✨ feat: update 2024-05-05 section

blogs/2024/2024-05-05/index.md

@@ -11,6 +11,8 @@ tags: []
 
 ## 🌟 AI 相关
 
+[《人工智能机器学习算法总结--3.神经网络算法(前向及反向传播)》](https://mp.weixin.qq.com/s/IRgQC21hx80cSD_B1DXo6Q)。本文深入解析了神经网络算法的基础概念、核心原理及其在各领域的应用意义。文章首先介绍了神经网络的定义、意义及优缺点，详细说明了其模拟人类大脑神经元连接方式的原理和神经网络处理复杂数据的能力。随后，以一个识别手写数字的实例详细介绍了神经网络算法的实施过程，包括数据准备、模型架构选择、参数初始化、前向传播、损失函数计算、反向传播、参数优化、模型评估和调参优化等步骤。此外，还探讨了神经网络的训练过程中的某些关键技术，如正则化、激活函数、梯度下降以及梯度检查，旨在提供一份全面而深入的神经网络算法指南。
+
 [《LLM 安全 | 大语言模型应用安全入门》](https://juejin.cn/post/7361253974051602441)。本文由无恒实验室撰写，系统地介绍了大型语言模型（LLM）的基础知识、工作原理、训练过程以及面临的挑战和安全问题。文章首先概述了 LLM 的兴起背景和应用领域，随后深入解释了模型如何通过词向量和 Transformer 架构处理和生成文本数据。文章还详细讨论了 GPT 模型的预训练和微调过程，解析了模型在训练数据、生成可靠输出方面的挑战，并探讨了模型幻觉、逆转诅咒和遗忘中间等已知缺陷。此外，还对 LLM 的应用安全风险进行了分析，包括提示词注入和越狱行为，以及如何通过监管和技术手段降低这些风险。文章的核心在于强调了对于 LLM 安全性的关注，以及在技术进步与安全防护之间寻求平衡的重要性。
 
 [《谈谈我对 AIGC 趋势下软件工程重塑的理解》](https://mp.weixin.qq.com/s/UFMxQB9sUC5I0y86nfzKjw)。本文探讨了 AIGC 趋势对软件工程领域产生的影响以及软件研发智能化的实践策略。文章首先指出，AI 已成为软件研发的必选项，特别是在代码生成和逻辑推理方面的应用，如 GitHub Copilot 等工具已极大提高了开发效率。随后，文章分析了软件研发面临的挑战和智能化带来的机遇，重点讨论了企业落地智能化研发的策略与路径，包括初步引入、长期效率提升及全链路智能化升级三个阶段。最后，提出了落地软件研发智能化工具的具体实例和建议，强调在大模型时代，软件研发流程和范式将发生颠覆性变化，AI将在提高个体效率、优化协作、改善开发体验和提升数字资产管理等方面扮演关键角色。
@@ -33,6 +35,8 @@ tags: []
 
 [《Evolving the Go Standard Library with math/rand/v2》](https://go.dev/blog/randv2)。Go 语言团队在 Go 1.22 中新增了一个 `math/rand/v2` 包，这是 Go 标准库中第一次出现采用带版本号路径的方式进行兼容性更新的实例。新版本的包重写了随机数生成器的 API，包括使用全新的生成器算法 PCG 和 ChaCha8 替换原有 Go 1 生成器，并引入了一些 API 断点变更来修复 `math/rand` 中历史上的问题。文章详述了更新的具体动机，并反思了未来包版本迭代将遵循的一般原则。这些原则包括：使用带版本号的导入路径以允许旧新版本的共存，尊重现有用户及其用法，尽可能避免不必要的变动，以及确保不会遗弃旧版本的用户。通过这些更新，Go 团队期望为今后对标准库的升级树立标杆并确立持续改进的原则。
 
+[Go未用代码消除与可执行文件瘦身](https://mp.weixin.qq.com/s/s60J4eA_d0hqrXj-XMPpXA)
+
 [Rust Tokio 任务取消模式](https://mp.weixin.qq.com/s/GD95hqKcHY-ynAa42jxmSA)
 
 [LangChainGo + Ollama, OpenAI, Mistral 快速构建大模型应用](https://mp.weixin.qq.com/s/_Qi5aPjdxdYLWjKXemCLzQ)