语言模型

快速认识图像生成算法：VAE、GAN 和 Diffusion ModelsVAE 是一种基于概率图模型的生成模型，它通过学习数据的潜在分布（Latent Distribution）来进行生成。它本质上是传统自编码器（AE）的一个概率化、正则化版本。

黑客思维者

大语言模型如何重塑搜索引擎：从链接罗列到知识服务的革命打开手机搜索 “2024 年中国新能源汽车销量 TOP5 及同比增速”，十年前你会看到一页页带蓝色标题的链接——行业报告的摘要、车企官网的新闻、财经媒体的分析，需要逐个点开比对数据来源、筛选有效信息，花十几分钟才能拼凑出完整答案；而现在，搜索框下方会直接跳出一段清晰的文字：“2024年中国新能源汽车销量前五品牌依次为比亚迪（302.5万辆，同比+18.2%）、理想（87.3万辆，同比+35.6%）、蔚来（49.8万辆，同比+22.1%）、小鹏（45.1万辆，同比+15.3%）、极氪（38.6万辆，同比+4

中國龍在廣州

李飞飞最新思考：语言模型救不了机器人过去几年里，AI 行业的节奏快得近乎失真。模型一次次刷新极限，产品迭代像在抢时间，讨论从“推理成本”到“智能涌现”再到“AGI 时间表”，情绪在乐观与焦虑之间来回摆动。

海底的星星fly

【Prompt学习技能树地图】LangChain原理及应用操作指南大型语言模型（Large Language Model, LLM）的能力飞跃，标志着人工智能进入新阶段。然而，其卓越表现之下存在着由根本设计范式决定的固有局限性。深刻理解这些局限，是有效驾驭并扩展其能力的前提。

AI核心知识30——大语言模型之CoT（简洁且通俗易懂版）CoT 是 Chain-of-Thought（思维链）的缩写。它是提示工程（Prompt Engineering）中最著名、最有效、也是最神奇的一种技术。

【狂飙全模态】狂飙AGI-智能图文理解助手官网网址：https://bigmodel.cn/

AI核心知识31——大语言模型之Multimodal Understanding（简洁且通俗易懂版）多模态理解 (Multimodal Understanding) 是多模态技术中侧重于 “输入” 和 “感知” 的那一面。

【狂飙全模态】狂飙AGI-智能答疑助手官网网址：https://bigmodel.cn/

DeepSeek-V3.2：推动开源大型语言模型的前沿发展我们介绍了DeepSeek-V3.2，这是一个在高效计算与卓越推理及智能体性能之间取得平衡的模型。DeepSeek-V3.2的关键技术突破如下：(1) DeepSeek稀疏注意力(DSA)：我们引入了DSA，这是一种高效注意力机制，在保持长上下文场景中模型性能的同时，大幅降低了计算复杂度。(2) 可扩展的强化学习框架：通过实施稳健的强化学习协议并扩展后训练计算，DeepSeek-V3.2的表现与GPT-5相当。值得注意的是，我们的高计算变体DeepSeek-V3.2-Speciale超越了GPT-5，其推

【DeepSeek 论文精读】15. DeepSeek-V3.2：开拓开源大型语言模型新前沿欢迎关注[【AIGC论文精读】](https://blog.csdn.net/youcans/category_12321605.html）原创作品【DeepSeek论文精读】1. 从 DeepSeek LLM 到 DeepSeek R1 【DeepSeek论文精读】14. DeepSeek-V3.2-Exp 技术报告详解【DeepSeek论文精读】15. DeepSeek-V3.2：开拓开源大型语言模型新前沿

Step-Audio-R1 首个成功实现测试时计算扩展的音频语言模型Step-Audio-R1 是首个成功实现测试时计算扩展的音频语言模型。它彻底解决了困扰现有模型的"逆向扩展"异常现象——即性能会随着推理链延长而反常下降的问题。

AI核心知识19——大语言模型之SFT（简洁且通俗易懂版）SFT（Supervised Fine-Tuning）的全称是 “监督微调”。它是大语言模型训练的第二阶段，是让 AI 从 “知识储备” 迈向 “实用对话” 的关键一步。

【不利用外界知识克服大模型的幻觉】Zero-knowledge LLM hallucination detection and mitigationLLM 能力强，但会“幻觉”：大语言模型虽然表现优异，但经常生成听起来合理却事实错误的内容，这被称为“幻觉”（hallucination）。风险高：在企业或关键应用中，这种错误可能带来严重后果。

大语言模型进阶（一）之大语言模型基础目录2.1 Transformer结构2.1.1 嵌入表示层2.1.2 注意力层2.1.3 前馈层2.1.4 残差连接与层归一化

AI核心知识29——大语言模型之Multimodality（简洁且通俗易懂版）多模态（Multimodality）是大语言模型进化史上最重要的里程碑之一。如果说之前的 AI 是一个“虽然博学但又聋又瞎的哲学家”（只能读文字、写文字），那么多模态 AI 就意味着这个哲学家长出了眼睛、耳朵和嘴巴。

大白的编程笔记

大语言模型（Large Language Model, LLM）系统详解大语言模型是参数量达亿级及以上、基于海量文本数据预训练的神经网络语言模型，核心具备通用的自然语言理解（Natural Language Understanding, NLU）与生成（Natural Language Generation, NLG）能力，是生成式AI的核心技术基座。以下分点梳理核心内容：

西柚小萌新

【论文阅读】--多模态大语言模型的安全性研究综述知网地址：https://kns.cnki.net/kcms2/article/abstract?v=dSUnQCB_TmPMGARa7VoygnwKE7Y7HPvWwADp0cWRChFJXXTcdIszvem63yEwbaAXfu2R33g6dOOa2HeRJLJUyBJnFklp6coFC1cjIRcB7_vAMnNPhy-XNsyzVmNOSzk2p8gJTCv5dIgPRa4yoS7iTe6VMpYaWTEB6wEfzJqy0uu4_9aENSW1UQ==&uniplatform=NZKPT&l

【电子书】大语言模型综述（391页）2022 年底，ChatGPT震撼上线，大语言模型技术迅速“席卷”了整个社会，人工智能技术因此迎来了一次重要进展。面对大语言模型的强大性能，我们不禁要问：支撑这些模型的背后技术究竟是什么？这一问题无疑成为了众多科研人员的思考焦点。

大语言模型进阶（二）之大语言模型预训练数据目录3.1 数据来源3.1.1 通用数据3.1.2 专业数据3.2 数据处理3.2.1 质量过滤3.2.2 冗余去除

AI核心知识28——大语言模型之Multi-Agent Systems（简洁且通俗易懂版）多智能体系统（Multi-Agent Systems，简称 MAS）是目前 AI 领域最前沿、也是最像科幻电影现实版的架构。