语言模型

来自于狂人

第5章记忆管理——让Agent记住事情第4章我们给Agent加上了工具调用能力。它现在能查数据库、查天气、计算数字了。但你用着用着会发现一个尴尬的问题：这Agent怎么聊着聊着就忘了事呢？

皮皮蟹虾饺

MiniMind：从零训练大语言模型全流程实战指南大语言模型（Large Language Model, LLM）的出现，引发了全球范围内对 AI 的空前关注。无论是 ChatGPT、DeepSeek 还是 Qwen，都以惊艳的效果让人真切感受到这场技术浪潮的冲击力。然而，动辄数百亿参数的模型规模，使得它们对个人设备而言不仅难以训练，甚至连部署都显得遥不可及。

在自动化脚本中如何调用大语言模型？在自动化技术与人工智能深度融合的当下，单纯的流程化自动化脚本已难以应对复杂的交互、问答、内容生成等场景。将大语言模型能力嵌入自动化脚本，能够让传统自动化工具拥有语义理解、智能应答、内容创作、问题分析等高级能力，极大拓展自动化脚本的应用边界。本文从技术原理、前期准备、接口详解、实操案例、参数调优与应用拓展等维度，详细讲解在冰狐智能辅助自动化脚本中对接大语言模型的完整流程，帮助开发者和脚本使用者顺利实现自动化与 AI 能力的结合。

皮皮蟹虾饺

MiniMind 预训练详解：从零训练一个 64M 参数的语言模型📌 本文亮点：深入解析 MiniMind 预训练的每一步细节——模型架构、数据准备、训练脚本、超参配置、Loss 曲线与训练指标，帮你真正理解 LLM 预训练的全过程！

带娃的IT创业者

深度解析：当 MLX 遇上视觉语言模型，Mac 本地推理的新范式在当今的人工智能开发领域，"本地化"与"隐私优先"正逐渐成为继云端大模型之后的下一个战场。对于长期身处 Apple 生态的开发者而言，Apple Silicon 芯片的强大算力往往在日常开发中被低估。直到最近，一个名为 mlx-vlm 的项目在技术社区引发了热烈讨论，它不仅展示了在 Mac 上运行视觉语言模型的可能性，更以极高的效率和易用性，为中级开发者提供了一个探索多模态 AI 的绝佳入口。这不仅仅是一个工具的发布，更标志着个人计算机正在从单纯的代码编辑器转变为强大的 AI 工作站。

基于混合检索RAG的食品生产质量问答系统(BGE_BM25_大语言模型)b站演示视频与部署教程视频(点击这里) https://www.bilibili.com/video/BV1phJs6oEB4/?share_source=copy_web&vd_source=31c839f46a9a845dd6dd641cbd5c2ac1

毒爪的小新

Linux 环境极速部署 vLLM：从零搭建生产级大模型推理服务vLLM 是一个开源的、高性能的大语言模型推理与服务框架，吞吐量可达传统方案的8-20倍。GPU：NVIDIA 显卡（推荐 RTX 3090/4060/4090 或 A100/H100）

如此这般英俊

手搓Claude Code-第三章 permission第三章，shareAI讲述了给模型加权限的过程。完整代码见 https://github.com/shareAI-lab/learn-claude-code/blob/main/s03_permission/code.py 我们的任务是： 1，了解check_deny_list, check_rules, ask_user三道闸门组成的permission 2，滤清楚权限检查的逻辑

[论文学习]大型语言模型（LLM）安全与隐私-基于善、恶、丑的深度分析A survey on large language model (LLM) security and privacy: The Good, The Bad, and The Ugly

CVPR 2026|VisRes Bench：视觉语言模型视觉推理能力评估视觉 - 语言模型在视觉问答、图像字幕等任务上已取得显著进展，但这类模型究竟是在执行真正的视觉推理，还是仅依赖语言先验完成任务，目前仍不明确。针对这一问题，本文提出 VisRes Bench 基准，用于在无上下文语言监督的自然场景下研究视觉推理能力。基准按照三层复杂度分析模型行为，清晰揭示了模型在感知与关系视觉推理能力上的局限：

大模型任我行

腾讯：原生多模态建模路线图📖标题：Toward Native Multimodal Modeling: A Roadmap 🌐来源：arXiv, 2605.25343v1

大模型任我行

谷歌：多模态嵌入Gemini Embedding 2📖标题：Gemini Embedding 2: A Native Multimodal Embedding Model from Gemini 🌐来源：arXiv, 2605.27295v1

分形递归状态机 (FRSM) 实验报告-更新对比分形递归状态机 (Fractal Recursive State Machine, FRSM) 是一种新型自回归语言模型架构，其核心原理是：

FuzzGPT：用大语言模型生成“极端边界程序”的深度学习框架 Fuzzing 新范式“ 随着 PyTorch、TensorFlow、JAX 等深度学习框架成为 AI 基础设施，其 API的稳定性与安全性正面临前所未有的挑战。然而，传统 Fuzzing技术在测试DL框架时逐渐暴露瓶颈：随机变异难以覆盖复杂API参数空间、手工规则难以构造“非直觉但合法”的极端输入、大量真实漏洞隐藏在 Edge Case（边界用法）中。

Xiaothink-T17-Tiny 模型深度解析：轻量级RNN架构的创新与实战评测ModelScope - 模型卡片⚠️ 由于模型架构特殊（GRU3 历史检索机制），目前不支持 ModelScope 调用，请使用 xiaothink ≥ 1.4.2 库加载。

【从零开始大模型开发与微调:基于PyTorch与ChatGLM】（从环境搭建到第一个训练闭环:PyTorch2.0深度学习入门实战)大模型正在成为人工智能应用开发的核心基础能力.从智能问答、代码助手,到企业知识库、智能客服和垂直领域应用,越来越多的场景都离不开大模型的理解、生成与推理能力.对于开发者来说,仅仅会调用现成的大模型接口已经远远不够,理解大模型的开发流程、掌握微调方法,并能够亲手完成一个从环境搭建到训练验证的闭环,正在变成一项非常重要的工程能力.不过,对于刚开始接触大模型开发的同学来说,这条路往往并不轻松.PyTorch、Transformers、ChatGLM、显存配置、数据格式、模型加载、训练参数、微调策略……这些概念单

CJH（本人账号）

上线仅72小时被强制下架：Claude Fable 5 的短命摘要：2026年6月9日，Anthropic 发布号称"地表最强商用AI"的 Claude Fable 5，仅3天后（6月12日）美国政府以"国家安全"为由强制全球下架。从发布到禁用，72小时内完成了一场完整的"神坛坠落"。本文从技术视角深度解读事件始末，分析对开发者生态的影响，以及背后的战略博弈。

[论文学习]CAMIA：基于上下文感知的成员资格推断攻击:针对预训练大型语言模型的深度分析CAMIA: Context-Aware Membership Inference Attack核心问题与动机

【文献笔记】Learn to Relax with LLMs: Solving COPs via Bidirectional CoevolutionLearn to Relax with Large Language Models: Solving Constraint Optimization Problems via Bidirectional Coevolution

明天好，会的

grill-me我用 grill-me 整整一个月了。现在，我几乎在开始每一个任务之前，都会用grill-me给我把关，通过这个skill，让大模型了解我这个任务中，我没有说说清楚的细节。