AI 与机器学习2020arxiv.org编辑精选
YOLOv4：目标检测的最优速度与精度
YOLOv4: Optimal Speed and Accuracy of Object Detection
进阶 · 约 40 分钟读完前置知识：目标检测基础、卷积神经网络、深度学习训练技巧
导读
这篇论文提出 YOLOv4，目标是在目标检测中取得速度与精度的更优平衡；核心是在 YOLO 框架上整合一系列网络架构与训练技巧，在常规 GPU 上实现高精度和实时速度。
HN 关注点：是因为 YOLO 原作者停更后由社区维护者 AlexeyAB 推进并发布 YOLOv4；讨论焦点既包括成果和代码可用性，也包括论文用“optimal”形容目标检测方案是否过于绝对。
后来怎么样
YOLOv4 发表后成为实时目标检测的重要基线，被工业界与开源社区广泛采用，并推动了后续 YOLO 系列的持续演进。
HN 评论精选
这几条评论里：质疑 1 补充 2
补充YOLOv4 由社区维护者 AlexeyAB 在原作者停更后推进，他做了大量工程与支持工作。
YOLO 的原作者已经停止开发它了[1]。Alexey Bochkovskiy（即 AlexeyAB）在 GitHub 上创建了 fork，写了详尽的 YOLO 网络架构定制指南，增加了新功能，并回答了无数问题。
rgovostes查看英文原文
The original author of YOLO stopped working on it[1]. Alexey Bochkovskiy, aka AlexeyAB, created a fork on GitHub and wrote an extensive guide to customizing YOLO's network architecture, added new features, and has answered zillions of questions. 1: https://twitter.com/pjreddie/status/1230524770350817280
补充补充提供官方 Darknet 代码和 PyTorch 移植版链接。
GitHub 上的代码：https://github.com/AlexeyAB/darknet ；PyTorch 版本：https://github.com/Tianxiaomo/pytorch-YOLOv4
punnerud查看英文原文
And code on Github: https://github.com/AlexeyAB/darknet PyTorch version: https://github.com/Tianxiaomo/pytorch-YOLOv4
质疑质疑论文用“optimal”描述目标检测方案过于绝对，认为措辞应更克制。
我反对在目标检测这类任务中使用“optimal”一词；声称这是解决如此广泛而复杂问题的“最优”方式，感觉适得其反。结果很好，但他们的措辞需要收敛一些。
gjstein查看英文原文
I object to the use of the word "optimal" for a task like object detection; it feels counterproductive to claim that this is the "optimal" way of solving such a broad and complex problem. Great results, but their language needs some tempering.
相关资源
从这篇论文所有 HN 讨论帖的全部评论里整理出来的链接。
历次讨论
- 2020Hacker News 讨论帖234 分 · 54 评
同领域还值得读
DeepSeek-R1：通过强化学习激励 LLM 的推理能力
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via RL
研究如何用强化学习激励大语言模型的推理能力，提出 DeepSeek-R1，并探讨 RL 训练对模型推理表现的影响。
AI 与机器学习2025 · 1,351 分 · 1,056 评 · 引用 30进阶 · 约 80 分钟编辑精选1-bit LLM 时代：面向低成本计算的三值参数
The Era of 1-bit LLMs: ternary parameters for cost-effective computing
提出用三值参数 {-1, 0, 1} 替代 LLM 中的浮点权重，即所谓“1-bit LLM”。
AI 与机器学习2024 · 1,040 分 · 447 评 · 引用 19进阶 · 约 45 分钟编辑精选DeepSeek-V3.2：推进开放大语言模型的前沿
DeepSeek-v3.2: Pushing the frontier of open large language models
这是 DeepSeek-V3.2 的技术报告，延续了 DeepSeek 开源权重模型的路线，目标是让开放模型继续逼近甚至追平前沿闭源模型。
AI 与机器学习2025 · 982 分 · 465 评进阶 · 约 90 分钟编辑精选通过自我对弈与通用强化学习掌握国际象棋和将棋（AlphaZero）
Mastering Chess and Shogi by Self-Play with General Reinforcement Learning
DeepMind 的 AlphaZero 论文：用通用强化学习算法（自我博弈 + MCTS + 神经网络），从零开始仅数小时训练便在国际象棋和将棋上击败了世界顶级引擎 Stock…
AI 与机器学习2017 · 539 分 · 270 评 · 引用 13进阶 · 约 90 分钟编辑精选用强化学习发现更快的矩阵乘法算法
Discovering faster matrix multiplication algorithms with reinforcement learning
论文提出 AlphaTensor，用强化学习搜索矩阵乘法算法。
AI 与机器学习2022 · 518 分 · 111 评专业 · 约 90 分钟编辑精选