语言模型

眼镜哥（with glasses）

0215笔记-语言模型，提问范式与 TokenLLM 的训练本质是以 “预测下一个词” 为目标的监督学习，核心步骤如下：基础语言模型（Base LLM）通过反复预测下一个词来训练的方式进行训练，没有明确的目标导向。因此，如果给它一个开放式的 prompt ，它可能会通过自由联想生成戏剧化的内容。而对于具体的问题，基础语言模型也可能给出与问题无关的回答。例如，给它一个 Prompt ，比如”中国的首都是哪里？“，很可能它数据中有一段互联网上关于中国的测验问题列表。这时，它可能会用“中国最大的城市是什么？中国的人口是多少？”等等来回答这个问题。但实际上，

coding者在努力

LangChain简介,最直白的介绍拥有 API Key 就像拿到了发动机，而 LangChain 就是帮你把这个发动机组装成一辆跑车的底盘和传动系统。对于如何获取API key可以看我的上一篇博客教你白嫖免费的额度,绝对够用

武汉庞小锋

大模型使用小结从最开始使用cursor（免费版）写函数，到现在利用本地模型做简单任务，有几点体会。写代码方面大同小异，可能是因为主要训练素材来自流行的开源代码仓库。gemma3:4b综合表现还行。有不少独立开发者说claude code收费版很厉害，目前还没试过。

狮子座明仔

REDSearcher：如何用30B参数的小模型，在深度搜索上击败GPT-o3和Gemini？论文标题：REDSearcher: A Scalable and Cost-Efficient Framework for Long-Horizon Search Agents

大模型任我行

华为：CLI任务自动生成新范式📖标题：CLI-Gym: Scalable CLI Task Generation via Agentic Environment Inversion 🌐来源：arXiv, 2602.10999v1

在 AlphaAvatar 中接入 MCP：统一工具入口 + 并行调度的工程实践⚠️ 如果你对实时 Agent / 数字人 / 多模态系统 / LiveKit 架构 / 工具编排感兴趣，欢迎先到 GitHub 给项目点个 ⭐ Star

[x-cmd] x ollama - 本地大语言模型运行工具想要在本地运行大语言模型？Ollama 让你轻松实现！x ollama 封装了 Ollama，提供便捷的本地 AI 体验。

狮子座明仔

MemFly：当智能体的记忆学会了“断舍离“——信息瓶颈驱动的即时记忆优化📖 论文标题：MemFly: On-the-Fly Memory Optimization via Information Bottleneck

【AI应用开发实战】00_StockPilotX技术博客专栏：从零构建生产级AI金融分析系统欢迎来到StockPilotX技术博客专栏！这是一个系统性的AI应用开发实战教程，通过35篇深度技术文章，带你从零构建一个生产级的AI驱动金融分析系统。

大模型任我行

字节：LLM自演化规则强化思维链📖标题：Reinforcing Chain-of-Thought Reasoning with Self-Evolving Rubrics 🌐来源：arXiv, 2602.10885v1

AI辅助网文创作理论研究笔记（一）：叙事模型的构建本文档记录了笔者在探索“AI辅助网络小说创作”过程中的阶段性思考。针对当前大模型在长文本生成中存在的叙事失控、一致性差及需求偏差等问题，笔者分析了现有技术应用与理论研究的短板，并创新性地引入软件工程中的“瀑布模型”与“多智能体”思路，构建了一套“四层构件模型”。同时，提出“双数据库”向“三数据库”演进的知识库架构，旨在解决网文创作中“效果学”与叙事学“结构学”的映射难题，为AI可控叙事提供工程化解决方案。

狮子座明仔

DeepImageSearch：当图像检索需要“侦探式推理“，现有AI还差多远？你翻开手机相册，想找去年秋天和朋友在那家屋顶有红色风车的餐厅吃饭时拍的照片。你记得那天下午阳光很好，桌上有一瓶意大利红酒，朋友穿了件条纹衬衫。但你不记得确切日期，也不记得餐厅的名字。

狮子座明仔

当RAG的“压缩包“爆了：如何检测Token溢出？论文标题：Detecting Overflow in Compressed Token Representations for Retrieval-Augmented Generation 作者：Julia Belikova, Danila Rozhevskii, Dennis Svirin, Konstantin Polev, Alexander Panchenko 机构：Skoltech, Sber AI Lab, AIRI 会议：EACL 2026 Student Research Workshop

狮子座明仔

给大模型装一台“事实核查显微镜“：RLFKV 如何用细粒度知识验证治愈金融 RAG 幻觉大模型明明读了研报，还是会把上季度的数据安到本季度头上。金融场景容不得半点含糊——这篇论文把模型回答像查账一样"逐笔核对"，用强化学习训练出一个不敢乱编数字的金融 RAG 系统。

大模型任我行

英伟达：物理感知的多模态评判模型📖标题：PhyCritic: Multimodal Critic Models for Physical AI 🌐来源：arXiv, 2602.11124v1

一只理智恩

AI 实战应用：从“搜索式问答“到“理解式助教“本文基于编程教育为例的项目展开讨论，详细介绍 AI 大模型在编程教育场景中的落地实践——如何用一套 Go 后端代码，让 AI 不只是"聊天机器人"，而是真正懂你的编程助教。

大模型任我行

北大：LLM数学证明形式化验证📖标题：FormalJudge: A Neuro-Symbolic Paradigm for Agentic Oversight 🌐来源：arXiv, 2602.11136v2

狮子座明仔

Agent World Model：给智能体造一个“矩阵世界“——无限合成环境驱动的强化学习一句话总结：AWM构建了一套自动化管道，生成了1000个代码驱动的合成环境，让智能体在这些"平行世界"里训练后，能够泛化到真实的分布外场景。

艾醒(AiXing-w)

技术速递——通义千问 3.5 深度横评：纸面超越 GPT‑5.2，实测差距在哪？通义千问Qwen3.5全面技术测试报告封面2026年2月16日，阿里通义千问开源Qwen3.5-Plus（397B总参/17B激活），以稀疏MoE、混合注意力、原生多模态三大架构创新，宣称性能超越GPT-5.2、Claude 4.5等闭源顶流，部署成本大幅降低。本报告基于官方披露数据+第三方实测+自研场景验证，逐项对比、还原真实能力边界，为开发者与企业提供可落地的选型参考。

人工智能研究所

从 0 开始学习人工智能——什么是推理模型？从 OpenAI 的 o1 到大火的 DeepSeek-R1，大家都在谈论一个新词——“推理模型” (Reasoning Models)。