大语言模型

仰望尾迹云

Chandra AI与Node.js集成：实时聊天应用开发全攻略市面上的AI聊天工具大多以网页形式存在，点开就能用，但这种便利背后藏着不少实际问题。比如，企业内部系统需要嵌入聊天功能时，直接调用第三方API会面临数据安全顾虑；又或者，开发者想在自己的产品里加入智能对话能力，却发现现有方案无法灵活定制上下文管理逻辑。这时候，Chandra AI的价值就凸显出来了——它不是另一个云端聊天框，而是一套能装进你电脑、服务器甚至老旧笔记本里的AI对话系统，从模型运行到界面交互，全部发生在你自己的设备上。

强化学习与大模型融合：从理论到机器人实践全解析导读：本文系统梳理了强化学习（RL）与大语言模型（LLM）融合的前沿技术，涵盖从理论基础、算法架构到机器人仿真实践的完整链路。基于最新学术讨论与实验案例，深入剖析如何利用大模型优化奖励设计、解决多智能体协作难题，并提供完整的开发环境搭建指南。

RAG 中分块重叠的 8 个隐性开销与权衡策略RAG 分块重叠提升了召回率但增加了隐藏成本，比如说索引膨胀、Embedding 开销、延迟、重排序负载和评估漂移。

Qwen2.5-7B-Instruct实战教程：Chainlit集成WebSocket实时通信增强你可能已经听说过通义千问系列，但Qwen2.5-7B-Instruct这个新名字，代表的不只是版本更新，而是一次能力跃迁。它不是简单地把参数调大、训练时间拉长，而是从知识覆盖、逻辑推理、结构化理解到多语言支持，做了系统性升级。

并行多智能体系统的协调测试实战：从轨迹捕获到CI/CD的六个步骤多智能体系统一旦从顺序执行走向并行，测试的需求就更严格了。单个智能体的输出可能都是对的，但多个智能体并行决策、彼此影响时，集体行为可能违反系统级约束，而传统的单元测试和输出断言对这类问题完全无能为力。

深入RAG架构：分块策略、混合检索与重排序的工程实现把一个RAG系统从Demo做到生产，中间要解决5个问题。最初的版本就是标准版：全量文档 embedding，向量检索，LLM生成。演示没出过问题，但是翻车发生在数据留存政策的时候，因为系统召回了两段2废弃条款和一段聊"员工留存"的HR文档，然后把这三段内容揉成了一个看似完整实则全错的回答。

背离赤道逆光而行

Clawdbot部署实操：解决‘gateway token missing’授权问题的完整步骤Clawdbot 是一个统一的 AI 代理网关与管理平台，它的核心目标很实在——让开发者不用反复折腾模型对接、权限配置和会话管理，就能快速把自主AI代理跑起来、管起来、用起来。

leniou的牙膏

Clawdbot部署教程：解决‘gateway token missing’授权问题的完整步骤Clawdbot 是一个统一的 AI 代理网关与管理平台，专为开发者设计，目标很实在：让你不用反复折腾配置、写胶水代码、搭中间层，就能快速构建、部署和监控自己的自主 AI 代理。

程序员爱德华

深度学习模型最基础的神经网络，用于简单分类、回归擅长图像、语音、时序等网格数据传统序列模型，处理文本、时间序列ResNet / DenseNet：图像分类backbone ViT（Vision Transformer）：用Transformer做视觉 YOLO / Faster R-CNN：目标检测 U-Net：医学图像分割 GAN / StyleGAN：图像生成 Stable Diffusion / Flux：文生图、图生图扩散模型

RAG 文本分块：七种主流策略的原理与适用场景检索是 RAG 系统的搜索引擎，分块则是这个搜索引擎的基础。分块太长、太短、有噪声、切错了位置——随便犯哪个错LLM 都会有问题。行业里有句话流传很广：“分块决定了 RAG 质量的 70%。”

LLM创造力可以被度量吗？一个基于提示词变更的探索性实验大语言模型在demo阶段总是看起来很惊艳。但一旦进入到生产环境很多问题就暴露了：不稳定、不可预测，甚至直接不可用。

司南OpenCompass

Gemini-3-Pro-Preview登顶，大模型迈入Agent元年丨大语言模型1月最新榜单揭晓进入 2026 年，全球大模型技术持续加速演进，新一轮模型发布不断刷新能力边界。行业关注重点从基础能力指标，转向模型在真实复杂场景中的综合表现。各类模型持续强化智能体相关能力，在编程、推理、工具调用与信息检索等关键方向不断提升，全面增强解决实际问题的能力。与此同时，中国大模型在全球舞台上持续受到关注，越来越多模型在海外社区引发热议，展现出中国在大模型日益增强的技术实力与创新活力。

GitHub博主hiyouga与LlamaFactory项目研究报告本研究聚焦于GitHub知名博主hiyouga及其明星项目LlamaFactory，旨在全面了解该博主的技术影响力，并深入分析其核心项目的技术价值。

理解人工智能与大语言模型（LLMs）学习什么是大语言模型（LLMs）、它们的工作原理，并比较最新的 AI 模型，如 GPT-4.1、Claude 4、Gemini 2.5 和 Llama 4。本教程全面覆盖初学者在 2025 年需要了解的所有 AI 基础知识。

Agent Lightning：微软开源的框架无关 Agent 训练方案，LangChain/AutoGen 都能用Agent 搭建起来之后怎么让它真正变得越来越好？搭建完成后的优化就很少有人认真说过。Agent Lightning 号称能把任何 AI Agent 变成"可优化的猛兽"，而且几乎不用改代码。那问题来了，市面上 Agent 框架满天飞这个凭什么就不一样呢？

软件工程原则在多智能体系统中的应用：分层与解耦ChatGPT 发布之后，AI 智能体的概念就一直牵动着整个行业的想象力。它描绘的场景很诱人：给 AI 系统一个目标，让它自行拆解问题、调用工具、收集信息，最终综合出结果。

【笔记】思路分享：各种大模型免费当agent后台虽然有cursor协助，但是还是得居安思危，先准备好没有cursor的时候该用什么，然后继续思考如果没有大模型，能用什么做替代。不想得过远，我们先想想如果cursor没有了该怎么办。

LLM推理时计算技术详解：四种提升大模型推理能力的方法2025年LLM领域有个有意思的趋势：与其继续卷模型训练，不如在推理阶段多花点功夫。这就是所谓的推理时计算（Test-Time / Inference-Time Compute）：在推理阶段投入更多计算资源，包括更多Token、更多尝试、更深入的搜索，但不会改动模型权重。

北京地铁1号线

4.2 幻觉抑制策略目录第一部分：理解幻觉第二部分：通过Prompt引导抑制幻觉（事前干预）1. 提高输入信息质量2. 结构化Prompt工程

中杯可乐多加冰

RAG 深度实践系列（七）：从“能用”到“好用”——RAG 系统优化与效果评估在 RAG 深度实践系列的前几篇文章中，我们已经完成了从理论架构到动手搭建，再到企业级平台部署的全过程。RAG（Retrieval-Augmented Generation，检索增强生成）技术，作为连接大语言模型（LLM）与企业私域知识的桥梁，无疑是当前 AI 领域最具潜力的应用范式之一。