- 博客(245)
- 资源 (10)
- 收藏
- 关注
RSS订阅原创 科研的文艺复兴与生成的困局：从统计试验对齐到长程模式坍缩的破局
站在生成式人工智能发展的十字路口，当我们把**“民科的狂想”、“统计试验对齐的威力”与过去的重要阶段：生成式语言模型通过完成从“语义对齐”到“基于统计试验对齐”的历史性跨越，将人类从繁琐、高门槛的形式化推导与代码验证中解放出来。它让“把一个粗糙想法变成一套系统化、理论化工作”的能力走向平权，真正拉开了科研文艺复兴的序幕。当下的技术真相：不存在脱离外部干预就能靠算力空转批量制造“爱因斯坦”的永动机。统计试验对齐所带来的分布尖锐化，叠加长距离自回归生成的自条件化效应，注定了大语言模型在封闭环境下必然遭遇。
2026-10-30 09:46:47
181
原创 从“能跑模型”到“能复核的智能体”：基于 AMD 构建高血压慢病管理智能体的一次探索
本文探索在AMD ROCm环境下部署医疗智能体的可行性，聚焦高血压风险分层场景。通过构建“医生在环”的闭环流程，明确模型仅承担解释生成，核心决策由规则计算与指南证据驱动。验证了vLLM在AMD GPU上的运行路径，提出本地权重、共享接口与规则回退三重策略，并强调医疗智能体的本质是证据、规则与责任边界的系统化组织，而非单纯依赖大模型能力。
2026-10-03 00:50:25
206
原创 2026 法律智能体详细技术路线图
构建以业务事件驱动的法律智能体平台，实现任务持续执行、证据链可追溯、可审计与人工治理。平台基于统一运行时架构，融合检索工具化、任务状态持久化、证据一等公民等原则，覆盖法规、案例、合同等多源数据，支持从事件触发到交付的全链路自动化。通过四类核心智能体（法规情报、案例研究、案件分析、搜索问答）协同，结合结构化动作与策略校验，确保结论可信、风险可控。2026年分阶段落地，最终实现端到端闭环、灰度发布与规模化应用。
2026-09-10 13:14:30
180
原创 现在的智能体企业，到底处于哪个阶段？未来又在哪里？
企业当前多数仅处于“模型接入”或“知识增强”阶段，真正具备持续感知、决策、执行与优化能力的智能体仍属少数。判断标准在于是否围绕业务目标实现任务闭环、具备状态管理、工具契约与结果验证。未来竞争壁垒不在于模型本身，而在于真实业务数据、过程轨迹、工具系统与环境协同优化能力。企业应从可验证的业务场景出发，逐步构建状态模型、工具契约与评估体系，最终实现智能体反向改造流程，迈向组织级智能。
2026-09-09 23:37:35
325
原创 现在的智能体企业，到底处于哪个阶段？未来又在哪里？
现在的智能体企业大多处于从知识增强和工具执行走向任务闭环的过程中。接下来三到五年的关键，不是继续堆叠模型名称，而是把真实业务目标、数据源头、工具执行、过程轨迹和结果评估连成闭环。企业应该先成为可靠的任务完成者，再成为高效的路径优化者，最后成为能够持续改造业务环境的组织级智能系统。
2026-09-09 23:14:17
290
原创 在天垓150上部署 Llama-2-13B：一次 Iluvatar BI-V150 / CoreX 实战适配记录
大模型适配从来不只是“把代码跑起来”，而是模型、环境、网络、交付四件事一起闭环。如果你也在做国产 GPU、Iluvatar CoreX、平台 driver package 或私网服务器上的模型部署，希望这篇复盘能帮你少踩几个坑。如果后面我把这套流程继续打磨到“输出质量可控”的阶段，也会再补一篇质量验证和调优的实战记录。
2026-04-17 16:56:04
916
1
原创 从“数字永生”到“人格延展”：基因背景与历史数字行为驱动的数字人格模型研究
相关讨论表明，数字系统或许可以形成某种意义上的“person extension（人格延展）”或“person-span（人格时延续）”，即在不依赖生物连续性的前提下，通过数据与交互延续某种“自我”的社会呈现与关系存在。本部分将系统梳理数字永生、数字替身、数字人格、人格延展等概念谱系，论证“数字永生”更适合被理解为一种社会—技术系统中的人格延展，而非意识复制。对“自我”“人格”“连续性”“真实性”“代理存在”“数字替身”等概念进行区分，避免将“可模拟行为”误等同于“主体意识延续”。
2026-04-01 15:50:03
415
原创 大模型核心优化显微镜：每一个关键改动到底改了哪里
这份不是综述，也不是评论。它专门回答一个更细的问题：所以我会统一按下面这个模板来拆：下面我按照“历史上最有代表性的几个核心优化”逐个拆。早期 Seq2Seq 的基本思路是：z=Encoder(x1:n)z = \mathrm{Encoder}(x_{1:n})z=Encoder(x1:n)yt∼P(yt∣y<t,z)y_t \sim P(y_t \mid y_{<t}, z)yt∼P(yt∣y<t,z)也就是说，编码器把整段输入压成一个固定向量 zzz，解码器在整个生成过程中反复使用这个同
2026-03-18 00:42:35
240
原创 状态化未来显微镜：Residual Attention、RetNet、Kimi Linear 如何改写信息流
如果把这三类方法的本质用一句话概括：它们都在逐步削弱“显式重扫全部历史”这个假设。标准 Transformer 假设：历史最好以 token 级显式缓存形式存在，并在每一层、每一步被重新利用。而状态化路线越来越倾向于：历史应该部分地被压缩进连续状态、门控 memory 和跨层结构中。这意味着未来的核心问题，不再只是：怎么把 attention 算快一点而是：历史究竟应该以什么数学对象存在。我认为这才是更深的主线。
2026-03-18 00:33:00
391
原创 效率优化显微镜：FlashAttention、MQA、GQA、MoE 到底在省什么
按块载入 Q/K/V，在 SRAM/片上缓存里完成 block 级 score、softmax 归一化和输出累积，不显式保存完整 S/P。因为所有头共享同一组 K/V，等于把 key/value 空间压得太狠。但推理时尤其是增量解码时，每一步都要从 cache 读历史 K/V。它到底是省 FLOPs，省显存，省带宽，还是省激活参数。不让所有头共享一组 K/V，而是分 group 共享。query 还是多头，但所有头共享同一组 K/V。MQA 很省，但也会损失一部分 K/V 多样性。
2026-03-18 00:31:33
397
原创 位置编码显微镜：Sinusoidal、Learned、Relative、RoPE、ALiBi 到底改了哪一步
最早：位置是输入的附加标签后来：位置变成 token pair 的关系项再后来：位置直接变成 q/k 的几何变换或者：位置直接变成 score 的显式 bias所以真正的问题不是：哪个位置编码“更高级”而是：你希望位置信息在模型中的哪个层级起作用。输入级属性，用 Sinusoidal / Learned关系级变量，用 Relative Position内核级几何，用 RoPElogit 级先验，用 ALiBi这才是最稳的理解方式。
2026-03-18 00:29:50
533
原创 大模型架构的真正主线：从统计语言模型到信息流控制系统
单个摘要向量承受不了所有任务相关信息。长窗口长缓存长记忆第ℓ\ellℓ层从位置jjj到位置iiiJijℓ∂hiℓ1∂hjℓ:=Jijℓ:=∂hjℓ∂hiℓ1这刻画一层里谁影响谁。输入位置jjj对最终位置iiiGijL∂hiL∂hj0:=GijL:=∂hj0∂hiL这是我认为最关键的统一对象。
2026-03-18 00:03:42
717
原创 顶尖专家的集体焦虑：大模型的底层真相，到底在“算”什么？
当 AI 几乎包揽了所有“在已知数据空间中寻找位置”的工作，所谓的“顶尖人才”如果还在拼记忆力、拼经验熟练度，被淘汰是必然的。AI 是完美的求解器，但它不会提出问题。发现新的科学痛点、定义全新的商业模式、决定 AI 应该去优化什么目标，这是人类的特权。AI 擅长处理完美的“信息化数据”，但真实世界充满噪点、混沌与不可控的物理法则。实验室里真实的试错、临床医疗中的人文干预、硬件与物理环境的交互，是实体世界的护城河。AI 的本质是插值预测（Interpolation），它是现有知识的最优解。
2026-02-28 14:36:25
434
原创 基于多智能体系统（MAS）的工业操作系统
这是一个深度的技术架构设计任务。要实现大庆油田从设计到建设再到采油的全链路“智能体化”，我们不能仅仅堆砌AI模型，而需要构建一个。以下是。
2026-02-15 10:37:11
1126
原创 大庆油田全链路智能体化设计草案
大庆油田的智能体化，本质上是将“石油地质规律”与“数据计算能力”深度解耦与重构。通过设计、建设、采油三个环节的智能体化，大庆油田将不仅是一个能源生产基地，更将进化为一个具有自我进化能力的工业生命体。
2026-02-15 10:05:12
682
原创 Claude Opus 4.6 黑科技深度拆解
它不再只是回答问题的模型，而是能组织复杂工作的系统。这类能力的出现，意味着 AI 正在从工具层，进入流程层与组织层。真正的差距，才刚刚开始。
2026-02-09 16:26:47
1043
原创 【技术杂谈】告别知识图谱的效率瓶颈：为什么 Agentic Search 是下一代检索范式？
知识图谱在封闭域（如医疗诊断、设备维护）依然有其不可替代的精准度优势。但在更广泛的信息获取场景中，Agentic Search 正在用“算力”换“人力”。以前是“人找数据”，或者“人设计好路径让机器找数据”；现在是Agent 替你跑腿，它自己决定怎么走，走哪条路，最后把消化好的数据端到你面前。如果你还在纠结知识图谱的构建效率，不妨换个思路，看看 Agentic Search 能否通过动态规划解决你的问题。毕竟，在这个模型日新月异的时代，。讨论。
2026-02-07 19:35:45
532
原创 拆解 Moltbot：一个”本地优先”的 AI 助手，到底是怎么跑起来的？
返回一个 runId，不阻塞 - 之后通过事件流推送：stream:assistant（文字增量）、stream:tool（工具调用过程） - 最后必须收敛到 lifecycle:end 或 lifecycle:error——不会”悬挂”一个反直觉的事实：sandbox 下 skill 虽然”可见”（通过了 gating），但如果容器里没有对应的二进制，执行还是会失败。gating 只管”暴露”，sandbox 管”执行环境”。它只负责”想”和”做”，Gateway 负责”谁能用”和”结果回哪”。
2026-01-28 13:14:58
706
原创 回不去的十年：当算法填满了所有缝隙，我们究竟失去了什么？
我目前正在做教育类产品和具身智能。有时候我会想，技术不应该只是为了“消灭”这些细节，而应该去“复活”它们。比如，能不能通过交互引擎，让现在的孩子重新感受到那种数学推导的几何美感？能不能让机器人不再冰冷，而是带有某种人文的温度？消失的东西回不来，但我们可以决定，在接下来的十年里，我们要用算法去构建一个什么样的世界。
2026-01-28 11:34:36
411
原创 Kimi K2.5 商业价值预估：把“会回答”变成“能交付”
说明：本文基于kimi提供的文章细节与公开叙述中的参数（如：最多 100 子智能体、最多 1500 次工具调用、效率最高提升约 4.5 倍、端到端时间缩短 80%、API 计价输入 4 元/百万 Token、缓存输入 0.7 元/百万 Token、输出 21 元/百万 Token、以及多模态训练规模等）做。缺少真实客户规模、留存、成本结构（算力/带宽/人力）与成交价格等信息，因此结论以呈现，用于决策讨论而非财务承诺。
2026-01-27 19:35:09
907
原创 Kimi K2.5：当“技术叙事”压过“迭代效应”
K2.5 当然可能是一款很强的模型，但它的传播方式更像一种“管理型产品叙事”：强调规模、强调指标、强调组织隐喻，却对迭代带来的系统性效应着墨不多。而时代已经变了。今天真正有价值的技术进步，往往是那些不那么酷、却能让人类工作更顺滑的改动：更稳、更省、更可控、更可复用。如果下一次的发布能把这些“迭代的重量”讲清楚，那么它就不只是一个更强的模型，更是一次更成熟的产品升级。
2026-01-27 19:31:33
646
原创 Kimi K2.5 开源：智能体集群加速复杂任务，效率最高提升 4.5 倍
从 K2 到 K2.5，这次最突出的变化是“集群化智能体”：AI 不再只是按指令逐步执行，而是能自建团队、并行推进上千步骤的复杂流程。这一方向直指企业级应用的关键诉求——把复杂、昂贵、周期长的知识工作流程变成可自动化的生产管线。整体来看，K2.5 是一次更偏“实战效能”的迭代：多模态数据规模继续拉升，Agent 能力向更强的并行协作推进，开源与工具产品同步落地，进一步强化了可用性与可部署性。
2026-01-27 19:29:29
1557
原创 Sub-agent（子智能体） 和 Skills（技能/工具） 的界限可以通过“自主性”和“上下文管理”这两个核心维度来清晰区分
Skills (技能/Tools): 是“工具箱里的锤子”它是被调用的原子能力，通常是确定性的或者是单步的。它本身没有“脑子”（推理能力），不知道为什么要用自己，只负责接受输入，产出输出。ReadFile()。Agent 觉得需要搜索 -> 调用 Search Skill -> 获得结果。Sub-agent (子智能体): 是“外包团队的专员”它是一个具有独立推理能力的实体，负责处理一个完整的子任务。它拥有自己的 System Prompt（人设）和独立的执行循环（Loop）。它有“脑子”，懂得规划。
2026-01-27 18:46:10
1192
原创 沉默的共谋：被“集体无意识”绑架的中国招聘与企业的慢性自杀
中国HR群体的固化思想，是中国社会“从众心理”在职场权力的投射。这种“人云亦云”的趋势，制造了一种“只要大家都这么做，就是对的”的虚假正义感。在这个过程中，劳动者被剥夺了展示真实能力的权利，只能削足适履地迎合那些荒谬的标签；企业被阻塞了获取真正人才的通道，只能在内卷中消耗存量。要打破这个僵局，企业必须重新审视HR的权力边界，废除那些“无法被论证”的隐形门槛。招聘应当回归到对“人”的本质——能力、潜力和价值的判断上，而不是继续做社会偏见的传声筒和盲从者。
2026-01-21 16:35:41
459
原创 [行业洞见] 告别“咒语”时代：为什么 Skill Engineering 正在成为大模型应用开发的“金标准”？
2023年，我们谈论“提示词工程（Prompt Engineering）”，把它视为一种类似炼金术的魔法；2025年，随着 Agent 架构的成熟，行业正在经历一场静悄悄却剧烈的范式转移。Prompt Engineering 正在消亡，Skill Engineering（技能工程）正在确立为大模型应用开发的“金标准”。对于大模型应用工程师而言，核心竞争力不再是“谁能写出更优美的散文让 AI 听话”，而是“谁能定义出更清晰的 API 边界，让 AI 精准调用”。我们将从。
2026-01-21 12:31:17
730
原创 [深度架构] 拒绝 Prompt 爆炸：LLM Skills 的数学本质与“上下文压缩”工程论
在 LLM（大语言模型）应用落地的深水区，开发者往往会陷入“上下文陷阱”：试图通过超长 Context Window 解决所有数据检索问题。本文从 Transformer 的注意力机制瓶颈出发，结合实际的 Excel 数据处理场景，深度剖析了Skills（技能/工具）机制的本质。文章论证了 Skills 并非高级的 Prompt 技巧，而是一种将“数据空间”映射为“语义空间”的降维手段。通过和语义路由，我们能够将人类的确定性经验固化为代码，显著提升系统的信噪比（SNR）
2026-01-21 12:12:24
964
原创 Genesis V5 技术深度解析：迈向自创生智能体内核
Genesis V5 不仅仅是一个工具，它是一个具备“自我编程”能力的数字生命雏形。通过不断解决问题，它的会自动生长，最终形成一个针对特定领域的全能专家系统。
2026-01-14 10:58:14
713
原创 告别 CRUD！用 Multi-Agent + DeepSeek 构建全栈商业生成器 Genesis (附源码)
❌ “帮我写一个快速排序函数”❌ “修复这个 React 组件的 Bug”而✅ “我想做一个服务于本地农场的有机蔬菜配送平台”✅ “帮我设计一个抗量子攻击的 DeFi 收益聚合器”Genesis的目标就是填平“想法”到“落地”之间的巨大鸿沟。你只管提需求，剩下的交给智能体战队。Genesis 展示了Agentic Workflow (智能体工作流)的巨大潜力。通过将 DeepSeek 的推理能力注入到每一个环节，我们不再是生成“玩具代码”，而是生成“商业解决方案”。✅全链路。
2026-01-13 23:49:42
658
原创 股票收益率预测 AutoML 实验报告
本报告详细描述了基于 PaddleTS 框架的股票日收益率预测 AutoML 系统的技术实现与实验结果。系统集成了 17 种时间序列预测模型，通过 Optuna 超参数优化框架自动搜索最优模型与参数组合。实验覆盖 500 只 A 股股票，当前已完成 247 只，Informer 模型以 54.7% 的选中率和 0.5986% 的平均 MAE 表现最优。
2026-01-13 23:48:58
768
原创 股票收益率预测 AutoML 实验报告
本报告详细描述了基于 PaddleTS 框架的股票日收益率预测 AutoML 系统的技术实现与实验结果。系统集成了 17 种时间序列预测模型，通过 Optuna 超参数优化框架自动搜索最优模型与参数组合。实验覆盖 500 只 A 股股票，当前已完成 247 只，Informer 模型以 54.7% 的选中率和 0.5986% 的平均 MAE 表现最优。
2026-01-06 09:15:18
539
原创 用AI做量化交易，我跑了600个策略后发现了什么
最近花了几天时间，搭建了一套完整的A股量化回测系统。用20年历史数据，测试了16只股票×8种模型×多组参数，总共跑了600个策略。结论：LSTM依然是时序预测之王，Informer作为高级模型表现也不错。- AI模型：MLP、LSTM、Informer、Transformer。结论：参数调优提升巨大，同样的模型，调参后收益从亏损变成30%+。结论：再好的模型也跑不赢行业趋势，选股比选模型更重要。结论：科技股波动大收益高，银行股稳定夏普高。回测层：严格时间分割，避免数据泄漏。GitHub: [待上传]
2025-12-31 09:33:48
1377
原创 疑似量化大厂泄漏底层代码：到底是宣誓主权还是令所有同行瑟瑟发抖？
昨天深夜，我在整理服务器日志时，意外发现了一套正在运行的股票预测系统。看到日志里GPU利用率94%MAPE 7.56%这样的数字时，我整个人都愣住了。7.56% MAPE = 专业量化基金的核心竞争力水平翻看代码后，我发现这不是什么概念验证或者玩具项目，而是一套完整的、工业级的AutoML系统，正在对295支A股进行1,486,800次训练实验。更令人震惊的是，这套系统的技术栈和优化手段，与我之前在某头部量化公司看到的核心系统惊人地相似。
2025-12-26 17:01:26
824
原创 PaddleOCR-VL 华为昇腾 910A NPU 适配详细报告
将百度 PaddleOCR-VL（视觉语言 OCR 模型）适配到华为昇腾 910A NPU，并进行深度性能优化。阶段配置耗时速度累计提升原始1524×1368, 无优化83.98sV11280×1148, 基础优化69.39s+17%V4800×704, 推理优化61.1s20.9 tok/s+27%基础优化800×704, 预热+缓存60.5s23.6 tok/s+28%最终55.3s25.8 tok/s+34%
2025-12-24 12:07:20
2385
1
原创 PaddleOCR VL 华为NPU 910B 环境配置完成报告
已在华为NPU 910B环境上完成PaddleOCR VL的基础配置工作。由于CANN NNAL包缺失，目前使用CPU版本运行。已创建完整的NPU配置指南和运行脚本，待安装NNAL包后即可启用NPU加速。已完成PaddleOCR VL在华为NPU 910B环境的基础配置。当前可使用CPU版本进行功能验证。待安装CANN NNAL包后，即可启用NPU加速，获得数十倍的性能提升。当前状态: ✅ CPU版本可用，⏳ NPU版本待NNAL包安装后启用预计性能提升: 安装NPU支持后，推理速度预计提升20-50倍。
2025-12-18 20:35:08
1450
原创 anyrouter CDN 测速工具 v2.1 - 测试多个服务地址的连接速度
【代码】anyrouter CDN 测速工具 v2.1 - 测试多个服务地址的连接速度。
2025-12-18 10:10:03
355
原创 医院智能化的下一场“升维竞争”：从合理用药到医疗世界模型的系统方案
把药品、患者、医生、科室、医院、医保、区域公共卫生这些全部放进一个可以推演的“数字医学世界”里。在这个“数字世界”里，我们可以：用大模型 & 知识图谱还原“医学知识 + 支付规则 + 管理规范”用时间序列 & 因果推断建立“病程—用药—费用—结局”的联系用多智能体系统模拟“医生开方、药师审核、医保支付、患者复发”等行为最终形成一套会学习的运营决策系统能看清现在 → 能预测未来 → 能给出可执行的调整建议在接下来的医保改革与医疗监管新阶段，医院要想在区域中保持领先，不仅需要好的科室、好的专家，
2025-12-04 12:34:14
681
原创 让医院赢在未来三年的智能化升级：从合理用药到医院世界模型
当前所有医院都面临同样的问题：医保支付方式改革压力不断加码DRG/点数法收入波动不稳定医保扣费不可控、不可预测医院成本上升、药占比压力大用药规范仍依赖人工审核医疗质量、安全、感染管理要求提升院区多、科室多、医生行为差异大，管理难度指数级增加而我们正在帮助医院解决的，正是这些。
2025-12-04 12:27:41
1067
原创 通过邀请链接注册 OhMyGPT 后，如何获得「$20 Claude Code 额度」——以及这 $20 到底是什么、怎么用、怎么确认到账？
下面给你做一个👇。
2025-12-04 11:56:54
1090
原创 [特殊字符] 专题白皮书：《认知重构：大模型智能体驱动下的下一代网安攻防》
— 为什么你越学越焦虑？—— 传统网安学习模式的数学性崩溃—— 从蒙特卡洛搜索看渗透测试的本质—— LLM、ReAct 范式与 Agent 架构详解—— CTEM、SOAR 与 SOC 的智能化重塑—— 从 Prompt 到 Function Calling 的代码实战—— 网安人的职业终局：从“做题家”到“架构师”
2025-11-18 23:27:28
451
【深度学习训练缩放法则系列】第二课时：Batch Size 与学习率放缩的实践与优化策略
2025-09-22
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人