摘要：本文以两份由 Kimi 生成的 PubMed 与 Google Scholar 检索记录为实证材料，分析 Kimi 学术文献检索功能在实际任务中的能力范围与结构性短板。研究发现，Kimi 的检索能力在“种子发现”层面表现合格——能够按检索式返回相关文献列表并附带元数据；但在“语料可用性”层面存在明显断层：PubMed 侧止步于题录与摘要，未跟进 PMC 或出版社全文；Scholar 侧则因抓 … 阅读全文 →

117 个 Posit::Conf(2025) 录播视频精华：数据科学前沿洞察。 […] 来源：https://www.youtube.com/watch?v=pMVYl9fx1EE Posit公司的工程师Julia Silge分享了她如何克服学习Python时遇到的困难。她讲述了十年前初学Python时的挫败经历，这主要归因于两大难题： […] 演讲的重点是，如今情况 … 阅读全文 →

来源：https://www.youtube.com/watch?v=l01u7Ue9pIQ 该视频为 R 语言用户，特别是对 renv 包感到困惑的用户，提供了实用指南。 演讲者指出，许多用户在使用 renv::restore() 恢复项目环境时会遇到失败和挫败感。其核心问题通常源于 R 版本与包版本的不匹配。特别是，当用户尝试用一个较新版本的 R 去恢复一个使用旧版 R 创建的项目时，renv … 阅读全文 →

来源：https://www.youtube.com/watch?v=vHrI17AeYGs 这份视频摘要介绍了市场研究公司KS&R的解决方案开发者Keaton，分享了他们团队如何利用Quarto和R来自动化生成PDF报告的经验。 演讲者首先用一张难以辨认且不易扩展的祖传食谱作比喻，生动地说明了他们旧的数据报告流程所面临的挑战：文档过时、缺乏版本控制、技术陈旧，且核心知识掌握在已离职的员工 … 阅读全文 →

ℙosit公司在美国波士顿举办了Posit::conf(2025)大会。大会涵盖了数据科学、统计分析、机器学习和人工智能等多个领域。以下是大会中关于人工智能部分的精选内容摘要。 […] 标题：Making the most of artificial and human intelligence for data science (Hadley Wickham, Joe Cheng) … 阅读全文 →

样本水平富集分析 (Sample-Level Enrichment Analysis, SLEA) 是一种用于分析转录组数据集中每个样本内基因模块（或称基因集，如通路）转录状态的方法。 […] 逐样本分析： 与传统的基因集富集分析 (GSEA) 不同，传统的 GSEA 通常是比较两组样本（例如，疾病组与正常组）之间基因集的富集情况，而 SLEA 是对数据集中的每个独立样本计算其特定基 … 阅读全文 →

𝕡osit::conf(2025) 的 Positron 部分包含了一系列精彩的讲座，涵盖了 R 语言、数据科学、人工智能等多个领域。以下是一些精选讲座的概要。 […] 来源：https://www.youtube.com/watch?v=MOpJYbhLgyc 这篇视频简要介绍了 Posit 公司推出的新款集成开发环境（IDE）—— Positron。 演讲者通过一个“最初五分钟” … 阅读全文 →

《数据驱动的可重复性研究》是一篇关于数据科学和人工智能的研究生课程。这个课程讨论了科学研究的可重复性问题。 数据科学和人工智能科学研究数据分析中是两个快速发展的领域。这个课程教授一种数据驱动的可重复性研究方法，通过数据驱动的方法来提高研究的可重复性。这种方法可以帮助研究人员更好地理解数据科学和人工智能的研究结果，提高研究的可信度和可重复性。 详见链接：数据驱动的可重复性研究。 阅读全文 →

最近看视频了解到有一个可用于生成游戏地图中地形、环境差异的算法，听起来像是以德国地名命名的噪音算法——柏林噪声。 它的名字原本叫做 Perlin Noise，由 Ken Perlin 发明并以他的名字命名。虽然听起来与德国地名有关，但实际上与地名无关，而是对 Perlin Noise 的音译误读。柏林噪音是生成自然纹理（如地形、云层和水流）最常用的噪声算法之一，广泛用于游戏开发和计算机图形学中。 … 阅读全文 →

使用 clusterProfiler 的内置富集函数做代谢物富集分析。 阅读全文 →