语言模型

ReMoT：运动对比三元组强化学习——解决视觉语言模型的时空一致性缺陷来源: CVPR 2026 (IEEE/CVF Conference on Computer Vision and Pattern Recognition) arXiv: 2603.00461 作者: Cong Wan, Zeyu Guo, Jiangyang Li, Songlin Dong, Yifan Bai, Lin Peng, Zhiheng Ma, Yihong Gong 机构: 西安交通大学、深圳理工大学、阿里巴巴达摩院基座模型: Qwen3-VL-4B-Thinking 数据集: ReM

Windows RX6500XT(gfx1034) Ollama AMD ROCm 完整安装教程我的显卡：RX 6500XT = gfx1034，官方Ollama不原生支持，需使用社区魔改ollama-for-amd + 对应gfx1034 ROCmLibs + HIP SDK 5.7系列，全程严格保证版本三统一：

Prompt工程设计实践：从基础模板到场景化策略本文基于2026年6月实践整理。Prompt工程的关键不是收集模板，是理解不同场景下的设计策略。梳理6个核心策略及对应模板。

Test-Time Scaling 与推理时计算：搜索、验证器、反思和自一致性系列：AI 论文盘点 / 技术趋势第二轮：2026 AI 系统与 Agent 基础设施专题日期：2026-07-03 适合读者：研究生、LLM/Agent 研究者、模型应用与推理系统工程师检索日期：2026-07-03

人工智能 AI 大语言模型多模态 — 从 API 调用到 Agent 实战服务器: 华为云 FlexusX ecs-d2c2-0001 (8vCPU/16GiB, Ubuntu 24.04) Python: 3.12.3 | Flask: 3.1.3 | Markdown: 3.10.2 实验总数: 26 个 | 实战环境: 真实服务器上机执行

什么是 Hermes 大模型？Hermes 不是从头训练的基础模型，而是基于现有的强大基础模型（如 Meta 的 Llama 2、Mistral 等），通过指令微调得到的一系列对话模型。你可以把它理解成：

拆解大语言模型：从词向量到注意力机制的内部运行原理当你向 ChatGPT 输入一句话，它在零点几秒内就能续写出流畅、连贯甚至富有洞察力的文字。这背后没有任何人类工程师编写的「逐步指令」，只有一张由数千亿参数构成的神经网络。本文尝试用尽量少的数学，把这张网络内部真正发生的事情讲清楚。

大语言模型+物联网：LLM理解物理世界当LLM学会了"看"传感器数据、"听"设备告警、“说"控制指令，物联网就从"自动化"进化到了"智能化”。这不是科幻，而是正在发生的技术融合。

【LLM技术全景】大模型能力探秘：In-Context Learning与思维链（CoT）摘要：本文是《LLM技术全景：从Token到部署》系列第七篇。为什么大模型"看几个例子就能举一反三"，而无需任何参数更新？为什么只是加上"Let’s think step by step"，数学推理准确率就能翻倍？本文深度解析两大神秘能力——In-Context Learning（上下文学习）与Chain-of-Thought（思维链），拆解其工作机制，探讨涌现现象背后的规律，并给出实用的Prompt工程指南。

生成论实验室

机器人：一个自主运动的系统我们先不谈AI，不谈传感器，不谈运动控制算法。先谈一个更根本的问题：机器人是什么？传统定义告诉我们：机器人是一种能够自动执行任务的机器装置。它由传感器、控制器和执行器组成，按照预设程序或AI指令运行。

大语言模型+智能体AI，122页PPT详解落地应用培训！本课件是面向人工智能通识教育的培训材料，系统讲解智能体（Agent）与智能体AI（Agentic AI）的核心概念、技术原理与应用场景，帮助学习者建立从传统AI到智能体AI时代的完整认知框架。

BRIDGE：多模态查询的强化学习对齐与文本检索重构本系列基于 Mounis et al. (2026), BRIDGE: Multimodal-to-Text Retrieval via Reinforcement-Learned Query Alignment (arXiv:2604.07201)。所有实验数据、架构设计与消融结论均引用自该工作，叙述方式按工程直觉范式重新编排。

瑞芯微rk3588利用Rockchip NPU运行大语言模型（LLM）在 RK3588开发板上，利用 Rockchip NPU 运行大语言模型（LLM），测试模型包括：设备

生成论实验室

自动驾驶：一个自主运动的系统我们先不谈传感器，不谈算法，不谈算力。先谈一个更根本的问题：自动驾驶汽车是什么？传统定义告诉我们：自动驾驶汽车是一种能够感知环境、规划路径并自动控制行驶的智能车辆。它由摄像头、激光雷达、毫米波雷达、高精地图、域控制器和执行器组成，按照预设规则或AI模型运行。

啥是LLM？大语言模型从原理到选型的完整科普本文整理自B站「AI专业知识科普：啥是LLM（大语言模型）」，通过AI音视频总结工具 Ai好记转文字+截取PPT整理，以下为精炼整理后的内容。

[论文学习]重新思考大型语言模型忘却目标:梯度视角与超越Rethinking Machine Unlearning Objectives: A Gradient Perspective and Go Beyond

[论文学习]DP2Unlearning:高效且具保证的大型语言模型遗忘框架（基于差分隐私的 LLM Unlearning 方法）An Efficient and Guaranteed Unlearning Framework for LLMs

LoRA: Low-Rank Adaptation of Large Language Models论文链接：https://arxiv.org/pdf/2106.09685v1/1000大模型下游迁移微调是行业落地的关键环节，传统全参数微调存在参数量大、算力消耗高、权重分发不便、易发生原有知识覆盖等缺陷。Adapter、Prefix Tuning、Prompt Tuning 等一系列参数高效微调（Parameter-Efficient Fine-Tuning，PEFT）方案被陆续提出，其中低秩自适应（ Low-Rank Adaptation，LoRA）[1]方案凭借收敛速度快、推理无额外延迟、兼容性强

لا معنى له

NeoVerse: Enhancing 4D World Model with in-the-wild Monocular Videos本文提出了NeoVerse—— 一款功能通用的 4D 世界模型，可实现 4D 场景重建、新轨迹视频生成，并支持多种下游应用。现有 4D 世界建模方法普遍存在扩展性不足的问题：这类方法要么依赖采集成本高昂、场景受限的多视角 4D 数据，要么需要繁杂的训练预处理流程。与之不同，NeoVerse 以让整套流程可适配各类真实场景单目视频为核心设计思路。具体而言，该模型采用无位姿前馈式 4D 重建、单目画面退化效果在线模拟等一系列配套技术。上述设计赋予 NeoVerse 强大的通用性与跨场景泛化能力，同时模型在主流

小型语言模型（SLM）调研：从端侧部署到专业化 Agent调研时间： 2026-06-12 适用读者：关注本地 AI、端侧 Agent、低成本推理、私有化部署和模型选型的开发者核心观点：小模型不再只是“大模型的低配替代品”。在工具调用、代码补全、端侧助手、隐私敏感任务和固定流程自动化中，小模型正在成为更经济、更可控、更容易落地的默认选项。但在复杂推理、开放式长文档理解和高可靠多轮规划中，大模型仍然是必要兜底。