从机器人控制到AIGC：流匹配策略梯度(FPO)的跨界应用全景图

优质文章学习记录

— 2 min read

从机器人控制到AIGC：流匹配策略梯度(FPO)的跨界应用全景图

在机器人抓取一个易碎物品时，传统策略可能会僵硬地执行单一轨迹，而融合流匹配思想的智能系统却能像人类一样自然地调整手指力度和角度——这种差异背后，是强化学习领域正在发生的范式迁移。当策略优化遇上流匹配（Flow Matching），我们获得的不仅是更灵活的动作生成能力，更打开了跨领域技术融合的全新可能。

1. 流匹配策略梯度的核心突破

传统策略梯度方法在连续控制任务中长期依赖高斯分布建模动作空间，这种单峰特性在面对需要多解决策的场景时显得力不从心。想象一个装配机器人面对零件偏差时的场景：可能需要同时保留"微调位置"和"更换夹具"两种应对策略，而高斯分布会强迫算法在二者中做出非此即彼的选择。

FPO通过三个关键创新解决了这一根本局限：

多模态策略表示
流模型通过ODE定义的连续变换，可以将简单噪声分布转化为复杂的目标分布。下表对比了不同策略表示的能力差异：

特性高斯策略扩散策略FPO流策略
多模态表示×

流匹配替代似然计算
用条件流匹配损失(CFM)重构策略梯度更新：

# 传统PPO的似然比计算 ratio = exp(new_logprob - old_logprob) * advantage # FPO的流匹配损失比 cfm_loss = mean_squared_error(predicted_flow, true_flow) ratio = exp(-(new_cfm_loss - old_cfm_loss)) * advantage

Read more

【LLM】大模型vibe coding（cursor、copilot、comate）

【LLM】大模型vibe coding（cursor、copilot、comate）

note 2025年，Karpathy分享了自己的Vibe Coding指南1.0： * 把所有相关内容塞进上下文里（在大型项目中可能需要很久。如果项目够小，就直接把所有文件都塞进去。 * 描述我们接下来要实现的那个具体的、增量式的小改动。不要直接要代码，而是要几种高层次的思路，并分析它们的优缺点。几乎总是会有多种做法，而大语言模型的判断并不总是可靠。然后（可选）再具体化。 * 选择一种思路，请它写出第一版代码。 * 进入复查/学习阶段：手动在浏览器里打开我不熟悉或没调用过的API文档，向模型提问解释、澄清、修改，必要时回退并尝试另一种思路。 * 测试。 * Git commit。 * 询问可以接下来实现什么。然后重复这个循环。 文章目录 * note * 一、相关vibe coding工具 * 1、cursor * 2、copilot * 3、comate * 二、vibe coding综述 * 1、code agent
智创 AI 新视界 -- AIGC 背后的深度学习魔法：从原理到实践

智创 AI 新视界 -- AIGC 背后的深度学习魔法：从原理到实践

💖💖💖亲爱的朋友们，热烈欢迎你们来到 青云交的博客！能与你们在此邂逅，我满心欢喜，深感无比荣幸。在这个瞬息万变的时代，我们每个人都在苦苦追寻一处能让心灵安然栖息的港湾。而 我的博客，正是这样一个温暖美好的所在。在这里，你们不仅能够收获既富有趣味又极为实用的内容知识，还可以毫无拘束地畅所欲言，尽情分享自己独特的见解。我真诚地期待着你们的到来，愿我们能在这片小小的天地里共同成长，共同进步。💖💖💖 本博客的精华专栏： 1. 大数据新视界专栏系列：聚焦大数据，展技术应用，推动进步拓展新视野。 2. Java 大厂面试专栏系列：提供大厂面试的相关技巧和经验，助力求职。 3. Python 魅力之旅：探索数据与智能的奥秘专栏系列：走进 Python 的精彩天地，感受数据处理与智能应用的独特魅力。 4. Java 性能优化传奇之旅：铸就编程巅峰之路：如一把神奇钥匙，深度开启 JVM 等关键领域之门。丰富案例似璀璨繁星，引领你踏上编程巅峰的壮丽征程。 5. Java 虚拟机（
2026年AI写作工具排行榜与深度测评：网文与剧本创作者的生产力最优解

2026年AI写作工具排行榜与深度测评：网文与剧本创作者的生产力最优解

进入2026年，生成式AI技术已经全面融入内容创作的各个环节。对于广大创作者而言，现在的核心问题已经不再是“要不要用AI”，而是“如何在众多优秀的AI工具中，找到最适合自己创作流的那一款”。 市面上优秀的通用大模型百花齐放，它们各自在不同的领域登峰造极。然而，“术业有专攻”，写代码最强的AI，未必最懂网文的爽点；擅长日常聊天的AI，未必能理清几十万字的长篇大纲。 本文基于超过500位职业网文作者、短剧与漫剧编剧的真实使用数据，从商业化写作的专业视角出发，对当前最热门的几款AI工具（DeepSeek、豆包、Kimi，以及垂直领域的炼字工坊）进行一次客观、有理有据的横向测评。 一、 核心测评维度定义 为了保证测评的专业性，我们摒弃了主观感觉，设定了以下四个针对“商业写作与变现”的核心指标： 1. 逻辑与世界观构建（World-building & Logic）： 处理复杂剧情线和人物关系的能力。 2. 长文本记忆与连贯性（Long-context Memory）： 在动辄数万字的创作中，保持设定不崩塌的能力。 3. 商业文本适配度（Commercial Text Adapt

Stable Diffusion绘画实战：云端GPU 10分钟出图，2块钱玩一下午

Stable Diffusion绘画实战：云端GPU 10分钟出图，2块钱玩一下午 你有没有遇到过这样的情况？朋友圈里插画师朋友晒出一幅AI生成的奇幻风景画，还拿了某个数字艺术比赛的小奖，评论区一片惊叹。你点开一看，画面细节丰富、光影梦幻，像是从梦境中截取的一帧。你心里一动：“这我也能做？”可刚打开电脑准备试试，发现自己的旧款iMac根本不支持CUDA，本地跑不动Stable Diffusion。去查了下配得上AI绘画的显卡，动辄五六千起步，心里咯噔一下——就为了试个新鲜感，真要花这么多钱吗？ 别急，其实你完全不用买新设备。现在有一种更聪明的办法：用云端GPU资源，花两块钱就能玩一下午，10分钟内出第一张图。听起来像天方夜谭？但这就是当前AI技术平民化的现实。通过ZEEKLOG星图提供的预置镜像服务，你可以一键部署Stable Diffusion环境，直接在浏览器里输入提示词、调整参数、生成高质量图像，整个过程就像用美图秀秀一样简单。 这篇文章就是为你这样“想试试但不想砸钱”的小白用户量身打造的。我会手把手带你完成从零到第一张AI画作的全过程，不需要懂代码，也不需要研究复杂的配置