │      Learning_Transferable_Visual_Models_From_Natural_Language_Supervision.pdf
│  │      
│  ├─第一节
│  │      VLM公开课第一节课.pptx
│  │      
│  ├─第三节
│  │      VLM公开课第三节课.pptx
│  │      
│  ├─第二节
│  │      VLM公开课第二节课.pptx
│  │      
│  ├─第四节
│  │      VLM公开课第四节课.pptx
│  │      
│  └─预习资料
│          ml-fastvlm-main.zip
│         
├─12-【2025专题十二】视频生成技术实战课程
│      【科研大会员专题十二第三节】配置文件.zip
│      【科研大会员专题十二第二节】配置文件.zip
│      【第一节】基于ComfyUI-SVD的工作流搭建与参数调优(1).pdf
│      【第三节】基于 SVD 时序机制的原理解析与 ComfyUI 参数详解.pdf
│      【第二节】基于ComfyUI-ControlNet的多条件控制课件.pdf
│      【第四节】基于Comfy UI的Animate Diff视频生成方法.pdf
│      【课程大纲】【科研大会员专题十二】视频生成技术实战课程.docx
│      
├─13-【26年专题一】大语言模型检索增强生成
│  │  【01】大语言模型检索增强生成入门.pptx
│  │  【02】RAG领域前沿研究方向.pptx
│  │  【03】基础RAG系统实践.pptx
│  │  【04】进阶RAG系统实践.pptx
│  │  
│  ├─RAG_paper
│  │      2307.11019v3.pdf
│  │      2310.04408v1.pdf
│  │      2312.10997v5.pdf
│  │      2410.05779v3.pdf
│  │      Atlas Few-shot Learning with Retrieval-Augmented Language Models.pdf
│  │      Dense Passage Retrieval for Open-Domain Question Answering.pdf
│  │      From Local to Global A Graph RAG Approach to Query-Focused Summarization.pdf
│  │      LoRA Low-Rank Adaptation of Large Language Models.pdf
│  │      ReAct Synergizing Reasoning and Acting in Language Models.pdf
│  │      Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks.pdf
│  │      Tongyi DeepResearch Technical Report.pdf
│  │      
│  ├─【03】代码资料
│  │      rag-tutorials-main.zip
│  │      
│  └─【04】代码资料
│          alpaca-lora-main.zip
│          rq-vae-transformer-main.zip
│         
├─14-【26年专题二】基于大模型与智能体的安全研究
│  ├─第1节
│  │      【01】大模型与智能体安全拆解.pptx
│  │      
│  ├─第2节
│  │      【02】Agent_red_team.zip
│  │      【02】基于大模型的智能体安全威胁（实战练习）.pdf
│  │      
│  ├─第3节
│  │      【03】AgentAlign.zip
│  │      【03】AgentAlign：Navigating Safety Alignment in the Shift from Informative to Agentic Large Language Models.pdf
│  │      【03】基于智能体工作流的攻击与滥用（实战练习）.pdf
│  │      
│  ├─第4节
│  │      【04】面向现实应用的大模型与智能体安全治理与防护.pdf
│  │      
│  └─预习资料
│          【2026科研大会员-专题二】预习资料.pdf
│          必读论文.zip
│         
├─15-【2026专题三】人机交互与机器学习交叉领域创新探索
│      【第一节】【20260306】Chloe老师-基于行为数据建模与人机交互科研范式解析.pdf
│      【第三节】【20260320】Chloe老师_行为数据与生理信号的数据处理与特征构建实战.pdf
│      【第二节】【20260313】Chloe老师_基于生理信号建模与认知计算科研范式解析.pdf
│      【第四节】【20260327】Chloe老师_行为数据与生理信号的表征学习与模型训练实战.pdf
│      科研大会员【2026专题三】人机交互与机器学习交叉领域创新探索.pdf
│      
├─16-【2026专题四-大模型驱动的智能化代码生成】
│  └─【2026——专题四】
│      ├─第一节
│      │      PreclassExperiment(1).zip
│      │      Week1.pdf
│      │      
│      ├─第三节
│      │      Week3.pdf
│      │      
│      ├─第二节
│      │      Week2.pdf
│      │      
│      └─第四节
│              Week4.pdf
│              week4_artifacts.zip
│              
├─17-【2026专题五-大模型对齐(RHLF延伸)及其可解释性】
│      0519-RLHF-RLVR代码.zip
│      0526-SAE代码.zip
│      【01】大模型对齐训练算法.pptx
│      【02】大模型可解释性算法SAE.pptx
│      【03】代码实践：对齐算法.pptx
│      【04】代码实践：大模型SAE.pptx
│      【预习资料】大模型对齐(RHLF延伸)及其可解释性.docx
│      
├─18-【2026专题六-基于世界模型的强化学习与具身智能研究】
│      【01】面向强化学习决策的世界模型路线梳理.pdf
│      【02-03】dreamerv3-improved.zip
│      【02】面向强化决策的世界模型建模与改进点探究（实战练习）.pdf
│      【03】面向可落地实用的世界模型标准流研究（实战练习）.pdf
│      【04】多模态大模型与世界模型的底层状态对齐研究与发文思路.pdf
│      【2026科研大会员-专题六】预习资料.wps
│      
├─19-【2026专题七-基因组、单细胞与生物分子中的大模型和科研智能体】
│      【第一节】AI for Life Sciences 研究地图：从基因组、单细胞到生物分子.pdf
│      【第三节】生物分子设计与药物发现：从预测模型到生成式 AI.pdf
│      【第二节】单细胞与空间组学基础模型：从多模态数据到细胞状态建模.pdf
│      【第四节】LLMAgent 驱动的生命科学科研工作流与发文思路.pdf
│      
├─2-【2025专题二 】 PINN课件及资料
│  ├─【专题二】PINN直播课 课前资料
│  │      【专题二】PINN直播课-直播大纲.docx
│  │      【专题二】PINN直播课-预习资料.docx
│  │      
│  └─课件+代码
│      ├─代码
│      │      PINN_1d_wave_forward.py
│      │      PINN_1d_wave_forward_hard.py
│      │      PINN_1d_wave_inverse.py
│      │      Pytorch_regression_hyper.py
│      │      
│      └─课件
│              1.神经网络基石：从零构建你的第一个模型.pdf
│              1.神经网络基石：从零构建你的第一个模型作业.pdf
│              2.PINN核心技术揭秘：如何用神经网络求解偏微分方程？.pdf
│              3.PINN实战演练：手把手搭建波动方程求解器.pdf
│              4.PINN疑难杂症诊断：伪解、不收敛问题全解析.pdf
│              
├─20-【2026专题八-基于强化学习的多智能体协作】
│  ├─第一节
│  │      第1讲_Agent发展脉络与基本概念_什么是Agent.pdf
│  │      
│  ├─第三节
│  │      第3讲_Baseline实操_学员资料包.zip
│  │      第3讲_多智能体协作与强化学习_从固定SOP到可学习策略.pdf
│  │      
│  ├─第二节
│  │      第2讲_Agent基本范式_Smallville主线.pdf
│  │      第二讲_Agent基本范式_代码素材.zip
│  │      
│  └─第四节
│          第4讲_Agent终身学习_从Voyager到持续进化.pdf
│          第4讲_Baseline代码资料包_JitRL_AKD-PMP_20260826.zip
│         
├─3-【2025专题三】 Graph mamba专题课件及资料
│  ├─A预习要求及资料
│  │      【专题三】Graph Mamba研究与应用.docx
│  │      
│  └─课件及实验手册等资料
│      │  Class1-Graph Mamba背景与介绍.pptx
│      │  Class2-Mamba深度剖析：什么是状态空间模型？.pdf
│      │  Class3-论文解读：Graph与Mamba的近期论文解读.pdf
│      │  
│      ├─Class4-（实操课无课件）-参考实验手册
│      │      Graph Mamba实验手册.docx
│      │      Graph Mamba实验手册.pdf
│      │      
│      └─【先看这个】4节课的实验课内容及执行手册
│              Graph Mamba实验手册.docx
│              Graph Mamba实验手册.pdf
│              
├─4-【2025专题四】多模态大模型（DeepSeek研究与应用）资料整理
│  ├─【专题四】课件整理
│  │      第一节-多模态大模型.pdf
│  │      第三节-大模型训练动手实践.pdf
│  │      第二节-大模型分布式训练.pdf
│  │      第四节-DeepSeekV3R1.pdf
│  │      
│  └─【专题四】预习资料
│          【专题四】-多模态大模型系列讲座预习.docx
│          推荐文章及资料链接.docx
│         
├─5-【2025专题五】知识图谱与大模型课件与资料
│  │  【专题五】知识图谱与大语言模型-课后作业.docx
│  │  
│  ├─【1】知识图谱理论体系与应用场景解析
│  │      第1节-知识图谱基础(1).pdf
│  │      
│  ├─【2】知识图谱代码实践与应用
│  │      第2节-知识图谱代码实践与应用.pdf
│  │      
│  ├─【3】大语言模型基础
│  │      第3节-大语言模型基础.pdf
│  │      
│  └─【4】知识图谱与大语言模型
│          第4节-知识图谱与大语言模型.pdf
│         
├─6-【2025专题六】基于强化学习的深度推理增强技术实战
│  │  【专题六】第1节：深度推理大模型入门.pdf
│  │  【专题六】第2节：推理大模型深度剖析：如何获得顿悟时刻？.pdf
│  │  【专题六】第3节：Deepseek大模型训练实战演练：拥抱顿悟时刻.pdf
│  │  【专题六】第4节：Deepseek大模型训练实战演练-如何让深度推理增强更高效.pdf
│  │  第3-4节课-代码实操.zip
│  │  第3节学习时使用-代码实操-open_r1.zip
│  │  
│  ├─【实验手册】第2节至第3节的练习作业
│  │      【专题六】实验手册-R1模型-v1.pdf
│  │      【专题六】实验手册-R1模型-v1.zip
│  │      
│  └─预习资料
│          【科研大会员-专题六】基于强化学习的深度推理增强技术实战（预习资料）.doc
│         
├─7-【2025专题七】具身智能之人形机器人——基于强化学习的人形机器人技术实战
│      code.rar
│      week1-基于强化学习的机器人训练入门.pdf
│      week2-基于强化学习的人形机器人基础知识与原理.pdf
│      week3-融合强化学习与模仿学习的人形机器人步态训练复现.pdf
│      week4-融合LLM的人形机器人步态训练实操.pdf
│      【专题七】具身智能之人形机器人——基于强化学习的人形机器人技术实战.docx
│      环境配置、mujoco操作和GitHub项目链接.rar
│      
├─8-【2025专题八】通用大模型智能体
│      a2a_code.zip
│      amap_fudan.zip
│      MCP.pdf
│      week1.pptx
│      week2.pptx
│      week3.pptx
│      week4.pptx
│      
├─9-【2025专题九】时序思维与跨学科应用
│  ├─第1节
│  │      lesson1_torch_forecast_air_updated_v2.ipynb
│  │      【第1节】单变量时间序列问题.pdf
│  │      
│  ├─第2节
│  │      lesson2_store_sales_lstm .zip
│  │      【推荐文献】时间序列跨学科应用文献1&2.pdf
│  │      【第2节】时间思维跨学科应用——多元时间序列.pdf
│  │      
│  ├─第3节
│  │      【第3节】时序专题-时序异常检测.pdf
│  │      科研大会员时序专题-lesson3-代码.zip
│  │      
│  ├─第4节
│  │      【第4节】科研大会员-时序异常分类.pdf
│  │      科研大会员时序专题-lesson4-代码.zip
│  │      
│  └─预习资料
│          【预习资料】时序思维与跨学科应用.pdf（含基础要求及链接）
│         
└─A【压缩包备份】2025专题资料
        【专题一 】免训练扩散模型课件及资料.zip
        【专题七】具身智能之人形机器人——基于强化学习的人形机器人技术实战.zip
        【专题三】 Graph mamba专题课件及资料.zip
        【专题九】时序思维与跨学科应用.zip
        【专题二 】 PINN课件及资料.zip
        【专题五】知识图谱与大模型课件与资料.zip
        【专题八】通用大模型智能体.zip
        【专题六】基于强化学习的深度推理增强技术实战.zip
        【专题十】基于 AI 辅助的医学图像处理与分析技术实战.zip
        【专题十一】VLM（视觉语言模型）研究与应用.zip
        【专题十二】视频生成技术实战课程.zip
        【专题四】多模态大模型资料整理.zip

本帖隐藏的内容需要登入才可浏览，如需注册账号请点击这里