机器学习和深度学习入门必读书单，涵盖数学、信息论、概率图模型等核心领域，助力构建扎实理论基础与实践视野：

• 《Graphical Models, Exponential Families, and Variational Inference》——概率图模型与变分推断，理解复杂结构化数据的关键工具
• 《Elements of Information Theory》——信息论经典教材，掌握信息度量与编码基础
• 《Machine Learning: A Probabilistic Perspective》——系统讲解概率视角下的机器学习方法，数学严谨且应用丰富
• 《Information Theory, Inference, and Learning Algorithms》（David J.C. Mackay）——极具启发性的教学风格，结合概率与信息论，配有YouTube授课视频，适合深入理解
• 《Learning Deep Architectures for AI》（Yoshua Bengio）——深度学习开山之作，适合数学背景学生开拓视野
• 辅助推荐：《Probabilistic Graphical Models》（Daphne Koller & Nir Friedman）、《Fundamentals of Statistical Signal Processing》（Steven M. Kay）等，强化概率统计与信号处理基础
• 经典参考：《Operations Research》（Wayne L. Winston）及图论、关系理论等数学基础书籍，拓展理论边界


深度理解这些书籍背后的方法论，帮助你系统构建机器学习与深度学习的知识体系，促进跨领域融合与创新。新手可结合相关学位论文和开源软件项目（如DynaMax）提升实践能力。

Cogito v2 发布：四款混合推理大模型（70B、109B MoE、405B、671B MoE）开放授权，代表全球顶尖水平。

• 创新迭代自我提升范式（Iterated Distillation & Amplification，IDA），模型通过内化推理过程，实现智能“直觉”提升，推理链长度比DeepSeek R1缩短60%。
• 最大的671B MoE模型性能媲美甚至超越DeepSeek v3/R1，逼近闭源前沿模型如o3和Claude 4 Opus。
• 训练成本低于350万美元，展示高效可扩展的超级智能构建路径。
• 模型支持直接回答和自我反思推理两种模式，适配多样应用场景。
• 可通过Huggingface下载，或在Together AI、Baseten、RunPod等API平台使用，本地运行支持Unsloth。
• 未来将继续迭代自我提升，发布更强模型，全部开源共享。

Cogito在推理时不再单纯靠“搜索更多”，而是通过迭代策略改进，将推理经验蒸馏回模型参数，增强模型的智能先验，类似AlphaGo的策略迭代思路，开创自然语言处理领域的全新自我优化范例。

详文 | API接入 | 开源地址

MongoDB MCP Server：MongoDB 最新开源 MCP Server 正式发布，开启人人都是数据库工程师的新纪元：

• 支持通过自然语言与 MongoDB 交互，免去手写复杂查询语法
• 兼容 MongoDB Atlas、Community Edition 和 Enterprise Advanced
• 让 AI 工具如 Claude、Cursor、GitHub Copilot 等直接对接数据库，实现智能代理查询
• 典型操作示例：“展示最活跃用户”，“创建只读数据库用户”，“查看订单集合的 schema”
• 提升非技术人员数据探索能力，支持生产级查询生成
• 性能方面，MCP 调用比直连 API 多 2-3 秒延迟，适合探索性分析但非实时场景
• 100% 开源，助力数据库访问民主化
• 安全性需重点关注，合理权限管理是防止数据泄露的关键

网页元素转图片新选择：snapDOM，速度快、精度高，实测验证优于 html2canvas。

• 支持完整 DOM 捕获，包括 shadow DOM 和伪元素(::before、::after)
• 保留样式、字体、背景图，支持 Font Awesome、Material Icons 等图标字体内嵌
• 输出多格式：SVG、PNG、JPG、WebP、Canvas，且无需额外依赖，基于标准 Web API
• 体积轻巧，性能优越，实测比 html2canvas 快 2~150 倍，尤其是大尺寸复杂元素截图
• 提供丰富 API 支持缩放、压缩、排除元素、自定义过滤、CORS 图片代理等高级功能
• 支持资源预加载，确保大规模复杂页面截图稳定高效
• 未来将支持插件系统、模块化架构及自动字体预加载，方便扩展与优化

推荐给需要高性能网页截图、生成可缩放矢量图和精美栅格图的前端开发者和设计师。

AI-Researcher：革新科研自动化的全流程智能平台

• 支持两种用户输入模式：详述研究想法（Level 1），或基于参考文献生成创新方案（Level 2），满足不同研究起点需求。
• 完整覆盖文献搜集、筛选、创新构思、算法设计、实验验证及论文撰写，助力科研人员实现端到端自动化。
• 多智能体LLM容器化架构，3小时内产出代码库、GUI界面及Docker环境，极大提升科研效率。
• 公开基准测试涵盖计算机视觉、自然语言处理、数据挖掘与信息检索四大领域，创新度达81%，F1分数0.92，表现媲美人类学术论文。
• 开放源码及详细文档，方便研究者快速部署与深度定制，推动科研自动化广泛应用。

AI-Researcher不仅加速科研流程，更通过多环节智能协同，推动科学发现范式转型，降低领域门槛，释放研究者创新潜力。