语言模型

工业产线怎么用AI生成3D场景？从现场采集、部件重建到数字孪生交付的完整方案工业产线使用AI生成3D场景，不能把目标理解成“生成一张看起来像工厂的画面”。真正可交付的方案，应拆成七个环节：明确业务目标、采集现场数据、重建设备部件、组装场景、校验尺度与接口、按目标平台优化，最后建立可以持续更新的版本机制。

跟我学机器学习

Agent记忆机制：短期记忆与长期记忆概览在第4章内容中我们详细介绍了 Agent 的工具调用与检索能力，但细心的读者可能已经注意到一个问题：在 RAG Agent 这个场景里至始至终都只涉及到了一个 Agent 来理解问题、检索内容和回答问题。但是在实际应用中，我们接触到更多的其实是多个 Agent 协作交互的场景。

多模态模型的“思考”方式：视觉、通用音频与语音的 CoT 技术路线AudioCC交我学在文本大模型中，思维链（Chain-of-Thought，CoT）通常意味着模型先写出若干推理步骤，再给出答案。一旦输入变成图像、环境声或连续语音，关键问题就从“是否逐步推理”进一步转向“用什么承载和更新中间思考状态”。

10.14 大语言模型研究简报：Anthropic 推出反蒸馏防御发布机构： Anthropic 官方发布日期： 2026 年 10 月 12 日 **北京时间： 2026 年 10 月 12 日 17:30（UTC+8）关键词： Claude、模型蒸馏、Chain-of-Thought、Preserved Thinking、模型安全

【CISC7021】Build a Toy Llama-2 Language Model在本实验中，我们将准备一个采用 Llama-2 架构的玩具语言模型，并评估数据集的困惑度。我们将学习如何使用 PyTorch 和 Hugging Face 库对基座语言模型进行继续预训练。其核心目标是用 42M 参数的玩具 Llama-2 完成三大任务——解码探索、困惑度评估和继续预训练。模型权重由 Karpathy 的 llama2.c 转换而来，数据来自 TinyStories 儿童故事数据集。

《Agentic Design Patterns》第 19 章导读：评估与监控本文是对开源书籍《Agentic Design Patterns》第 19 章的解读与导读，内容忠实呈现原文，并附个人思考。原书在线阅读：https://adp.xindoo.xyz/ ｜翻译项目代码仓库：https://github.com/xindoo/agentic-design-patterns

《Agentic Design Patterns》第 20 章导读：优先级排序本文是对开源书籍《Agentic Design Patterns》第 20 章的解读与导读，内容忠实呈现原文，并附个人思考。原书在线阅读：https://adp.xindoo.xyz/ ｜翻译项目代码仓库：https://github.com/xindoo/agentic-design-patterns

CommitFlow：面向长时程机器人操作 VLA 执行的语义承诺验证与局部修正26年9月来自国防科大的论文“CommitFlow: Semantic Commitment Verification and Local Correction for Long-Horizon Robot Manipulation VLA Execution”。

《Agentic Design Patterns》第 18 章导读：Guardrails 安全模式本文是对开源书籍《Agentic Design Patterns》第 18 章的解读与导读，内容忠实呈现原文，并附个人思考。原书在线阅读：https://adp.xindoo.xyz/ ｜翻译项目代码仓库：https://github.com/xindoo/agentic-design-patterns

微软 137B 编码模型搬到 PC：端侧推理与 Agent 权限防线2026 年 10 月 7 日，微软在旧金山一场 Windows 与 Surface 发布会上把三件事捆在一起讲：一个 137B 参数的编码模型可以下载到本地跑；GitHub 的多模型路由器 HydraFusion 开始把本地模型纳入调度；一套叫 MXC 的 Agent 执行沙箱正式 GA。官方给这套组合起的名字是 hybrid intelligence（混合智能）。

《Agentic Design Patterns》第 17 章导读：推理技术本文是对开源书籍《Agentic Design Patterns》第 17 章的解读与导读，内容忠实呈现原文，并附个人思考。原书在线阅读：https://adp.xindoo.xyz/ ｜翻译项目代码仓库：https://github.com/xindoo/agentic-design-patterns

使用agent-audit扫描Agent源码发现安全漏洞文章摘要：本文全面介绍了 Agent Audit 工具，这是一个用于扫描 Agent 源代码安全漏洞的开源静态分析工具。文章首先说明了 Agent 开发中可能面临的安全风险，然后详细展示了如何使用 Agent Audit 进行扫描并生成 SARIF 格式报告。通过扫描 openclaw 源码的实际案例，展示了工具能检测出 BLOCK、WARN、INFO 等不同级别的漏洞。最后，文章系统性地列举了 Agent Audit 能够检测的 17 种漏洞类型，包括注入攻击、提示词注入、密钥泄露、MCP 配置安全等

用Step 5 preview给Solomd 5.0加上自定义主题感觉这个难度是有的；而且，这个项目在我看来几乎可以作为一个 Step 5 Preview的写代码能力在DeepSeek V4.1 flash之上的一个例子。

for_ever_love__

LangChain RunnableConfig 详解：运行时传参、并发控制与回调注入链写好了，但运行时想临时换个模型、换个用户、换个并发数怎么办？每次都重建一条链太笨了。RunnableConfig 就是解决"同一条链，不同运行参数"这个问题的。这篇讲它能干什么，以及 configurable 这个最实用的字段。

for_ever_love__

LangChain 模型参数调优：temperature、max_tokens 这些到底怎么设很多人从头到尾只用 ChatOpenAI(model="gpt-4o-mini")，其他参数一个不动，然后抱怨"输出不稳定"“老是截断”“太慢了”。

EmbodiRSI：面向数据高效机器人适配的递归自我改进26年9月来自上海科技大学和瞬适科技（InstAdapt）的论文“EmbodiRSI: Recursive Self-Improvement for Data-Efficient Robot Adaptation”。

倔强的石头106

多模态大模型架构_视觉语言模型VLM原理摘要：VLM（Vision-Language Model，视觉语言模型）让大模型同时处理图片和文字。它不是简单“OCR 后交给文本模型”，而是通过视觉编码器、投影模块和语言模型，把图像特征接入生成过程。本文会从一张图片如何变成视觉 token 讲起，解释 Vision Encoder、Projector、CLIP 对齐、多模态指令微调、图像 token 成本、OCR/表格/图表/UI 难点、证据输出和评估闭环，并给出可运行的成本估算和结构化校验代码。

I Am a robert girl

从路由信号到选择性复核：MoE 视觉语言模型的视觉重定位从今天觉醒,技术赋予每一个人数字生命视觉语言模型（VLM）有一个让人哭笑不得的失效模式：你问它"图中那只红色的杯子是什么颜色"，而图里根本没有杯子——它依然会自信地回答"红色"。这类问题被研究者称为目标缺失接地失败（target-absence grounding failure）。它不是简单的幻觉，而是模型在"视觉前提本身为假"时，仍然完成了语言层面的推理。

跟我学机器学习

LangGraph教程：基于 LangGraph 构建自定义 RAG Agent在第4.9节内容中，我们介绍了 LangGraph 中的3个核心图结构——State、Node 和 Edge。在本节中，我们将把这些概念真正用起来，基于 LangGraph 从零构建一个具备自我评估和问题重写能力的 Agentic RAG 系统。

MobiAgent：面向长时程移动操作任务的双-环递归策略自我提升方法26年10月来自港大、星尘智能（Astribot）和南方科技大学的论文“MobiAgent: Dual-Loop Recursive Policy Self- Improvement for Long-Horizon Mobile Manipulation”。