- 博客(23)
- 收藏
- 关注
RSS订阅原创 Agent 评测基准（Benchmark）专题
AI 大模型行业每日简报 · 常设板块（自 2026-09-21 起新增）：Vals.ai（Finance Agent v2 / Harvey LAB）、Princeton HAL + HAL Reliability Dashboard、SWE-bench 官方、Terminal-Bench/Harbor、arXiv（τ²-bench、Meerkat 审计、OverclaimBench）
2026-09-21 17:05:55
410
原创 大模型 GPU 性能参数完全解读
面向零基础，逐个术语、单位配比喻和例子讲清楚，再整合成可查阅的参数表。数据来源：NVIDIA 官方规格页（H100 / H200 / DGX B200 / A100）。
2026-08-27 15:59:57
426
原创 多模态评测与多模态 Agent 评测现状调研
多模态评测与Agent评测现状调研（2026年） 核心发现： 评测范式显著进化：从选择题准确率转向可验证环境+过程诊断，裁判模型升级为可取证Agentic Judge，元评测成为标配。 多模态理解基准饱和：60个基准中29个达到高饱和状态，私有测试集也无法阻止性能收敛，头部模型在MMMU-Pro差距仅2%。 Agent评测面临可信度挑战：LLM裁判precision不足70%，规则判分recall仅55.9%，10%任务存在设计缺陷。 评估维度扩展：成本、稳定性、步数成为核心指标，生成评测转向原子语义核查，
2026-08-14 12:19:08
289
原创 Pi Coding Agent 0-1 用户手册
pi终端AI助手简明指南 本文介绍开源终端AI工具pi（v0.73.x）的安装与核心用法： 1️⃣ 安装：需Node.js≥20，通过npm全局安装，支持多平台； 2️⃣ 配置：首次启动需连接AI模型，支持OpenAI/Anthropic等10+服务商，提供API密钥或账户登录两种方式； 3️⃣ 交互：支持文本/文件/图片输入，可执行命令(!cmd)、切换模型(Ctrl+L)、调整思考级别(Shift+Tab)； 4️⃣ 特色： 会话自动保存，支持历史追溯 通过AGENTS.md定义项目规范 支持一次性命令
2026-08-11 15:40:33
653
原创 效率快捷键速查表
本文整理了 macOS 和 Windows 系统的常用快捷键，涵盖文本编辑、文档处理、终端操作、代码编写、浏览器使用和系统控制等方面。Mac 快捷键以 Cmd 为核心，Windows 则主要使用 Ctrl 和 Win 键。重点包括：文本光标移动（Cmd+方向键）、整行删除（不同软件操作不同）、终端命令控制（Ctrl+U/K 等）、代码编辑器高效操作（整行移动/多光标）、浏览器标签管理（Cmd+数字切换），以及系统级的 Spotlight 搜索、截屏等快捷功能。同时提供了 Windows 的对应按键对照表
2026-08-11 15:28:33
128
1
原创 Hugging Face 经典博客《Mixture of Experts Explained》解读
【摘要】混合专家模型(MoE)是一种通过稀疏化提升大模型效率的架构革新。其核心思想是将传统FFN层替换为由路由器和专家网络组成的MoE层，每次仅激活部分专家参与计算，实现"大模型容量、小模型速度"的效果。关键优势在于预训练和推理效率提升，但面临显存占用高、训练不稳定等挑战：需通过负载均衡损失、专家容量限制、全精度路由器等技术解决专家利用率不均问题。实践表明，MoE模型在指令微调场景表现突出，但需注意参数量与稠密模型不可直接对比。典型应用如Mixtral 8x7B实际显存需求约47B参数，计算量仅相当于12B
2026-08-05 15:56:20
325
原创 主流大模型规模与硬件门槛对照（2026-08）
目的：建立"模型多大、要多少显存、跑在什么卡上"的边界认知。面向技术从业者。数据来自 2026 年公开资料，闭源模型参数多为未披露/传闻，已标注。以官方为准。
2026-08-04 14:46:21
320
5
原创 Harness Engineering 深度解读报告：从概念到 Agent 自动化评测实践
AgentModelwHarnessCTOSVAgentModelwHarnessCTOSVwww= 模型权重（不可控）CCC= Context Engineering（上下文工程）TTT= Tools & Skills（工具与技能）OOO= Orchestration Logic（编排逻辑）SSS= State & Persistence（状态与持久化）VVV= Verification & Feedback Loops（验证与反馈循环）
2026-07-30 14:16:09
142
原创 内部工具低代码搭建平台 · 竞品调研报告
摘要 本报告对主流内部工具低代码搭建平台（Retool、Appsmith、ToolJet、Budibase、Microsoft Power Apps）进行了竞品分析。调研发现该市场呈现"一超多强"格局：Retool作为行业标杆功能最成熟但价格较高；开源阵营（Appsmith、ToolJet、Budibase）凭借免费自托管和可控性快速崛起；微软Power Apps则依托企业生态占据特定市场。报告从功能矩阵、优劣势、适用场景等维度进行详细对比，为不同规模、预算和合规要求的团队提供选型建议。
2026-07-30 11:53:08
378
原创 AI领域知识点（扫盲）
本文总结了XR技术相关术语： XR（扩展现实）：涵盖VR、AR、MR的统称，指所有虚实结合的沉浸式技术。 VR（虚拟现实）：完全虚拟环境（如Meta Quest），用户与现实隔绝。 AR（增强现实）：在真实世界上叠加虚拟信息（如《Pokémon GO》）。 MR（混合现实）：虚拟与现实深度交互（如HoloLens），数字物体能感知物理环境。 元宇宙：持久共享的3D虚拟世界网络（如Roblox），整合VR/AR、区块链等技术，尚处早期发展阶段。 数字人：虚拟形象，分真人驱动（如VTuber）和AI驱动两类，应
2026-07-27 17:30:24
214
原创 分享一个和AI沟通的Prompt
本文分享了一个AI产品设计中的关键发现：用户与AI交互时往往使用简单语言且难以理解专业回复。受Anthropic公司启发，作者提出用寓言故事解释复杂概念的方法，并以Codex的Plan/Steer机制为例，通过"石巨人与蚕丝线"的寓言生动阐述了这两个技术概念——Plan模式（事先规划确认）和Steer机制（实时调整方向）。文章指出，这种"先故事后解释"的方式能有效降低用户理解门槛，建议将此类叙事方式融入AI产品的系统提示设计中，以改善用户体验。
2026-05-29 11:13:22
233
原创 关于B端产品功能的一点思考-0527
摘要： 产品功能开发常面临业务"伪需求"困境，初期因业务表述不清导致需求失真。通过深度参与、文档梳理及AI辅助验证有所改善，但交付后实际使用率仍低。核心问题在于：功能是否准确（事实正确性）、是否真正解决问题（任务完成度）、能否立即投入使用（可操作性）。B端产品易因过度追求平台性能而牺牲用户体验，最终导致功能闲置。关键在于平衡技术目标与业务实操性，避免"做对功能却无人用"的窘境。（149字）
2026-05-27 16:14:06
31
原创 Chrome插件（笔记篇）
https://chromewebstore.google.com/detail/kbbdabhdfibnancpjfhlkhafgdilcnji?utm_source=item-share-cbhttps://chromewebstore.google.com/detail/gleekbfjekiniecknbkamfmkohkpodhe?utm_source=item-share-cbhttps://chromewebstore.google.com/detail/iahnhfdhidomcpggpai
2026-04-24 14:35:13
33
原创 AI给10岁小女孩写的HTML小游戏（留档）
《小小花语守护者》是一款面向10岁儿童的趣味语文游戏。通过花朵识别与诗句配对的形式，让孩子在游戏中学习传统文化知识。游戏包含10个关卡，每关展示一种花卉（如桃花、荷花等），并配有相关问题与四个选项。答对可获得分数，系统会即时显示正确答案和相关花语知识。游戏界面采用粉色系设计，配有花朵表情符号和动画效果，操作简单直观。最终根据得分给予不同评价，寓教于乐地培养孩子对传统花卉文化的兴趣。
2026-03-20 17:51:11
62
原创 Agent相关术语盘点
Agent相关知识的一点盘点,包括Agent,MCP,MCPServer,MCPClient,Tool,FunctionCalling等词汇
2026-02-09 16:33:29
356
原创 部分网页嵌入内部平台受限
摘要：针对浏览器安全限制导致网页无法嵌套影响标注作业的问题，提出了通过"IgnoreX-Frameheaders"插件解决的方法。提供了两种安装方式：1）直接通过谷歌商店安装；2）针对国内网络环境，建议从crx4chrome下载后本地安装，具体步骤包括开启开发者模式并拖拽.crx文件完成安装。该方法能有效绕过X-Frame头部限制，保证网页正常展示。（150字）
2025-09-16 15:42:46
338
原创 ER图&UML
ER图（实体-关系图）是数据库设计的可视化工具，由实体（矩形）、属性（椭圆）和关系（菱形）三要素构成，能清晰展现数据结构和实体间的关联（1对1、1对多、多对多）。UML（统一建模语言）则是一套标准化的系统建模工具，包含用例图、类图、时序图等13种图表，用于需求分析、系统设计和开发协作。其中类图可实现ER图的数据建模功能，还能描述行为逻辑。两种工具各有侧重：ER图专注数据结构，UML覆盖系统全生命周期，通过标准化图形语言降低沟通成本，提升开发效率。
2025-09-09 10:54:03
2277
2
原创 视频转音频——MP4转MP3
为全力支持母亲大人的广场舞事业~~~愿所有母亲开心快乐！歌曲不同版本，节奏不同，我着实也听不明白，所以借用现有工具ffmpeg，提供以下办法。输入ffmpeg -i "D:\1.mp4" -q:a 0 -map a "D:\1.mp3"即可开始转换（解释：我是为了方便，所以给所有待转换文件都叫1.MP4，转换后文件都叫1.MP3）在打开的页面中，你会看到一个类似这样的下载链接：ffmpeg-release-essentials.zip。下载 FFmpeg，这是官方的下载页面。
2025-07-21 20:56:00
375
原创 大模型标注数据的“对”与“错”
为了让标注数据更置信，针对标注环节，添加了多人投票的模式，质检可以看到多人投票模式下每位的标注结果，平台根据质检员给出答案自动和标注各人答案进行校对，若一致则对，不一致则错……而后，对平台的判对错逻辑进行了化繁为简，将自动判对错的方式退化为更原始的人工选择对错，同样的，多人投票结果在质检时，质检员需要切换查看不同标注员的结果，分别进行对错评估。：大模型标注过程中，以SFT过程为核心点，想尽可能公平的衡量标注结果，并以此为据进行考核结算；还想尽可能简化用户操作流程，将功能解耦，B端产品功能应该何去何从？
2024-10-29 18:14:36
659
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人