The Subset Sum Problem Solved in Linear Time for Dense Enough Inputs
当输入值彼此足够接近时，著名的 NP 完全问题的最佳解决方案。在足够密集输入的线性时间内解决的子集和问题一文首先出现在《走向数据科学》上。
The Machine Learning “Advent Calendar” Day 18: Neural Network Classifier in Excel
通过显式公式理解前向传播和反向传播机器学习“降临日历”第 18 天：Excel 中的神经网络分类器一文首先出现在《走向数据科学》上。
Generating Artwork in Python Inspired by Hirst’s Million-Dollar Spots Painting
使用 Python 生成艺术品这篇文章《受赫斯特百万美元斑点画的启发，用 Python 生成艺术品》一文首先出现在《走向数据科学》上。
Seeking Sustainable Competition: The “Rebalance” in US-China Policy
出版物作者： 出版日期： 2025年12月17日概要 2025年底的最新发展，特别是“吉隆坡框架”，标志着美国对华政策的结构性再平衡。这种转变不是“大国竞争”的战略逆转，而是国内经济压力驱动下的战术调整。美国正在走向“分层竞争” […]《寻求可持续竞争：美中政策的“再平衡”》一文首次出现在 RSIS 上。
A Practical Toolkit for Time Series Anomaly Detection, Using Python
以下是如何检测每个序列中的点异常，并识别整个银行的异常信号使用 Python 进行时间序列异常检测的实用工具包一文首先出现在走向数据科学上。
Production-Grade Observability for AI Agents: A Minimal-Code, Configuration-First Approach
LLM 作为法官、回归测试和多代理 LLM 系统的端到端可追溯性人工智能代理的后期生产级可观察性：最少代码、配置优先的方法首先出现在《走向数据科学》上。
The Machine Learning “Advent Calendar” Day 17: Neural Network Regressor in Excel
神经网络通常感觉就像黑匣子。在本文中，我们仅使用 Excel 公式从头开始构建神经网络回归器。通过明确从前向传播到反向传播的每一步，我们展示了神经网络如何学习仅用少量参数来逼近非线性函数。机器学习“降临日历”第 17 天：Excel 中的神经网络回归器一文首先出现在《走向数据科学》上。
3 Techniques to Effectively Utilize AI Agents for Coding
了解如何使用编码代理成为一名高效的工程师《有效利用人工智能代理进行编码的 3 种技术》一文首先出现在《走向数据科学》上。
Into the Omniverse: OpenUSD and NVIDIA Halos Accelerate Safety for Robotaxis, Physical AI Systems
编者注：这篇文章是 Into the Omniverse 的一部分，该系列文章重点介绍开发人员、3D 从业者和企业如何利用 OpenUSD 和 NVIDIA Omniverse 的最新进展来改变他们的工作流程。物理人工智能正在从研究实验室走向现实世界，为智能机器人和自动驾驶车辆 (AV) 提供动力——例如机器人出租车 阅读文章
BRICS 'Unit' Challenges Dollar Dominance
2025年末，金砖国家悄然从理念走向行动。黄金锚定数字贸易工具（简称“The Unit”）的试点工作已经启动。
The Machine Learning “Advent Calendar” Day 15: SVM in Excel
本文不是从边距和几何形状开始，而是从熟悉的模型逐步构建支持向量机。通过改变损失函数并重新使用正则化，SVM 自然地表现为经过优化训练的线性分类器。这种观点将逻辑回归、SVM 和其他线性模型统一到一个单一的、连贯的框架中。机器学习“降临日历”第 15 天：Excel 中的 SVM 帖子首先出现在走向数据科学上。
Separate Numbers and Text in One Column Using Power Query
一个包含数字和文本列的 Excel 工作表？真是一团糟！使用 Power Query 在一列中分离数字和文本的帖子首先出现在走向数据科学上。
The Machine Learning “Advent Calendar” Day 16: Kernel Trick in Excel
核 SVM 通常感觉很抽象，包含核、对偶公式和支持向量。在这篇文章中，我们走了一条不同的路。从核密度估计开始，我们逐步将核 SVM 构建为局部钟声的总和，通过铰链损失进行加权和选择，直到仅保留基本数据点。机器学习“降临日历”第 16 天：Excel 中的核技巧首先出现在《走向数据科学》上。
