语言模型

2026年最新！五款高评Agent开源模型介绍：能自主干活的AI来了如果你最近用过 Gemma4 或者 Qwen3.6，应该对它们聊天的能力不陌生——问什么答什么，逻辑清晰，表达流畅，像身边有一个随叫随到的知识顾问。

ABot-M0.5：统一的移动-与-操作世界动作模型26年7月来自阿里高德视觉实验室（AMAP CV Lab）的论文“ABot-M0.5: Unified Mobility-and-Manipulation World Action Model”。

迈向通用人工智能的桥梁：大语言模型驱动的 AI Agent（智能体）全景架构与源码级实战指南作者：AI技术专家与架构师发布时间：2026年7月适合人群：AI工程开发人员、大模型算法工程师、系统架构师及对通用人工智能（AGI）感兴趣的工程人员。

同样接入大模型，如何抉择 Workflow 与 Agent？面试官上周四问了我这个问题，当时我一下子卡壳了。老实说，我之前没有认真理清二者的边界，只是Agent这个概念热度很高、听起来新潮，自己也更熟悉，于是想都没想，直接把它放进了产品方案里。

迈向通用人工智能：大语言模型（LLM）架构、核心机制、高级RAG与Agent智能体开发全景指南在人工智能的发展长河中，自然语言处理（NLP）经历了从基于规则的专家系统、统计语言模型（以隐马尔可夫模型和CRF为代表），到深度学习时代（RNN、LSTM）的演进。然而，直到2017年Transformer架构的横空出世，以及随后GPT系列模型的爆发，才真正开启了“大语言模型（Large Language Model, LLM）”的黄金时代。

学习中.........

从 Karpathy 手写 BPE 到 CS336 `train_bpe` 作业实现这次 train_bpe 的实现过程，大体分成两个阶段：参考视频是 Karpathy 的手写 tokenizer 讲解：Bilibili 视频链接。

蓦然回首却已人去楼空

Build a Large Language Model (From Scratch) 第五章在无标签数据上进行预训练本章内容到目前为止，我们已经实现了数据采样和注意力机制，并编写了大语言模型架构的代码。是时候实现训练函数并对大语言模型进行预训练了。在本章中，我们将学习基本的模型评估技术，以衡量生成文本的质量，这是在训练过程中优化大语言模型的必要条件。此外，我们还将讨论如何加载预训练权重，为大语言模型微调奠定扎实的基础。图 5-1 概述了我们的整体计划，并强调了本章将讨论的内容。

大模型任我行

蚂蚁：智能体安全护栏SingGuard-NSFA📖标题：SingGuard-NSFA: Extensible Guardrails for Agentic AI via Generative Reasoning and Real-Time Classification 🌐来源：arXiv, 2607.13081v1

Ascendc 大语言模型框架 AscendCraft 和pypto 的区别 pypto生成算子c++源码吗会生成 AscendC（昇腾专用算子C++）源码PyPTO Python API → 多层计算IR（Tensor/Tile/Block）→ 人工可调优化Pass → 生成AscendC源码 → NPU二进制全程开发者可以在IR任意阶段介入、修改调优参数。

AiPy + Kimi K3：2048小游戏生成的技术分析从任务拆解、算法实现到一次生成可用，拆解2.8万亿参数模型在游戏开发场景中的实际表现。最近在AiPy中切换了Kimi K3模型，以2048小游戏为测试用例，验证其在代码生成任务中的实际表现。2048是一个经典的滑动合并游戏，规则明确但实现中包含典型的数据结构操作和交互逻辑，适合作为评估模型编程能力的基准。

LangGraph智能租房助手实践当一个 AI 应用从“回答问题”走向“完成任务”，难点就不再只是把提示词写得更好。它需要理解用户意图、查询外部数据、在关键步骤等待人工确认、记住跨会话信息，还要能够被调试、部署和持续迭代。

ChatGPT/Codex最新版本出错了，无法进入解决方案然后直接GPT炸了，无论是重装Chat GPT还是重置都不能够解决，一进去就是这个问题，最终发现问题所在，解决方案如下：

PyTRIO快速入门（一）：概念、推理与训练TRIO的中文是“三重奏”，指的是三个演奏家通力合作，完成一场精彩的表演。而在PyTRIO中，指的是AI训练的三个底层计算：forward（前向传播）、backward（反向传播）、optim（优化器迭代）。无论训练范式如何变换，这哥仨从未离开。

RAG 文档切分不是越细越好：选择 Chunk Size 与 OverlapRAG 项目中最容易被低估的步骤不是向量数据库选型，而是文档切分。原文进入模型之前先被拆成 Chunk，随后每个 Chunk 生成向量、参与召回并被拼入上下文。切得过大，一个块同时包含多个主题，向量被平均，检索命中后还携带大量无关内容；切得过小，定义、前提、例外和代码解释被分散，模型虽然找到关键词，却无法回答完整问题。

大模型任我行

阿里：端到端文档解析模型OvisOCR2📖标题：OvisOCR2 Technical Report 🌐来源：arXiv, 2607.13639v1

KAU的云实验台

【研究分享】大语言模型 × 进化计算新范式？ —— 以ReEvo为例拆解本文核心内容最近KAU研究了大语言模型和进化算法的结合相关论文，发现这个方向挺有意思，让我觉得LLM能够给进化计算加上“语义上的方向感”，该领域的研究进展也是日新月异。因此，本文KAU对该研究方向作一些个人层面的梳理与分享，供大家参考讨论（如有错漏，欢迎随时拍砖指正）

PhyGround：生成式世界模型中的物理推理基准测试26年5月来自美国东北大学、Tulane大学、华盛顿大学和CMU的论文“PhyGround: Benchmarking Physical Reasoning in Generative World Models”。

许可可可可

英伟达到昇腾训练迁移：并行配置等问题英伟达（ms-swift）与昇腾（MindSpeed-LLM）的并行维度约束公式不同，脚本无法直接复用。

基于GraphRAG的税务财务智能问答系统(Neo4j_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/BV1asK26PEsu/?share_source=copy_web&vd_source=31c839f46a9a845dd6dd641cbd5c2ac1