<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[日常分享模型调优、Data Agent 搭建实操案例与行业技术思考，记录从数据预处理到智能体迭代的完整实践。沉心打磨可落地的算法方案，输出干货向技术内容，与同好一同探索数据智能与大模型进阶路径。]]></title><description><![CDATA[欢迎合作交流]]></description><link>https://blog.youkuaiyun.com/zhenlun</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; zhenlun]]></copyright><item><title><![CDATA[macOS 安装 LaTeX 全流程指南：从 MacTeX 到中文排版]]></title><link>https://blog.youkuaiyun.com/zhenlun/article/details/168875906</link><guid>https://blog.youkuaiyun.com/zhenlun/article/details/168875906</guid><author>zhenlun</author><pubDate>Fri, 23 Oct 2026 15:50:28 +0800</pubDate><description><![CDATA[macos 安装Latex]]></description><category></category></item><item><title><![CDATA[SH17 Dataset for PPE Detection 数据集介绍]]></title><link>https://blog.youkuaiyun.com/zhenlun/article/details/167476794</link><guid>https://blog.youkuaiyun.com/zhenlun/article/details/167476794</guid><author>zhenlun</author><pubDate>Sat, 10 Oct 2026 11:40:18 +0800</pubDate><description><![CDATA[SH17 Dataset 是面向工业安全场景的PPE检测数据集，涵盖安全帽、反光背心等目标，适用于建筑工地、工厂车间等复杂环境下的目标检测任务。数据集包含真实场景中的光照变化、遮挡与尺度差异，具备较强挑战性，支持PASCAL VOC/YOLO标注格式。广泛用于训练与评估安全帽佩戴检测模型，助力智能监控与违规预警系统研发，是智慧工地与安防研究的重要基准资源。]]></description><category></category></item><item><title><![CDATA[加速模拟器timeloop 环境配置]]></title><link>https://blog.youkuaiyun.com/zhenlun/article/details/166131811</link><guid>https://blog.youkuaiyun.com/zhenlun/article/details/166131811</guid><author>zhenlun</author><pubDate>Sun, 20 Sep 2026 14:53:12 +0800</pubDate><description><![CDATA[本文介绍了在Ubuntu 22.04 Docker环境中搭建Timeloop加速器建模工具的完整流程。Timeloop由NVIDIA开源，用于DNN加速器架构探索，支持数据流映射、性能建模与搜索。通过Docker构建包含编译环境与Timeloop源码的镜像，可快速部署并运行建模实验，适用于芯片设计早期评估与学术研究，提升硬件设计效率。]]></description><category></category></item><item><title><![CDATA[智能体学习--Agent Data Protocol一种智能体数据通用翻译器]]></title><link>https://blog.youkuaiyun.com/zhenlun/article/details/164293907</link><guid>https://blog.youkuaiyun.com/zhenlun/article/details/164293907</guid><author>zhenlun</author><pubDate>Wed, 02 Sep 2026 15:16:33 +0800</pubDate><description><![CDATA[提出ADP代理数据协议，解决Agent数据格式碎片化问题。该协议将多源轨迹标准化为统一中间表示，使工程复杂度从O(D×A)降至O(D+A)。基于13个数据集、1.3M轨迹微调，模型平均提升约20%，跨域混合数据优于单域。全部代码与数据开源，降低大规模监督微调门槛。]]></description><category></category></item><item><title><![CDATA[多平台终端--electerm]]></title><link>https://blog.youkuaiyun.com/zhenlun/article/details/163887583</link><guid>https://blog.youkuaiyun.com/zhenlun/article/details/163887583</guid><author>zhenlun</author><pubDate>Wed, 19 Aug 2026 14:20:56 +0800</pubDate><description><![CDATA[Electerm是一款跨平台的终端工具，支持SSH、SFTP、FTP、Telnet、串口、RDP、VNC和Spice等多种协议，兼容Windows、macOS、Linux、Android和HarmonyOS等主流操作系统。此外，它还适配老旧系统如Ubuntu 18、Windows 7和macOS 10+，并支持统信UOS、银河麒麟等国产Linux发行版以及龙芯LoongArch架构。]]></description><category></category></item><item><title><![CDATA[高效文档解析工具anydoc]]></title><link>https://blog.youkuaiyun.com/zhenlun/article/details/163541131</link><guid>https://blog.youkuaiyun.com/zhenlun/article/details/163541131</guid><author>zhenlun</author><pubDate>Thu, 06 Aug 2026 18:05:18 +0800</pubDate><description><![CDATA[AnyDoc 是一个高效的 Rust 库，支持将 Word、PowerPoint、Excel、OpenDocument、RTF、EPUB、CSV 和 PDF 等多种文档格式转换为 GitHub 风格的 Markdown 文本。该库还提供了 Node.js、Python 和浏览器（通过 WebAssembly）的接口，方便跨平台使用。开源地址：https://github.com/firecrawl/anydoc]]></description><category></category></item><item><title><![CDATA[DNN加速器模拟器--timeloop]]></title><link>https://blog.youkuaiyun.com/zhenlun/article/details/163414114</link><guid>https://blog.youkuaiyun.com/zhenlun/article/details/163414114</guid><author>zhenlun</author><pubDate>Sun, 02 Aug 2026 12:24:37 +0800</pubDate><description><![CDATA[Accelergy-Timeloop是一个开源基础设施，用于协同估算和优化深度神经网络（DNN）加速器的能耗与性能。它结合了Accelergy（基于高层描述的能耗估算框架）和Timeloop（加速器建模与映射空间探索工具），提供从算法到硬件的全栈分析能力。该工具支持多种加速器架构，能够自动生成优化的数据流映射方案，并给出详细的能耗/性能报告。项目采用模块化设计，支持用户自定义组件模型和能耗表，适用于早期设计空间探索和架构评估。]]></description><category></category></item><item><title><![CDATA[统一大模型接口工具]]></title><link>https://blog.youkuaiyun.com/zhenlun/article/details/163367735</link><guid>https://blog.youkuaiyun.com/zhenlun/article/details/163367735</guid><author>zhenlun</author><pubDate>Fri, 31 Jul 2026 14:44:08 +0800</pubDate><description><![CDATA[LiteLLM是一个统一封装100+大模型API的Python工具，提供两种使用模式：Python SDK直接调用和Proxy网关服务。核心特点是统一参数格式，只需修改model名称即可切换不同厂商模型（如OpenAI、Claude、DeepSeek等）。安装可通过pip install litellm[proxy]获取完整功能。 Python SDK模式下，调用方式简单统一，支持流式输出，model命名需遵循"厂商前缀/模型名"格式。Proxy网关模式则启动兼容OpenAI协议的API服务，通过配置文件管]]></description><category></category></item><item><title><![CDATA[免费天气查询API]]></title><link>https://blog.youkuaiyun.com/zhenlun/article/details/163306532</link><guid>https://blog.youkuaiyun.com/zhenlun/article/details/163306532</guid><author>zhenlun</author><pubDate>Wed, 29 Jul 2026 15:23:38 +0800</pubDate><description><![CDATA[Open-Meteo提供免费天气API，可获取逐小时温度（2米高度）和天气代码数据。用户可通过简单API调用查询全球范围的实时天气信息，适用于应用程序开发和数据分析。该服务无需注册，支持多种参数组合查询，返回JSON格式数据。天气代码采用WMO标准，便于识别降水、云量等天气状况。开发者可灵活集成到各类项目中，获取高精度气象数据。]]></description><category></category></item><item><title><![CDATA[常用开源大模型工具调用记录--一劳永逸]]></title><link>https://blog.youkuaiyun.com/zhenlun/article/details/163267168</link><guid>https://blog.youkuaiyun.com/zhenlun/article/details/163267168</guid><author>zhenlun</author><pubDate>Tue, 28 Jul 2026 11:26:29 +0800</pubDate><description><![CDATA[OpenRouter和OmniRoute是两个开源的AI API路由工具。OpenRouter提供统一API访问多个AI模型（如GPT），支持通过Python调用，需API密钥和可选站点信息。OmniRoute则是本地运行的轻量级方案，无需初始配置即可自动路由请求（如测试时使用model:"auto"）。两者都简化了多模型集成，前者适合云端部署，后者便于本地快速启动。]]></description><category></category></item><item><title><![CDATA[DNN加速--GAMMA]]></title><link>https://blog.youkuaiyun.com/zhenlun/article/details/162667665</link><guid>https://blog.youkuaiyun.com/zhenlun/article/details/162667665</guid><author>zhenlun</author><pubDate>Tue, 07 Jul 2026 15:33:18 +0800</pubDate><description><![CDATA[本文提出GAMMA框架，针对DNN加速器硬件映射空间爆炸问题，设计基于遗传算法的自动化优化方案。核心创新包括：1）可变长度基因组编码，支持1~3级并行维度灵活调整；2）领域专用遗传算子（生长/老化/重排序），动态优化分块策略、计算顺序与并行层级；3）端到端闭环工作流，结合MAESTRO代价模型评估延迟/能耗。实验表明，GAMMA在边缘/云端硬件上均显著优于基线，延迟降低最高$1.3×10^7$倍，能耗优化42倍，并支持跨层流水线两级优化。代码已开源。]]></description><category></category></item><item><title><![CDATA[完全开源的语言模型学习记录--HyGRAG]]></title><link>https://blog.youkuaiyun.com/zhenlun/article/details/162524823</link><guid>https://blog.youkuaiyun.com/zhenlun/article/details/162524823</guid><author>zhenlun</author><pubDate>Thu, 02 Jul 2026 19:50:20 +0800</pubDate><description><![CDATA[HyGRAG提出了一种统一上下文与关系感知的图检索增强生成框架，通过混合异构图索引和分层社区摘要，解决了现有方法无法有效融合文本细节与实体关联的问题。该框架包含离线分层索引构建、双路协同检索、分层信息融合和动态增量更新四大模块，在事实QA、多跳推理等任务上平均提升9.7%性能，同时支持高效语料更新。实验表明，HyGRAG显著优于单一上下文或关系类基线，且具备良好的模型鲁棒性和工程适用性。]]></description><category></category></item><item><title><![CDATA[完全开源的语言模型学习记录--MetaRAG]]></title><link>https://blog.youkuaiyun.com/zhenlun/article/details/162522303</link><guid>https://blog.youkuaiyun.com/zhenlun/article/details/162522303</guid><author>zhenlun</author><pubDate>Thu, 02 Jul 2026 16:29:49 +0800</pubDate><description><![CDATA[MetaRAG提出首个基于元认知理论的检索增强大模型框架，通过"监控-评估-规划"三段式闭环解决传统RAG在多跳问答中无法自省错误的问题。核心创新包括：(1) 定位三类错误根源（知识不足/冲突/推理错误）；(2) 双空间架构（认知生成+元认知调控）；(3) 分场景定制修正策略。实验显示其在HotpotQA和2WikiMultiHopQA上EM分别提升26%和34.6%，显著优于Reflexion等基线。关键发现：外部知识完备性判断对性能贡献最大，推理不完整是最常见错误类型。]]></description><category></category></item><item><title><![CDATA[工作常用命令记录--sglang]]></title><link>https://blog.youkuaiyun.com/zhenlun/article/details/162520911</link><guid>https://blog.youkuaiyun.com/zhenlun/article/details/162520911</guid><author>zhenlun</author><pubDate>Thu, 02 Jul 2026 14:56:51 +0800</pubDate><description><![CDATA[【代码】工作常用命令记录--sglang。]]></description><category></category></item><item><title><![CDATA[工作常用命令记录--git]]></title><link>https://blog.youkuaiyun.com/zhenlun/article/details/162520811</link><guid>https://blog.youkuaiyun.com/zhenlun/article/details/162520811</guid><author>zhenlun</author><pubDate>Thu, 02 Jul 2026 14:52:45 +0800</pubDate><description><![CDATA[【代码】工作常用命令记录--git。]]></description><category></category></item><item><title><![CDATA[AI 全自动短视频引擎--Pixelle-Video]]></title><link>https://blog.youkuaiyun.com/zhenlun/article/details/162513794</link><guid>https://blog.youkuaiyun.com/zhenlun/article/details/162513794</guid><author>zhenlun</author><pubDate>Thu, 02 Jul 2026 11:19:58 +0800</pubDate><description><![CDATA[Pixelle-Video是一款AI驱动的全自动视频创作工具，用户只需输入主题即可自动完成全流程制作。该工具支持智能文案撰写、AI配图/视频生成、语音解说合成、背景音乐添加及一键视频合成，无需任何剪辑经验。通过GitHub开源项目提供，致力于零门槛视频创作，实现"一句话生成视频"的高效体验，大幅降低短视频制作门槛。]]></description><category></category></item><item><title><![CDATA[完全开源的语言模型学习记录--agent skill规范研究]]></title><link>https://blog.youkuaiyun.com/zhenlun/article/details/162346461</link><guid>https://blog.youkuaiyun.com/zhenlun/article/details/162346461</guid><author>zhenlun</author><pubDate>Fri, 26 Jun 2026 17:43:21 +0800</pubDate><description><![CDATA[Agent Skill 书写规范摘要 Agent Skill 是大模型可调用的标准化工具单元，包含结构化定义、自然语言描述和代码实现三部分。]]></description><category></category></item><item><title><![CDATA[完全开源的语言模型学习记录--Unlimited OCR]]></title><link>https://blog.youkuaiyun.com/zhenlun/article/details/162345778</link><guid>https://blog.youkuaiyun.com/zhenlun/article/details/162345778</guid><author>zhenlun</author><pubDate>Fri, 26 Jun 2026 17:14:28 +0800</pubDate><description><![CDATA[百度Unlimited OCR提出新型R-SWA（参考滑动窗口注意力）机制，解决现有端到端OCR长文档解析的显存与速度瓶颈。该模型将注意力分为静态视觉参考token（永久保留）和滑动文本窗口（固定128长度），实现KV缓存恒定占用，支持数十页文档单次前向解析。基于3B MoE架构，在OmniDocBench单页任务上综合得分达93.23%（提升6.22%），40+页长文档识别误差仅0.1069，推理速度不随文本长度衰减。]]></description><category></category></item><item><title><![CDATA[完全开源的语言模型学习记录--KAG]]></title><link>https://blog.youkuaiyun.com/zhenlun/article/details/162312393</link><guid>https://blog.youkuaiyun.com/zhenlun/article/details/162312393</guid><author>zhenlun</author><pubDate>Thu, 25 Jun 2026 18:18:03 +0800</pubDate><description><![CDATA[KAG（知识增强生成）框架，通过融合知识图谱与检索增强生成技术，显著提升专业领域大模型问答的准确性与逻辑推理能力。KAG创新性地构建了分层知识表示体系（LLMFriSPG）、图谱-文本双向索引、逻辑形式求解引擎、语义对齐机制和专项模型增强模块，在政务、医疗等场景中验证了其优越性。实验表明，KAG在多个多跳问答数据集上大幅超越现有方案，产业落地效果显著（政务问答精度提升25%，医疗问答准确率超93%），为专业领域知识推理提供了系统化解决方案。]]></description><category></category></item><item><title><![CDATA[学习--竞赛--Agent专题]]></title><link>https://blog.youkuaiyun.com/zhenlun/article/details/162296218</link><guid>https://blog.youkuaiyun.com/zhenlun/article/details/162296218</guid><author>zhenlun</author><pubDate>Thu, 25 Jun 2026 10:22:44 +0800</pubDate><description><![CDATA[连接： https://www.xir.cn/competition。2026CCF大数据与计算智能大赛。]]></description><category></category></item></channel></rss>