- 博客(19)
- 收藏
- 关注
RSS订阅原创 GitHub 上 40% 的 PR 由 Agent 起草，代码审查还撑得住吗？
与其让人去审 AI 写的代码，不如让人把精力放在「说清楚意图」上。当需求、约束、验收标准都写清楚之后，Agent 就能照着规范去实现并自检。这被叫做「规格驱动开发」——不是盯着每一行代码，而是盯住「你到底想要什么」。
2026-11-11 18:42:03
29
原创 机器人的「脑」和「手」在同一天开源了，这意味着什么？
这样一来，一副手攒下的「手感」，换只手、换个传感器，还能接着用。它基于近 5000 小时真实触觉数据预训练。真机测试做了 26 项，在 Sharpa Wave 和 XHand1 两款灵巧手上，涵盖翻书页、拧瓶盖、辨识麻将牌这类精细活。最能说明问题的是拧瓶盖这个例子。
2026-11-11 18:40:45
40
原创 AI 编程被高估了吗？每周省 10 小时的开发者从 68% 掉到 26%
过去一两年，「AI 帮开发者大幅提效」几乎成了科技圈默认的共识。各种报道都在说：AI 能写代码、能补注释、能查 Bug，程序员只要敲几个字，剩下的交给模型就行。但最近一份调查报告，给出了一个和直觉相反的数字：在过去一年里，每周靠 AI 节省超过 10 小时的开发者比例，从 68% 掉到了 26%。与此同时，AI 的普及率却几乎拉满——95% 的开发者、96% 的工程负责人表示，自己所在的组织已经在积极使用 AI。一边是「几乎人人都用」，一边是「真正省到时间的人变少了」。这个反差很值得琢磨。
2026-11-09 18:46:52
171
原创 腾讯混元 Hy4 能「看图」也能「动手操作电脑」了，这到底意味着什么？
最近，国内大模型圈子里最热闹的消息之一，是腾讯在 11 月 4 日发布了自研混元大模型的最新一代——Hy4。和以往「参数又变大了」「跑分又涨了」这类升级不同，这次官方特别强调了两件事：这是混元第一次能「看图」，也是第一次能「动手操作电脑」。如果你平时只是把大模型当成一个聊天机器人来用，可能觉得「看图」「操作电脑」没什么稀奇的。但正是这两个能力，把大模型从「只会说」推进到了「能真正干活」的关口。这篇文章就带你用大白话搞清楚：Hy4 到底升级了什么？「视觉理解」和「电脑操作」到底是什么意思？
2026-11-09 18:45:36
283
原创 一个人用 AI Agent 重写 TypeScript 编译器：Cloudflare 的 tsrs
先说结论：一个开发者，靠指挥 AI，把 TypeScript 的编译器整个「翻译」到了另一种语言，而且他本人一行代码都没写。这件事的主角是一个叫 tsrs 的开源项目，最近由 Cloudflare 和 VoidZero 联合宣布。它的定位有点特殊——不是要「另起炉灶」做一个新编译器，而是把微软官方的 TypeScript 编译器，用一种叫 Rust 的语言重新写了一遍，追求的是「一模一样的结果、快得多的速度、省得多的内存」。
2026-11-06 21:57:28
176
原创 OpenSSH「sshole」漏洞：一个星号字符，怎么让超长密码直接登录？
你有没有想过，一个本该「永远无法登录」的账号，只要输入一段足够长的密码，就能直接进去？这不是电影情节。2026 年 11 月 5 日，OpenSSH 官方紧急发布补丁，修复了一个被研究者命名为「sshole」的认证绕过漏洞。它的诡异之处在于：攻击者不需要知道任何密码，只要对某个「禁止密码登录」的账号（比如 root、只允许密钥登录的部署账号）发送一段 257 到 1024 个字符的任意密码，就可能直接登录成功，拿到系统控制权。而它的根源，能一路追溯到 1980 年代 Unix 的一个习惯性写法。
2026-11-06 21:52:00
500
原创 汽车芯片巨头转投 RISC-V：英飞凌首款开源架构 MCU 到底意味着什么
2026 年 11 月 4 日，德国芯片巨头英飞凌官宣了一件在汽车电子圈里挺有分量的事：推出首款基于 RISC-V 架构的汽车微控制器平台 AURIX RC1。对不熟悉芯片行业的人来说，这则新闻可能有点「看不懂」——RISC-V 是什么？微控制器（MCU）又是什么？为什么一家老牌汽车芯片厂要「换架构」？这篇文章试着把这件事掰开讲清楚：它背后的 RISC-V 是什么，英飞凌为什么在这个时间点做出这个动作，以及这对普通人和汽车行业意味着什么。
2026-11-04 19:21:58
450
原创 机器人终于「上岗」了：从表演到真正干活
机器人开始真的干活了——不是挥手、不是走路表演，而是在药店里抓药、在零售舱里递饮料、在流水线上码箱子。这一幕发生在 2026 世界互联网大会乌镇峰会。11 月 2 日开幕的「互联网之光」博览会上，第一次办了个叫「赛BOT—具身智能 SHOW场」的活动，30 多款具身智能机器人不演节目了，直接「顶岗上岗」。用现场媒体的话说，博览会正在从「技术秀」转向「实战场」。过去几年我们在展会上见到的机器人，多数还是「会走路、会挥手、会翻跟头」的展示品。真正让人眼前一亮的变化，是它们开始把手伸向具体的工作。
2026-11-04 19:21:12
290
原创 1.09 亿参数的小模型，怎么在「懂世界」上赢过 720 亿的大模型？
一个只有 1.09 亿参数的模型，和一个 720 亿参数的模型比，谁更「懂世界」？按直觉，答案应该是那个大 660 倍的。参数多，塞进去的知识就多，对吧？可 2026 年 10 月 29 日，图灵奖得主 Yann LeCun 和布朗大学的 Randall Balestriero 一起发了一篇论文，结果让不少人坐不住了：在他们设定的测试里，那个 1.09 亿参数的小模型，确实赢了 720 亿参数的 Qwen2.5，也赢了 70B 的 Llama-3。
2026-11-02 21:43:28
340
原创 国产开源 1.3B 小模型 OXR 如何登顶文档解析三榜第一
另外，它的榜单成绩是团队自行对比公开分数得出的，复现脚本虽然公开，但要严谨引用，还是建议自己拿手头最刁钻的文档跑一遍。文档解析过去常被当成"技术含量不高的搬砖活"，但它的角色其实已经变了——它是人机之间的一座桥，负责把现实世界里那些复杂的多模态文档，完整无损地重构成 Agent 友好的结构化数据。你有没有遇到过这种情况：手头有一份几十页的 PDF 扫描件，想把它喂给 AI 大模型，让它帮忙总结、检索、回答问题，结果 AI 读出来的内容乱七八糟——双栏论文串成一行，表格的格子和数字对不上，公式变成一堆乱码。
2026-10-30 19:04:04
238
原创 BeLLA 论文精读
本文针对自动驾驶多模态大模型单视角编码缺失空间结构、多视角特征无统一坐标系的痛点，精读 2025 年论文《BeLLA: End-to-End Birds Eye View Large Language Assistant》。该方案通过冻结 BEV 编码器生成 360° 统一鸟瞰特征，经可训练投影模块压缩为单 token 嵌入大语言模型，采用 “BEV - 文本对齐预训练 + 问答微调” 两阶段范式，在 NuScenes-QA 与 DriveLM 基准上，空间推理类任务最高提升 9.3%。
2026-08-20 21:47:52
561
2
原创 MiniMind-O 源码深度分析文档
MiniMind-O多模态模型分析摘要 MiniMind-O是一个113M参数的轻量级多模态模型，支持文本/音频/视觉输入与语音/文本输出。核心架构采用Thinker-Talker双路设计：基座模型MiniMind（8层Transformer）处理文本理解，小型Talker模块（4层Transformer）负责语音生成。关键技术包括： 多模态扩展 音频：SenseVoice编码器+AudioProjector（512→768维） 视觉：SigLIP2编码器+VisionProjector（768→768维）
2026-07-04 10:26:01
889
原创 零基础解读MiniMind代码：推理与WebUI全解析
章节文件行数核心内容1287基座LLM：RMSNorm、RoPE、GQA Attention、SwiGLU FFN、MoE2461多模态扩展：音频/视觉编码器、Thinker-Talker双路架构、8路并行音频生成、VAD实时交互3344数据集：7种音频增强、2种频谱增强、9路输入张量、8路延迟audio labels、Scheduled Sampling4trainer/463。
2026-06-30 20:02:38
275
原创 零基础解读MiniMind代码：MiniMind-O训练代码
为什么需要自定义 collate？因为不同样本的长度不同，可能是字典或 tensor，PyTorch 默认的 collate 无法处理。# 文本标签和音频标签：直接 stack# 音频输入：不同长度，需要 pad 到最长max_t = max(a.size(1) for a in valid_audios) # 找最长的时间帧数for a in valid_audios] # 短的填充零else:# 图像输入：字典格式需要按键合并。
2026-06-28 21:57:08
1007
原创 零基础解读MiniMind代码：多模态扩展全解析
文章摘要： 本文深入解读了model_omni.py文件，这是MiniMind-O多模态扩展的核心模块，使模型具备听、看、说能力。文件通过三大组件实现功能：1）听觉模块（SenseVoice+AudioProjector）将音频波形转为LLM特征；2）视觉模块（SigLIP2+VisionProjector）处理图像像素；3）语音生成模块（Talker）将文本中间态转为8层Mimi音频码。关键设计包括桥接层机制（Thinker第3层输出驱动Talker）、动态音频特征注入、可学习的多模态特征缩放系数，等等
2026-06-23 09:00:00
636
原创 零基础解读MiniMind代码：基座模型全解析
本文详细解读了MiniMind项目的基座模型代码model_minimind.py。该文件实现了一个小型语言模型MiniMind，包含配置类、RMSNorm归一化、RoPE位置编码、注意力机制、前馈网络、MoE混合专家系统等核心组件。文章从零开始逐步解析了287行代码的每个模块，包括： 配置类定义模型超参数 RMSNorm作为高效归一化层 RoPE位置编码实现位置感知 注意力机制支持GQA和FlashAttention优化 SwiGLU结构的前馈网络 MoE实现专家路由机制 Transformer块组合各组
2026-06-21 09:00:00
891
原创 AI操控AutoCAD画图
不用写一句 LISP，不用记一个命令，张嘴说人话，CAD 自己动。我花了一个小时把这件事跑通了，现在把完整教程写出来，手把手带你入坑。
2026-06-20 22:02:41
4883
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