- 博客(186)
- 资源 (36)
- 收藏
- 关注
RSS订阅原创 Q、K、V为什么分开计算？
Q、K、V 分离非为洁癖，而是数学上“可微字典查询”的必然：双线性匹配需独立探针与索引，凸组合需独立记录。合并将强制相关性对称，丢失有向语义；而双线性形式已由两矩阵张成全部可能，再拆无益。真正提升表达力的是多头并行与深度堆叠，而非过度分解。工程上，自回归推理中 Q 动、KV 静的缓存机制更印证其角色不可替代。
2026-10-18 16:32:23
113
原创 MCP 与 A2A：区别不在“横竖“，而在建模假设与状态归属
MCP与A2A并非上下层关系，核心差异源于对被调用对象的双重假设：能力可见性与状态归属。MCP假设能力全暴露，规划责任由调用方承担，状态无持久化，强调无状态、可重放；A2A则假设对象为黑盒，状态由服务端维护，支持长事务、可查询、可取消。2026年改版后，两者分工更清晰——MCP聚焦工具式调用，A2A专注协作式任务，协议设计均由此二假设决定，非类比所能概括。
2026-10-18 16:28:02
142
原创 同一个prompt重复多次输入进 LLM，为什么得到的输出都不一样？
同一 prompt 在 temperature=0 时仍输出不一致，根源不在解码算法，而在 GPU 浮点非结合性与推理内核缺乏批次不变性。尽管贪心解码理论上应确定，但 batch size 变化导致归约顺序不同，引发 logits 微小差异，经自回归传播后放大为输出分歧。实验表明，启用批次不变内核可实现1000次生成逐位相同。根本症结在于：浮点误差 + 内核策略随形状变化 + 服务器动态批处理，共同导致“输入相同，结果不同”的非确定性现象。
2026-10-17 17:35:41
200
原创 CPU 缓存、寄存器和内存之间是如何协同工作的？
寄存器、缓存、内存构成计算机存储层次，非独立设备。寄存器是CPU直接操作的“工作台”，缓存（L1/L2/L3）以cache line为单位自动搬运数据，提升访问速度，内存则是程序地址空间的物理载体。一次加载操作中，请求自上而下逐级查找，数据则从下往上回填，硬件通过局部性原理和高速通路，使慢速内存近乎“即时”响应。三者协同，本质是用层级结构实现“快存错觉”。
2026-10-17 17:31:03
146
原创 为什么大部分模型都有升维降维操作？
模型中的升维降维操作本质是成本与表达力的权衡：贵的计算环节（如3×3卷积、注意力）在窄通道执行，需高表达力的环节（如非线性变换）在宽通道展开。中间宽度提升可保留信息流形结构，避免ReLU导致的永久损失，且为FFN提供记忆容量。残差连接要求输入输出同宽，迫使宽度变化局限于块内沙漏结构。参数预算决定中间宽度倍率，而不同激活函数（如SwiGLU）使倍率可调，核心不变量是FFN的参数占比。视觉与语言模型虽路径不同，但均通过动态宽度优化效率与表达力。
2026-10-16 09:18:29
195
原创 2026 年再去改进 Transformer 架构，是否已经过时？
2026年，“改进Transformer”已非过时话题，而是系统性演进的主战场。原生Transformer架构在位置编码、归一化、注意力实现、前馈网络等关键模块上均被深度重构，形成新基线。核心瓶颈从“是否可用”转向“如何高效可扩展”——如复杂度（O(n²)）、显存占用与推理成本。尽管“因果注意力不可替代”成立，但其实现方式（如稠密softmax）正被MLA、DSA、Gated DeltaNet等新型机制取代。混合架构（如3:1注意力+状态模型）成为主流，验证门槛升至万亿级数据与线上服务实测。
2026-10-16 09:15:25
193
原创 LLM 在不同层之间，学到的东西有区别吗？
ResNet 某个 stage 的输出可以直接当特征用，LLM 不行——你没法拿走"第 6 层解出来的语义"，那东西不单独在第 6 层，它在第 6 到第 11 层共同维护的那根向量里，从任何一层单看都不全（读出一堆 now/other，拆哪层都只掉一点点）。MLP 主导中层这件事，Geva 等人 2022 年那篇 EMNLP 已经给过名字：FFN 在词表空间干的是"概念提升"，把跟当前上下文相关的一组概念在输出分布上加权，早期偏表层模式，后期偏任务语义。一种问的是读出：某一层手里的东西能不能被读出来。
2026-10-15 15:10:53
252
原创 Transformer架构是否被高估了？
Transformer 的真正价值并非源于注意力机制的“智能”，而在于其作为可并行、可缩放的架构载体，使模型能沿幂律稳定训练至大规模。Dong 等人揭示，若移除残差连接，自注意力层会引发秩坍缩，导致信息湮灭；而注意力的核心作用实为内容相关的选择性检索，非单纯建模长程依赖。此外，训练配方（如归一化、残差流）对性能的贡献远超架构设计本身，甚至掩盖了组件的真实短板。因此，被高估的是“注意力即智能”的叙事，而非 Transformer 本身——它的成功是系统工程的结果，而非单一机制的胜利。
2026-10-15 15:04:15
365
原创 Transformer中为什么不增加attention的头数？
而这还是不重训的结果，把 MHA checkpoint 的 KV 投影按组平均池化，再补 5% 的训练步数就能恢复。结合上面的单头实验，现行 12 头的配置里大约有 4 到 5 个头在真正做贡献，其余处在"剪不剪都一样"的状态。序列越长，需要分辨的关系越少（远处的 token 本来就不那么重要），有效秩的需求增长得很慢。信息通道窄到 1 维之后，"从不同子空间看问题"这件事在物理上不可能成立，所有头能输出的注意力分布都被限制在同一个一维打分规则的不同参数化上。一个已经训好的模型里，大多数头是可替换的。
2026-10-14 10:52:31
149
原创 Transformer 多头注意力为什么要分成多个头？
把训练好的单头拆开看，它的解和"折中"的想象完全不同。它的注意力分布根本不是固定的：对"前一个位置"的权重是输入的函数，x_7[0] 每增加一个单位，这个权重就下降 0.036，注意力在滑动。通道 0 要的量（x_{i-1}[0]）里只有 α 的浓度，通道 1 要的量（x_0[1]）里只有 1-α 的浓度，而错配进来的东西是独立随机量，补不上。翻译成人话：softmax 的注意力天然是输入的（光滑）函数，单头把"路由权重"当成了一个随输入转动的旋钮，旋钮转动本身携带的信号，顶替了它没有的第二张表。
2026-10-14 10:47:36
305
原创 为什么 GPU 解码叫硬件解码，而 CPU 解码叫软件解码？
这两个名字其实都只对了一半。「GPU 解码」干活的是显卡芯片上一块与 CUDA 核心、着色器阵列毫无关系的固定功能电路；「CPU 解码」当然也跑在硬件上（CPU 的执行单元），只是解码算法以指令的形式由通用处理器逐条执行。所以软和硬的分界线不在于是 CPU 还是 GPU，而在：写成一串指令、交给通用处理器执行，是软件实现；直接做成电路、每一步由专门逻辑完成，是硬件实现。PC 上这对叫法大体对得上，只是因为那块专用解码电路恰好封装在显卡和核显芯片里。
2026-10-13 09:02:17
301
原创 GPT-6-Astra操作电脑的原理是怎样的？
GPT-6 Astra 通过调用操作系统无障碍接口（如 Windows UIA、macOS AXUIElement），以结构化控件树替代逐帧视觉理解，实现高效、低成本的桌面操作。相比依赖像素的视觉模型，该方法在观测与动作上均大幅降低延迟与成本：控件树仅需数百token即可传递完整界面信息，动作可按名称直接触发，无需坐标计算；结合代码执行机制，单次调用可完成多步任务，显著减少往返次数。此路径非“黑科技”，而是对底层接口的深度利用，推动智能体从“看屏”转向“懂屏”。
2026-10-13 08:59:23
1169
原创 Agent Harness工程实践经验
我最近把 SWE-agent 和 Agentless 两篇论文连着读了。起因很普通，就是想知道一个 agent 到底是怎么把一件活儿从头干到尾的，读着读着被一组数字卡住了。同一个 GPT-4 Turbo，同一批 SWE-bench Lite 的三百道真实 GitHub 缺陷修复题，模型权重一个字节没动，只是把代理读写代码库用的接口换了几种做法，解决率就从 18.0% 一路跌到 10.3%。跌得最狠的一处，是干脆撤掉编辑工具，让代理退回用 shell 重定向和 sed 去改文件。先说下我站的位置。我平时做计算
2026-10-12 09:07:55
198
原创 ModularRSI实现Harness自我改进对Agent发展的意义
这中间的巨大落差，就是当前 harness 层改进的真实汇率——在见过的任务上打磨执行机制收益很大，把打磨好的机制带走，大部分留在原地。清醒的一面，可迁移的部分目前只有几个点，"自我改进的 agent 在陌生任务上持续变强"这个叙事，现有数据还撑不满。HoH（Harness-of-Harness，上海 AI Lab，9 月 1 日挂出）是另一条路线：外层套 planner—编码—独立 QA 的循环，用版本化工件和证据回灌让同一个项目跨轮次持续改进，harness 机制本身不动，被改进的对象是项目工件。
2026-10-12 09:03:25
77
原创 Transformer 的自注意力是如何计算的，又是靠什么“看见“位置关系的？
aijsoftmaxjdhead⟨qikj⟩qiWqxikjWkxj整个计算里只有内容向量xixj和两个可学习矩阵，ij。这不是公式写漏了，而是定义使然：attention 本来就是对"内容对"打分的算子。所以这个问题的第一层答案是——注意力自己不捕捉位置关系，位置是被从外面喂进来的。喂的通道总共三条：往残差流里加位置向量（正弦编码、可学习绝对编码），把qk。
2026-10-11 10:13:47
360
原创 Mamba多向扫描策略在low-level视觉中是否有效？
这里有一点要说明：恒定四路支流下方向数的上限就是四个，想跑八个方向就得开八路 SSM，算力翻倍，等算力的前提不再成立，所以这一组没有八方向配置，八方向的账只能从前面那个几何量和文献数据去看。EAMamba 在 ICCV 2025 做的对比更彻底，它在 SIDD 上把六种方案跑了一遍，2D 扫描 39.80 dB，对角 39.79，蛇形 39.77，Z-order 39.74，Hilbert 39.74，把 2D 与对角组合起来的 all-around 39.87。这几个变量里，方向数量是最不敏感的一个。
2026-10-11 10:06:21
79
原创 什么是AI模型的「雷霆大思考」，它是怎么出现的？
Qwen3.8-27B 的官方模型卡写明 thinking 模式默认开启，reasoning_effort 默认就是最高的 xhigh，官方推荐的输出配置里思维链预算 262,144 个 token，最终回答预算 131,072 个，思考拿的额度是答案的两倍。名字的出处，比较集中的说法是酒馆（SillyTavern）玩家先叫开了“雷霆思考”，B 站随后把它带成 Qwen3.8 的固定梗，后来也写作“雷霆大思考”，不再限于这一个模型，凡是内部推理长得离谱、有效输出占比极低的场合，评论区都会有人用这个词。
2026-10-10 08:59:49
155
原创 OpenCV 解决轮廓检测
测试图是用图像生成模型按固定构图造的，条件可控，三张图的光照差异是真实存在的。更稳的做法是把"切分"变成纯粹的几何归属：先用闭运算焊回掩膜上被阴影切断的窄桥，用距离变换找到各苹果的核，再用带标签的距离变换一步完成归属——掩膜内每个像素划给直线距离最近的核。为了把这件事量化，我构造了一个边界位置精确已知的场景：半径 100 像素的圆盘，前景灰度 180、背景 100，边缘用 σ=2 的高斯模糊过渡来模拟镜头模糊，叠加 σ=3 的高斯噪声，然后整幅图乘以一个光照因子 k，从 0.70 扫到 1.30。
2026-10-10 08:57:37
301
原创 OpenCV 如何识别低对比度露珠：以一张工业样例图为例
本文暗化门槛取 8，往上离真环最近的观测值 12.7，往下离假环最近的 6.8，这样的余量要靠扫样本量出来。第三条我特意写成相对量，因为踩过坑：最初用的是绝对灰度上限 110，原图工作正常，给图像加 40 的亮度偏置之后，black-hat 响应纹丝不动，真环反而先被这条判据否决了。阈值取 ROI 内响应的 98 分位数（本图实测 123），而不是惯常的均值加 k 倍标准差：麻面把标准差抬到 31.8，均值加 6σ 等于 248，已经超过全图最大响应 185，直接输出空集。基于响应强度的滤波器结果更糟。
2026-10-09 08:56:00
538
原创 如何评价 DeepSeek Harness 底层理论论文，有哪些亮点？对 Agent 发展有什么影响？
这篇论文不是给 DeepSeek Harness 做背书的，DeepSeek Harness 是它第一个大客户。现在到处流传的说法是「DSH 开源了，底层来自一篇和北大合著的论文」。因果反了。Cordis 不是为 DeepSeek 造的。它的作者 Shigma，也就是论文一作 Yifan Shi，从 2019 年起在做聊天机器人框架 Koishi，Cordis 是那个项目的插件内核，四年下来托着四千多个社区插件。Koishi 的文档里早就把可逆副作用的幺半群推导写完了——把函数空间里的副作用抽象成 C →
2026-10-09 08:52:56
169
原创 Harness自进化
我把每个 benchmark 内三组模型的相对增益先取均值，GameCraft 55.25%，FrontierSWE 按 Pass Rate 列算是 73.41%，ProgramBench 28.09%，再对三个 benchmark 等权平均，正好 52.25%，一个点都不差。作者显然也料到了这个质疑，专门做了一个对照，叫 Vanilla Continuation，让普通的 coding agent 在已有项目上接着跑三轮，不换 planner，不给独立 QA 证据，就用固定提示让它继续开发、继续测试。
2026-10-08 10:14:51
288
原创 为什么ViT 的分块要用卷积，而不是直接裁剪
能看到的数据支持的是：在 CPU 上，卷积和 unfold 基本等价，卷积的优势在代码量和在 GPU 上少一个中间物，而不在 CPU 的绝对速度。换个角度说，ViT 那个"先不重叠切开再全局注意力"的设计，从一开始就带着这个硬边界，后来所有结构改动都在补它。至于速度，卷积的代码量优势是真的，本机 CPU 上 unfold 并没有更慢，GPU 上的中间张量优势也是真的，但"cuDNN 快很多"这个具体说法我在这台没有 GPU 的机器上无法验证，能看到的 CPU 数据不支持它。这个回绕是模 16 的。
2026-10-08 10:07:57
557
原创 CNN降维应该使用1x1卷积还是线性层？
还有第四种写法值得单拎出来，把整张图展平后只映射到一个 128 维向量，参数量 12,845,184，是 1×1 卷积的 195.6 倍，单图乘加 12,845,056 次，和 1×1 卷积一模一样。比过耗时（CPU，PyTorch 2.10.0+cpu，10 线程，预热 5 次后取 30 次中位数），三个配置下的比值是 1.20×、1.29×、1.01×，差的那一点来自后者有 oneDNN 和 channels_last 的专门优化，算法上是同一个东西。Inception 用的是同一层的另一面。
2026-10-07 13:37:26
365
原创 为什么大模型评测分数越来越高实际却没变好？
厂商就算把全部预算都砸在"让人愿意多聊"上，这个目标本身也接不住，因为现在绝大多数评测数字跟"聊天体验好不好"之间几乎没有耦合关系。先把两类东西分清楚。一类是模型能做什么，解多难的题、写多长的代码、多步任务能不能收尾、有没有幻觉，这一类这三年是真的在涨，而且涨得幅度很大。另一类是模型说话的方式，什么时候该收住，用不用先说三句铺垫，给不给不确定的语气，像不像个人在说话，这一类基本原地踏步。而人们嘴里说的"变好"和"没变好"，说的全是后者。分数量的是前者，你抱怨的是后者，中间那道桥断了。奖励信号这一层是根子。当
2026-10-07 13:35:18
150
原创 Claude Code 发布 Mod
rename 解决不了这个，因为改的是名字，不改的是层级。「主要目的是验证」说明兼容层本身不是产品承诺，「一个子集」说明是 DSH 站在承载方的位置上量了量 Claude Code 的接口有多大，「而非为用户提供实际的完整兼容性」说明人家也没打算把 DSH 的 Plugin 改名叫 Mod。，里面装的是「把 Claude Code 的 mod 概念翻译过来」这件事，叫 mod 是对的。mod 这个词在软件里原本就带「改造既有物」的语义，不是新建一个独立产品，是让一个已经能跑的东西按你的意思变形。
2026-10-05 12:33:14
246
原创 deepseek v4 flash 0731 是不是说明 t 级模型领先不了太多？
这个问法里其实压了两次跳跃，我想先把它掰开。第一跳是"0731 确实压住了 Pro"，这一跳基本成立，官方自己放的九张 agent 榜上 Flash 都比 Pro 预览版高。第二跳是"压住 Pro 就说明参数没用"，这一跳我不认，我觉得它更像先射箭再画靶。真正要紧的是 0731 这次发布里最容易被跳过的一句话：架构和参数规模都没动，只重做了后训练。 也就是说它和四月的预览版共享同一套预训练权重，改的只有后训练管线。它无意中成了一个挺干净的对照实验——把"底"按住不动，只动后训练，看能挪出去多远。结果挪得很夸
2026-10-04 15:01:03
123
原创 扩散超分 PSNR 低怎么改，先把能改的和不该改的分开
最先要排查的是评测口径，它与模型无关，却经常是最大的误差来源。可查证的路线有几条。发论文的话，务实的做法是把 PSNR 维持在同类扩散方法的量级内，以 ResShift 的 ImageNet-Test 为例，同类方法的 PSNR 集中在 23.99 到 25.01 之间，其中 SwinIR 是 23.99，LDM-100 是 23.90，ResShift 是 25.01，主指标用 MANIQA、MUSIQ、CLIPIQA 这类与视觉质量相关性更好的指标，再配一组用户研究，PSNR 当作保真度的下限参考。
2026-10-04 14:58:26
140
原创 LLM 是否是目前最高效的知识存储方式？
前面那个验证码测试的断崖就是这件事的微观版本：窗口决定的是"眼前摊开多少资料"，跟"肚子里存了多少"是两回事，出窗的 token 不是记不牢，是压根不在输入里，连检索都无从检索。效率的定义在这里劈成了两条，得分别称重。这是"高效编码"的真面目，也是它作为"存储"的第一重破绽：省下来的比特属于语言，不属于你的数据。这个问题有标准答案，因为"预测"和"压缩"在数学上是同一件事——给定一个逐 token 的概率模型，配上算术编码，就能把一段文本无损压到它的交叉熵长度，这是 Shannon 定的价，没有商量余地。
2026-10-03 20:38:54
164
原创 Skill 不就是 prompt 吗？
我在自己机器上数了一遍。把能找到的 SKILL.md 全捞出来，六十个，来自几套不同的技能目录，挨个丢进 tokenizer 数，再把每个技能目录里附带的脚本、参考文档一起算进来。数完有个结果我觉得挺反直觉：一个典型技能里默认常驻上下文的那部分——就是 YAML 头上那个名字和描述——中位数只有 170 个 token，占整包的 3% 左右。而附带资源的中位数是 4077，比 SKILL.md 那段正文（1750）还多一倍多。也就是说，一个技能里体量最大的那部分，是那些从头到尾不打算被加载的文件。这个数字先
2026-10-03 20:34:25
191
原创 Deepseek 新发布的论文：DeepSeek Elastic Compute(DSec)
镜像的问题从规模上就能看出来。实测 8192 容器的突发里，按需加载 35 分钟跑完全部任务（eager 拉取超过 60 分钟，慢 1.71 倍），每节点累计磁盘写入从约 1600 GB 降到约 700 GB，接近镜像全部预先缓存到本地的基线（约 600 GB）。把 best-effort 任务压到 SCHED_IDLE，50% 后台负载下时延敏感任务的每步延迟膨胀几乎没变，论文给的数字是单独这一项的改善不超过 3.4%，原因是 LS 线程还会和 SMT 兄弟线程上的 BE 任务争抢同一物理核的执行资源。
2026-10-01 13:59:22
362
原创 Anthropic发文称使用AI进行头脑风暴时建议思考深度采用low，这是为什么？
（arxiv.org/abs/2412.21187）统计了 o1、DeepSeek-R1、QwQ 这类模型的过度思考，回答”2 加 3 等于几”，通用对话模型只要五到十来个 token 就答完，o1-preview 用了 226 个，DeepSeek-R1 用了 987 个，平均比传统模型多花 1953% 的 token，这些额外推理对准确率贡献极小，多出来的解答在策略上还彼此重复、缺乏多样性。博客作者自己的工作流就是按这条线切的，low 出稿，low 迭代，只在最后的验证环节切到 high。
2026-10-01 13:58:25
263
原创 知乎回答：DeepSeek Harness「一切皆插件 + 技能包」会不会是 Agent 走向自我进化的一条路？
先说一个比问题本身更有意思的观察。DeepSeek Harness 官方仓库里 下面现在挂着 12 个 skill（八月中旬刚开源时是 11 个，半个月里又长出来一个）。我看了几天，越看越觉得不能把它们叫"技能包"，因为它们写的东西和技能包刚好是反的。技能包应该告诉你"怎么做"，这 12 个里的大部分篇幅在告诉你"什么不算做对了"。find-simplifications 一多半的内容在划否定边界：删一个 typo 不算简化，跑一次 knip 不算，删一个有意保留的后端适配器不算。pre-push-che
2026-09-26 10:53:24
156
原创 计算两张图像的相似度，用深度学习怎么做？——从任务定义到选型的完整指南
评测指标要对齐任务。感知度量看与人类判断的 2AFC 相关性（BAPPS 基准）；检索/去重看 Recall@K 和 mAP（拷贝检测参考 DISC2021 协议）；度量学习统一用 Recall@1/mAP 并对齐 Reality Check 的协议，避免自欺欺人。阈值不是拍脑袋。相似度分数的绝对值没有意义，必须用你的验证集画 ROC/PR 曲线：业务要求"宁可错杀"（版权下架）看高召回端，业务要求"宁缺毋滥"（人审队列）看高精度端，然后用 Youden 指数或业务约束反推阈值。
2026-09-26 10:51:52
390
原创 如何评价DeepSeek-V4.1-Flash？
DeepSeek V4.1-Flash 不是那种「参数更大所以更强」的发布。552B 总参数里，预填充阶段只激活 8B，解码阶段激活 16B——账面激活量比上一代 V4-Flash 的 13B 还不起眼。但它拿出来的成绩把 1.6T 的 V4-Pro 按住了。DeepSeek 在公告里写得很直白：从 9 月 14 日起所有 deepseek-v4-pro 的请求会转到 V4.1-Flash 上、按 Flash 的价格计费，一直到 V4.1-Pro 上线为止。一个挂着 Flash 名字的模型把旗舰挤下线，这事
2026-09-20 09:03:58
101
原创 模糊二维码清晰化
盲扫描找到的是"刚好能解"的参数，复原图 PSNR 只有 10.0dB、与退化图几乎持平，解码率却是 0% 到 100% 的差别——这就是开头说的"标准换了"之后的第一个具体例证。实拍照片里没人告诉你 σ 是多少，严格解这个盲去模糊问题需要估计自然图像先验，但对二维码有一个便宜得多的办法：既然最终目标是解码，就把 PSF 参数当普通超参数，网格扫一遍，谁先解出来用谁，即把解码器放进循环里当目标函数。第三，维纳反卷积在 σ=2.8（0.7 倍模块宽）仍然保持 100%，无论 PSF 是已知的还是扫出来的。
2026-09-20 08:58:06
114
原创 LinearSR: Unlocking Linear Attention for Stable and Efficient Image Super-Resolution
这篇论文的价值在于将"线性注意力为何在超分上难以落地"拆解为三个可以分别处理的问题，并对每一个给出了可复现的方案。就后续研究而言，以下几点值得关注。最直接的组合是蒸馏。骨干单步前向 0.036 秒，若再通过一致性蒸馏或对抗蒸馏将 20 步压缩为 1 步，总耗时有望进入 0.1 秒量级，megapixel 级图像生成达到这一速度后，工程落地的空间会明显扩大。
2026-09-20 08:55:00
248
原创 如何通过脏token鉴别大模型掺水？
最逗的是那句点名 Qwen 的"转载请附上原文出处链接和本声明"，它既没复述也没解释，直接把前缀里 few-shot 的例子"今天下雨"抄了上来，典型的上文复读。要是有个字串在训词表那批数据里露过脸，拿到了一个词表位置，可在训模型的数据里被清掉了、或者统共就出现过那么几次，那它就成了个幽灵：位置占着，embedding 几乎没怎么更新，等于字典里有词条、没释义。嫌这套土法炼钢，还有更硬的。顺带说一句，刚才复述崩掉的 davidjl，范数排在第 1.9 百分位，比 98% 的词表项都低，正落在最脏那一档。
2026-09-20 08:50:29
148
原创 如何评价当前的 AI Agent 落地效果普遍不佳的问题？
做成了，但不够科幻，所以不算。大家的普遍动作是，先有了 agent 这个工具，再满世界找地方放它，而不是先找到一个"可验证、可回滚、量还足够大"的活儿，再为它配一个 agent。这时候只谈"端到端成功率 36%“，可能就有点偏了，因为剩下的 64% 里，有一部分不是"没做成”，是"做错了、而且已经造成损失"。最后押一个不太成熟的判断，可能有点反直觉：我隐约觉得，接下来 agent 落地真正会松动的时刻，未必是模型再强一代，而更像是有人在某个非代码的领域里，先造出了第一个足够廉价、足够快、足够难被糊弄的。
2026-09-20 08:49:40
94
原创 Harness Engineering 的本质是什么？
而 LangChain 自己还承认了一层更微妙的麻烦——模型和 harness 是共同被训练的，模型在某套 harness 里被后训练过，换个工具逻辑它的表现反而会掉（他们举的例子是 apply_patch）。有意思的是，作者通篇没怎么用 harness 这个词，他们用的是另一个词——ACI，agent-computer interface，说它是"模型和计算机之间的一个抽象层"。给同样的输入，输出就是同一个输出，所以老的 harness 可以是静态的——驱动一次、观测一次、比较一次，完事。
2026-09-12 12:55:23
79
原创 推理大模型与普通大模型的区别是什么？
不管是 GPT-4o、Claude 3.5、Qwen3 non-thinking mode，都足够。强行上推理模型只会让响应变慢、变贵，偶尔还能"想多了想歪了"给你一个奇怪答案。
2026-09-12 12:48:02
39
DS12C887使用手册
2018-11-12
LM393中文资料
2019-01-13
HC-SR501 人体感应模块说明书
2019-01-13
hc-sr04超声波测距模块说明书
2019-01-13
LCD12864液晶中文手册
2019-01-13
STC-ISP单片机烧写软件
2018-11-15
车辆的检测、跟踪和计数
2018-11-10
公司信息管理系统
2018-11-27
Python计算机视觉编程
2018-10-04
利用MATLAB实现6种（2ASK、4ASK、2FSK、4FSK、2PSK、4PSK）调制信号的自动调制识别
2019-07-14
ARM嵌入式系统设计与应用
2019-04-14
CAN总线开发-SG-TOP808原理图
2019-05-09
《模式识别》-边肇祺
2019-07-14
CAN总线技术实验-工业网络技术实验-A、B、C三板通信
2019-07-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人