语言模型

紧跟先前的步伐

Go AI Agent 实战 02｜大语言模型（LLM）到底是怎么工作的本系列共 10 阶段，面向有 Go 后端基础的开发者，全程用 Go 手写实现。当前进度：阶段一大模型基础 · 第 2 课上一篇：AI 应用与传统后端的本质区别

Claude 刷新量子电路最优：LLM 与评估器的进化循环怎么搭2026 年 10 月 16 日，Anthropic 发布研究笔记，说明 Claude（报告中的模型是 Claude Mythos 5）在几乎没有人工干预的情况下，为 8 个量子计算原语设计了比已发表最优方案更省资源的电路，其中 7 个同时降低了 Toffoli 门数和量子比特数，第 8 个则给出了一种文献中不存在的新结构——一种不存储分支历史的可逆 divsteps 模逆实现。论文《Discovering state-of-the-art quantum circuits with large lang

【AI Infra小白入门⑧】PyTorch框架Infra实战指南：Tensor、autograd与性能调试本文是「AI Infra 小白入门」系列的第八篇。PyTorch是AI Infra工程师的"主战场"——训练用它，模型从它导出，自定义算子接入它。本文不讲怎么用PyTorch写模型（那是算法工程师的事），而是从Infra视角讲：Tensor、autograd、Module、checkpoint、profiler——这些才是我们天天打交道的东西。

xianghongtao0116

01_LangDiT_扩散语言模型_解读报告核心判断：LangDiT 提供了一个有价值的架构研究案例：当语言生成改成连续空间中的反复去噪时，归一化、噪声条件、词表预测和训练反馈需要共同设计。受控实验支持整套改动带来收益；现有证据对单个模块的独立贡献、真实生成质量和计算效率仍有明显边界。

AI模型调用笔记

Replit 将 OpenAI 设为 Agent 首选，Claude 仍可选最近，Replit 的模型选择引起了不少讨论。根据 TechCrunch 10 月 17 日更新的采访，OpenAI 目前是 Replit Agent 的首选合作方；Replit CEO 随后澄清，用户仍可选择 Claude 等受支持模型。这不是“全面停用 Claude”，而是一次综合考虑任务表现、成本和合作关系的默认模型调整。TechCrunch 报道

DynaHarness 方法总结论文“DYNAHARNESS: A DYNAMIC PHYSICAL HARNESS FOR SELF-EVOLVING ROBOT AGENTS”，26年9月来自南洋理工和南京大学。

Anthropic Claude Fable 5.1 长周期 Agent 原生架构解析：工具调用链路稳定性与 API 聚合平台落地实战在 Fable 系列之前，Claude Sonnet、Opus 系列的工具调用属于 “附加能力”。模型主目标是文本续写，工具调用只是特殊格式输出。当 Agent 任务轮次变多（超过 10 轮工具调用），很容易出现：忘记前置约束、生成不存在的函数名称、参数类型错误、提前终止任务。这也是很多自研 Agent 系统上线后，复杂任务成功率断崖下跌的核心痛点。

【AI Infra小白入门⑦】Transformer架构工程拆解：从Attention到MLA的优化密码本文是「AI Infra 小白入门」系列的第七篇。Transformer是所有大模型的骨架，也是AI Infra优化的主战场。本文不从算法角度讲Transformer，而是从工程视角拆解——每个组件的计算过程是什么？复杂度来自哪里？由此引出了哪些优化技术？

《C++ 项目：手写大模型接入 SDK》Trae IDE 开发环境搭建与依赖管理🔥小叶-duck：个人主页❄️个人专栏：《Data-Structure-Learning》《C++入门到进阶&自我学习过程记录》《Linux系统从入门到实践》《Linux网络从入门到实践》《Qt 方寸极境》《MySQL》

一麻袋土豆灬

Workbuddy模型名后面那个 0.11x 是什么意思打开 WorkBuddy 输入框右下角的模型列表，每个模型名字后面都跟着一串数字：0.00x、0.11x、0.79x、1.20x。第一次看到容易当成性能评分，其实它跟模型强弱没有直接关系。这个数字计的是钱。

AI模型调用笔记

OpenAI API 故障切换：超时容灾三大坑AI 应用上线后，最让人紧张的报错不是“模型回答得不够好”，而是请求超时：用户还在等，主通道却没有返回结果。

小何好运暴富开心幸福

LangChain 与 LangGraph 核心要点总结定义：开发者使用自然语言向代码优化的大语言模型（LLM）描述问题，由 LLM 生成软件，程序员摆脱底层编码与调试。关键特征：用户通常在不完全理解代码底层机制的情况下，接受 AI 生成的代码。起源：由 Andrej Karpathy 于 2025 年 2 月提出，迅速成为新兴编码方式。对开发者技能的影响：

大模型拒答率与错误率平衡术：五步构建可落地的安全与体验最优解在大模型产品化的道路上，有一对矛盾几乎是每个团队都会遇到的：法务说答错一次赔不起，必须把错误率压到最低；运营说拒答率太高用户都跑了，必须减少拒答。一边是合规风险，一边是用户体验，两者似乎天然对立。

大语言模型时代的可复现性：当“同一道题”给出不同答案如果把传统机器学习的可复现性理解为“换台机器也能跑出差不多的结果”，那么大语言模型（LLM）时代的可复现性，已经变成另一个问题：

【AI Infra小白入门④】AI Infra学习路线图：从入门到精通的完整指南（附核心思维方法）本文是「AI Infra 小白入门」系列的第四篇。前面我们聊了什么是AI Infra、大厂组织架构、岗位路线图。今天来聊最实用的——AI Infra到底该怎么学？先学什么、后学什么？以及贯穿整个学习过程的核心思维方法。

《C++ 项目：手写大模型接入 SDK》项目背景、目标及名词解释🔥小叶-duck：个人主页❄️个人专栏：《Data-Structure-Learning》《C++入门到进阶&自我学习过程记录》《Linux系统从入门到实践》《Linux网络从入门到实践》《Qt 方寸极境》《MySQL》

面向机器人的上下文学习：方法与应用26年7月来自诺因智能（Knowin AI）、港科大（广州）、港中大、同济、清华、哈工大（深圳）、西湖大学和天大的论文“In-Context Learning for Robots：Methods and Applications”。

PPIO x 全新Qoder：阿里出品的智能体工作台，一键接入Qoder——一款以 Coding 为核心能力、面向所有人的智能体工作台，正在流行。Qoder 是由阿里云推出的智能体编程平台，在 2026 年 8 月完成了重大战略升级，引入了桌面宠物、实时语音交互及通用任务模式，致力于让非技术人员也能通过自然语言快速落地创意，实现“人人都是开发者”的愿景。

当视频理解撞上大语言模型：一篇 37 页综述的全景拆解论文信息这篇综述的篇幅（37 页、300+ 篇引用、28 个模型逐个拆）在综述里算得上诚意之作，但它真正的价值不是"全"，而是把一个正在发生的范式迁移讲清楚了。开篇给的这张四阶段演化图，我建议做视频技术的读者都看一眼，因为它和视频编码的代际更替故事惊人地相似：