<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[ZhangJiqun&191cm&85kg]]></title><description><![CDATA[在职场上，别人对你的态度，都是你允许的：“他为什么敢这样对我？”“他为什么不怕得罪我？”“我有什么好怕的？”]]></description><link>https://blog.youkuaiyun.com/qq_38998213</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_38998213]]></copyright><item><title><![CDATA[LLM 存在问题解析：语义串扰与流形漂移；样本预算错配 与 槽位更新共线]]></title><link>https://blog.youkuaiyun.com/qq_38998213/article/details/170144225</link><guid>https://blog.youkuaiyun.com/qq_38998213/article/details/170144225</guid><author>qq_38998213</author><pubDate>Fri, 06 Nov 2026 11:21:10 +0800</pubDate><description><![CDATA[在极少样本（25–42条）下进行连续提示微调时，易出现“语义串扰”与“流形漂移”两类失真：前者指跨槽位梯度耦合导致功能片段间干扰，本质为自注意力机制下的梯度稠密传播；后者指提示向量偏离预训练嵌入流形，引发过拟合。前者规范术语为“跨槽位梯度干扰”，后者对应“预训练嵌入流形漂移”。此外，引入百万级参数的辅助编码器加剧了样本预算错配，且因共享投影矩阵导致槽位更新共线，降低语义区分度。]]></description><category></category></item><item><title><![CDATA[在数据构造阶段收集“同一场景的多视角观测（如多机位视频帧、同一事件的多段独立描述）”作为正样本对]]></title><link>https://blog.youkuaiyun.com/qq_38998213/article/details/169840202</link><guid>https://blog.youkuaiyun.com/qq_38998213/article/details/169840202</guid><author>qq_38998213</author><pubDate>Mon, 02 Nov 2026 15:11:19 +0800</pubDate><description><![CDATA[柏拉图表示假说 是什么
一句话定义：
无论 AI 看的是图片、听的是声音，还是读的是文字，只要模型足够大、足够强，它们在内部最终都会总结出同一套对真实世界的理解结构（世界地图）。]]></description><category></category></item><item><title><![CDATA[女生爱生气常常是失望的另一种表达: 失望太脆弱，说不出口，所以穿上了生气的外衣]]></title><link>https://blog.youkuaiyun.com/qq_38998213/article/details/169747623</link><guid>https://blog.youkuaiyun.com/qq_38998213/article/details/169747623</guid><author>qq_38998213</author><pubDate>Sun, 01 Nov 2026 23:40:14 +0800</pubDate><description><![CDATA[女生爱生气常常是失望的另一种表达: 失望太脆弱，说不出口，所以穿上了生气的外衣]]></description><category></category></item><item><title><![CDATA[人生有哪些突破：辞掉稳妥的工作去做一件自己真正在意的事、搬到一个谁也不认识的城市、把攒了三年的钱投进一个还没验证的产品、四十岁去学一门和本职毫无关系的技能、把“不好意思开口“的那句话认真说一遍]]></title><link>https://blog.youkuaiyun.com/qq_38998213/article/details/169652071</link><guid>https://blog.youkuaiyun.com/qq_38998213/article/details/169652071</guid><author>qq_38998213</author><pubDate>Sun, 01 Nov 2026 11:44:18 +0800</pubDate><description><![CDATA[人生有哪些突破：辞掉稳妥的工作去做一件自己真正在意的事、搬到一个谁也不认识的城市、把攒了三年的钱投进一个还没验证的产品、四十岁去学一门和本职毫无关系的技能、把"不好意思开口"的那句话认真说一遍]]></description><category></category></item><item><title><![CDATA[如果你单人状态能稳定满足你的全部终极目标，那么恋爱、结婚的必要性在哪？]]></title><link>https://blog.youkuaiyun.com/qq_38998213/article/details/169550235</link><guid>https://blog.youkuaiyun.com/qq_38998213/article/details/169550235</guid><author>qq_38998213</author><pubDate>Fri, 30 Oct 2026 12:37:00 +0800</pubDate><description><![CDATA[如果你单人状态能稳定满足你的全部终极目标，那么恋爱、结婚的必要性在哪？]]></description><category></category></item><item><title><![CDATA[情绪价值≠精神价值：当我们将情绪和精神定义为“价值”并要求对方“提供”时，实际上是将伴侣降维成了“情绪服务提供商”或“认知外包商”]]></title><link>https://blog.youkuaiyun.com/qq_38998213/article/details/169459533</link><guid>https://blog.youkuaiyun.com/qq_38998213/article/details/169459533</guid><author>qq_38998213</author><pubDate>Thu, 29 Oct 2026 16:24:55 +0800</pubDate><description><![CDATA[**结论**：为了在充满敌意和不确定性的世界里，**构建一个两人规模的“安全防御阵地”**。即使外面炮火连天，这个阵地里至少有一个人不会朝你开枪，并能帮你包扎。]]></description><category></category></item><item><title><![CDATA[情绪价值≠精神价值；；关系博弈中：放弃依赖，是否意味着放弃关系？]]></title><link>https://blog.youkuaiyun.com/qq_38998213/article/details/169459313</link><guid>https://blog.youkuaiyun.com/qq_38998213/article/details/169459313</guid><author>qq_38998213</author><pubDate>Thu, 29 Oct 2026 15:56:28 +0800</pubDate><description><![CDATA[情绪价值调节当下感受，精神价值塑造长期意义，二者不可替代。依赖对方提供情绪稳定，实为将自我调节外包，易致内耗与关系脆弱。真正的“势均力敌”是双方具备情绪自治与价值共鸣，而非单向依附。战略性单身并非逃避关系，而是通过沉淀实现人格与事业的双重自主，为未来对等联结奠基。放弃依赖，不是放弃关系，而是重置关系标准，以更高阶的博弈能力赢得真正匹配的联结。]]></description><category></category></item><item><title><![CDATA[强化学习怎么实现奖励的 ：奖惩改权重？ 揭秘大模型自我纠错幻觉雪球 的80/20法则]]></title><link>https://blog.youkuaiyun.com/qq_38998213/article/details/169265623</link><guid>https://blog.youkuaiyun.com/qq_38998213/article/details/169265623</guid><author>qq_38998213</author><pubDate>Tue, 27 Oct 2026 18:03:49 +0800</pubDate><description><![CDATA[大模型通过可验证奖励强化学习（RLVR/GRPO），仅凭最终答案的“1分（对）或0分（错）”实现自我纠错。其核心在于：多轮生成后，以相对优势值（A）作为奖惩系数，乘入损失函数——正奖激励正确路径词（如“等等”），负罚压制错误步骤。为避免无效惩罚，NeurIPS 2025研究提出“80/20法则”：只对20%高熵分叉词（模型最犹豫的关键决策点）更新权重，屏蔽80%低熵普通词。实验证明，此举大幅降低计算量，却显著提升推理能力，使模型在关键时刻主动刹车、自我修正，实现高效“顿悟”。]]></description><category></category></item><item><title><![CDATA[抑制LLM 幻觉滚雪球: 第16层黄金纠偏：让大模型自我纠错]]></title><link>https://blog.youkuaiyun.com/qq_38998213/article/details/169263177</link><guid>https://blog.youkuaiyun.com/qq_38998213/article/details/169263177</guid><author>qq_38998213</author><pubDate>Tue, 27 Oct 2026 16:12:24 +0800</pubDate><description><![CDATA[一种基于残差流监控与键值缓存回滚的推理纠错机制。通过分析模型中间层（第16层）隐状态方向突变（余弦相似度< -0.6），识别错误萌芽；利用离线构建的142个纠偏方向向量库，实时注入修正信号，实现错误回溯与重算。实验表明，第16层为最优干预位置，可将数学推理准确率从28.8%提升至44.0%，显著优于其他层级。]]></description><category></category></item><item><title><![CDATA[幻觉滚雪球：大模型错误如何自我强化]]></title><link>https://blog.youkuaiyun.com/qq_38998213/article/details/168663160</link><guid>https://blog.youkuaiyun.com/qq_38998213/article/details/168663160</guid><author>qq_38998213</author><pubDate>Mon, 26 Oct 2026 14:15:36 +0800</pubDate><description><![CDATA[大模型“幻觉滚雪球”源于四大根因：架构上KV Cache锚点固化、概率上局部似然最大化、训练中暴露偏差导致无法纠错、关键分叉词误选引发语义惯性。现有方案如自纠错、强化回溯等均因未能对位根因而失效。新路径需系统性应对：通过物理级KV截断清除错误锚点，动态存档高熵分叉点实现精准回滚，结合正交引导与信源感知嵌入，从根源阻断错误传播，实现真正可信赖的推理。]]></description><category></category></item><item><title><![CDATA[允许自己偶尔干点“不是人干的事”]]></title><link>https://blog.youkuaiyun.com/qq_38998213/article/details/169068311</link><guid>https://blog.youkuaiyun.com/qq_38998213/article/details/169068311</guid><author>qq_38998213</author><pubDate>Mon, 26 Oct 2026 01:19:13 +0800</pubDate><description><![CDATA[在理性与感性之间，我们常陷入两难。过度理性让人成为生活的旁观者，过度感性则易陷情绪漩涡。真正的自由，是允许自己偶尔“不理智”——半夜吃火锅、为云驻足、因歌落泪，这些“不是人干的事”，恰恰是生命鲜活的证明。不必每一步都算对，快乐本身就是意义。放过自己，才能真正活着。]]></description><category></category></item><item><title><![CDATA[先假设失去，才不会被生活打个措手不及]]></title><link>https://blog.youkuaiyun.com/qq_38998213/article/details/168752890</link><guid>https://blog.youkuaiyun.com/qq_38998213/article/details/168752890</guid><author>qq_38998213</author><pubDate>Thu, 22 Oct 2026 12:14:43 +0800</pubDate><description><![CDATA[人生顶级的享受，是安稳时懂得珍惜，变化时不慌张。

身体健全，就去突破它的极限；
父母健在，就多给他们惊喜；
还有钱、有工作、有学业时，就提前想好失去之后怎么办。

因为人真正的自由，不是永远不会失去，而是：

**就算有一天一切清零，我也有勇气、有办法，从头再来。**]]></description><category></category></item><item><title><![CDATA[顶级的人生享受:身体无痛；内心平静；睡得安稳；父母健在]]></title><link>https://blog.youkuaiyun.com/qq_38998213/article/details/168751267</link><guid>https://blog.youkuaiyun.com/qq_38998213/article/details/168751267</guid><author>qq_38998213</author><pubDate>Thu, 22 Oct 2026 11:10:07 +0800</pubDate><description><![CDATA[人生顶级的享受，不在奢华与炫耀，而在平凡日常：身体无病无痛，自由吃喝，心态平和，父母健在，时间自主，有人可依、有事可做、有梦可追。真正的幸福，是三餐四季的安稳，是家人安康的陪伴，是心无挂碍的自在。愿你我珍惜当下，不求繁华，只求健康、平安与心安——这便是人间最极致的享受。]]></description><category></category></item><item><title><![CDATA[老式位置编码已过时，RoPE如何重塑大模型注意力？]]></title><link>https://blog.youkuaiyun.com/qq_38998213/article/details/168646114</link><guid>https://blog.youkuaiyun.com/qq_38998213/article/details/168646114</guid><author>qq_38998213</author><pubDate>Wed, 21 Oct 2026 18:26:49 +0800</pubDate><description><![CDATA[对比了GPT-2/3等老架构与现代大模型（如LLaMA、Qwen）在位置编码上的根本差异：前者在输入端通过“绝对位置编码”（Token Embed + Position Embed）加法引入位置信息，存在长度限制且难以捕捉相对距离；后者采用RoPE（旋转位置编码），在每一层的Q和K向量生成后进行动态旋转，实现对相对位置的高效建模。文中以具体例子演示，揭示RoPE如何通过分组旋转使模型天然理解“相对距离”，并避免固定位置表的缺陷，显著提升长序列建模能力。]]></description><category></category></item><item><title><![CDATA[RoPE暗战：第 0 个词最后维度的大小质上就是模型的“信噪比过滤门槛]]></title><link>https://blog.youkuaiyun.com/qq_38998213/article/details/168658123</link><guid>https://blog.youkuaiyun.com/qq_38998213/article/details/168658123</guid><author>qq_38998213</author><pubDate>Wed, 21 Oct 2026 18:05:24 +0800</pubDate><description><![CDATA[大模型常将注意力集中于句首“第0个词”，实为利用RoPE编码特性设计的“注意力陷阱”机制。通过在最后维度注入稳定大数（如3.2），确保无目标时99.9%注意力被导向<BOS>，实现“输出归零、安全轮空”。若置于前部快变维度，易受RoPE旋转影响转为负值，导致失效。此设计巧妙平衡信噪比，是模型在Softmax约束下自我优化的底层智慧。]]></description><category></category></item><item><title><![CDATA[rope校对叠加问题 :向量本身有角度的，怎么rope 的角度怎么叠加的]]></title><link>https://blog.youkuaiyun.com/qq_38998213/article/details/168657800</link><guid>https://blog.youkuaiyun.com/qq_38998213/article/details/168657800</guid><author>qq_38998213</author><pubDate>Wed, 21 Oct 2026 16:54:16 +0800</pubDate><description><![CDATA[词向量本身带有语义角度，RoPE通过旋转矩阵将其与位置角度 $m\theta$ 直接相加，实现几何叠加。内积计算时，新夹角为原始语义差与相对位置差 $(m-n)\theta$ 之和，使模型能同时捕捉语义关联与位置信息。]]></description><category></category></item><item><title><![CDATA[LLM 注意力头功能划分和transform的层级功能划分是什么]]></title><link>https://blog.youkuaiyun.com/qq_38998213/article/details/168655595</link><guid>https://blog.youkuaiyun.com/qq_38998213/article/details/168655595</guid><author>qq_38998213</author><pubDate>Wed, 21 Oct 2026 15:35:17 +0800</pubDate><description><![CDATA[在现代大语言模型（如 LLaMA、GPT-4、Qwen）中，假设模型有 32 层（Layers），每一层有 32 个注意力头（Attention Heads），总共就有 
32
×
32
=
1024
32×32=1024 个头。
拆解：① 层级（从底到顶）怎么分工、② 同一层里的注意力头（从左到右）怎么分工、③ 它们到底是怎么自动学会分工的。]]></description><category></category></item><item><title><![CDATA[旋转编码揭秘：一词一指针，组组见乾坤]]></title><link>https://blog.youkuaiyun.com/qq_38998213/article/details/168641222</link><guid>https://blog.youkuaiyun.com/qq_38998213/article/details/168641222</guid><author>qq_38998213</author><pubDate>Wed, 21 Oct 2026 11:41:23 +0800</pubDate><description><![CDATA[本文详解旋转位置编码（RoPE）机制：每个词的向量被分为多组二维指针，通过位置乘以不同频率的旋转角度实现相对位置感知。注意力计算中，仅Query与Key参与旋转，确保内积反映词间相对距离。公式$\theta_i = 10000^{-2(i-1)/d}$设计出从快到慢的频率层级，模拟钟表秒针、分针、时针，使模型能精准捕捉长距离依赖，且保持向量长度不变，优于传统加法位置编码。]]></description><category></category></item><item><title><![CDATA[零熵盲目自信：就是模型被常见谣言洗脑（系统性偏见），或者把“耳熟”当成了“真懂”（回路误激发）]]></title><link>https://blog.youkuaiyun.com/qq_38998213/article/details/168557227</link><guid>https://blog.youkuaiyun.com/qq_38998213/article/details/168557227</guid><author>qq_38998213</author><pubDate>Tue, 20 Oct 2026 17:46:44 +0800</pubDate><description><![CDATA[零熵盲目自信：就是模型被常见谣言洗脑（系统性偏见），或者把“耳熟”当成了“真懂”（回路误激发），导致问它 100 遍它都面不改色地给出同一个错误答案，让“测谎仪”彻底失效。
认识论：就是帮模型分清楚**“哪句话是铁证、哪句话是推导、哪句话是自己瞎猜的”**，别把自己前几步的瞎猜当成真事儿来骗自己。]]></description><category></category></item><item><title><![CDATA[CSA2揭秘：13万字文档推理提速4倍]]></title><link>https://blog.youkuaiyun.com/qq_38998213/article/details/168137500</link><guid>https://blog.youkuaiyun.com/qq_38998213/article/details/168137500</guid><author>qq_38998213</author><pubDate>Mon, 19 Oct 2026 22:22:15 +0800</pubDate><description><![CDATA[CSA2通过“分层漏斗式”稀疏注意力机制，解决长文本推理中显存与算力浪费问题。其核心为三态分工（Full/Reindex/Reuse）与分层索引器：浅层粗筛出8192个候选词，深层仅在候选池内精筛2048个关键词，实现显存降低75%、计算量减少至1.5%。需重新训练以对齐跨层权重，但应用层无需干预。该技术显著提升长文本处理效率，是大模型迈向高效推理的关键突破。]]></description><category></category></item></channel></rss>