大语言模型

高级 RAG 技术：查询转换与查询分解检索增强生成（RAG）的基础流程是用户查询转换为向量嵌入，从向量数据库中取回相似文档，再将这些文档作为上下文送入大语言模型（LLM）生成答案。

lesson-01 NLP 概述学习笔记 & 学习心得lesson-01 NLP 概述学习笔记 & 学习心得学习笔记1. 什么是 NLP2. NLP 的发展历程

多智能体系统的三种编排模式：Supervisor、Pipeline 与 Swarm多智能体系统是 2026 年主流构建方式，Claude 的智能体团队功能、OpenAI 的 Swarm 框架、LangGraph 的编排层以及 CrewAI都指向同一个结论：复杂任务需要协调配合的专家，而非一个万能通才。

论文详解 | HDAM：破解 MAUP 的城市出行需求分析新方法，实现关键驱动精准识别原文：Unveiling the key drivers of travel demand via hotspot analysis: a new approach to mitigate the modifiable areal unit problem

LLM | 训练与推理过程现代 LLM（如 GPT、LLaMA、Claude）均基于 Transformer 架构，核心是自注意力机制（Self-Attention）。

LangGraph vs Semantic Kernel：状态图与内核插件的两条技术路线对比多数关于 LangGraph 和 Semantic Kernel 的比较文章已经过时。过去六个月里，两个框架分别进行了重大的更新，所以本文将梳理的是实际发生的变化、当前的代码形态，以及如何进行技术选型。

七牛云行业应用

GPT-5.4能力前瞻：解析原生电脑操控（Computer Use）原理与Agent架构构建人工智能领域的发展速度往往让预测显得保守，但当我们把目光投向即将到来的 GPT-5 时代，特别是传闻中的 GPT-5.4 版本时，两个关键词显得格外耀眼：原生电脑操控（Computer Use）与深度 Thinking 模式。这不再仅仅是关于“更聪明的聊天机器人”，而是关于 AI 如何从“对话者”进化为真正的“操作者”。

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。