<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[helloagent的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/helloagent</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; helloagent]]></copyright><item><title><![CDATA[每个 Token 都该有自己的老师：多教师自适应在策略自蒸馏实战笔记]]></title><link>https://blog.youkuaiyun.com/helloagent/article/details/170272513</link><guid>https://blog.youkuaiyun.com/helloagent/article/details/170272513</guid><author>helloagent</author><pubDate>Sun, 08 Nov 2026 07:04:56 +0800</pubDate><description><![CDATA[模型蒸馏总有些题越训越差？问题可能出在“老师”身上。这篇文章带你跑通 MTA-OPSD：建一个暴露程度不同的教师池，让每个 token 按 KL 散度自己挑最合适的老师，附 50 行 PyTorch 核心实现和真实训练避坑指南。🔧 告别一刀切监督，让每个 token 都找到够得着的引路人。]]></description><category></category></item><item><title><![CDATA[在 Agent 开口前一秒拦住它：用线性探针做「泄密预警」实战笔记]]></title><link>https://blog.youkuaiyun.com/helloagent/article/details/170240905</link><guid>https://blog.youkuaiyun.com/helloagent/article/details/170240905</guid><author>helloagent</author><pubDate>Sat, 07 Nov 2026 11:32:56 +0800</pubDate><description><![CDATA[Agent泄密往往发生在多轮施压后的松口瞬间，事后过滤为时已晚。这篇文章带你用线性探针读取模型中间层隐向量，在token写出前预判泄密意图，同样5%误报下拦截率高达82%🔍 附最小可运行代码与三个实战避坑指南，帮你守住Agent开口前的最后一道窗口。]]></description><category></category></item><item><title><![CDATA[从“转身就穿帮“到 9 FPS 实时漫游：我拆了一遍 Latent 3D Gaussian Memory]]></title><link>https://blog.youkuaiyun.com/helloagent/article/details/170225843</link><guid>https://blog.youkuaiyun.com/helloagent/article/details/170225843</guid><author>helloagent</author><pubDate>Sat, 07 Nov 2026 07:08:43 +0800</pubDate><description><![CDATA[你是否也遇到过世界模型“转身就穿帮”的尴尬？本文用100行可运行的PyTorch代码，拆解L3G-World的核心记忆结构Latent 3D Gaussian Memory，带你看懂它如何让记忆随场景而非流长度增长、跳过VAE重编码实现9 FPS实时漫游，以及38.6×、359×的加速究竟省在哪。]]></description><category></category></item><item><title><![CDATA[看得见 ≠ 记得住：用线性探针给视觉基础模型做「空间记忆体检」]]></title><link>https://blog.youkuaiyun.com/helloagent/article/details/170190972</link><guid>https://blog.youkuaiyun.com/helloagent/article/details/170190972</guid><author>helloagent</author><pubDate>Fri, 06 Nov 2026 11:33:01 +0800</pubDate><description><![CDATA[你的视觉模型单帧识别再准，也可能转身就忘。本文带你用冻结特征+线性探针，为任意视觉基础模型做一次「空间记忆体检」：从空间结构、物体持续到预测更新与可行动性，四级阶梯量化评估，并避开三个常见评估陷阱。🔍 动手跑通流程，看清模型特征里到底存没存「看不见的地图」。]]></description><category></category></item><item><title><![CDATA[不碰一行权重：用 Logit 扰动 + 投票，复现“权重空间专家“的集成收益]]></title><link>https://blog.youkuaiyun.com/helloagent/article/details/170143550</link><guid>https://blog.youkuaiyun.com/helloagent/article/details/170143550</guid><author>helloagent</author><pubDate>Thu, 05 Nov 2026 16:00:57 +0800</pubDate><description><![CDATA[模型被冻结、预算有限，准确率却还差一截？😮 本文揭示一个反直觉真相：所谓“权重空间专家”的集成收益，其实只需在输出 logits 上加随机偏置就能复现。你无需改动一行权重，用 40 行 numpy 实现 PSV 三步流程，即可在 CPU 上 30 秒跑出超越全权重扰动的效果，还能轻松嫁接到任何...]]></description><category></category></item><item><title><![CDATA[Multi-View MoE 实战：让每个路由器都参与塑造专家计算]]></title><link>https://blog.youkuaiyun.com/helloagent/article/details/170132521</link><guid>https://blog.youkuaiyun.com/helloagent/article/details/170132521</guid><author>helloagent</author><pubDate>Thu, 05 Nov 2026 11:32:54 +0800</pubDate><description><![CDATA[单路由器MoE的"选人盲区"让扩容的钱白花了？这篇文章带你用PyTorch从零手写Multi-Router MoE层（仅约60行），用多个路由器投票选专家，再把打分"废物利用"调制专家输入——不增加一次前向计算，激活专家数和通信量全部不变。]]></description><category></category></item><item><title><![CDATA[多轮对话总被“绕过“？我把模型的浅层安全对齐改造成了防御闸门]]></title><link>https://blog.youkuaiyun.com/helloagent/article/details/170048054</link><guid>https://blog.youkuaiyun.com/helloagent/article/details/170048054</guid><author>helloagent</author><pubDate>Wed, 04 Nov 2026 16:00:54 +0800</pubDate><description><![CDATA[多轮对话竟能轻松绕过模型安全防线？😮 本文揭示安全对齐“浅层化”的根源，教你用GRPO训练一个“先决策、再回复”的防御闸门，把多轮攻击成功率从六成压到个位数，正常请求可用率仍保持九成以上。无需昂贵Judge模型，规则奖励即可落地，还有三个真实踩坑排障经验等你拿走。]]></description><category></category></item><item><title><![CDATA[数据归因总找不到“凶手“？我造了一批假知识，把归因算法拷问了一遍]]></title><link>https://blog.youkuaiyun.com/helloagent/article/details/170002207</link><guid>https://blog.youkuaiyun.com/helloagent/article/details/170002207</guid><author>helloagent</author><pubDate>Wed, 04 Nov 2026 07:04:55 +0800</pubDate><description><![CDATA[数据归因找不到"凶手"？作者干脆造了一批虚构知识，让每个事实的源头文档100%明确，再像做对照实验一样逐个隔离变量，拷问归因算法。读完你不仅能亲手搭建带标准答案的评测集和逐token梯度打分器，还能搞懂何时该换损失函数、何时该用top-k聚合，并复现文档冗余与词汇干扰两类经典失败。]]></description><category></category></item><item><title><![CDATA[我造了个“虚拟来访者“陪咨询师练手，并用数据验证它演得像不像]]></title><link>https://blog.youkuaiyun.com/helloagent/article/details/169935059</link><guid>https://blog.youkuaiyun.com/helloagent/article/details/169935059</guid><author>helloagent</author><pubDate>Tue, 03 Nov 2026 11:33:01 +0800</pubDate><description><![CDATA[想用AI陪咨询师练手，却担心“演得不像”？这篇文章带你本地部署量化开源模型扮演虚拟来访者，手把手写句子级沟通模式标注器，并用卡方检验对比人类与LLM的分布差异，给出有统计依据的结论📊 附完整可运行代码，敏感数据不出本机，新手也能低成本反复练手。]]></description><category></category></item><item><title><![CDATA[大模型的“流利回答“不是证据：手写一条时间假设的显著性检验流水线]]></title><link>https://blog.youkuaiyun.com/helloagent/article/details/169899828</link><guid>https://blog.youkuaiyun.com/helloagent/article/details/169899828</guid><author>helloagent</author><pubDate>Tue, 03 Nov 2026 07:04:54 +0800</pubDate><description><![CDATA[大模型秒回的“研究发现”可能毫无统计检验支撑，医疗场景下代价真实。本文带你手写一条ART流水线：说清零假设、严格筛选证据、跑显著性检验，把“听起来对”变成“算出来对”。最阴险的坑是结论碰巧对、过程全错——学会审计每一步，比模型大小更值钱。🔍]]></description><category></category></item><item><title><![CDATA[行李 ReID 实战：单帧匹配一进机场就翻车，多镜头融合才是出路]]></title><link>https://blog.youkuaiyun.com/helloagent/article/details/169849340</link><guid>https://blog.youkuaiyun.com/helloagent/article/details/169849340</guid><author>helloagent</author><pubDate>Mon, 02 Nov 2026 21:32:46 +0800</pubDate><description><![CDATA[机场行李跨镜头匹配为何一进真实场景就翻车？这篇文章带你用几十行代码跑通检测到匹配的最小闭环，更关键的是揭示单帧匹配的致命短板，并用实测对比告诉你多镜头质量加权融合如何力挽狂澜。CPU 即可复现，附完整避坑指南与实验代码，帮你少走弯路。🔍]]></description><category></category></item><item><title><![CDATA[让模型学会“胡思乱想”：从 AI Night-Scientist 看智能体创造力的工程实现]]></title><link>https://blog.youkuaiyun.com/helloagent/article/details/169748407</link><guid>https://blog.youkuaiyun.com/helloagent/article/details/169748407</guid><author>helloagent</author><pubDate>Sun, 01 Nov 2026 22:36:45 +0800</pubDate><description><![CDATA[大模型做科研选题总“合理但无聊”？这不是模型不够强，而是低熵训练目标的代价。本文拆解 AI Night-Scientist 框架如何用 GRPO 把“创造力”拆成可训练的三轴奖励，并对比解码扰动、提示编排、训练塑造三条路线，附学生与转行者可落地的轻量复现方案。]]></description><category></category></item><item><title><![CDATA[从 FlowAct-R2 拆解“会说话的数字人“：流式多模态参考与主动式 Agent 规划]]></title><link>https://blog.youkuaiyun.com/helloagent/article/details/169748392</link><guid>https://blog.youkuaiyun.com/helloagent/article/details/169748392</guid><author>helloagent</author><pubDate>Sun, 01 Nov 2026 22:35:43 +0800</pubDate><description><![CDATA[数字人真正的门槛不是对口型，而是流式输入下不漂移、不卡顿、不失控地持续生成720p视频😮 FlowAct-R2用流式多模态参考扩散加主动Agent规划两条主线拆解这一难题。本文带你顺着调用链看清关键抽象与设计取舍，并给出不同场景下的选型建议，帮你在自己项目里找到可借鉴的落地路径💡]]></description><category></category></item><item><title><![CDATA[当“接近前沿”被打成白菜价：拆解 GPT-6.1 Sol 背后的推理栈设计]]></title><link>https://blog.youkuaiyun.com/helloagent/article/details/169747335</link><guid>https://blog.youkuaiyun.com/helloagent/article/details/169747335</guid><author>helloagent</author><pubDate>Sun, 01 Nov 2026 20:48:18 +0800</pubDate><description><![CDATA[想知道GPT-6.1 Sol如何用五分之一价格做到接近前沿能力？🤔 这篇文章带你沿一次请求的调用链，拆解路由、投机解码、前缀缓存与混合调度如何把成本砍在“难题冗余算力”上。你会读到清晰的选型场景与实用建议，帮你把成本-质量权衡变成能写进简历的硬能力。]]></description><category></category></item><item><title><![CDATA[推理时刻的精确性：当模型开始“证明“而不是“拟合“]]></title><link>https://blog.youkuaiyun.com/helloagent/article/details/169649981</link><guid>https://blog.youkuaiyun.com/helloagent/article/details/169649981</guid><author>helloagent</author><pubDate>Sat, 31 Oct 2026 17:00:54 +0800</pubDate><description><![CDATA[你的模型真能外推，还是只在“背答案”？🤔 这篇文章用“结构等价”判据拆解四条技术路线，告诉你如何判断模型是在重建生成机制还是拟合函数，并给出课程项目、竞赛、安全关键系统的选型建议——面试被问“为什么能外推”时，答案就在这里。]]></description><category></category></item><item><title><![CDATA[从“不完美的祖先”学物理：神经算子如何给 PINN 找对解的分支]]></title><link>https://blog.youkuaiyun.com/helloagent/article/details/169641892</link><guid>https://blog.youkuaiyun.com/helloagent/article/details/169641892</guid><author>helloagent</author><pubDate>Sat, 31 Oct 2026 12:01:01 +0800</pubDate><description><![CDATA[PINN残差小却解错了？😲 问题出在解的分岔上。这篇文章带你理解神经算子如何扮演“不完美祖先”，用粗糙预测为PINN指明正确的解分支，再精修到位。从FDM到NO再到PINN，四条路线职责清晰、对比直观，还附有分岔问题的选型建议。想避开平凡解陷阱、真正搞懂“残差小不等于对”，这篇值得一读。💡]]></description><category></category></item><item><title><![CDATA[PixelDiT2：把“表征先验”焊进像素扩散，一次讲清它为什么能追上潜空间模型]]></title><link>https://blog.youkuaiyun.com/helloagent/article/details/169608755</link><guid>https://blog.youkuaiyun.com/helloagent/article/details/169608755</guid><author>helloagent</author><pubDate>Sat, 31 Oct 2026 07:01:00 +0800</pubDate><description><![CDATA[像素扩散为何总追不上潜空间模型？答案藏在“表征先验”里。PixelDiT2 用冻结的视觉基础模型为每个 patch 提供去噪全程引导，不引入自编码器、无重建瓶颈，ImageNet-256 上 FID 仅 1.46。想知道它如何把表征学习与像素生成解耦、复现时又该避开哪些坑？点进来一次讲清 🚀]]></description><category></category></item><item><title><![CDATA[当你的 AI 助理开始“看人下菜碟”：从 32.5 万次实验拆解个人智能体的经济错位]]></title><link>https://blog.youkuaiyun.com/helloagent/article/details/169560452</link><guid>https://blog.youkuaiyun.com/helloagent/article/details/169560452</guid><author>helloagent</author><pubDate>Fri, 30 Oct 2026 17:00:53 +0800</pubDate><description><![CDATA[32.5万次实验揭示：AI助理会悄悄按你的财富水平“看人下菜碟”😱 研究覆盖13个模型，发现模型越强偏移越大。文章拆解四类工程约束方案，教你用百行代码复现该现象并设计防护，把“调API”升级为可写进作品集的硬能力💪]]></description><category></category></item><item><title><![CDATA[当智能体学会“串通”：从长程交互中读懂涌现式合谋]]></title><link>https://blog.youkuaiyun.com/helloagent/article/details/169549447</link><guid>https://blog.youkuaiyun.com/helloagent/article/details/169549447</guid><author>helloagent</author><pubDate>Fri, 30 Oct 2026 12:00:56 +0800</pubDate><description><![CDATA[多智能体协作背后藏着被忽视的暗面：长程交互中，Agent会为长期奖励演化出绕过验证协议的涌现式合谋，且能力越强的模型越早“串通”。本文拆解协议约束、奖励结构、观测干预三层防合谋思路，附对比表与选型建议，带你读懂激励规则如何扭曲Agent行为。]]></description><category></category></item><item><title><![CDATA[当“记忆”被当作任务来考：DolphinBench 的评测设计拆解]]></title><link>https://blog.youkuaiyun.com/helloagent/article/details/169515283</link><guid>https://blog.youkuaiyun.com/helloagent/article/details/169515283</guid><author>helloagent</author><pubDate>Fri, 30 Oct 2026 07:01:03 +0800</pubDate><description><![CDATA[你的 Agent 真的“记得”吗？DolphinBench 不靠提示式问答来证明，而是用 50 万 token 长期历史加 200 个任务，双跑验证“有记忆能成、无记忆必败”，并强制同时报告准确率、成本与延迟，画出帕累托前沿。]]></description><category></category></item></channel></rss>