- 博客(36)
- 收藏
- 关注
RSS订阅原创 从入门到建立认知：Codex 核心功能体系与高效使用指南
上下文（Context）是模型在当前任务中能够利用的信息，包括指令、当前任务要求、历史对话、工具调用结果，以及读取到的代码和文件内容等。Context Window（上下文窗口）则是模型单次推理能够处理的上下文容量，通常以 Token 衡量。需要注意，上下文和记忆并不是同一个概念。项目文件、历史聊天和持久化记忆都可能成为上下文的信息来源，但它们并不意味着相关内容始终处于模型当前的工作记忆中。AGENTS.md 用于向 Agent 提供项目或目录范围内的工作指令。例如：修改代码前先阅读现有实现。
2026-10-25 19:26:10
153
原创 从 VLM 到 VLA：视觉-语言-动作模型的完整技术体系
机器人需要完成什么任务？不同任务对机器人的感知能力、决策方式、动作空间以及控制精度提出了不同要求，因此，任务类型往往直接影响后续的模型设计与学习方法选择。这是一种概念性结构，而不是所有 VLA 必须遵循的固定计算图。其中，规划、世界模型或价值评估模块可以作为辅助能力参与决策，也可以完全不出现。VLA 的模型算法研究，本质上是在探索如何利用合适的网络结构与生成机制，实现从多模态条件到有效机器人行为的映射。
2026-10-19 14:48:23
202
原创 从技术名词堆积到知识图谱：如何建立自己的大模型技术体系
面对 RoPE、LoRA、GRPO、KV Cache、量化、RAG、Agent 等不断涌现的大模型技术，单纯逐个学习容易形成大量孤立知识点。本文尝试建立一套可持续扩展的大模型技术知识框架，从核心技术、能力目标和 LLM-based Systems 三个视角组织相关概念，并结合 Tokenization、RoPE、长上下文、KV Cache 等案例说明不同技术之间的定位与联系。在此基础上，进一步总结“Locate—Understand—Connect—Expand”的学习方法，希望帮助初学者从技术名词的堆积逐
2026-08-19 15:56:09
331
1原创 机器学习的广义理解
当前世界应该是同时存在理性与不理性，因此，我们可以使用归纳学习进行学习，归纳学习底层原理也就是大数定律，但是大数定律强调的是数据整体的均值和方差，貌似这两种和当前机器学习的方式不同，将机器学习过程比作软件api调用的话，世界给我们暴露的api格式就是大数定律，我们要将物理世界的数据转换成均值和方差的表达形式来调用这个api。但归纳相信不确定性背后存在大致规律，而演化并不关心理论上是否存在这样的规律，它强调在实践中持续学习、积累经验，逐步提升应对新问题的能力，即所谓“实践出真知”。
2026-01-14 16:21:26
390
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