Yulong He
  • English
  • 中文
  • Русский

研究与技术思考

贺育隆的中文研究 Wiki:从已发表论文理解观点动力学、代码智能、高效机器学习与可靠评测。
研究索引已发表论文数据与引用个人主页

贺育隆 · 研究笔记

从复杂数据中建立表示,
用可检验的方法形成判断。

关注观点动力学、代码智能与高效机器学习。这里从已发表论文出发,记录问题如何被定义、方法为什么这样选,以及结论的适用边界。

贺育隆的个人照片
贺育隆 / Yulong He
6 篇已发表论文7 篇中文解读更新于 2026-09-06

从这里开始

研究方法代码评测论文与出处

全部 7 篇文章

01
研究方法研究总览

从数据到判断:我的研究方法

将表示学习、可解释建模与可靠评测串起来:先定义问题,再讨论模型是否真的解决了问题。

4 分钟
02
观点动力学2026 · 期刊论文

评论情绪之外:如何理解社区之间的相互依赖

把评论文本变成社区状态,再用动力学模型理解情绪变化。关键在于明确观测对象与解释边界。

3 分钟
03
代码智能2026 · 期刊论文

代码不仅是文本,也是协作留下的轨迹

代码嵌入不只服务检索。把它放回时间和协作关系中,可以研究软件演化中的趋同与分化。

3 分钟
04
代码智能2026 · 研讨会论文

评测代码:看起来合理,不等于真的正确

为什么大模型打分与代码对数概率会给出不同判断?从已发表实验理解评测信号的适用范围。

3 分钟
05
高效机器学习2025 · 期刊论文

轻量化不是单纯把模型变小

从轴承故障诊断出发,理解知识蒸馏、低秩适配与质量约束之间的关系。

3 分钟
06
多模态与时序2023 · 期刊论文

多一个模态,什么时候才真正有用

从视听语音识别的复现与比较出发,讨论信息互补、噪声条件和跨数据集泛化。

3 分钟
07
多模态与时序2022 · 会议论文集论文

预测得准,为什么仍可能找错异常

时间序列预测与异常检测有不同的目标。模型选择需要对齐最终任务,而不是只优化中间指标。

3 分钟

没有匹配的文章。请更换关键词或研究主题。

论文结果属于共同作者的合作成果;文中的方法归纳与工程思考不代表新增实验结论。

数据与引用 · 机器可读索引

Yulong He

PV - · UV -

贺育隆 · 研究笔记