- 博客(217)
- 收藏
- 关注
RSS订阅原创 【技术思考】Token经济下的通信技术发展（二）
“网业端协同业务体验增强技术”是面向6G沉浸式通信的前沿方向，其核心是通过**网络、业务、终端三方的深度协同**，将重负载的渲染计算从终端解放出来，由**端、边、云**分层承担，从而在轻量化终端上实现高质量的沉浸式体验
2026-10-29 13:18:50
226
原创 【技术调研】华为无线发最新技术调研
这组技术的共同指向，是华为对“新一代通信网”的一个判断：AI业务的流量结构（上行占比上升）和体验要求（稳时延、高可靠）决定了单纯扩频谱、堆天线已经不够，必须在射频、功放、滤波、基带架构和网络自治五个层面同时发生底层突破。其中，VitaAAU和RetinaMIMO是射频侧的“覆盖平价化”，EP功放与多模滤波器是能耗和体积的“工程解”，OSCAR/UBBPi是基带从“算力竞赛”转向“时间效率”，RANSpirit则是把这些硬件能力通过自治闭环真正兑现为运维效率和频谱价值。
2026-10-28 11:41:25
308
原创 【技术思考】Token经济下的通信技术发展（一）
当下Token经济火爆。当然，我并不喜欢Token经济这个说法，从技术的角度判断，Token有可能只是一个过渡阶段。然而，这些大的趋势，不容小人物置喙。作为一个通信技术人员，不得不思考的一个问题是，在Token经济的大潮下，无线通信技术应该怎样发展，以迎接新的变革。没有太明确的东西。就先把一些想法，通过与DS的问答，逐步澄清和推演。将相关问答作为记录放在这里。
2026-09-10 15:55:24
191
原创 【AI学习】SFT的训练损失函数
SFT 的目标函数是最小化预测的下一个 token 的概率，为什么又说 SFT 的损失函数旨在最小化模型预测分布与目标分布之间的前向 KL 散度？
2026-07-31 22:46:03
444
原创 【技术调研】华为《智能世界2035》白皮书调研报告
《智能世界2035》白皮书摘要（148字） 华为发布的《智能世界2035》白皮书预测了2035年前十大技术变革趋势，包括AGI突破、人机协同编程、镜像世界交互等。报告指出AI将从行业应用走向"无所不及"，通信网络与AI深度融合，形成支持9000亿智能体协同的"智能体互联网"。关键基础设施将实现算力增长10万倍、存储需求增500倍。自动驾驶领域预计2035年实现L4+规模化应用。白皮书为政策制定、企业战略和技术研发提供了系统性参考框架，强调通过AI伦理、国际协作和绿色能源构建可持续智能世界。
2026-05-29 17:29:40
668
原创 【技术调研】Anthropic 公司调研报告
Anthropic成立于2021年，专注AI安全与企业级应用，核心产品Claude AI助手。2023-2026年实现爆发式增长：员工从240人增至3000+人，营收从1千万飙升至22亿美元，估值达3800亿美元。技术方面持续迭代Claude系列，2026年推出百万token窗口和AI协作功能。获得Amazon、Google等总计640亿美元投资，计划2026年IPO。差异化优势在于企业市场定位（211美元/用户）和AI安全技术，但面临组织扩张、资金消耗等挑战。
2026-02-28 22:07:45
1902
原创 【AI工具】网页变成干净 Markdown 的免费神器
摘要： markdown.new是一款免费网页转Markdown工具，可自动去除广告和冗余样式，保留核心内容，使网页体积减少80%。支持三种使用方式：浏览器地址前加markdown.new/、API调用或开源部署。采用三层转换机制确保稳定性，每日限500次请求。测试案例显示其成功将技术文章转换为结构化Markdown，保留了标题、列表和链接等要素。该工具特别适合需要处理网页内容的AI应用，能有效降低token消耗。（149字）
2026-02-26 22:02:32
1144
原创 【AI技术调研】春节期间大模型厂商的重要进展
2026年春节，国产大模型迎来密集发布潮，DeepSeek、字节跳动、智谱AI等厂商纷纷推出新一代模型，技术竞争从参数规模转向工程化落地。DeepSeek-OCR 2实现百万级长文本处理，字节Seedance 2.0视频生成模型引发关注，智谱GLM-5参数达7450亿。行业呈现超长上下文、多模态融合、Agent工程化等趋势，API进入"厘时代"。与此同时，OpenAI发布GPT-5.3-Codex强化编程能力，Anthropic推出Claude 4.6系列，显示国内外大模型竞赛持续升温。
2026-02-25 21:28:01
1351
原创 【AI学习】几分钟了解一下Clawdbot
Clawdbot 代表了一种激进的去中心化 AI 路线——数据所有权归还用户、模型可插拔、能力可扩展。这与当前大厂主导的封闭生态形成鲜明对比。即使 Clawdbot itself 未能大众化，它提出的"Local-First Agent"理念也将深刻影响下一代 AI 产品设计。
2026-01-29 10:18:12
1091
原创 【AI学习】TM Forum自智网络L4级标准体系
TM Forum通过IG1339（场景定义）、IG1251（架构标准）、IG150x（实施指南）、IG1256（价值量化）形成了完整的L4级自智网络标准体系。
2026-01-28 18:11:13
2032
原创 【AI学习】TM Forum《Autonomous Networks Implementation Guide》快速理解
2025年6月，TM Forum联合75家全球领先的产业伙伴，共同发布了具有里程碑意义的自智网络白皮书7.0，定义了以自智网络智能体（AN Agent）为核心的自智网络Agentic功能架构和智能体架构，推动智能体、数字孪生技术与通信网络深度融。
2026-01-28 13:10:21
1333
原创 【AI学习】谷歌：AI智能体入门白皮书
用最通俗的话来说，AI智能体可以定义为模型、工具、编排层和运行时服务的组合体——它通过让大语言模型（LM）在循环中持续工作，最终实现既定目标。这四个要素共同构成了任何自主系统的核心架构：模型（“大脑”）：作为智能体核心推理引擎的大语言模型或基础模型，负责处理信息、评估选项并做出决策。模型的类型（通用型、微调型或多模态型）决定了智能体的“认知能力”水平。一个Agentic AI系统，本质上是大语言模型输入上下文窗口的“终极管理者”。
2026-01-16 21:37:08
1578
原创 【论文阅读】VTP：Towards Scalable Pre-training of Visual Tokenizers for Generation
图像生成模型，包括两部分，先通过VAE，将原始图像变换到隐空间，然后在隐空间进行图像的生成，最后再通过VAE的解码变换到图像域。但是传统的方式，对于VAE部分，也就是论文说的Pre-training of Visual Tokenizers部分，无法scaling——而且，token部分的scaling还与下游的模型生成出现相反的效果。论文分析，这里的原因，在于，传统的的token部分，主要是进行像素级重建，没有进行高级语义的理解和构建，导致过分拟合于细节，反而影响了下游的图像生成。解决方法，就是在toke
2025-12-22 22:22:17
1187
原创 【AI学习】Google 最新的白皮书，《Introduction to Agents》
这里是@黄建同学在微博发的文章，摘录转载一下，做个记录
2025-11-18 15:00:15
2140
原创 【AI学习】关于大模型发展的一些话语
信息论角度探讨语言模型的本质，指出预测next token的过程实际是对语言信息的高效压缩。压缩程度反映预测准确性，条件概率越精准，信息压缩越接近极限。因此，语言模型通过预测token实现了对语义空间的建模，其预测能力与信息压缩效率直接相关。
2025-11-12 21:24:43
713
原创 【AI工具】dify智能体-Kimi-K2+Mermaid ，一键生成系统架构图
在现代软件工程的复杂环境中，清晰、准确的系统架构图是沟通、设计和维护的基石。然而，对于许多架构设计人员和开发者而言，手动绘制和维护这些图表是一项耗时且容易出错的任务。为了解决这一痛点，一种结合了先进AI模型、低代码平台和文本化图表工具的全新解决方案应运而生。本报告将深入探讨如何利用Dify智能体平台，集成强大的Kimi-K2-Instruct大语言模型和灵活的Mermaid图表生成器，构建一个能够“一键生成”系统架构图的自动化工作流。此方案旨在为架构设计人员提供一种高效、智能且可复用的工具，将繁琐的绘图工作
2025-10-28 13:27:15
1569
原创 【论文速读】《Scaling LLM Test-Time Compute Optimally can be More Effective than Scaling Model Parameters》
这篇论文的标题为《Scaling LLM Test-Time Compute Optimally can be More Effective than Scaling Model Parameters》，由Google DeepMind等机构的研究人员撰写，主要探讨如何通过优化**测试时计算（test-time compute）来提升大语言模型（LLM）在推理任务中的表现，并比较其与预训练计算（pretraining compute）**之间的权衡。
2025-10-25 22:35:12
1212
原创 【论文学习】Router-R1: Teaching LLMs Multi-Round Routing and Aggregation via Reinforcement Learning
随着大语言模型（LLMs）的快速发展，出现了多种架构和微调变体。为了充分利用这些模型的互补优势，LLM路由器应运而生，用于动态调度用户查询到最适合的模型以提高回答质量和效率。然而，现有的LLM路由器通常只进行单轮的一对一映射，即将每个查询分配给单个模型，这限制了它们处理复杂任务的能力，因为复杂任务往往需要多个模型的协同交互来发挥它们的互补优势。因此，如何协调多个LLM在多轮路由和聚合过程中共同解决复杂任务成为了一个关键挑战，这也是本论文的研究动机。
2025-10-16 22:35:22
1401
原创 【论文阅读】Visual Planning: Let’s Think Only with Images
当前多模态大模型（MLLMs）虽能处理图像输入，但其推理过程仍完全依赖文本模态，导致在空间、几何、物理动态等视觉主导任务中表现不佳。论文质疑：“是否必须将视觉信息转换为文本才能推理？” 并提出——能否让模型像人类一样“用图像思考”？
2025-10-08 21:54:06
1365
原创 【论文阅读】REACT: SYNERGIZING REASONING AND ACTING IN LANGUAGE MODELS
ReAct 通过交错推理与行动，首次在统一框架中实现了 LLM 的“边想边做”，在知识推理与交互决策任务中均取得显著性能与可解释性提升，为构建更智能、可控、可扩展的语言智能体开辟了新路径。
2025-10-08 21:26:10
3740
原创 【论文阅读】《Perception, Reason, Think, and Plan: A Survey on Large Multimodal Reasoning Models》
推理是智能的核心，塑造了决策、得出结论和跨领域泛化的能力。在人工智能中，随着系统越来越多地运行在开放、不确定和多模态的环境中，推理对于实现鲁棒和适应性行为变得至关重要。大型多模态推理模型（LM-RMs）已成为一种有前景的范式，通过整合文本、图像、音频和视频等模态来支持复杂的推理能力。它旨在实现全面的感知、精确的理解和深入的推理。随着研究的进展，多模态推理已迅速从模块化、感知驱动的管道发展到统一、以语言为中心的框架，提供了更连贯的跨模态理解。虽然指令微调和强化学习提高了模型的推理能力，但在全模态泛化、推理深度
2025-10-06 22:43:17
1782
原创 【论文阅读】通义实验室，VACE: All-in-One Video Creation and Editing
VACE 是视频生成领域的一项里程碑式工作，首次实现了多任务统一的视频创作与编辑框架。通过 VCU 输入范式、Concept Decoupling 与 Context Adapter 等创新设计，VACE 打破了“单任务单模型”的局限，为视频 AIGC 提供了更高效、更灵活的解决方案。
2025-10-06 21:38:23
1748
原创 【论文阅读】A Survey of Reinforcement Learning for Large Reasoning Models
在本文中，我们综述了利用强化学习赋能大型语言模型进行推理的近期进展。强化学习在推动 LLM 能力前沿方面取得了卓越的成功，尤其是在解决数学和编程等复杂的逻辑任务上。因此，强化学习已成为将 LLM 转变为语言推理模型 (LRM) 的一种基础性方法。随着该领域的飞速发展，将强化学习进一步扩展应用于 LRM 不仅在计算资源方面，也在算法设计、训练数据和基础设施方面面临着基础性挑战。为此，我们有必要及时回顾该领域的发展历程，重新评估其发展轨迹，并探索各种策略来增强强化学习的可扩展性，以期最终迈向超级人工智能 (AS
2025-09-24 22:33:59
2988
原创 【AI学习】以存强算推理加速解决方案
摘要：大模型在企业应用中面临长序列处理挑战，包括行业知识整合、复杂推理和个性化记忆需求带来的算力压力。长序列导致显存不足，如单个token会放大3.5万倍KV缓存。华为提出解决方案：1）预存专业知识库的KV Cache实现快速查询；2）采用稀疏注意力优化。这与Deepseek、英伟达的外置存储方案形成技术对比，共同应对长序列场景（如总结、问答）的算力瓶颈。
2025-09-24 17:30:17
448
原创 【论文阅读】WebSailor: Navigating Super-human Reasoning for Web Agent
当人类面对浩如烟海的互联网信息时，我们总会被有限的记忆、短暂的注意力和串行搜索路径所束缚。OpenAI 的 DeepResearch 之所以被称为"超人"，正因为它突破了这些生理天花板，在 BrowseComp 等极限基准上取得碾压式领先。问题是：开源社区能否复制这种"超级推理"？阿里巴巴通义实验室的最新力作 WebSailor 给出了响亮回答
2025-09-21 22:54:52
3419
原创 【论文阅读】One-Minute Video Generation with Test-Time Training
本文介绍了一种名为“Test-Time Training（TTT）”的方法，用于生成一分钟长的视频。尽管当前的Transformer架构在视觉和物理逼真度方面取得了显著进展，但它们仍然只能生成较短的单场景视频片段，仍然很难制作一分钟的视频，难以生成复杂故事。这是因为Transformer的自注意力层在处理长上下文时效率低下，其计算成本随着上下文长度呈二次方增长。为了解决这一挑战，作者提出了一种新的TTT层，其隐藏状态本身可以是一个神经网络，从而更具表现力。
2025-09-21 22:53:14
1247
原创 【论文阅读】 WebDancer: Towards Autonomous Information Seeking Agency
当大模型只会“被动答题”已不够，阿里通义实验室最新论文《WebDancer》给出一条“从数据到算法”的端到端配方，让开源模型也能像OpenAI Deep Research一样，自主规划、翻网页、多跳推理，完成复杂信息检索任务。
2025-09-19 21:46:39
2208
原创 【论文阅读】WebWalker: Benchmarking LLMs in Web Traversal
【导读】传统搜索只能“扫射”网页表层，而复杂答案往往藏在多级按钮之后。阿里通义实验室最新论文提出WebWalkerQA，用680个双语问答，首次系统评测大模型“翻网页找答案”的能力。作者还设计多智能体框架WebWalker，让探索者负责逐层点击，评论者实时记忆与判断，像人类一样深度遍历。实验显示，即使GPT-4o，准确率也不到40%，证明深度信息仍是RAG盲区。把WebWalker插入传统RAG后，性能立涨，尤其擅长多源问答。想让你的AI不止会搜，还会点？这篇干货值得细读。
2025-09-19 21:32:50
1846
原创 【论文阅读】谷歌：生成式数据优化，只需请求更好的数据
本文提出了一种创新性的生成式数据优化（GDR）框架，通过预训练大模型对原始数据进行语义保留式的净化处理，解决了训练数据中隐私泄露和有毒内容的问题。实验表明，GDR在匿名化处理方面优于行业标准工具，能有效降低数据毒性同时保持语义多样性。该方法为拓展模型训练数据来源提供了安全可行的技术路径，有望缓解未来可能面临的数据枯竭危机。
2025-09-17 21:24:54
1643
原创 【论文阅读】MIDAS: 多模态交互式数字人合成，通过实时自回归视频生成
这份报告介绍了一个叫MIDAS的AI新技术，能让虚拟人像真人一样说话、表情自然，还能实时互动。它像“说话娃娃”升级版：你给一段语音或文字，它就能生成对口型、有表情的动态人像视频，支持多语言、多人对话。核心技术是把视频压缩成“小积木”，让AI一块块预测下一步，再还原成高清画面。团队还建了2万小时的数据库训练它，让虚拟人更逼真、互动更流畅。未来或用于网课、直播、客服等。
2025-09-17 21:09:51
1889
原创 我的创作纪念日
2024 年 04 月 16 日，我撰写了第 1 篇技术博客：《【论文阅读】谷歌Infini-Transformer，一种长上下文的注意力机制》
2025-09-12 22:54:21
821
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人