作者小头像 Lv.4
更多个人资料
613 成长值
0 关注
0 粉丝
+ 关注 私信

个人介绍

这个人很懒，什么都没有留下

感兴趣或擅长的领域

暂无数据
个人勋章
  • 云上体验官
  • 活跃之星
成长雷达
550
48
0
15
0

个人资料

个人介绍

这个人很懒，什么都没有留下

感兴趣或擅长的领域

暂无数据

达成规则

以上满足项可达成此勋章

  • 博客
  • 关注
  • 粉丝
  • 论坛
全部时间
全部时间
最近三天
最近一周
最近一月
  • 全部
  • 暂无专栏分类
端侧 AI 实战：把大模型塞进手机和汽车
端侧 AI 实战：把大模型塞进手机和汽车摘要：当推理能力被蒸馏、权重被量化，大模型开始"搬家"——从数据中心搬进手机、汽车、电脑和眼镜。本文分析端侧 AI 的真实驱动力与硬约束，拆解"蒸馏 + 量化"的技术配方与端云协同架构，给出端侧落地的场景判断清单。 一、为什么大模型非要"下端"云端推理已经如此强大便宜，为什么产业界还在拼命把模型往设备里塞？四个驱动力，每个都打在要害上：隐私：健康数据...
交通智能体
作者小头像 yd_214179722 2026-11-04 01:45:00
47
0
0
2026-11-04 01:45:00
47
0
0
MoE 深度解析：万亿参数如何跑出百亿成本
# MoE 深度解析：万亿参数如何跑出百亿成本> 摘要：翻开 2026 年主流大模型的参数表，几乎清一色写着"MoE"——混合专家架构。它让模型在"容量万亿"与"成本百亿"之间兼得，是当代大模型最重要的架构发明。本文拆解 MoE 的原理、训练的三道难关与推理服务的独特挑战，并说明它对使用者的实际意义。## 一、稠密模型的天花板稠密模型（Dense Model）里，每个参数在每个 Token ...
NAT
作者小头像 yd_214179722 2026-11-03 23:23:12
28
0
0
2026-11-03 23:23:12
28
0
0
长上下文的内幕：模型如何"记住"两百万字
长上下文的内幕：模型如何"记住"两百万字摘要：从几千到百万级 Token，模型上下文窗口在两年里扩大了数百倍。但这背后的技术不是一句"堆算力"能概括的：位置编码如何扩展、注意力如何避开平方爆炸、为什么"标称长度"和"有效长度"是两回事。本文拆解长上下文的技术内幕，并给出使用长上下文的正确姿势。 一、上下文窗口为什么难做Transformer 的自注意力机制有个先天缺陷：每个 Token 都...
机器学习
作者小头像 yd_214179722 2026-11-01 16:48:46
38
0
0
2026-11-01 16:48:46
38
0
0
长上下文的内幕：模型如何"记住"两百万字
长上下文的内幕：模型如何"记住"两百万字摘要：从几千到百万级 Token，模型上下文窗口在两年里扩大了数百倍。但这背后的技术不是一句"堆算力"能概括的：位置编码如何扩展、注意力如何避开平方爆炸、为什么"标称长度"和"有效长度"是两回事。本文拆解长上下文的技术内幕，并给出使用长上下文的正确姿势。 一、上下文窗口为什么难做Transformer 的自注意力机制有个先天缺陷：每个 Token 都...
机器学习
作者小头像 yd_214179722 2026-10-31 00:20:00
36
0
0
2026-10-31 00:20:00
36
0
0
提示工程的进化：从"咒语"到"上下文工程"
提示工程的进化：从"咒语"到"上下文工程"摘要：有人说模型越强，提示工程越没用；也有人说提示工程是玄学。两种说法都错了。本文梳理提示工程从"手写咒语"到"上下文工程"的进化路径，给出依然有效的核心模式、应该淘汰的反模式，以及提示词工程的工业化实践。 一、提示工程会过时吗每隔一段时间就有一种论调流行：“模型这么强了，提示工程还有必要吗？”事实是相反的：**模型越强，提示工程的杠杆越大。**弱...
JSON
作者小头像 yd_214179722 2026-10-30 00:10:25
46
0
0
2026-10-30 00:10:25
46
0
0
微调还是不微调：大模型定制化路线选择实战
微调还是不微调：大模型定制化路线选择实战摘要："我们的模型效果不好，是不是该微调？"这是企业 AI 落地中最常见的错误起点。本文给出一套定制化路线的决策框架：什么时候用提示词、什么时候上 RAG、什么时候才真的需要微调，以及决定微调之后，数据、方法与流程怎么走。 一、一个常见的悲剧开头某企业希望模型按公司规范输出合同审查意见。团队的第一反应是微调：攒了两万条历史审查记录，训练一周，效果——...
机器学习
作者小头像 yd_214179722 2026-10-29 00:03:35
54
0
0
2026-10-29 00:03:35
54
0
0
大模型是怎么炼成的：从预训练到强化学习的全流程解析
大模型是怎么炼成的：从预训练到强化学习的全流程解析摘要：每天都调用大模型的 API，但模型本身是怎么炼成的？本文把大模型的训练拆成预训练、监督微调、强化学习对齐三个阶段，讲清每个阶段在做什么、需要什么、产出了什么，并回答企业最关心的问题：这些环节里，哪些与你有关。 一、先建立一个整体图景大模型的诞生像一场三段式的教育：预训练是"读遍图书馆"——模型从海量文本中学习语言与世界的统计规律；**...
机器学习
作者小头像 yd_214179722 2026-10-28 00:05:21
64
0
0
2026-10-28 00:05:21
64
0
0
RAG 没有过时：它只是进化成了你认不出的样子
RAG 没有过时：它只是进化成了你认不出的样子摘要：长上下文窗口出现时，"RAG 已死"的论调一度甚嚣尘上。两年过去，RAG 不仅活着，还活成了企业 AI 应用的标配——只是它的形态已经从"向量检索 + 拼提示词"进化成了"规划、检索、评估、再检索"的智能体系统。本文梳理 RAG 进化的四条路径与一套落地方法论。 一、"RAG 已死"是怎么喊起来的2025 年，百万 Token 级上下文窗...
作者小头像 yd_214179722 2026-10-27 00:31:39
50
0
0
2026-10-27 00:31:39
50
0
0
从 Demo 到生产：AI 智能体工程化实战指南
从 Demo 到生产：AI 智能体工程化实战指南摘要
API
作者小头像 yd_214179722 2026-10-26 00:06:38
64
0
0
2026-10-26 00:06:38
64
0
0
把算力花在刀刃上：大模型推理优化深度解析
把算力花在刀刃上：大模型推理优化深度解析摘要：当模型能力趋于接近，"单位智能成本"就成了 AI 应用繁荣的真正变量。本文从大模型推理的两个阶段讲起，逐一拆解 KV Cache、PagedAttention、Continuous Batching、投机解码、PD 分离与量化等核心优化技术的原理与适用场景，并给出一套可以直接落地的优化清单。 一、为什么推理优化值得单独写一篇同样一个开源模型、同...
作者小头像 yd_214179722 2026-10-25 00:34:23
82
0
0
2026-10-25 00:34:23
82
0
0
总条数：29
10
10
20
50
100
  • 1
  • 2
  • 3

上滑加载中

https://www.baidu.com/s?ie=utf-8&f=3&rsv_bp=0&rsv_idx=1&tn=baidu&wd=sed%20%E6%9B%BF%E6%8D%A2%E5%AD%97%E7%AC%A6%E4%B8%B2&rsv_pq=c7db61a600035dc5&rsv_t=5e19yEsbV9N5fIvdlGRU
作者小头像
作者小头像
快速交付
+ 关注