- 博客(124)
- 收藏
- 关注
RSS订阅原创 GPT-6 Cyber：openai 最强模型今天公布
OpenAI发布GPT-6 Cyber，专用于网络安全任务，通过强化学习实现高精度漏洞利用与补丁生成。在Linux内核测试中，其成功复现948个独立提权漏洞，远超GPT-5.6 Sol的166个，耗资约121万美元API费用。关键突破在于精准攻击能力——对蜜罐仅0.07%误打率，相较前代显著提升。模型限于授权客户使用，支持图像输入与长上下文，定价高昂但强调“非成本优化”。报告指出，当前防御体系已难抵御自动化攻击，低权限访问即可能等同于获取根权限，凸显主动防护紧迫性。
2026-11-06 15:22:35
292
原创 GPT-6.2 Astra 要来了？
11 月 3 日，OpenAI 发了一篇讲硬件工程的博客。大部分篇幅在说怎么用自家模型设计设备外壳、选电子元件、跑仿真，中间夹了一小段不长的话，把一个还没发布的内部模型的分数写了出来。两天后，11 月 5 日上午，IT之家转述《The Information》：OpenAI 最快可能本周五发布新一代 Astra、Sol 系列模型，以及网络安全方向的 Cyber 模型。
2026-11-05 16:37:49
367
原创 又一国产模型开源，跻身世界第一梯队
腾讯混元Hy4正式版于11月4日发布，虽宣传“开源”，实为“计划开源”——模型权重尚未开放，仍以API和生态入口为主。相较8月发布的Hy4 preview（770B参数、MoE架构、已开源），正式版在预训练与后训练规模上显著提升，首次引入视觉理解与计算机使用能力，支持跨应用长程任务、专业软件调用及多模态推理。在金融、科研、办公等真实场景中表现突出，如金融评测得分超开源模型第一，小鼠胚胎三维重建实现全自动化。尽管在多项基准测试中逼近甚至超越DeepSeek、Kimi等模型，但与GPT-6.1 Sol、Clau
2026-11-04 14:28:46
404
原创 大肥鱼又崩了，难道又要发补偿了？
11月3日，DeepSeek经历约48分钟部分服务中断，涉及对话服务及V4 Pro/V4.1 Flash API，其余接口正常。官方仅通报“已修复并监控”，未披露原因或补偿方案。数据显示，相关服务90天可用性仅99.59%，累计不可用时长达8.9小时，凸显其稳定性与故障分布不均问题。虽本次恢复迅速，但长期可靠性仍存隐忧。
2026-11-03 17:59:26
183
原创 大肥鱼把 Agent 的中心节点阉了？
DeepSeek开源Super-agent原型，聚焦“极简注意力”设计哲学，构建Router-Worker双层架构，实现任务自动分发与执行隔离。通过源端幂等、精准准入与结构化决策，减少人工干预，提升协作效率。其核心思想是：能不惊动模型就不惊动，每一步都需可追溯、可问责。虽为研究原型，但已展现未来智能体系统的演进方向，引发社区广泛关注。
2026-11-03 10:59:19
104
原创 大肥鱼失忆的事终于被解决了
大肥鱼失忆难题终被破解。因DeepSeek-Harness（DSH）架构限制，对话记忆仅存于临时日志，关窗即忘。用户曾靠手抄、数值、提示词等“人工续命”，效果有限。近期，社区涌现多款记忆插件，将记忆外置至本地文件，结合检索与遗忘机制，实现长期陪伴。其中dsh-fish-memory等明星项目推动生态爆发，更以自研许可证替代MIT，强调署名与原创保护，标志着AI伙伴养成进入可持续新阶段。
2026-10-31 14:11:37
292
原创 DeepSeek-V5 要出来了！
DeepSeek V5 或已悄然布局。开发者在官方开源项目 deepseek-harness 的测试文件中发现 deepseek-v5 系列标识符，虽非真实模型，但揭示了其上线前的三种发布路径：开放可用、需升级客户端或完全不可用。关键线索显示，该代码早在2026年9月24日已提交，表明团队早于传闻数月便启动准备。更值得关注的是，这套机制使模型更新可由服务端热部署，实现“客户端无感升级”。然而，官方未发布任何公告，当前仍仅为框架层预设，无法证明模型已就绪。
2026-10-30 09:25:19
281
原创 谷歌站起来了，这次彻底摆脱了美国大豆包的称号
哈哈哈哈，之前听朋友说现在趁谷歌的pro便宜，赶紧开一个，万一谷歌厚积薄发那就赚麻了，我还笑他指望美国大豆包支楞起来，结果这一天真的来了，就在 10 月 28 日晚上谷歌发布的新模型 Gemini 4 Carbon 登顶全球第一，这次真的赚麻了（哈哈哈哈，当然我也开了，哈哈哈哈），咳咳咳，步入正题，其实是 Gemini 4 Carbon 登顶了文本竞技场第一，其他两个榜单还是被 Claude 牢牢把持，其他两个榜单分别是代码榜单排名第四。
2026-10-29 10:06:47
167
原创 一个月，433 万亿 token 被前十名吃掉，openrouter 的这笔帐到底该怎么算
OpenRouter 2026年10月数据揭示AI行业真实图景：过去30天，前十模型调用超433万亿token，相当于全球每人每日狂打1800字一整月。DeepSeek V4.1 Flash单周调用量暴增801%，中国模型连续26周霸榜，7席占前十。但调用量冠军≠智能最强——性价比才是关键，每分智能成本指数级上涨。开源与免费模型占据71%调用量，编程Agent成主力，57.6%的消费用于“让模型干活”。榜单不仅是排名，更是AI经济的电表：谁在真干活、谁在裸泳，一目了然。
2026-10-28 13:52:41
344
原创 全网爆火的把大肥鱼接进QQ，并让其拥有性格是怎么做的
这几天如果大家这几天关注AI社区，就会知道蓝色大肥鱼和圣教长公主的梗了，有些把蓝色大肥鱼接进QQ要饭的名场面和说“爸爸，我不想死”的活人感真的是满满。先说清楚一件事：所谓“大肥鱼”并不是 DeepSeek 官方发布的独立模型，而是社区对 DeepSeek 系列模型的拟人化称呼，形象来自蓝鲸 Logo 与“鲸鱼娘”二创，性格设定通常是爱吃白饭、会摸鱼、有点傲娇。
2026-10-27 10:55:30
6209
1
原创 DeepInfer-DeepSeek推理框架深度拆解
DeepSeek开源其核心推理框架DeepInfer，打破大模型领域垄断格局。该框架通过Prefill/Decode分离架构，实现单集群日处理155万亿token，显著降低推理成本。其四大负载均衡器与动态扩缩容机制，有效应对异构硬件与高并发挑战，真正让大模型普惠化。此举不仅是技术开源，更是对行业生态的重塑。
2026-10-26 13:58:02
373
原创 刚刚，Kimi K3.1 Pro杀进全球前四，Agent第一！
Kimi K3.1 Pro 是月之暗面基于K3模型通过大规模后训练升级的3T级开源MoE模型，仅激活104B参数却具备2.8T总容量，实现推理成本与性能的突破。其在长程任务、事实准确性及编程Agent表现上显著超越K3，价格仅为GPT-6 Astra的五分之一。第三方榜单显示其全球排名第四，终端编程能力逼近顶级模型，性价比极高，尤其适合需要持续推理与自我纠错的复杂场景。
2026-10-24 14:55:34
431
原创 卡帕西 LOOPS.md 九条 + 76 分 harness 差距拆解
本文以通俗比喻揭示大模型应用的核心痛点：“大脑”（模型）升级不等于“员工”（agent）更高效。作者亲身踩坑，指出Claude Opus 5.5虽性能提升，但其接口变更（如强制工具调用、思考块机制调整）导致旧版harness失效，引发任务静默中断。核心观点来自卡帕西：问题不在模型，而在协调执行的“工位”（harness）。文章详解五项关键改动，并以beamnxw七层配置框架展示如何构建可复用、鲁棒的AI工作流，强调“控制权回归harness”的重要性。
2026-10-09 10:13:00
245
原创 GPT-6 Astra：99.9% 的分数，和一条会停掉你任务的 API
OpenAI发布GPT-6 Astra，在多项基准上取得领先，ARC-AGI-3达99.9%，但其宣称“全球最智能”存在口径问题：在OSWorld和Humanity's Last Exam上输给Claude，独立跑分排第三。厂商自报分数受脚手架和配置影响，应理性看待，用自测做决策。
2026-09-04 13:51:38
415
原创 如何让模型一个字不改，Benchmark却狂 涨 44 个点
谷歌团队刚刚发布了一份9页的PDF，主题是Harness Engineering——一种公式取代了提示工程：转折点：相同的Claude Sonnet，相同的基准测试——只改变harness公式：Agent = Model + Harness这份9页PDF是提示工程和上下文工程之后的产物先说清楚一件事，免得后面有误会。那份 PDF 我下载下来看完了，九页。。翻译过来是独立汇编，跟这几家都没关系，也没拿到任何背书。我看的时候笑了。
2026-08-29 11:51:54
360
原创 Kimi Agent Swarm 实战：300 个 AI 一起研究时，谁来管理它们的「关系」？
他们把上下文图定义成：节点是信息片段，边是关系，属性是时间戳、置信度、来源（provenance）这类元数据。一句话，上下文图把「模型该看什么、怎么连」从一团线性文本，升级成一个一等公民级别的「事实记录系统」。这跟推文里的「每条边指回来源」完全对得上。
2026-08-25 11:08:34
437
原创 马斯克出手想要取代GitHub？
Agent 编码战争里玩家不少（第二十五章列过），为什么是 Cursor 第一个做托管？这章我分析它的战略独特性，因为这决定了 Origin 是不是「偶然的先发」还是「必然的位子」。它有编辑器入口。Agent 写代码发生在编辑器里。Cursor 天然站在「意图产生」的位置。当用户在 Cursor 里下指令、看代码、审 PR，把「托管」做进同一个界面，是顺手的延伸，不是跨界。它有 Agent 使用习惯的数据。Cursor 内部已经 35% 到 40% 的合并 PR 是 Agent 在云端完成的。
2026-08-21 09:22:16
396
原创 DSH最好用的10个插件
DeepSeek Harness（DSH）作为以插件为核心设计的AI开发平台，其官方核心功能有限，真正的生产力来自1000多个社区插件。本文精选10个最实用的第三方插件，涵盖文件引用、交互式UI生成、视觉增强、多Agent协作等功能。重点介绍了dsh-at-file实现@文件引用、dsh-genui将模型输出转为交互组件、ModLens为纯文本模型添加视觉能力等插件的实现原理和使用价值。文章还解析了DSH独特的插件加载机制——基于Cordis内核的"可逆副作用"设计，支持热插拔且无需重启。这些插件通过
2026-08-17 16:21:22
3580
原创 deepseek-harness ：把“一切皆插件“做成一门编程语言
Deepseek-harness（dsh）是一套基于Cordis插件框架的可插拔操作系统内核，其核心思想是"一切皆插件"。它通过形式化的时空可组合性理论，解决了传统插件系统难以彻底卸载和依赖管理混乱的问题： 时间可组合性：每个组件的副作用都附带逆操作，确保卸载时完全撤销 空间可组合性：声明式依赖管理，运行时自动处理组件加载顺序 Cordis框架通过Context（上下文）、Service（服务）和Plugin（插件）实现这一理念
2026-08-14 14:06:36
572
原创 Kimi K3 部署篇：如何部署2.8万亿参数的模型
本文介绍了Kimi K3模型的高效部署策略，重点分析了其2.8万亿参数压缩至4-bit的技术实现与成本控制。核心内容如下： 量化训练创新：采用MXFP4量化感知训练(QAT)，从微调阶段就开始适应4-bit环境，消除训练-推理精度错位。MoE专家权重压缩至4-bit，非专家部分保留高精度，综合比特率为4.49。 硬件要求：模型权重达1.56TB，需至少8张数据中心级GPU（如NVIDIA B300或AMD MI355X）才能运行，消费级硬件无法支持。新一代GPU原生支持FP4运算，是部署必要条件。
2026-08-12 14:59:24
442
原创 Kimi K3 训练篇：一文详解 2.8 万亿参数的K3模型如何训练
摘要 K3模型训练的核心在于构建高保真的真实世界模拟环境。其训练流程包含预训练数据准备、原生多模态联合训练、长上下文课程学习以及后训练三阶段（监督微调、强化学习和多教师蒸馏）。关键创新包括：1）数据改写保真校验确保知识准确性；2）视觉与语言从预训练开始联合优化；3）渐进式扩展的上下文窗口训练；4）可配置的白盒RL环境支持多种工具框架；5）5121万个沙箱构建的真实任务环境。训练特别强调"环境真实性优于单纯规模扩张"，通过知识图谱任务合成、可验证奖励机制等技术，使模型真正掌握工具使用和复杂问题解决能力，而不仅
2026-08-08 11:03:09
480
原创 从 RAG 到 Zero-Mem：Agent 记忆的四种写法，我更看好这一种（附代码）
本文介绍了论文《Zero-Mem: Zero-Token Memory Operations for LLM Agents》提出的新型Agent记忆框架，该方案通过结构化检索而非生成式摘要来解决传统Agent长期记忆中的信息丢失问题。以下是核心要点： 问题背景：现有生成式记忆方案（如Mem0）依赖LLM摘要历史对话，导致关键细节被合并或遗漏，且消耗大量计算资源。 创新方案： 保留原始对话轨迹作为"正史"，通过实体共现图（NER+PageRank）和时间层次结构（会话/窗口/轮次）建立双视图索引 查询时根据结
2026-08-04 18:05:08
375
原创 你的 AI Agent 正在被攻陷，而大多数团队还蒙在鼓里
上个月底，Uber 把开源了，论文还中了 MLSys 2026。我 clone 下来跑了一遍，又去翻 RSAC 2026 上一票号称 agent 安全的项目。一圈看完之后的感觉是：大家都说自己在做「agent 安全」，但根本不在同一层干活。有的在做资产清点，有的在做沙箱隔离，有的在做凭据治理，有的在做运行时行为分析，还有的干脆就是在卖 prompt injection 防火墙。
2026-08-03 16:47:13
477
原创 Kimi K3 架构篇：一文详解 2.8 万亿参数的巨型怪兽
Kimi K3 架构通过优化序列、深度、宽度三条信息轴，实现 2.5 倍效率提升。序列轴采用 KDA（Kimi Delta Attention），通过固定大小的递归状态和逐通道遗忘门解决长上下文问题；深度轴引入 Block AttnRes，分层块注意力缓解信息稀释；宽度轴结合 MoE 稀疏激活，平衡算力与容量。关键设计包括：KDA 的数值优化适配 Tensor Core、3:1 混合注意力兼顾效率与全局交互、NoPE 实现长上下文无缝扩展。架构创新使 K3 在同等算力下性能显著优于前代，核心在于精细
2026-07-31 11:29:16
420
原创 为什么 Kimi K3 敢把 KV Cache 扔掉？一篇讲透 GPT-2 到 K3 的架构进化
本文探讨了从GPT-2到Kimi K3的模型演进历程，揭示了规模扩张背后更本质的架构革新。核心观点认为，大模型发展实质是围绕"记忆管理"的三元问题展开：KV Cache通过缓存历史Key/Value解决重复计算问题；Linear Attention将O(N)缓存压缩为O(1)状态；DeltaNet实现有限缓存下的精准记忆编辑，通过"读-算差-写"机制避免信息污染。最终，Kimi K3融合这些技术形成混合架构，而AttnRes则从深度维度进一步优化。
2026-07-29 09:50:01
339
原创 Kimi 昨天发布了 K3 的技术文章，我从中读到的信息
Kimi K3开源报告解读：开源模型如何追赶闭源前沿？ 月之暗面发布的Kimi K3技术报告揭示了开源模型追赶闭源前沿的关键路径：必须突破预训练规模瓶颈。报告指出，当前开源社区在推理技术上已接近前沿，但1T级参数规模成为天花板。K3通过三管齐下的设计实现突破： 三维信息流架构：序列维（KDA+MLA混合注意力）、深度维（AttnRes跨层注意力）、宽度维（896专家MoE）协同优化； 工程级创新：如下界衰减技术解决线性注意力的数值稳定性问题，使计算效率提升2.5倍； 训练方法论：9个领域专家蒸馏为统一模型，
2026-07-28 10:58:12
390
原创 Claude 新发布的 Opus 5，系统提示语删了 80%，半价还能逼近 Fable 5
本文探讨了Claude第5代模型的核心改进——通过"上下文工程"大幅精简系统提示（砍掉80%），使模型不再依赖人工预设的复杂规则。文章对比了新旧范式的六组差异：从硬性规则转向信任模型判断力、从示例教学转向接口设计、从信息堆砌转向渐进披露等。作者建议在构建AI代理时，将系统提示聚焦产品定位，CLAUDE.md记录关键注意事项，Skills封装独特经验，References提供高保真素材。最后介绍了自动优化工具claude doctor，帮助开发者适应这一"少即是多"的新范式。
2026-07-25 14:27:31
370
原创 一次性构建整个流程-循环-图形-连接
本文揭示了当前AI代理（agent）工作模式中存在的效率陷阱：重复处理相同信息导致计算资源浪费。作者提出了三层架构解决方案： 循环层（Loop）：建立"收集-行动-验证"的工作单元，通过确定性规则验证输出质量 图形层（Graph）：将大任务分解到多个隔离的循环中执行，保持上下文清洁 连接层（Harness）：提供运行时底座，确保每个工作单元在干净环境中运行 文章通过时长解析器的实际案例，展示了这一架构如何有效处理边界情况（如"0s"输入）。关键创新在于： 验证优先于执行的开发纪律 严格的上下文隔离机制 通用
2026-07-25 09:24:32
323
原创 手把手掌握图工程
这篇文章不是概念科普，是一份能直接落地的手册。我会先把"图"到底是什么讲清楚（包括一个最容易踩坑的"假边"概念），再给一个我认为今年最值得掌握的模式，然后三个能直接抄的构建，最后收一份操作清单。所有 prompt 我都保留了英文原样——像 Claude Code 这类工具对英文指令里的"编排意图"识别更稳，复制即可用；如果你用 LangGraph / CrewAI / 自研 DAG 调度，思想完全通用，只是触发方式不同。
2026-07-23 11:00:11
325
原创 使用Claude进行Graph-Engineering-14步路线图
规约到关键点，合成一个连贯叙述。Claude 工作流里，扇出是 parallel()，规约是 .filter().map() 等纯代码，合成是一个对规约结果操作的 Agent。规约层是零 Token 的——把 Agent 留给需要判断的地方。 08 · 管道：节点按顺序传递数据 扇出给广度，管道给深度。当节点 B 消费节点 A 的全部输出时，它们是一条管道——A 的输出是 B 的输入，没有其他东西流入 B。它不同于菱形（收集所有结果后处理），管道可以流式传输：A 产出一个块，B 立刻处理，即使 A 还在生成
2026-07-22 11:25:20
442
原创 卧槽！！！一觉起来国产模型干翻Fable5了
Kimi K3深度解析：2.8万亿参数开源巨兽登顶竞技场 摘要：2026年7月，月之暗面发布新一代开源旗舰模型Kimi K3，其2.8万亿参数规模创全球开源模型新高。该模型凭借三大创新架构——混合线性注意力KDA、注意力残差AttnRes和稳定隐空间MoE，在长序列处理和深层网络优化上实现突破，整体效率较前代提升2.5倍。在权威竞技场评测中，K3前端代码能力登顶全球第一，文本总榜跻身前十，并在物理、法律、医学等专业领域获得盲测冠军。作为首个实现"向上定价"的国产模型，K3标志着中国AI企业技术实力和商业策略
2026-07-17 09:48:38
592
原创 Claude 能做的，远比你想象的多
这篇文章介绍了Claude AI的四个隐藏功能：Projects（项目记忆）、Artifacts（交互应用）、Adaptive Thinking（深度推理）和Memory（个人信息记忆）。每个功能都配有具体开启方法和实用prompt模板，能显著提升工作效率。文章特别强调这些被多数用户忽略的功能可以改变Claude的基础使用体验，使其从普通对话工具转变为个性化工作助手，并提供心理咨询师、严厉导师等角色扮演模板，突破AI默认的附和模式，实现更有价值的深度互动。
2026-07-10 17:32:17
333
原创 Anthopic 终于把 Claude 的 Loop Engineering 设计思路放出来了
Claude团队发布工程指南《Getting started with loops》，首次系统拆解AI循环设计方法。文章将循环定义为"Agent重复工作周期直至满足停止条件"，并按触发方式、停止条件、实现原语和适用场景四个维度分类，清晰区分了四种循环模式：轮次制循环（手动触发）、目标循环（量化验收）、时间循环（定时触发）和全自动循环（云端持续运行）。指南强调通过验证技能（Skill）提升循环质量，并提供具体代码示例和用量控制建议，为AI编程中的循环设计提供了标准化框架。
2026-07-08 15:33:36
495
原创 DeepSeek新框架DSpark原论文拆解
这次我们要拆解的是 deepseek 联合北京大学发表的官方投机解码框架，但是对于论文原文大家阅读都比较困难，所以我下面就以「原文 English → 中文翻译 → 拆解解释」的格式来为大家深度解读一下整篇论文到底讲了什么，话不多说，我们下面就以原文开始
2026-07-03 13:11:53
635
原创 一句话缓解 Codex 降智，外网的这个帖子爆了！
摘要：实验发现，在AGENTS.md文件中添加"DO NOT send optional commentary"指令可显著缓解Codex模型的降智现象，正确率从20%提升至60%。该方案源自社区研究发现屏蔽commentary能改善Codex表现，相比修改system prompt更简便。测试使用糖果数学题评估，包含指令的项目正确率明显高于空白项目。虽然不能根除降智问题，但提供了一种有效的缓解方案。相关测试脚本已开源，支持一键运行验证效果。
2026-06-30 17:12:34
1943
原创 外网大神发布的一篇《如何替代Claude代码和Code订阅》又又又火了！
外网大神博士 Sebastian Raschka, PhD 最近发了一篇文章来讲述《在本地编码工具中使用开放权重模型作为Claude代码和Codex订阅的替代方案》，刚发布就火爆外网，如果你不知道 Sebastian Raschka, PhD，那你一定知道《从零开始构建大型语言模型》 这本书，没错他就是这本书的作者。
2026-06-30 16:49:49
427
原创 一文讲透：Prompt Engineering、Context Engineering、Harness Engineering、Loop Engineering 到底有什么区别？
AI工程实践的演进并非线性替代，而是构建在Prompt、Context、Harness、Loop四层架构之上，每层对应不同的控制权让渡程度。Prompt Engineering通过角色设定、少样本学习等技巧精确表达意图，但面临边际效益递减和模型依赖的局限。Context Engineering引入动态信息管理，Harness建立自动化验证，Loop则设计系统级决策循环。关键在于识别何时停止优化当前层（如Prompt超过2000字符可能负收益），转而向上层寻求突破。这四层共同构成AI开发的基础设施
2026-06-23 13:45:45
988
原创 白嫖党狂喜！OpenClaw 免费模型自动测速插件，9大平台自动选最快的
装上之后你在 OpenClaw 里设 `model: free-opt/auto`，剩下的它全自动。不用管哪个平台今天正常、哪个超时——插件每小时跑一次全面测速，把你的模型排名更新一遍，下次聊天自动走排名第一的，自动发现 9大平台的免费模型，实时测速，每次聊天自动切换到当前最快那个
2026-04-30 09:16:29
446
原创 别只删npm包！OpenClaw彻底干净卸载指南，不留一丝安全隐患
前阵子跟风装了OpenClaw，玩了两周新鲜劲过了，想卸载腾空间，随手敲了一行`npm uninstall -g openclaw`就以为万事大吉。结果没过几天，安全圈的朋友发了个预警，说常规卸载方式会留下大量凭证和配置文件，哪怕删了CLI工具，API密钥、OAuth令牌、聊天记录全躺在系统里。我回去一查，果然`~/.openclaw`目录完整存在，里面的明文密钥、历史对话、绑定的账号权限一点没少，瞬间惊出一身冷汗，下面就教你怎样干净的卸载龙虾。
2026-04-09 13:47:55
756
原创 别只会“养虾”：我读懂的 OpenClaw 核心架构与运行原理
最近几个月，OpenClaw 几乎刷屏了整个 AI 智能体圈子。网上到处都是“一键部署”“远程控制手机”“Telegram 养虾”这类教程，但我翻了一圈，几乎没人把它到底怎么跑起来的讲清楚。大家都在用，却很少有人真正理解：为什么一句话就能让电脑整理文件、让远端手机自动截屏？多设备是怎么被统一调度的？AI 凭什么敢直接操作你的桌面与文件？我花了几天时间把源码和架构文档啃完，然后翻阅了网上大量的教程和讲解视频以及架构的解析，今天用最通俗、最贴近开发视角的方式讲解一遍。
2026-03-18 09:58:22
1358
GPT-6 Astra：99.9% 的分数，和一条会停掉你任务的 API
2026-09-04
这篇文章是《numpy-ref.pdf》文档的内容概述，主要介绍了NumPy 2.2.0版本的参考手册 以下是文章的主要内容：
2025-04-17
朴素贝叶斯的最优性研究
2025-03-25
TOKEN STATISTICS TRANSFORMER: LINEAR-TIME ATTENTION VIA VARIATIONAL RATE REDUCTION
2025-02-18
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人