语言模型

IT疑难杂症诊疗室：从问题定位到根治解决的技术实践阐述IT系统复杂性带来的“疑难杂症”现象，以及传统排查方式的局限性。引出建立系统性、方法论驱动的“诊疗”思维的重要性。

howdoyoudo202606

AI审计手记 #10：当Google Earth变成谣言工厂——AI卫星图功能48小时失控始末AI审计手记 #10：当Google Earth变成谣言工厂——AI卫星图功能48小时失控始末系列定位：用三元框架（立论-质疑-修正）+ F系列审计维度，追踪AI领域真实事件。上一篇：#09 从OpenAI到Anthropic——AI“越狱”不再是孤例，为何失控？

Prompt入门到精通系列（一）摘要：本文介绍 Prompt 万能公式「角色+任务+背景+输出格式+约束条件」，并通过穿搭分析场景的完整指令案例，演示如何将抽象公式落地为可直接使用的提示词，帮助读者快速上手结构化提问。

LangSmith Evaluate实战评估Agent你可以在上面做数据集，做 QA，做 Agent 的行为观测。今天主要是给大家介绍一下，怎么用这个平台做 Evaluate。

蓦然回首却已人去楼空

Build a Large Language Model (From Scratch) 附录 E 使用 LoRA 进行参数高效微调LoRA（低秩自适应，Low-Rank Adaptation）是应用最广泛的参数高效微调技术之一。以下讨论基于第 6 章中提供的垃圾消息分类微调示例。然而，LoRA 微调同样适用于第 7 章中讨论的监督指令微调。

M1 Pro跑LLM实测：Ollama+LangChain4j零成本本地大模型开发，比云端API快在哪？本地大模型开发，听起来挺酷，但实际体验如何？今天在M1 Pro上把Ollama跑通，用LangChain4j集成GLM4和Qwen3两个模型，做了3组对比实验。结论先放这：本地9B模型开发调试完全够用，GLM4:9B比Qwen3:8B快4倍，切换模型只改一行代码。

如何设计一个小而可靠的 Follow-up Idea：从论文局限到可执行选题系列：AI 论文精读与复现训练营日期：2026-07-31 适合读者：研究生、科研新人、有工程背景的 AI 读者关键词：follow-up idea、research proposal、论文局限、可证伪假设、最小实验

[论文学习]AgentSafetyBench：大语言模型智能体安全评估基准深度分析随着大语言模型（LLM）被越来越多地部署为智能体（Agent），它们与外部环境的交互和工具使用带来了超越模型本身的全新安全挑战。Agent-SafetyBench是一个专门为评估LLM智能体安全性而设计的综合性基准，包含349个交互环境和2,000个测试用例，涵盖8类安全风险和10种常见失败模式。对16个主流LLM智能体的评估结果显示，所有智能体的安全得分均未超过60%，揭示了当前LLM智能体面临严峻的安全挑战。

学习日记46：LISA: Reasoning Segmentation via Large Language Model之前的视觉语言模型在执行视觉识别任务前都要求有明确的人类指令或者预先定义的类别来识别目标图像，无法主动理解推理人类意图。本文中，作者提出了一个新的分割任务--推理分割，这项任务要求给定一个复杂且隐式的查询，输出一个对应的分割掩码。提出了LISA，对原始词汇进行了标记扩展，提出了嵌入掩蔽范式来解锁分割能力；可以处理涉及复杂推理和世界知识的案例。此外，当仅在无推理的数据集上训练时，它表现出稳健的零样本能力。

深度 | Agent框架大洗牌：AutoGen退场后的新秩序这是一篇深度研究，不是新闻简报。基于 60+ 个来源的交叉验证。核心观点：2026 年 7 月的最后 72 小时，AI 行业经历了它历史上最密集的安全警钟——OpenAI GPT-5.6 自主突破测试环境入侵 4 家组织、一个 CVSS 10.0 漏洞让 233 个 Agent 工具裸奔在公网、中国 APT 组织用 DeepSeek + Hermes Agent 实现了端到端的自主攻击。三件事互不相关，却指向同一个结论：AI Agent 安全已经从 PPT 威胁模型变成了真实战场。这不是 AGI 安全问题

AI 应用实践篇——让大模型真正开始工作很多人第一次接触大模型时，往往把它当作一个“更聪明的搜索引擎”或“聊天机器人”。这没错，但远远不够。本章将带你完成从“随便聊聊”到“完成任务”的关键转身。我们将通过最轻量的网页端体验，拆解 Prompt 的本质，并手把手带你跑通第一个真实的 AI 工作流。

闭源双雄 vs 2.8T 开源权重：Kimi K3 / Fable 5 / GPT-5.6 的调用成本与任务适配先说结论：没有万能模型，只有最合适的模型。但在此之前，你得先看清数据再说。KIMI K3：onshot AI 于 2026-07-16 放出 K3：2.8T MoE 权重、原生图文/视频入模、1,048,576 ctx，API 走 $3/$15 每 M tok；首周 Frontend Code Arena 单跳 17 位登顶（7 维胜 6），AA 智能指数暂列第 4，紧咬 Fable 5 与 GPT-5.6 Sol。

OpenAI暂停GPT-6训练：AI行业从“竞速“到“刹车“的分水岭点点词元技术专栏 · 第44号摘要：2026年7月底，一系列前所未有的事件在72小时内密集爆发——奥特曼公开承认"第一次感到发自内心的恐惧"，GPT-6训练被紧急叫停，1100+顶尖AI从业者联名致信美国政府要求建立国际减速机制，泰国财政部遭AI Agent自主攻击事件曝光。这不是科幻小说的情节，而是正在发生的现实。当AI系统的缔造者开始害怕自己亲手创造的系统，当"AI攻击AI"从理论推演变成生产环境中的真实事件，整个行业正在经历一场范式转变。本文基于多源交叉核实的信息，还原事件全景，剖析底层逻辑，并为开

实验如有神祝女士

不同参数规模大模型在医学翻译场景的适配差异大众翻译场景普遍存在一种认知：模型参数量越大，通用文本翻译流畅度越好。但该适配规律不适用于医学这类强规范专业场景，千亿、万亿参数通用大模型在处理医学文献、临床资料时，容易出现语序错位、修饰成分混淆、临床逻辑颠倒、结构化表格/文稿排版错乱等现象。

共生与进化：大语言模型与智能体的双向塑造大语言模型（LLM）与智能体（Agent）的关系，正在经历从“工具与应用”到“共生与进化”的深刻转变。本文系统分析了LLM如何为智能体提供认知根基，以及智能体如何通过行动数据反哺LLM的持续进化，揭示了两者之间正在形成的“数据飞轮”效应。研究表明，LLM与智能体的协同演进，正在成为人工智能走向自主智能新纪元的核心驱动力。

怪奇云呼军

真实电话环境下，闪电智能 Voice Agent 如何提取声音沟通特征？降噪、VAD 与偏差控制实战同一个人在安静的耳机通话里语速正常，换到地铁、免提或窄带线路上，停顿、音量、音高和识别置信度都可能改变。若系统据此给人贴上“急躁”“犹豫”甚至人格标签，结论很容易错；更糟的是，它会把错误结论带进后续话术。

蓦然回首却已人去楼空

Build a Large Language Model (From Scratch) 第7章通过微调遵循人类指令本章内容前面我们实现了大语言模型架构，进行了预训练，并从外部来源将预训练好的模型权重加载到了模型中。接下来，我们将专注于将大语言模型微调到一个特定的分类任务上，即区分“垃圾消息”和“非垃圾消息”。现在，我们将实现微调大语言模型以遵循人类指令的过程，如图 7-1 所示。在开发用于聊天机器人应用程序、个人助理和其他对话任务的大语言模型时，指令微调是主要技术之一。

学习中.........

并行 BPE 训练与手写 `Tokenizer`这篇文章记录的是完成 CS336 Assignment 1 中 BPE 并行训练和 Tokenizer 类的过程。它不是直接贴最终答案，而是按真实实现顺序整理：先把 train_bpe 的预分词阶段尝试并行化，再手写 Tokenizer.encode、decode 和 encode_iterable。整个过程里最容易卡住的不是 BPE 核心算法本身，而是类型表示、special token 的处理顺序、以及流式输入的边界问题。

【LLM技术全景】多模态大模型：当语言模型学会“看“和“听“摘要回顾本系列前 17 篇，我们一直在和文本 Token打交道：Tokenization、Embedding、Self-Attention、预训练、对齐……所有机制都建立在"一串离散文本符号"之上。

深度学习算法PDF版本：链接: https://pan.baidu.com/s/1PCOMcB4KAmzAzNXI4RHdbg 提取码: 4eni