biscuitの博客

MatMind 基于 8B LLM，通过三阶段渐进式训练框架协同激活构效知识与物理反馈，在材料性质预测、晶体无条件/条件生成上均达到或超越专用模型水平。

Sakana AI 的第二代自动科研系统——引入 Agentic Tree Search、去除模板依赖、VLM 审图，产出首篇通过同行评审的 AI 全自动论文

Sakana AI 提出的首个端到端全自动科研流水线：Idea 生成 → 实验 → 写作 → 审稿，单篇成本 ~$15

决策树，以及熵的应用、信息增益、增益率、基尼指数、CART回归树、预剪枝与后剪枝

CBDNet非对称损失与真实噪声建模、Noise2Void盲点架构、Neighbor2Neighbor成对子采样、Noise2Noise引用、SwinIR Transformer去噪、扩散模型去噪

FFDNet在DnCNN上的两点改进：可调噪声水平图作为输入（推理时σ可控）、下采样子图架构加速计算。DnCNN vs FFDNet对比

NLM非局部均值去噪：搜索窗口、相似度权重、加权平均；BM3D两步流程：Block Matching→3D变换→硬阈值/Wiener滤波→聚合；NLM与BM3D对比

加性高斯白噪声、泊松噪声、椒盐噪声、真实噪声模型、PSNR与SSIM评价指标、去噪方法分类概览