本期节目邀请职业投资人Aaron分享他的看法，帮助学生和有学习习惯的读者学习投资思维并指导生活决策。

本文探讨了Thompson Sampling算法在序贯决策中的应用，尤其是在多臂赌博机问题中的表现。该算法通过贝叶斯方法实现了对数级别的预期遗憾，并在不同环境下进行了多种改进和扩展，展示了其在探索与开发权衡中的有效性和鲁棒性。

DeepProbLog是一种结合神经网络与概率逻辑编程的语言，旨在解决机器学习中的泛化性、可解释性和数据需求问题。文章回顾了归纳逻辑编程的研究进展，介绍了新方法和系统，并探讨了当前的限制与未来的发展方向。

本文介绍了一种通过凸松弛方法拟合和分割多结构数据的技术，展示了其在图像平面提取和单应性估计中的高精度表现。研究还提出了基于体素的平面提取方法和实时平面重建模型，显著提高了点云构建的精度和效率。G3Reg框架通过提取几何原语实现激光雷达点云的快速注册，展现了卓越的稳健性和实时性能。

本文探讨了图神经网络在敌对攻击下的脆弱性，并提出了 Pro-GNN 框架以增强其稳健性。研究还介绍了新型攻击方法 DGA，显著提高了攻击效率并减少了训练时间。实验验证了对抗训练和位置编码在提升 GNN 性能方面的有效性。

多项研究将ReLU两层神经网络的训练转化为凸优化问题，可等价为凸程序或带块l1正则的凸模型，利用凸求解器在多项式时间内实现全局优化，并在MNIST、CIFAR-10上取得良好效果。然而，在权重衰减下，训练复杂度与Max-Cut问题相关，某些情形为NP完全。研究还刻画了最优网络集合、剪枝算法及随机梯度下降的全局收敛性。

该文综述联邦表示学习研究，通过融合预训练模型表示、原型对比学习、相似度蒸馏和在线知识蒸馏等方法，在保护隐私和降低通信成本的前提下实现客户端协同学习。FedPCL、MOON、FedCollab、CreamFL等框架可缓解数据异构与灾难性遗忘问题，支持多模态和个性化学习，在图像分类、检索等任务上优于传统联邦学习。

该论文介绍了一种简单的聚类算法，基于k-means算法，不需要生成模型，只需要假定“接近条件”规律。该算法能够产生大多数现有生成模型的结果，并提出了一种新技术来提高间距与标准差之比。

2016年9月20日，我生平第一本书出版了，名字叫做《技巧——如何用一年时间获得十年的经验》。购买链接我就不列 […] 不鸡血，不躺平，永远向前，保持松弛感最先出现在Tinyfool的个人网站。

索尼A7C+FE 85mm f/1.8组合具有良好的性能，可以满足摄影爱好者的基本需求，提供足够优秀的摄影体验，而且携带方便，不会产生太多心理负担。推荐的镜头有腾龙20-40mm F/2.8 Di III VXD和索尼最新推出的小三元，定焦镜头也有不少可选，只需要根据自己的需求和使用环境，忘掉复杂的参数，重新回归到通过摄影寻找生活的乐趣上。

作者三年来追求自由职业，从摄影师向艺术家转变，拍摄商业照片，出版双子书，研究“土地情结”与“亲生命性”。在职期间观察教育公平，疫情期间感受无力，发起教育实验项目，把收入的70%捐赠给一线医护人员，最终捐赠至防性侵教育和教育公益项目。