ENTP如何同时发展Ne和Se两种感知功能

摘要

本报告旨在为ENTP（辩论家）人格类型的个体，提供一套兼具理论深度与实践可操作性的Ne（外向直觉）与Se（外向实感）双功能同步训练方案。ENTP的核心优势在于其主导功能Ne，它赋予个体探索无限可能性、进行发散性联想和模式识别的能力。然而，为了实现全面的个人成长与现实执行力，有意识地发展和整合其第三功能（部分理论认为是“救济”功能）Se至关重要。Se功能聚焦于当下、具体的感官体验和现实细节，能有效平衡Ne的抽象性与发散性。

本报告首先剖析了Ne与Se功能的核心特质及其在ENTP人格中的内在冲突与协同潜力。其次，报告深入探讨了支撑这种双功能协同的认知神经科学基础，重点分析了海马体、前扣带回等关键脑区在“直觉-感官”整合过程中的作用。核心部分，本报告构建了一个分层递进的整合性训练框架，该框架不仅包含传统的行为练习和活动设计，更创新性地融入了2023-2025年间新兴的跨模态人工智能技术，并构想了一款名为“CogniSync-ENTP”的移动应用原型，旨在通过人机交互实现个性化、量化的认知功能训练。最后，报告提供了具体的操作蓝图，包括每日训练方案、单一任务中的Ne-Se循环协议，并展望了通过新兴神经反馈技术进行效果评估的前景。

引言

作为ENTP，您天生被Ne（外向直觉）所驱动，热衷于智力挑战，在思想的海洋中遨游，探索万事万物的可能性 [45][47]。然而，您可能也时常感受到一种挑战：大量的创意和想法难以落地，或者在面对繁琐的现实细节时感到不耐烦，这正是Ne的高度活跃与相对不发达的感官功能（特别是Si，内向感觉，作为第四功能）之间的张力体现。本报告的研究核心，并非简单地独立发展Ne和Se，而是探索如何实现二者的同步激活与协同整合。Se（外向实感）虽然不是ENTP功能栈的核心，但作为一种外倾感知功能，它与Ne在感知外部世界上有共通之处，却又提供了完全不同的视角——Ne关注“可能是什么”，而Se关注“当下是什么” [38]。磨炼Se并使其与Ne协同，将极大增强ENTP的现实感知力、行动力和创造力执行的完整性。

本报告基于截止至2025年8月的最新研究成果，整合了MBTI人格理论、认知神经科学发现，以及多模态大模型等前沿技术，为您提供一份前瞻性与实用性兼备的个人发展指南。

第一部分：ENTP认知功能Ne与Se的核心特质与整合挑战

1.1 Ne（外向直觉）：可能性的探索者

Ne是您的天赋功能，它使您能够：

l 发散性思维与联想：从一个点子出发，瞬间联想到无数相关的概念、模式和可能性，进行“头脑风暴”是您的舒适区 [136]。

l 模式识别与洞察：您能敏锐地捕捉到不同事物之间隐藏的联系，并预估其未来的发展趋势 [41]。

l 追求新奇与创新：Ne驱使您不断探索新的思想、文化和项目，对未知充满好奇。当一个领域不再提供新的可能性时，您的兴趣可能迅速转移 [36][38]。

然而，不受约束的Ne也可能带来挑战，如注意力分散、执行力不足和拖延 [31]。

1.2 Se（外向实感）：现实的体验者

Se功能虽然在您的功能栈中位置靠后，但其发展对您的平衡至关重要。Se的核心在于：

l 即时感官输入：它通过五官直接吸收当前环境中的具体、生动的信息——视觉、听觉、嗅觉、味觉和触觉 [38]。

l 关注当下现实：Se将您的注意力锚定在此时此地，关注正在发生的事情和物理世界的细节 [50]。

l 驱动具体行动：Se具有强烈的行动导向，喜欢通过亲身实践和动手操作来与世界互动，例如在旅行中享受美食美景，或直接动手解决眼前的问题 [36][88]。

对ENTP而言，Se可以为Ne产生的抽象概念提供坚实的感官基础和细节支撑 [31][134]。

1.3 Ne与Se的内在冲突与协同潜力

l 核心冲突：Ne的未来导向、抽象性和可能性追求，与Se的当下导向、具体性和现实性体验，构成了天然的张力。过度沉浸于Ne的“概念世界”可能导致忽视现实（“活在当下”），而过度依赖Se则可能削弱ENTP的远见和战略优势。

l 协同潜力：当Ne和Se被有效整合时，ENTP将成为一个既有远见卓识又能脚踏实地的“创造性实干家”。

l 案例：一个ENTP产品经理，可以利用Ne洞察市场未来的潜在需求和技术趋势，构思出革命性的产品概念。随后，他/她可以调动Se，通过用户访谈、原型测试等方式，敏锐地观察用户的实际反应和使用场景中的具体细节（如按钮的颜色、交互的流畅度），从而将宏大的构想（Ne）转化为一个用户体验极佳、细节完善的实体产品（Se+Ti执行） [31][134]。这种从“发散性战略思维”到“条理清晰的机械计划”的转换，正是Ne与Se协同的典范 [83]。

第二部分：认知神经科学基础：Ne-Se协同的脑机制

同步训练Ne与Se并非空谈，其背后有着深刻的神经科学原理。研究表明，创造性思维和现实感知涉及大脑多个区域的复杂协同。

2.1 关键脑区：额叶、颞叶、前扣带回与海马体

顿悟（Insight），作为一种典型的创造性思维形式，其过程激活了包括额叶、颞叶、前扣带回（ACC）和海马体在内的广泛脑区。这为我们理解Ne-Se协同提供了神经层面的线索。

2.2 海马体的角色：新异联想（Ne）与情景构建（Se）

海马体在记忆形成、空间导航和情景构建中扮演核心角色 [76][80]。

l 支持Ne：海马体被证实参与新异有效联系的形成，这与Ne功能寻找遥远联系和可能性的特质高度吻合。当您进行头脑风暴时，海马体正在帮助您连接看似无关的记忆碎片，形成新的想法。

l 支持Se：海马体也是构建详细情景记忆的关键。当您通过Se感知环境时，海马体帮助您将这些碎片化的感官信息（视觉、声音、气味）整合成一个连贯的、身临其境的场景 [31][134]。

l Theta波活动：研究发现，海马体CA1区的 theta波（特别是6-10Hz频段） 活动与学习、记忆和目标导向的导航任务密切相关 [168][211]。在探索和学习新事物时，该频段的功率会显著增强。这暗示，通过设计不同难度的“直觉-感官”协同任务，并监测theta波活动，可能成为量化Ne-Se训练效果的未来方向 [168]。

2.3 前扣带回（ACC）的角色：注意监控（Se）与思维定势破除（Ne）

前扣带回是认知控制和注意力网络的核心。

l 支持Se：ACC负责监督和控制注意力，帮助您在复杂的环境中筛选信息，专注于当前任务 [78]。在进行Se训练时，如专注观察细节，正是在锻炼ACC的认知控制能力。

l 支持Ne：ACC也参与打破思维定势和转移注意力。当您需要从一个固有的思维框架中跳出来，探索新的可能性时（Ne的核心活动），ACC的灵活性至关重要。

l 协同机制：海马体与前扣带回之间存在强大的功能连接。海马体在新联系形成时的激活，会向ACC传递信号，增强其认知控制，帮助您在发散思维（Ne）和集中注意力（Se）之间进行有效切换 [82]。

综上所述，Ne-Se协同训练的本质，是在神经层面促进 海马体（新联想生成） 和 前扣带回（注意力调控） 之间的高效、灵活互动。

第三部分：整合性训练框架：从传统练习到前沿科技

基于以上理论，我们设计一个包含“传统方法”和“前沿科技”两个层面的整合性训练框架。

3.1 传统双功能训练活动设计

这类活动的核心在于在单一任务中，有意识地引导Ne和Se的交替或同步参与。

l 原型活动1：城市探索日志

1.Ne启动（10分钟）：随机选择一条您不熟悉的街道。在去之前，仅凭街道名称和地图上的位置，进行头脑风暴：想象这条街的历史、可能发生过的故事、未来会变成什么样、住着什么样的人。

2.Se沉浸（30分钟）：亲自去走这条街。关闭所有预设，全神贯注地用感官体验：观察建筑的材质与纹理、聆听街边的声音、嗅闻空气中的气味、感受脚下路面的质感。

3.Ne+Se+Ti整合（20分钟）：找个咖啡馆坐下，写一篇“城市探索日志”。将您之前的想象（Ne）与现实的感官体验（Se）结合起来，分析其中的差异与巧合，并构建一个全新的、融合了想象与现实的故事或分析报告（Ti辅助整理逻辑）。

原型活动2：概念烹饪

1.Ne启动（5分钟）：选择一个抽象词汇，如“忧郁”、“宁静”或“狂喜”。

2.Se执行（45分钟）：尝试用现有的食材，制作一道能够“尝”到这个词汇的菜肴。这个过程强制您将抽象概念（Ne）转化为具体的颜色、口感、味道、温度和摆盘（Se）。

3.Fe+Si反思（10分钟）：品尝菜肴，并与朋友分享。讨论这道菜是否成功传达了预设的情感概念，并记录下这次独特的感官与情感连接的体验 [50]。

3.2 [2025年新兴技术] 跨模态认知训练移动应用：“CogniSync-ENTP”

截止2025年，多模态大模型技术（如谷歌的Gemini、OpenAI的GPT-4o）已日趋成熟，它们能够同时理解和生成文本、图像、音频等多种信息 [95][98]。这项技术为个性化认知训练带来了革命性可能。我们可以构想一款名为“CogniSync-ENTP”的移动应用，其核心是利用轻量化的跨模态注意力机制 [154][194]来训练和评估您的Ne-Se协同能力。

l 核心技术：

l 跨模态融合：应用后台接入强大的多模态大模型API [97]，能够理解您输入的文本/语音（Ne想法）与您创作的图像/音乐（Se表达）之间的语义关联。

l 轻量化部署：在移动端，采用轻量化模型（如MobileNet系列）和经过优化的TensorFlow Lite框架 [229][265]实现对用户输入的实时反馈，而无需等待漫长的云端处理 [199]。其核心的跨模态注意力模块，可以通过模型压缩、量化等技术在手机上高效运行 [153][160]。

l 神经画像技术：借鉴清华大学与华为联合开发的“NeuroMBTI 8.0”系统的概念 [18]，未来版本可集成可穿戴设备（如脑电波头环）的API，初步分析与任务相关的脑电波数据（如theta波），提供更深层次的反馈。

l 应用模块设计：

1.Ne-Spark（火花模块）：

l 流程：AI每日推送一个充满歧义的图像或一段环境音。您需要用语音或文字，在90秒内尽可能多地联想出与之相关的概念、故事或解决方案。

l 训练目标：纯粹的Ne发散速度与广度训练。

2.Se-Focus（聚焦模块）：

l 流程：AI展示一张极其复杂的图片（如《清明上河图》局部）或播放一段嘈杂的音频。任务是在限定时间内，找出所有指定的微小细节（如“一个戴着蓝色帽子的货郎”）或特定的声音。

l 训练目标：纯粹的Se细节感知与注意力训练。

3.Ne-Se Synchro（同步挑战模块）：

l 流程：这是核心模块。AI给出一个高级概念，例如“坚韧的乐观”。您的任务不是用文字解释，而是创作一个多模态拼贴：选择一张代表性的图片、一段匹配的背景音乐、并写一句不超过15个字的诗。

l 评估机制：应用内置的轻量化跨模TA（Cross-Attention）模型会实时分析您提交的图片、音乐和文字三者与核心概念“坚韧的乐观”之间的语义对齐程度，并给出一个“协同指数”评分。分数越高，代表您的Ne（概念理解）与Se（感官物化）的转换与整合能力越强。

第四部分：具体操作蓝图与量化评估

4.1 每日训练方案

l 清晨（15分钟）- Ne启动：使用“CogniSync-ENTP”的Ne-Spark模块，或进行快速的头脑风暴日记。

l 上午/下午（45分钟）- 整合实践：选择一项需要动脑和动手的任务，如编程、绘画、制作PPT或进行一项体育运动 [41][49]。在过程中有意识地思考其背后的策略（Ne）和眼前的具体操作（Se）。

l 傍晚（30分钟）- Se沉浸：进行一项纯粹的感官活动，如烹饪、书法、正念散步，或使用Se-Focus模块训练观察力 [50]。

l 睡前（15分钟）- 同步挑战与反思：完成一轮Ne-Se Synchro挑战，并简短记录下当天在平衡“想法”与“现实”方面的心得体会 [41]。

4.2 原型活动：单一任务中的Ne-Se循环协议（DFS协议）

在处理一个复杂问题时，您可以尝试以下“Diverge-Focus-Synthesize”（发散-聚焦-整合）循环协议。虽然严格的5分钟/3分钟时间分配并非普适，但可以作为一个起点 [264]的启发)。

1.发散阶段 (Ne) - 约5-8分钟：

l 目标：不设限地产生想法。

l 操作：围绕问题，在白板或思维导图软件上，尽可能多地列出所有可能的解决方案、角度和关联信息。此时不要评判，追求数量和广度。

l 转换触发：定时器响起，或者您感觉灵感流开始减缓，并且已经识别出几个有潜力的核心想法。

2.聚焦阶段 (Se) - 约3-5分钟：

l 目标：将一个抽象想法具象化。

l 操作：从上一阶段选择一个最有潜力的想法。强制自己将其落地：如果这是一个产品，它具体长什么样？用户触摸它是什么感觉？如果这是一个计划，第一步的具体行动是什么？在纸上画出草图，或用实体物品模拟。

l 转换触发：您已经能清晰地“看到”或“感觉到”这个想法的实体形态，细节已经足够丰富。

3.整合阶段 (Ti/Fe) - 约2-3分钟：

l 目标：逻辑化和评估。

l 操作：用您的Ti（内向思考）来审视这个经过Se具象化的想法，分析其逻辑可行性和优缺点。用您的Fe（外向情感）来考量它对人的影响。

l 循环/结束：如果这个想法可行，则进入执行流程；如果不可行，则带着新的认知，返回第一步，开始新一轮的DFS循环。

4.3 进展量化与神经反馈

l 应用内量化：“CogniSync-ENTP”应用本身就是一台量化评估工具，它可以追踪您在各项模块的得分、反应时间、想法多样性指数和协同指数，生成您的“Ne-Se能力雷达图”。

l 神经反馈展望：尽管目前在消费者层面直接测量海马体CA1区theta波功率与任务难度的皮尔逊相关系数尚不现实 [285][292]但这是实验室研究的前沿方向。我们可以合理推断，随着您Ne-Se协同能力的提升，您的大脑在处理相应任务时，海马体与前扣带回之间的theta波段（6-10Hz）功能连接会更加高效和稳定。未来的高端认知训练服务，可能会提供基于脑电图（EEG）的神经反馈，实时指导您的训练强度，以达到最佳的神经可塑性效果。

结论

尊敬的ENTP，同时磨炼您的Ne与Se功能，是一场将您的天赋（Ne的无限可能）与现实世界（Se的具体存在）深度融合的旅程。这并非要求您放弃天马行空的想象，而是为您插上另一只翅膀——感官的、行动的、当下的翅膀。通过结合传统的整合性活动与2025年最前沿的跨模态AI技术，您可以系统性地、可量化地提升这种双功能协同能力。

这个过程的核心在于建立一个动态的循环：用Ne去发现和创造，用Se去体验和锚定，再用Ti和Fe去构建和连接。最终，您将不仅是一个充满创意的“辩论家”，更是一个能够将伟大愿景化为美丽现实的、全面发展的“创造者”。祝您在这场激动人心的自我探索与发展的旅程中，取得丰硕的成果。

参考资料

[1. 【心理人格】MBTI人格成长与功能——⑧ENTP 发明家型 2018-08-06]

[2. ［资料搬运］——ENTP的人格成长阶段与功能类型 2018-05-18]

[3. ENTP的人格成长阶段与功能类型- 日记- 豆瓣 2018-05-18]

[4. 张庆林,邱江,曹贵康.顿悟认知机制的研究述评与理论构想J].心理科学,2004.

[5. 罗劲.顿悟的大脑机制J].心理学报,2004.

[6. ENTP (NeTi) 8 Cognitive Functions Explained - Personality Test [2023-01-20]](https://mypersonality.net/blog/article/entp-cognitive-functions#:~:text=Simply put, as the trickster,them look selfish and conceited.)

7. The 16 Personality Types: Profiles, Theory, & Type Development

[8. Ne-Ti Dom: The First Two Functions of the ENTP - Personality Growth 2020-01-07]

[9. ENTP人格类型分析 2024-01-01]

10. Ashish Vaswani, Noam M. Shazeer et al. “Attention is All you Need.” Neural Information Processing Systems

11. Alexey Dosovitskiy, Lucas Beyer et al. “An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale.” ArXiv

12. Jacob Devlin, Ming-Wei Chang et al. “BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding.” North American Chapter of the Association for Computational Linguistics

13. Sinno Jialin Pan, Qiang Yang. “A Survey on Transfer Learning.” IEEE Transactions on Knowledge and Data Engineering

[14. 2025年多模态情绪识别创新点 - 哔哩哔哩 2025-05-06]

[15. 顶会热点!交叉注意力融合2024创新方案汇总,附配套模块和代… 2022-06-14]

16. Capybara-OMNI: 构建全模态语言模型的高效范式

[17. 2025 MBTI测评新范式：神经画像与认知生态的全球重构 2025-01-01]

18. T. Baltrušaitis, Chaitanya Ahuja et al. “Multimodal Machine Learning: A Survey and Taxonomy.” IEEE Transactions on Pattern Analysis and Machine Intelligence

19. 2023年海外中期策略把握科技主旋律，挖掘价值着力点

20. 大规模多模态模型中的视觉注意力陷阱

[21. 2025年多模态大模型：技术突破背后的秘密 2025-06-10]

22. 创新、复苏与国产化的共振：电子行业2023年中期策略报告

[23. 2023_MM_Hierarchical Semantic Enhancement Network for Multimodal Fake News Detection](http://www.atailab.cn/topics/pdf/23 Feature Extraction.pdf)

[24. 公安部印发《加强新时代公安派出所工作三年行动计划（2023-2025年）》J].派出所工作,2023.

25. Automatic Phase Recognition for Surgical Video Analysis: A Cross-Modal Multi-Visual Cue Approach

26. A BERT-ResNet Cross-Attention Fusion Network and Modality Utilization Assessment for Multimodal Sentiment Classification

[27. 2025年Next Token Prediction范式会统一多模态吗?|predict… 2025-01-15]

28. Learning to Fuse Residual and Conditional Information for Video Compression and Reconstruction

[29. 有注意力不集中的来看看我ENTP叭！ 2019-10-28]

[30. ne,se双高,如何判断自己更estp还是更entp?|挑战|启发_网易… 2024-10-16]

[31. Assessment of Augmentation Technologies for Improving Human Performance](https://www.sto.nato.int/publications/STO Technical Reports/STO-TR-HFM-297/$$TR-HFM-297-ALL.pdf)

[32. 作为同时拥有Se和Ne的ENTP是什么体验？ 2018-02-14]

[33. Nest 使用SSE 服务端推送实现”协同” | Ruoduan’ Blog · I… 2024-03-26]

[34. 第十一讲：脑不受限Ne使用者之ENTP - MBTI人格心理实验室 2024-10-17]

[35. MBTI理论：荣格八维感知功能（Ni/Ne/Si/Se及直觉功能对比） /ENTP视角 2023-10-01]

[36. 对Ne、Se主导的误解（举例ENTP、ESFP） 2023-05-27]

[37. 请问Ni（内倾直觉）使用者的具体表现是怎样的？ 2020-08-13]

38. Networked Embedded Systems

[39. 有注意力不集中的来看看我ENTP叭！ 2019-10-28]

40. J. Gruzelier. “EEG-neurofeedback for optimising performance. I: A review of cognitive and affective outcome in healthy participants.” Neuroscience & Biobehavioral Reviews

41. Jinn-Rong Wang, S. Hsieh. “Neurofeedback training improves attention and working memory performance.” Clinical Neurophysiology

[42. 尼采与荣格· Issue #13 · boyahub/Mind 2025-02-19]

[43. ENTP的人格成长阶段与功能类型- 日记- 豆瓣 2018-05-18]

44. Abstract Book 7th Bi-Annual ESCAN Meeting

[45. MBTI发展方法· Issue #8 · boyahub/Mind 2020-07-25]

46. NEP - CURRICULUM FRAMEWORK – 2024-25

47. ENTP Unconscious (INTJ Mode)

[48. 求问各位ENTP/ENFP有没有被低Si坑惨的经历? 2020-02-09]

49. Ashish Vaswani, Noam M. Shazeer et al. “Attention is All you Need.” Neural Information Processing Systems

50. Tom B. Brown, Benjamin Mann et al. “Language Models are Few-Shot Learners.” ArXiv

51. Jacob Devlin, Ming-Wei Chang et al. “BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding.” North American Chapter of the Association for Computational Linguistics

52. Alec Radford, Jong Wook Kim et al. “Learning Transferable Visual Models From Natural Language Supervision.” International Conference on Machine Learning

53. Hugo Touvron, Thibaut Lavril et al. “LLaMA: Open and Efficient Foundation Language Models.” ArXiv

[54. 技术原理与实战国内外多模态大模型对比 2024-06-13]

[55. 多模态大模型 2024-10-21]

[56. 多模态大模型实战7.1 多模态模型概念与应用7.1.3 应用场景 … 2024-01-05]

[57. 面向自动驾驶的多模态大语言模型研究综述 - 哔哩哔哩 2022-06-14]

[58. 理想汽车引领未来：Mind GPT内测揭秘，多模态认知再进一步!_懂车帝 2023-12-10]

[59. 勇艺达:从手机到机器人的转身|机器人_新浪财经_新浪网 2025-02-03]

[60. 从多模态大模型到通用具身智能体：方法与经验 2025-02-07]

[61. 爆肝万字!从JanusPro到UniTok,多模态大模型理解与生成的统… 2025-05-06]

62. Mono-InternVL: Pushing the Boundaries of Monolithic Multimodal Large Language Models with Endogenous Visual Pre-training

63. Efficiently Integrate Large Language Models with Visual Perception: A Survey from the Training Paradigm Perspective

[64. 多模态大模型技术演进及研究框架.pptx - 人人文库 2023-04-08]

65. 北京市人工智能大模型行业应用分析报告

66. 汽车与配件

67. A Comprehensive Survey and Guide to Multimodal Large Language Models in Vision-Language Tasks

[68. 踩准大模型发展节奏自动驾驶正在迎来ChatGPT时刻 2023-06-21]

69. James L. McClelland, B. McNaughton et al. “Why there are complementary learning systems in the hippocampus and neocortex: insights from the successes and failures of connectionist models of learning and memory..” Psychological review

70. M. Eckardt. “The Hippocampus as a Cognitive Map.” Journal of Nervous and Mental Disease

71. Kimberly L. Stachenfeld, M. Botvinick et al. “The hippocampus as a predictive map.” Nature Neuroscience

72. Brad E. Pfeiffer, David J. Foster. “Hippocampal place cell sequences depict future paths to remembered goals.” Nature

73. Margaret F. Carr, Shantanu P. Jadhav et al. “Hippocampal replay in the awake state: a potential substrate for memory consolidation and retrieval.” Nature Neuroscience

74. Hippocampus and Retrosplenial Cortex Combine Path Integration Signals for Successful Navigation

75. Increased recognition memory precision with decreased neural discrimination

76. 轻度认知障碍患者记忆力的功能磁共振研究

[77. 前额叶- 海马体在情景记忆中的相互作用- 皮层 2025-04-22]

[78. 强化学习中的经验回放机制研究 2020-08-19]

79. Replay-triggered Brain-wide Activation in Humans

80. 降低决策冲动性的方法及其神经机制

[81. 有注意力不集中的来看看我ENTP叭！ 2019-10-28]

[82. Squeeze-and-Excitation - Uriel-w - 博客园 2022-06-14]

83. Sync Event

[84. Netty之大名鼎鼎的EventLoop - 吴振照 - 博客园 2019-07-21]

[85. 银河彼岸 - 博客园 2015-05-10]

[86. 作为同时拥有Se和Ne的ENTP是什么体验？ 2018-02-14]

[87. Merge branch ‘main’ into synthetic_events_in_separate_sei_end… 2024-09-23]

[88. MBTI理论：荣格八维感知功能（Ni/Ne/Si/Se及直觉功能对比） /ENTP视角 2023-10-01]

[89. Siddhi:模式激活时忽略重复事件 - 腾讯云开发者社区 - 腾… 2024-07-28]

[90. Netty服务端启动全流程源码分析 2021-05-29]

91. Jacob Devlin, Ming-Wei Chang et al. “BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding.” North American Chapter of the Association for Computational Linguistics

92. Tom B. Brown, Benjamin Mann et al. “Language Models are Few-Shot Learners.” ArXiv

93. Alec Radford, Jong Wook Kim et al. “Learning Transferable Visual Models From Natural Language Supervision.” International Conference on Machine Learning

94. Hugo Touvron, Thibaut Lavril et al. “LLaMA: Open and Efficient Foundation Language Models.” ArXiv

[95. 可以免调用的大模型API 2023-12-15]

96. Junnan Li, Dongxu Li et al. “BLIP-2: Bootstrapping Language-Image Pre-training with Frozen Image Encoders and Large Language Models.” International Conference on Machine Learning

[97. 一文详解多模态大模型技术方案与行业应用案例原创 2025-05-29]

[98. 大模型技术栈-第4章-LLM训练案例1 dense chat模型: Qwen2… 2025-02-13]

[99. 现代嵌入式开发,最新技术栈的现状,ESP-IDF+Freertos+arduino技术… 2025-06-08]

[100. DRF post到具有多对多字段的模型 - 腾讯云开发者社区 - 腾… [2024-04-04]](https://cloud.tencent.com/developer/information/DRF post到具有多对多字段的模型)

101. Efficiently Integrate Large Language Models with Visual Perception: A Survey from the Training Paradigm Perspective

[102. 大模型知识引擎的多模态能力是如何实现的?-腾讯云开发者社区 2025-05-12]

[103. GPT4RoI：面向区域级图像理解的端到端多模态大模型-腾讯云开发者社区-腾讯云 2023-08-21]

[104. 一、专用模型向通用模型的转变 - GitHub [2024-01-05]](https://github.com/futtttttttttttt/InternLM/blob/master/InternLM/01 第一课/01 第一课.md)

[105. 技术栈20240403 - cn2025 - 博客园 2024-04-08]

[106. Tick技术栈（一）Tick技术栈介绍 - 星空海绵 - 博客园 2019-10-23]

[107. Spring技术栈|学习笔记 - 阿里云开发者社区 2022-11-22]

[108. 多模态大模型:技术原理与实战多模态大模型高效的训练方法… 2025-01-21]

[109. 多模态大模型技术点总结：InstructBLIP、Qwen-VL、LLaVA 2024-10-26]

110. Multi-modal Information Extraction and Fusion with Convolutional Neural Networks for Classification of Scaled Images

[111. 情景记忆与认知控制相互作用的计算模型 1-4章|细胞|轨迹|… 2024-11-26]

112. R. Canolty, E. Edwards et al. “High Gamma Power Is Phase-Locked to Theta Oscillations in Human Neocortex.” Science

[113. 跨频率耦合：连接架构、机制和功能 2022-07-09]

114. J. O’Keefe, M. Recce. “Phase relationship between hippocampal place units and the EEG theta rhythm.” Hippocampus

115. A. Bragin, G. Jandó et al. “Gamma (40-100 Hz) oscillation in the hippocampus of the behaving rat.” Journal of Neuroscience

116. G. Buzsáki. “Theta Oscillations in the Hippocampus.” Neuron

[117. 海马CA1区与眶额叶皮质的神经节律同步活动参与大鼠空间 … 2025-03-20]

[118. 重磅综述：阿尔茨海默病的神经振荡和脑刺激 - 腾讯云 2022-01-13]

119. L. Colgin, Tobias Denninger et al. “Frequency of gamma oscillations routes flow of information in the hippocampus.” Nature

[120. …1-4章|henke|情景记忆|海马体|皮层|神经元|细胞|计算模… 2024]

121. 海马 CA1 区 ripple 节律相关高频放电中间神经元

122. L. C. Hoffmann, S. Berry. “Cerebellar theta oscillations are synchronized during hippocampal theta-contingent trace conditioning.” Proceedings of the National Academy of Sciences

123. Hippocampal CA1 spiking during encoding and retrieval: Relation to theta phase

[124. Hippocampus, Theta, Gamma, and Cross-Frequency Coupling | SpringerLink 2022-06-12]

125. 大鼠海马CA3区θ~γ神经振荡与空间认知能力相关性研究

[126. Theta振荡在海马锥体细胞胞体和树突中的活动依赖性相位前移 1997-01-01]

127. Distinct directional couplings between slow and fast gamma power to the phase of theta oscillations in the rat hippocampus

128. Disrupted Hippocampal Theta-Gamma Coupling and Spike-Field Coherence Following Experimental Traumatic Brain Injury

[129. 学习改变了CA1 中伽马振荡的首选theta 相位 2022-08-03]

130. H. Pashler. “Dual-task interference in simple tasks: data and theory..” Psychological bulletin

[131. 有注意力不集中的来看看我ENTP叭！ 2019-10-28]

132. D. Meyer, D. Kieras. “A computational theory of executive cognitive processes and multiple-task performance: Part 1. Basic mechanisms..” Psychological review

[133. 【ENTP+ENFP】Ne在经典著作里的描述和刻板印象大不同 - 哔… 2022-06-14]

134. NEURAL MECHANISMS UNDERLYING JOINT ACTION

135. Execution of a Dual-Object (Pushing) Action with Semantic Event Chains

[136. 转载:【AI系统】MobileNet 系列 - Khronos6 - 博客园 2024-12-13]

137. Electrophysiological dynamics of salience, default mode, and frontoparietal networks during episodic memory formation and recall: A multi-experiment iEEG replication

138. مناظرهگر ENTP

[139. Se功能在不同位置的表现与心理分析 2022-10-09]

140. Ashish Vaswani, Noam M. Shazeer et al. “Attention is All you Need.” Neural Information Processing Systems

141. Kaiming He, X. Zhang et al. “Deep Residual Learning for Image Recognition.” 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR)

142. Diederik P. Kingma, Jimmy Ba. “Adam: A Method for Stochastic Optimization.” CoRR

143. Alexey Dosovitskiy, Lucas Beyer et al. “An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale.” ArXiv

144. Jacob Devlin, Ming-Wei Chang et al. “BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding.” North American Chapter of the Association for Computational Linguistics

[145. 卷积- Yygz314 2025-04-05]

[146. 2025.3.9 - 258333 - 博客园 2025-03-09]

[147. 用ResNet+GAN做医学图像分割_哔哩哔哩_bilibili 2025-05-27]

[148. LSTM与GAN创新结合!模型性能起飞,准确率超98%_哔哩哔哩_bi… 2024-07-26]

[149. 多模态大模型实战7.1 多模态模型概念与应用7.1.3 应用场景 … 2024-01-05]

[150. RTMW：开启人体数字孪生时代的革命性AI模型 2025-02-27]

[151. Cross Attention机制 2020-05-23]

[152. 探索多模态大模型的实现路径 - SIo_2 - 博客园 2025-06-28]

[153. 深度学习发文热点!多模态融合注意力机制,复杂任务成功率提高64.5%… 2024-11-16]

[154. 又一突破!蘑菇车联InterFusion论文被国际顶会IROS收录 2022-12-08]

155. MMINFERENCE: ACCELERATING PRE-FILLING FOR LONG-CONTEXT VLMs VIA MODALITY-AWARE PERMUTATION SPARSE ATTENTION

[156. 2025最新版Langchain+LangGraph+MCP智能体与工作流开发实战_Agent… 2025-07-15]

[157. 多模态融合训练:注意力机制的4个实现误区-CSDN博客 2025-06-03]

[158. Referring Expression Segmentation: From Conventional to Generalized](https://dr.ntu.edu.sg/bitstream/10356/175477/2/Thesis_Liu Chang_submit_compress.pdf)

[159. 基于多模态的新能源汽车用户需求挖掘 2025-02-17]

160. J. O’Keefe, M. Recce. “Phase relationship between hippocampal place units and the EEG theta rhythm.” Hippocampus

161. P. Fries. “A mechanism for cognitive dynamics: neuronal communication through neuronal coherence.” Trends in Cognitive Sciences

162. A. Bragin, G. Jandó et al. “Gamma (40-100 Hz) oscillation in the hippocampus of the behaving rat.” Journal of Neuroscience

163. G. Buzsáki. “Theta Oscillations in the Hippocampus.” Neuron

164. L. Colgin, Tobias Denninger et al. “Frequency of gamma oscillations routes flow of information in the hippocampus.” Nature

[165. 海马CA1区与眶额叶皮质的神经节律同步活动参与大鼠空间 … 2025-03-20]

166. Distinct directional couplings between slow and fast gamma power to the phase of theta oscillations in the rat hippocampus

[167. 情景记忆与认知控制相互作用的计算模型 1-4章|细胞|轨迹|… 2024-11-26]

168. Theta-Gamma Phase-Amplitude Coupling Supports Working Memory Performance in the Human Hippocampus

[169. Microprobes神经电极探索新环境时海马网络状态的快速连续调节… 2025-05-21]

[170. Intan Technologies RHD2000 接口板大鼠海马中的濒死高频… 2025-02-19]

[171. …RHD2000 接口板大鼠海马中的濒死高频超同步现象_手机搜… 2025-02-19]

172. R. Desimone, J. Duncan. “Neural mechanisms of selective visual attention..” Annual review of neuroscience

173. M. Posner, S. Petersen. “The attention system of the human brain..” Annual review of neuroscience

174. M. Corbetta, G. Shulman. “Control of goal-directed and stimulus-driven attention in the brain.” Nature Reviews Neuroscience

175. N. Dosenbach, D. Fair et al. “Distinct brain networks for adaptive and stable task control in humans.” Proceedings of the National Academy of Sciences

176. Jonathan D. Power, A. Cohen et al. “Functional Network Organization of the Human Brain.” Neuron

[177. 有注意力不集中的来看看我ENTP叭！ 2019-10-28]

[178. ENFP的自我探索与人生定义（长期更新） 2022-07-16]

[179. 外倾直觉 Ne 是怎么运作的?本期讲清“发散跳跃脑”的底层逻辑… 2025-07-11]

[180. entp的功能排序_秘老头 2024-05-04]

[181. 【ENTP+ENFP】Ne在经典著作里的描述和刻板印象大不同 - 哔… 2022-06-14]

182. Ashish Vaswani, Noam M. Shazeer et al. “Attention is All you Need.” Neural Information Processing Systems

183. Jeffrey Pennington, R. Socher et al. “GloVe: Global Vectors for Word Representation.” Conference on Empirical Methods in Natural Language Processing

184. Sepp Hochreiter, J. Schmidhuber. “Long Short-Term Memory.” Neural Computation

185. Jacob Devlin, Ming-Wei Chang et al. “BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding.” North American Chapter of the Association for Computational Linguistics

186. Dzmitry Bahdanau, Kyunghyun Cho et al. “Neural Machine Translation by Jointly Learning to Align and Translate.” CoRR

[187. 阿里OmniTalker震撼发布！0.8B参数实现25FPS实时音视频 … 2025-04-08]

[188. 计算机视觉算法实战——病虫害检测原创 2025-03-29]

[189. 从零开始实现 MobileViT 注意力机制——轻量级Transformer Vision… 2025-04-17]

[190. CVPR顶会黑科技!用特征融合让AI看穿黑夜 | 手把手复现Meta… 2025-02-21]

[191. 【AI系统】MobileFormer-腾讯云开发者社区-腾讯云 2024-12-05]

[192. 中稿⁺¹ !多模态学习+注意力机制再登顶会!新成果GPU内存消耗… 2022-06-14]

[193. 入选CVPR 2025!何恺明联手LeCun改进Transformer!新思路学… 2022-06-14]

[194. Kaggle金牌方案复现:CGO-Transformer-GRU多模态融合预测实战… 2025-06-22]

[195. 多模态学习驱动的 Android 智能助手与机器人系统构建实战:感知理解与响 … 2025-05-23]

[196. 注意力机制】iRMB：倒置残差移动块(论文笔记+引入代码) 2024-07-08]

[197. 大语言模型核心技术解析与实践指南 2025-03-10]

198. Optimization of Model-View-ViewModel (MVVM) Architecture Pattern and RESTfull API on Android-based E-Learning Application

[199. 【YOLOv10改进-注意力机制】CoordAttention：用于移动端的高效坐标注意力机制-阿里云开发者社区 2024-07-08]

[200. Cross Attention机制 2020-05-23]

[201. 探秘谷歌Gemini:开启人工智能新纪元-腾讯云开发者社区-腾讯云 2025-05-28]

202. J. O’Keefe, M. Recce. “Phase relationship between hippocampal place units and the EEG theta rhythm.” Hippocampus

203. P. Fries. “A mechanism for cognitive dynamics: neuronal communication through neuronal coherence.” Trends in Cognitive Sciences

204. A. Bragin, G. Jandó et al. “Gamma (40-100 Hz) oscillation in the hippocampus of the behaving rat.” Journal of Neuroscience

205. G. Buzsáki. “Theta Oscillations in the Hippocampus.” Neuron

206. L. Colgin, Tobias Denninger et al. “Frequency of gamma oscillations routes flow of information in the hippocampus.” Nature

[207. 重磅综述：阿尔茨海默病的神经振荡和脑刺激 - 腾讯云 2022-01-13]

208. Distinct directional couplings between slow and fast gamma power to the phase of theta oscillations in the rat hippocampus

[209. 情景记忆与认知控制相互作用的计算模型 1-4章|细胞|轨迹|… 2024-11-26]

[210. 布扎基自传:记忆研究的黄金年代,还能再现吗?_腾讯新闻 2025-05-15]

[211. 海马CA1亚区_澎湃新闻-The Paper 2024-05-06]

212. R. Desimone, J. Duncan. “Neural mechanisms of selective visual attention..” Annual review of neuroscience

213. M. Botvinick, T. Braver et al. “Conflict monitoring and cognitive control..” Psychological review

214. M. Corbetta, G. Shulman. “Control of goal-directed and stimulus-driven attention in the brain.” Nature Reviews Neuroscience

215. M. Corbetta, G. Patel et al. “The Reorienting System of the Human Brain: From Environment to Theory of Mind.” Neuron

216. G. Gratton, M. Coles et al. “A new method for off-line removal of ocular artifact..” Electroencephalography and clinical neurophysiology

[217. 有注意力不集中的来看看我ENTP叭！ 2019-10-28]

[218. ENTP的人格成长阶段与功能类型- 日记- 豆瓣 2018-05-18]

[219. 外倾直觉 Ne 是怎么运作的?本期讲清“发散跳跃脑”的底层逻辑… 2025-07-11]

[220. Ne主导ENFP/ENTP最全人格发展策略|Ni与Ne的区别|完善转化主人… 2022-06-17]

[221. MBTI认知功能：Ne功能 2024-07-17]

[222. Kotlin与机器学习实战:Android端集成TensorFlow Lite全指南… 2025-05-17]

223. Kaiming He, X. Zhang et al. “Deep Residual Learning for Image Recognition.” 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR)

224. K. Simonyan, Andrew Zisserman. “Very Deep Convolutional Networks for Large-Scale Image Recognition.” CoRR

225. Shaoqing Ren, Kaiming He et al. “Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks.” IEEE Transactions on Pattern Analysis and Machine Intelligence

226. Andrew G. Howard, Menglong Zhu et al. “MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications.” ArXiv

227. M. Sandler, Andrew G. Howard et al. “MobileNetV2: Inverted Residuals and Linear Bottlenecks.” 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition

[228. 在Android中运行tflite分类器(Kotlin) - 腾讯云开发者社区… 2024-08-12]

[229. mwaoh/TensorFlow-Lite-Android- - GitHub 2024-01-01]

[230. Kotlin与机器学习实战:Android端集成TensorFlow Lite全指南-CSDN博客 2025-05-17]

[231. 在Android Studio 中集成TensorFlow Lite 2024-01-08]

[232. …repo contains the kotlin implementation of Tensorfl… 2021-09-11]

[233. TensorFlow Lite Android 简单集成 2025-03-28]

[234. Android 开发工具| TensorFlow Lite 2022-09-03]

[235. 高效部署：Android平台下AI模型集成与优化实践 - 云原生实践 2024-11-10]

[236. Android、Kotlin、TFLite移动设备集成深度学习轻模型TFlite（图像分类篇） 2024-07-30]

[237. 适用于 Android 的开发工具 | TensorFlow Lite 2024-01-11]

[238. Unlocking AI Potentials: How Kotlin Integrates Machine Learning in Android? 2024-03-25]

[239. 使用元数据生成模型接口 | TensorFlow 2022-08-17]

[240. 使用Tensorflow lite时的kotlin应用程序浮点类型转换 - 腾讯云 [2024-04-01]](https://cloud.tencent.com.cn/developer/information/使用Tensorflow lite时的kotlin应用程序浮点类型转换)

[241. Facebook开源移动端深度学习加速框架，比TensorFlow Lite快 … 2018-10-30]

242. J. O’Keefe, M. Recce. “Phase relationship between hippocampal place units and the EEG theta rhythm.” Hippocampus

243. G. Buzsáki. “Theta Oscillations in the Hippocampus.” Neuron

244. M. Hasselmo, C. Bodelón et al. “A Proposed Function for Hippocampal Theta Rhythm: Separate Phases of Encoding and Retrieval Enhance Reversal of Prior Learning.” Neural Computation

245. J. Lisman, O. Jensen. “The Theta-Gamma Neural Code.” Neuron

246. L. Colgin, Tobias Denninger et al. “Frequency of gamma oscillations routes flow of information in the hippocampus.” Nature

247. Distinct directional couplings between slow and fast gamma power to the phase of theta oscillations in the rat hippocampus

[248. Intan Technologies RHD2164电路板内侧中皮层的海马输入梯… 2025-02-08]

[249. 海马CA1区与眶额叶皮质的神经节律同步活动参与大鼠空间 … 2025-03-20]

[250. 情景记忆与认知控制相互作用的计算模型 1-4章|细胞|轨迹|… 2024-11-26]

[251. 海马CA1亚区_澎湃新闻-The Paper 2024-05-06]

[252. ENTP的人格成长阶段与功能类型 2018-05-18]

[253. 有注意力不集中的来看看我ENTP叭！ 2019-10-28]

[254. ENTP的人格成长阶段与功能类型- 日记- 豆瓣 2018-05-18]

[255. 王晓林.基于效用的或有可转换债券定价及公司资本结构D].湖南大学,2013.

[256. 试述一三loop的运作机制 - 哔哩哔哩 2022-06-14]

[257. 【ENTP+ENFP】Ne在经典著作里的描述和刻板印象大不同 - 哔… 2022-06-14]

[258. 段鑫铭.股权价值最大化原则下的商业银行优先股强制转股最优触发条件研究 ——以浦发银行为例D].上海师范大学,2020.

[259. 金明.串联和并联结构的多微网系统分层主从协调控制方法研究D].重庆大学,2013.

[260. 赵杭.可转换债券赎回公告股价效应研究D].广西师范大学,2021.

261. Electrophysiological dynamics of cognitive control networks in human memory and replication across four experiments

[262. Kotlin与机器学习实战:Android端集成TensorFlow Lite全指南… 2025-05-17]

[263. 在Android Studio中,导入tensorflow lite模型后,如何使用… [2024-06-07]](https://cloud.tencent.com/developer/information/在Android Studio中，导入tensorflow lite模型后，如何使用生成的示例代码？)

264. Kaiming He, X. Zhang et al. “Deep Residual Learning for Image Recognition.” 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR)

265. K. Simonyan, Andrew Zisserman. “Very Deep Convolutional Networks for Large-Scale Image Recognition.” CoRR

266. Sergey Ioffe, Christian Szegedy. “Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift.” ArXiv

267. Andrew G. Howard, Menglong Zhu et al. “MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications.” ArXiv

268. M. Sandler, Andrew G. Howard et al. “MobileNetV2: Inverted Residuals and Linear Bottlenecks.” 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition

[269. mwaoh/TensorFlow-Lite-Android- - GitHub 2024-01-01]

[270. 使用Kotlin在Android Studio部署深度學習模型 2025-01-04]

[271. Kotlin与机器学习实战:Android端集成TensorFlow Lite全指南-CSDN博客 2025-05-17]

272. i.MX TensorFlow Lite on Android User’s Guide

[273. In Android Studio, after importing a tensorflow lite model, how can the generated sample code be used? 2020-12-05]

[274. Tensorflowlite图像识别模型–安卓端部署教程_android tensorflow lite-CSDN博客 2023-09-27]

[275. Android 开发工具| TensorFlow Lite 2022-09-03]