NumPy
PulseAugur coverage of NumPy — every cluster mentioning NumPy across labs, papers, and developer communities, ranked by signal.
- used by SciPy 70%
- used by graphics processing unit 70%
- competes with Pascal 70%
- used by multilayer perceptron 70%
- used by Blas 70%
- used by scikit-learn 60%
- used by Jupyter Notebook 60%
- used by central processing unit 60%
- used by MLOps 60%
- instance of Project Jupyter 60%
- affiliated with scikit-learn 50%
- affiliated with SciPy 50%
10 天有情绪数据
-
AI模型引发对软件工程未来的争论，基准测试揭示性能指标 · 追踪3个来源
近期AI社区的讨论正在就Fable和GPT-Astra等新模型对软件工程角色的影响展开辩论。同时，技术基准测试也正在出现，例如在10万个嵌入上进行3.5毫秒的NumPy搜索，突显了AI实现的实际性能考量。这些对话涉及向量数据库的效率和必要性以及诸如分层可导航小世界图等索引技术。
-
使用 OpenCV、Presidio 和 LangGraph 构建安全的文档处理流程
本教程指导开发者构建一个名为 SecureKiosk AI 的安全文档处理流程。该系统使用 OpenCV 和 Tesseract 等本地工具进行图像处理和文本提取，然后使用 Microsoft Presidio 和 spaCy 检测和编辑个人身份信息（PII）。LangGraph 用于将此流程管理为有弹性的状态机，确保敏感数据在传输到外部 LLM API 之前被屏蔽，从而降低隐私风险。
-
LLM“削弱”的说法需要统计严谨性，而非轶事
dev.to上的一篇最新博文提供了一个统计清单，用于判断大型语言模型（LLM）端点是否被“削弱”或性能下降。作者强调，仅凭轶事证据和简单比较是不够的，主张采用严谨的统计方法。关键建议包括计算通过率的置信区间，以了解测量中的不确定性，并使用Fisher精确检验对两个特定条件进行预定义比较。该博文还强调了考虑比较次数的重要性，因为当测试许多提供商时，最佳和最差表现者之间的巨大差距可能只是偶然出现的。
-
Convai Innovations 的 Laya 决策引擎在开发者指南中详述
Laya 是 Convai Innovations 推出的开源决策引擎，在开发者指南中有详细介绍。这款非自回归的 System 1 模型使用一个 4.21 亿参数的编码器，单次通过处理文本和问题，提供速度和校准后的概率。该指南探讨了 Laya 的零样本准确性、选项措辞和顺序的影响、概率校准以及 CLINC150 意图数据集上的弃权门控的有效性。
-
NumPy einsum 优化显著加速 FElupe 矩阵组装
用户强调通过单个 NumPy einsum 调用优化弱形式值积分，在 FElupe 中实现了显著的性能提升。这项优化通过拆分单元格数据以适应 CPU L2 缓存，极大地加速了稀疏刚度矩阵的组装。用户还提到，附带的图片是使用 Claude 生成的，性能改进是与 Claude Opus 5.5 合作完成的。
-
Flowise LLM 应用构建器在关键代码执行漏洞被修复后发布补丁
在 Flowise（一个用于构建 LLM 应用的开源工具）中发现了一个关键漏洞，CVE-2026-41264。该漏洞允许通过利用一个未能正确验证模型生成的 Python 代码的正则表达式检查，进行提示注入并执行服务器上的任意代码。研究人员最初报告了该错误，在多次尝试修复后，Flowise 团队由于持续的安全问题，最终完全移除了该功能。
-
Scikit-learn 与 LLM API：为您的项目选择合适的 AI 工具
在人工智能项目中使用 scikit-learn 与利用 OpenAI、Anthropic 或 Google 的 Gemini 等 LLM API 之间的选择取决于具体任务。Scikit-learn 非常适合结构化数据和传统的机器学习任务，如分类和回归，并提供免费的本地执行。LLM API 在自然语言处理、生成和复杂推理方面表现出色，无需大量训练数据。许多现代 AI 系统受益于混合方法，将 scikit-learn 用于数据管道，将 L…
-
WAMpy框架加速Python中Prolog程序合成
研究人员开发了WAMpy，一个专为高效合成Prolog程序设计的Python框架。该系统特别适用于涉及重复生成和评估小型候选程序的任务。WAMpy通过将Prolog子句编译为基于NumPy数组的WAM指令，并利用Numba对性能关键例程进行即时编译，从而实现性能提升。基准测试表明，对于涉及重复编译和评估的工作负载，WAMpy通过Janus从Python访问时，其性能优于SWI-Prolog。
-
Solvi 1.0 发布：用于可验证决策系统的 Python 库
Solvi，一个用于可检查决策系统的开源 Python 库，已发布 1.0 版本。该库允许开发人员创建结合了用于明确决策的快速求解器与用于更复杂场景的 LLM 或搜索的系统。Solvi 强调可验证和可重放的决策记录，确保每个输出都可以被追溯和纠正，而不是让模型本身更智能。
-
NVIDIA IsaacTeleop 将 XR 输入转换为机器人命令
NVIDIA 推出了 IsaacTeleop，一个旨在将扩展现实 (XR) 手部追踪和运动控制器输入转换为模拟和物理机器人的可操作命令的新框架。该系统利用纯 Python 重定向引擎，允许开发人员使用 NumPy 构建机器人控制系统。该框架侧重于基于图的重定向方法，无需物理头显或模拟器即可实现精细控制和参数调整。
-
Google Research 的 Kauldron：用于模块化的 JAX 训练库
本教程提供了 Google Research 的 Kauldron 指南，这是一个专为研究速度和模块化设计的 JAX 训练库。它详细介绍了 Kauldron 的核心机制：konfig 用于将实验转换为 JSON 可序列化字典，kontext 用于通过字符串路径连接组件以避免直接导入，以及一个带有命名轴的运行时形状检查器。该指南演示了如何实现自定义损失和指标，在没有加速器的情况下对合成数据进行模型训练，以及运行实验扫描。
-
新书提供代码优先的计算机视觉入门指南
一本题为《计算机视觉导论》的新书已在arXiv上发布，为该领域提供了全面的指南。本书涵盖了经典的2D和3D计算机视觉技术，以及现代深度学习方法，从基本概念到物体检测和分割等高级应用。每种技术都附带使用NumPy、PyTorch和OpenCV的Python实现，使读者能够探索算法的实际应用。
-
新的基准测试和由LLM驱动的方法推动时间序列异常检测发展
研究人员开发了新的时间序列异常检测（TSAD）基准测试和方法，重点关注可解释性和可理解性。一个名为SHAD的基准测试使用了来自Scality云存储系统的真实世界数据来评估检测、可解释性和可理解性。另一种方法利用大型语言模型自主发现紧凑且可解释的TSAD检测器，在TSB-AD等基准测试中表现优于现有方法。一项综合研究还比较了流式和静态TSAD方法，发现静态方法在现实流式场景中通常表现更好，挑战了关于增量更新的普遍假设。
-
Microsoft Fabric 用户可以管理自定义 Python 环境以避免依赖问题
Microsoft Fabric 的默认 Spark 运行时足以应对基本数据任务，但对于高级数据科学和机器学习项目，它可能导致“依赖地狱”。当平台更新破坏已验证的模型或阻止使用新版库时，就会发生这种情况。为确保可重复性、稳定性和成本效益，至关重要的是通过在 Fabric 内的工作区或项目级别管理自定义 Python 环境，将项目特定的依赖项与默认运行时分离。
-
使用标准工具实现的RFF模型的白盒后门攻击
研究人员已经实现了对使用随机傅里叶特征（RFF）的机器学习模型的理论白盒后门攻击。此实现使用NumPy和SciPy等标准科学计算工具构建，测试了此类攻击的实际可行性，这些攻击即使在拥有模型权重完全访问权限的情况下也旨在不可检测。研究发现，在各种稀疏度比率下，后门模型和干净模型之间没有可检测的差异，这有助于理解这些复杂的加密威胁的可实现性。
-
MLflow 跟踪死锁通过调整队列生命周期得到修复
通过调整其生命周期管理，解决了 MLflow AsyncTraceExportQueue 中的并发死锁问题。该问题发生在当一个迟到的 `put()` 操作在消费者线程已退出后添加任务，导致 `queue.join()` 无法完成。此修复将并发的 `flush()` 调用序列化，并确保迟到的任务被同步处理，防止 `unfinished_tasks` 计数器永久卡住。
-
SIMURG库在LLM生成过程中实时阻止乱码
SIMURG是一个新推出的Python库，旨在实时检测和阻止大型语言模型（LLM）解码过程中出现的损坏。该库由Taghi Shahbazi开发，可在GitHub上获取。SIMURG在文本生成过程中监控token流，以检测重复、语言漂移或乱码等异常情况。它允许在损坏的文本到达用户之前进行中途中止和重新生成，并且可以在CPU上高效运行，无需GPU。该工具特别有助于提高LLM应用程序的可靠性，尤其是在使用较小或自托管模型时。
-
AI从业者分享关于学习、语音代理和多语言机器人的见解
几位个人正在分享他们涉及AI和机器学习的经验和项目。一位用户正在记录他成为AI/ML工程师的历程，重点关注使用NumPy理解线性回归等算法的数学基础。另一位用户开发了一个AI语音销售代理，详细介绍了其架构，该架构集成了Twilio、OpenAI的Realtime API、LangGraph以及PostgreSQL/Redis后端来处理经销商订单。第三位用户讨论了构建多语言支持机器人的挑战，强调语言检测和模型大小是关键因素，而这些因素常…
-
新的 whitetree 库增强了 SciPy k-d 树以处理流式数据
一个名为 whitetree 的新库已被开发出来，用于高效处理流式传感器数据上的最近邻搜索。它利用多个 SciPy k-d 树来管理插入和删除，而无需完全重建，在某些操作上比 scikit-learn 的 BallTree 和 FAISS 等现有库实现了显著的加速。该库仅基于 NumPy 和 SciPy 构建，支持多读单写线程，并提供与静态 k-d 树匹配的精确结果。
-
学习 Matplotlib 以进行数据科学：Python 可视化入门指南
本文提供了一份对使用 Matplotlib（Python 中用于数据可视化的基础库）的入门指南。它解释了如何使用 pip 安装 Matplotlib，并介绍了用于创建各种图表的 pyplot 模块。该指南通过准备数据并使用 `plot()`、`xlabel()`、`ylabel()`、`title()` 和 `show()` 函数，引导用户生成他们的第一个简单折线图。