语言模型

开维游戏引擎

AI自动生成游戏时，deepseek和mimo对比vscode+cline+skill自动生成游戏时，免费版本的deepseek和mimo生成游戏质量对比，以deepseek-v4-flash和xiaomi/mimo-v2.5为例。

【强化学习】强化学习基本概念，20W字总结（一）😊你好，我是小航，一个正在变秃、变强的文艺倾年。 🔔本文讲解【强化学习】强化学习基本概念，20W字总结（一），期待与你一同探索、学习、进步，一起卷起来叭！

[论文学习]大型语言模型中个人可识别资讯（PII）的机器遗忘技术:UnlearnPII 基准与 PERMU_tok 方法的深度分析Machine Unlearning of Personally Identifiable Information in LLMs 核心问题与动机

生成论实验室

认知芯片：让判断力在物理定律上运行——AI芯片的第三条路CPU、GPU、NPU，无论架构怎么变，本质都是同一件事：执行计算指令。它们比拼的是谁算得快、谁功耗低、谁晶体管密度高。摩尔定律、韬定律，都是围绕“计算”展开的。

黄狗操作员

NCCL 2.29 官方文档参数解读Broadcast属于1对多的通信原语，一个数据发送者，多个数据接收者，可以在集群内把一个节点自身的数据广播到其他节点上。如下图所示，圈圈表示集群中的训练加速卡节点，相同的颜色的小方块则代表相同的数据。当主节点 0 执行Broadcast时，数据即从主节点0被广播至其他节点。

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。