鸡尾酒入门:一杯酒的结构、经典配方与调制方法

中英对照介绍酒吧常见鸡尾酒和 IBA Contemporary Classics 完整酒单,并说明如何寻找配比与调制。

· 11 min

精酿啤酒:从原料、风格到点单与品饮

从麦芽、酒花和酵母讲起,介绍 ABV、IBU 等常见术语,以及拉格、小麦、IPA、世涛和酸啤等风格,整理精酿啤酒的点单与品饮入门方法。

· 12 min

免拔卡换区解锁 TikTok

记录 iOS 上免拔卡使用 TikTok 的尝试,整理 Shadowrocket 代理配置、旧版应用下载与安装步骤;方法具有时效性。

· 2 min

联邦学习中的 Dirichlet 分布:从概率向量到 Non-IID 数据划分

介绍 Dirichlet 分布的定义、浓度参数与统计性质,区分两种联邦数据划分方向,并给出可复现、无遗漏的 NumPy 实现及实验检查方法。

· 8 min

分布式机器学习中的效率分析

分析同步、异步与 K-worker SGD 的随机运行时间,结合收敛界讨论达到目标精度的时间与并行加速限制。

· 8 min

联邦学习中的收敛性分析 (Part 5)

从 FedAvg 的本地更新推导全参与模型下的非凸驻点界与强凸误差界,区分梯度噪声、客户端漂移和采样误差,并讨论部分参与与异质性修正。

· 15 min

分布式机器学习中的收敛性分析 (Part 4)

推导同步、异步及 K-Async SGD 的强凸收敛界,明确独立采样、条件无偏、梯度滞后与新鲜概率假设。

· 5 min

隐私计算中的信息论:如何理解与度量信息泄露

从攻击者的观察与辅助信息出发,介绍熵、条件互信息、数据处理不等式和 Fano 不等式,并通过随机响应说明信息论隐私与差分隐私的联系和区别。

· 8 min

深度学习中的隐私泄露:模型、预测与梯度暴露了什么?

梳理成员推断、属性推断、模型反演与训练数据提取,推导单样本梯度的可恢复性,并讨论联邦学习、风险评估及不同隐私保护手段的适用边界。

· 10 min

深度学习中的收敛性分析 (Part 3)

在条件无偏和方差有界假设下推导 mini-batch SGD 的强凸误差界与非凸驻点界,说明步长和噪声的影响。

· 3 min