机器学习中的各种距离

YouTube已经成为美国家庭电视屏幕上最重要的“频道”

LaTeX 教程：《How to Reproduce this Book Exactly with \LaTeX》（如何用 LaTeX 精确复刻本书）

本教程不仅教会你 LaTeX 的语法，更通过展示自身的源码，教会你如何设计一本审美在线、结构清晰的数学书籍。如果你想制作一份看起来像出版物一样的数学笔记，这本书是极佳的参考。

Ultimate Linux!!!：一个由 Uros Popovic 创建的一个实验性项目，该项目会构建一个用户空间（Userspace）主要由 JavaScript 编写的微型 Linux 发行版。

目标其实是帮助开发者理解“Linux 只是内核，而操作系统是由内核之上的软件定义的”。

同时也是因为作者为了回应关于系统编程语言（如 C, Go, Rust）的争论，他故意选择了一种通常被认为“不适合”系统开发的语言——JavaScript，来构建这个系统。

Aayush Garg 撰写的一篇发表在huggingface博客上的技术教程，《PPO From First Principle》（从第一性原理看 PPO）。

该项目的核心目的是摒弃高级封装库（如 Stable Baselines3），完全从零开始用 PyTorch 实现 PPO（Proximal Policy Optimization，近端策略优化）算法，以帮助读者深入理解其底层数学原理和代码逻辑。

很多开发者只会调用现成的 RL 库，但不理解算法内部发生了什么。这篇文章会打破这种黑盒，通过手写每一行核心代码来揭示 PPO 的工作机制 。PPO 是目前最流行的强化学习算法之一（也是 ChatGPT 等大模型 RLHF 阶段背后的核心算法），因为它在实现简单性、样本效率和性能之间取得了很好的平衡 。

Google Research 发布了一项名为 Learn Your Way 的技术，这或许标志着传统教科书时代的终结。| BLOG

长期以来，教育面临的最大痛点是标准化的平庸。教科书是为所有人准备的，却往往无法打动任何人。Google 利用其 LearnLM 模型打破了这一僵局，它能将任何 PDF 文档瞬间转化为五种个性化的学习模式。

这项技术的巧妙之处在于，它会根据你的兴趣爱好和年级水平重写内容。如果你热爱足球，物理定律将通过球的运行轨迹来呈现；如果你痴迷音乐，历史演进将伴随着节奏的更迭。当知识不再是冰冷的文字，而是与你的生活产生共鸣时，学习便不再是苦差事，而是一场探索。

系统提供了五种完全不同的学习路径：带有嵌入式问题的互动文本、AI 教师对话音频、带填空练习的演示文稿、可缩放的思维导图，以及章节测试。这种多模态的呈现方式，让无论是视觉型还是听觉型的学习者，甚至包括神经多样性人群，都能找到最适合自己的认知节奏。

在针对 60 名学生的随机对照实验中，使用该系统的学生在三到五天后的知识留存率达到了 78%，而阅读传统 PDF 的学生仅为 67%。这 11% 的提升在教育学上意义重大，它代表了从被动接受到主动内化的跨越。

从技术底层来看，这并非简单的文本总结。Google 甚至专门微调了一个用于生成教育插图的模型，以解决通用大模型在科学绘图上的短板。教育专家对内容的准确性和教学科学性给出了极高的评价，这意味着它已经具备了从实验室走向实际应用的能力。

然而，这场革命也带来了新的思考。当每个学生都拥有完全个性化的进度和内容时，传统的课堂管理模式将面临巨大挑战。同时，如何确保 AI 在重写过程中不产生幻觉，依然是我们需要保持警惕的边界。

教育的本质不是灌输，而是点燃。当静态的知识被 AI 赋予生命，我们正在见证从大规模生产教育向大规模个性化教育的范式转移。静态学习已经过时，个性化 AI 教育的时代已经开启。