Henry Lin
As seen in:
AIChE Journal,
Nature,
Bandcamp Daily,
Frontiers,
heart,
MDPI,
NVIDIA,
NVIDIA Blog,
SAGE Publishing,
EurekAlert!
and
Is this you? As a journalist, you can create a free Muck Rack account to customize your profile, list your contact preferences, and upload a portfolio of your best work.
Claim your profile
Articles by Henry Lin
RD-AGENT 第六讲 · 一次预注册实验的完整生命周期：两份判决书
第二章 · 诚实的验证（第三讲，本章收尾） 学习目标：跟踪两个真实假设从立项到判决的全过程，掌握预注册实验的操作细节与三种判决的分界。 前置：第四、五讲。 1. 为什么选这两个案例 第五讲的全 FAIL 是"批量候选"的结局；本讲看单个假设的完整生命周期——人提出想法、写成预注册、走完验证、拿到判决、执行判决后果。两个案例一个 REJECTED、一个 INCONCLUSIVE，正好覆盖"否决后怎么办"和"证据不足时怎么办"这两个最难的操作。（SUPPORTED 的案例留给第四章，避免结构上"大团圆"得太早。） 2.
RD-AGENT 第四讲 · 为什么需要独立验证：预注册与验证管线
第二章 · 诚实的验证（第一讲） 学习目标：理解"工厂自报成绩"与"独立验证"的制度差异；掌握预注册、DSR、样本外一次性判定等核心概念。 前置：第一章（尤其第二讲的"三个必问"）。 1. 从一个问题开始 第一章末尾留了一个数字：290 个因子，自报超额最高 +26.5%，独立验证零存活。这一讲回答："独立验证"到底独立在哪，凭什么它的结论比工厂的数字更可信？ 先看一个对照。工厂回测和独立验证做的是相似的事——都是拿历史数据算因子收益。差别不在算力、不在代码质量，在制度： 维度 工厂内置回测 独立验证管线 数据 战役面板（同一份） 独立拉取、独立清洗的复算面板 规则 可以边看结果边调（循环天然如此） 预注册：判定规则先写死、先存档 判定 排行榜排个序，没有门槛 一次性判定：门槛预注册，触发即终审 对象 每个因子都出数字 只验证通过初筛的极少数候选 结论性质 描述性的（"它收益多少"） 判决性的（"拒绝/不可判定/支持"） 一句话：工厂回测回答"如果用它会怎样"，独立验证回答"它是不是真的"。前者是描述，后者是统计判决。 2.
RD-AGENT 第五讲 · 三候选 DSR 全 FAIL 复盘：超额从哪来，又到哪去了
第二章 · 诚实的验证（第二讲） 学习目标：通过 A 股战役的完整复盘，看懂"排行榜很好看 → 独立验证全灭"的具体机制。 前置：第四讲。 1. 案例背景 A 股战役（2026-09-18~22）结束后，从 290 个因子的排行榜里，按预注册流程选出三个头部候选，送入独立验证管线。判定结果： 三候选 DSR 全部 FAIL。 这一讲的任务是把"全 FAIL"三个字拆开：每个候选的超额看起来从哪来、实际从哪来、验证时死在哪一刀下。 2.
RD-AGENT 第三讲 · LLM 写的因子长什么样：AI 的研究品味
第一章第三讲（本章收尾） 学习目标：通过真实案例建立对 LLM 因子假设质量的判断力；识别"伪逻辑假设"的特征；理解代码质量与逻辑质量的不对称。 1. 开场 前两讲我们隔着玻璃看工厂：循环怎么转（第一讲）、成绩单怎么读（第二讲）。这一讲开门进去，把 AI 写的因子摆上解剖台。材料全部来自真实战役产出（A 股 290 因子池、期货两轮、crypto 两轮）。 先给本章的总结论，然后逐类验证它： AI 的代码比它的金融直觉诚实得多。 代码 bug 是显性的——跑不通就报错，反馈即时；逻辑空洞是隐性的——假设再空，回测照样吐出一个数字，而这个数字还会进入排行榜参与选拔。 2.
RD-AGENT 第二讲 · 看懂排行榜：IC、超额收益与因子版本
第一章第二讲 学习目标：掌握排行榜四个核心指标的含义与陷阱；理解因子"组合/版本"结构；认清"自报成绩"的三个口径问题。 本讲所有数字均为工厂自报口径（工厂内置回测，未经独立验证）——这本身就是本讲的主题之一。 1. 一张真实的排行榜 A 股战役的因子排行榜，共 290 个因子。按自报超额收益排序的头部： 因子 类别 自报超额 评估次数(combos) 代码版本(versions) asset_growth_neg 其他 +26.5% 4 2 low_beta_rank 其他 +26.5% 4 2 turn_of_month_rank 流动性 +26.5% 15 14 low_volatility_rank 波动率 +20.8% 2 2 overlay_reversal_liquidity 动量/反转 +14.9% 2 1 ep_rank 价值 +14.7% 22 18 momentum_20d / reversal_5d 动量/反转 +14.7% 23 33 第一讲说过：这些数字一个都不能直接信。但要拆穿它，得先能读懂它。 2.
RD-AGENT 第一讲 · AI 因子工厂是怎么运转的
《AI 挖因子时，如何不被自己和 AI 骗到》第一章第一讲 学习目标：理解 RD-Agent 类因子挖掘循环的五个步骤、人与 AI 的分工边界；能看懂一次循环的执行记录。 1. 开场：一台真实跑过的机器 这门课的素材全部来自一次真实战役：2026 年 9 月，在一个 23 个品种的期货面板上（2022-12 至 2026-09，约 918 个交易日），用 RD-Agent 循环自动挖掘因子。第一轮（13 品种）产出 136 个试验；第二轮到第一个窗口收口时跑了 40 个循环，产出 200 多个工作区。 先给结论，这门课后面每一讲都在论证它： AI 因子工厂替代的是"手"，不是"判断"。 它一晚上能写几十个因子的代码并跑完回测，这是真的；但提出的假设是否成立、结果能不能信，每个环节的判断仍然是人的——而"结果能不能信"恰恰是最容易做错的一环。 2.
Nvidia GeForce News | OpenText Cybersecurity Community
Nvidia GeForce Driver News Update https://www.nvidia.com/en-gb/geforce/new By Andrew Burnes on September 01, 2026 | NVIDIA DLSSGeForce RTX GPUsFrame GenerationGeForce RTX 50 SeriesMulti Frame GenerationFeatured Stories Each week, new games and apps integrating NVIDIA DLSS, NVIDIA Reflex, and advanced ray-traced effects are released or announced, delivering the definitive PC experience for GeForce RTX players.
A pathological phosphorylation pattern enhances tau cooperativity on microtubules and facilitates tau filament assembly
Abstract Phosphorylation of the microtubule-associated protein tau plays important roles in both normal physiology and disease. While tau phosphorylation levels are similarly elevated in processes such as fetal development and hibernation and in pathological states like Alzheimer’s disease, the pattern of phosphorylation differs between these contexts.
DeepSeek Harness (`dsh`) 插件开发教程
本教程面向想要为 dsh 编写插件的开发者，从概念到可运行的插件逐步走通。你将学会：认识"一切皆插件"的架构、写出函数插件、把它挂载到 dsh、做一个模型可见的工具插件、做一个拦截事件的钩子插件，最后了解如何做成正式包并过质量门。 目录 1.
开源量化分析软件功能介绍
观看地址:https://youtu.be/SpHsZdlyii8 面向 A 股市场的全链路量化分析平台 — 因子计算 · 机器学习 · 组合优化 · 回测验证 · 实时行情 指标 数据 Python 模块 108 业务代码 15,600+ 行 服务模块 30+ API 蓝图 14 内置因子 12 一、整体功能介绍 多因子选股系统是一个覆盖量化研究全流程的分析平台，从数据管理到策略回测一站式完成。系统采用 Flask + SQLAlchemy + SocketIO 技术栈，基于 Parquet + SQLite 双层存储架构，零外部数据库依赖，克隆即可运行。 实时行情分析：通达信分钟数据接入，MACD、KDJ、RSI、布林带等技术指标实时计算 因子与选股：12 个内置因子 + 自定义因子表达式引擎，支持白名单安全校验 机器学习建模：XGBoost、LightGBM、RandomForest 三大算法的完整模型生命周期 组合优化：等权重、均值方差、风险平价、因子中性四种经典优化方法 回测验证：单策略与多策略回测，丰富的绩效指标（年化收益、夏普比率、最大回撤等）...
DLSS 4.5 Ray Reconstruction Announced; Over 1000 RTX Games & Apps Available Now
Building upon the major advancements introduced with NVIDIA DLSS 4.5, including a 2nd generation Super Resolution transformer model, , , and an , we’re excited to announce DLSS 4.5 Ray Reconstruction, which features a new 2nd generation transformer model to deliver superior image quality in ray-traced and path-traced games.
Mo1276 COLD PASTEURIZED MILK POWDER PROTECTS AGAINST SULFATE REDUCING BACTERIA- INDUCED LEAKY GUT
Cookie Preference Center We use cookies which are necessary to make our site work. We may also use additional cookies to analyse, improve and personalise our content and your digital experience. For more information, see our Cookie Policy and the list of Google Ad-Tech Vendors. You may choose not to allow some types of cookies. However, blocking some types may impact your experience of our site and the services we are able to offer.
Hermes Agent 项目功能与通用使用场景分析
1. 项目定位 Hermes Agent 是一个通用型 AI Agent 平台，不是单纯的聊天界面，也不是单一的代码助手。它把大模型推理、工具调用、终端执行、文件操作、网页检索、浏览器自动化、长期记忆、定时任务、多平台消息接入和外部系统扩展整合到一个统一框架里。 从仓库结构和主干代码来看，它的目标不是“回答问题”本身，而是让模型具备持续执行任务的能力，并且能在不同入口、不同环境和不同工具集之间稳定运行。 可以把它理解为三层系统： Agent 执行层：负责会话循环、模型调用、工具调度、上下文压缩。 平台能力层：负责 CLI、消息网关、状态存储、调度、配置、权限边界。 扩展生态层：负责 skills、MCP、插件、自定义工具和多环境运行。 所以，Hermes Agent 更接近一个“可运行的 Agent Operating Layer”，而不是一个普通的 LLM 应用。 2.
工业级量化开源软件 QuantConnect/LEAN 功能介绍
如果你在寻找一个能够承载“机构级”逻辑的量化框架，QuantConnect/LEAN 是目前开源界最重工业级、功能最全的选择。 相比你之前关注的 NautilusTrader（侧重高性能 Rust/Python 混合）或 Alphalens（侧重因子分析），LEAN 是一个完整的闭环生态系统。它不仅是回测引擎，更是一套包含了订单管理（OMS）、数据处理、风险控制以及多语言支持的复杂工程。 以下是 LEAN 的核心功能深度分析： C# 核心，Python 友好： LEAN 底层使用 C# 编写（追求高性能执行和严格的内存管理），但提供了深度的 Python 绑定。你作为 20 年经验的程序员，会发现它的 Python API 极度成熟，支持 NumPy、Pandas 和主要的机器学习库。 全球资产全覆盖： 它是极少数在单一引擎中完美支持 股票、期权、期货、外汇、加密货币、CFD 和指数 的框架，且支持跨资产组合交易。 回测与实盘 100% 对等： LEAN 最大的卖点是其“代码即生产”的设计。你在本地回测的代码，可以直接部署到其云端或通过其本地 CLI...
NVIDIA DLSS 5 Delivers AI-Powered Breakthrough In Visual Fidelity For Games
NVIDIA today unveiled NVIDIA DLSS 5, the company’s most significant breakthrough in computer graphics since the debut of real-time ray tracing in 2018. DLSS 5 introduces a real-time neural rendering model that infuses pixels with photoreal lighting and materials. Bridging the divide between rendering and reality, DLSS 5 empowers game developers to deliver a new level of photoreal computer graphics previously only achieved in Hollywood visual effects.
RD-Agent 教程 - 第一章：基础入门（本教程未经全部验证，仅供参考）
RD-Agent 教程 - 第一章：基础入门 -（本教程未经全部验证，仅供参考） 1.1 项目概述与核心理念 RD-Agent 简介与背景 RD-Agent (Research & Development Agent) 是由微软研究院开发的开源自动化研发框架，专门用于数据驱动的AI解决方案构建。该项目在业界权威的机器学习工程基准测试 MLE-bench 中获得了第一名的优异成绩，成为目前表现最佳的机器学习工程代理。 核心理念：R&D 框架 RD-Agent 的设计哲学基于两个核心组件： R (Research): 🔬 研究组件 自动提出新的假设和想法 分析现有方案的局限性 基于领域知识生成创新解决方案 D (Development): 🛠️ 开发组件 将研究想法转化为可执行代码 实现和验证假设 持续优化和改进解决方案 MLE-bench 基准测试表现 Agent Low (%) Medium (%) High (%) All (%) R&D-Agent o1-preview 48.18 ± 2.49 8.95 ± 2.36 18.67 ± 2.98 22.4 ± 1.1...
RD-Agent 教程 - 第三章：进阶使用技巧
RD-Agent 教程 - 第三章：进阶使用技巧 3.1 量化金融代理深度解析 量化金融场景架构 RD-Agent 的量化金融代理 RD-Agent(Q) 是业界首个数据驱动的多代理量化策略开发框架。它通过协调因子-模型共同优化，实现了全栈式量化研究开发自动化。 核心架构设计 graph TB A[市场数据] --> B[数据预处理] B --> C[因子挖掘代理] B --> D[模型演进代理] C --> E[因子评估] D --> F[模型评估] E --> G[联合优化代理] F --> G G --> H[策略回测] H --> I[性能分析] I --> J{满足要求?} J -->|否| K[知识反馈] K --> C K --> D J -->|是| L[策略部署] style C fill:#e1f5fe style D fill:#f3e5f5 style G fill:#e8f5e8 style H fill:#fff3e0 Enter fullscreen mode Exit fullscreen mode Qlib 框架集成 RD-Agent(Q)...
NVIDIA DLSS 4.5 Delivers Major Upgrade With 2nd Gen Transformer Model For Super Resolution & 6X Dynamic Multi Frame Generation
By on January 05, 2026 | Featured Stories CES Frame Generation GeForce RTX 50 Series GeForce RTX GPUs Multi Frame Generation NVIDIA App NVIDIA DLSS NVIDIA RTX Ray Tracing Super Resolution Since its debut at CES 2025, DLSS 4 has set the standard for AI rendering with transformer-based Super Resolution and 4X Multi Frame Generation. Over 250 games and apps are already supported, making DLSS 4 with Multi Frame Generation NVIDIA’s most rapidly adopted gaming technology.
Harnessing brain rhythms to activate the glymphatic pathway via controlled breathing and intermittent CO2
Abstract In this work, we discuss the potential of controlled breathing and rhythmic CO2 exposure to increase CSF oscillations and vasomotion, potentially promoting glymphatic influx and waste clearance from the brain.
Proteome-wide association study of prostate cancer risk across populations - Nature Communications
Abstract There is insufficient understanding of the molecular basis of prostate cancer (PCa) across different populations. We perform a large-scale proteome-wide association study (PWAS) to identify proteins with genetically regulated expression in plasma to be associated with PCa risk across populations.
第 30 课：总结与持续学习
第 30 课：总结与持续学习 ⏱ 课时：1 小时 🎯 学习目标：回顾课程要点，建立长期学习和交易体系 🎉 恭喜你完成了整个课程！ 经过 30 课的学习，你已经掌握了： ✅ Freqtrade 的完整使用流程 ✅ 策略开发和测试方法 ✅ 风险管理和心态控制 ✅ 从回测到实盘的完整路径 ✅ 进阶技术（多时间框架、网格、ML） 现在，让我们回顾整个学习旅程，并展望未来。 第一部分：课程回顾 1.1 知识地图 ┌─────────────────────────────────────────────────────────┐ │ Freqtrade 量化交易完整体系 │ └─────────────────────────────────────────────────────────┘ 第一部分：基础入门（第 1-4 课） ├─ 环境安装和配置 ├─ 基本命令和工具 ├─ 核心概念理解 └─ 数据下载与管理 第二部分：回测实战（第 5-10 课） ├─ 运行第一次回测 ├─ 策略性能分析 ├─ 多时间框架测试 ├─ 策略对比和选择 ├─ 时间范围测试 └─ 交易对选择...
Lesson 29: Machine Learning and Strategy Optimization
Lesson 29: Machine Learning and Strategy Optimization β± Duration: 2.5 hours π― Learning Objectives: Learn to use machine learning to assist strategy development and parameter optimization Course Overview Machine Learning (ML) can help us: π Discover hidden patterns in data π― Optimize strategy parameters π Predict price trends π€ Build adaptive strategies Important Reminders: β οΈ Machine learning is not a "holy grail" and cannot guarantee profits β οΈ Requires large amounts...
Lesson 30: Conclusion and Continuous Learning
Lesson 30: Conclusion and Continuous Learning β± Duration: 1 hour π― Learning Objectives: Review course key points, establish long-term learning and trading system π Congratulations on Completing the Entire Course! After 30 lessons, you have mastered: β Complete Freqtrade usage workflow β Strategy development and testing methods β Risk management and mindset control β Complete path from backtesting to live trading β Advanced techniques (multi-timeframe, grid, ML) Now, let's review...
Lesson 21: Freqtrade-Exchange API Configuration
â± Duration: 1.5 hours ð¯ Learning Objectives: Learn to securely configure exchange APIs and prepare for live trading ð Course Outline: 21.1 API Key Creation and Permission Settings 21.2 Security Considerations Course Overview API (Application Programming Interface) is the bridge for programs to communicate with exchanges.
Lesson 19: Freqtrade Visualization Analysis Tools
โฑ Duration: 1.5 hours ๐ฏ Learning Objectives: Learn to use chart analysis tools, gain deep understanding of strategy signals and market behavior through visualization ๐ Course Outline: 19.1 plot-dataframe chart generation 19.2 Chart interpretation Course Overview Visualization is a powerful tool for understanding trading strategies.
Show More
loading
Actions
Is this you?
As a journalist, you can create a free Muck Rack account to customize your profile, list your contact preferences, and upload a portfolio of your best work.Get in touch with Henry
Contact Henry, search articles and posts on X, monitor coverage, and track replies from one place.
Learn more about Muck Rack