- 博客(686)
- 收藏
- 关注
RSS订阅
原创 深入浅出完整解析AIGC时代中GAN（Generative Adversarial Network）系列模型核心基础知识（下篇）
10万字深入浅出完整讲解GAN系列模型的本质原理和核心技术
2026-06-01 19:27:25
1984
原创 深入浅出完整解析AIGC时代中GAN（Generative Adversarial Network）系列模型核心基础知识（上篇）
10万字深入浅出完整讲解GAN系列模型的本质原理与核心价值。（上篇）
2026-05-31 16:18:34
376
原创 深入浅出完整解析ControlNet核心基础知识
和大家一些探讨学习，让我们一起感受ControlNet给AIGC图像生成/AI绘画带来的可控生成的无穷魅力！
2026-01-16 09:25:34
1768
原创 深入浅出完整解析Stable Diffusion 3（SD 3）和FLUX.1系列核心基础知识
10万字的Stable Diffusion 3和FLUX.1核心基础知识深入浅出全维度讲解（全网最详细）
2025-04-12 16:11:52
2735
原创 深入浅出完整解析Stable Diffusion XL（SDXL）核心基础知识
（全网最详细）深入浅出完整解析Stable Diffusion XL（SDXL）核心基础知识。
2023-08-20 12:53:03
13191
5
原创 深入浅出解析Stable Diffusion中U-Net的核心知识与价值 | 【算法兵器谱】
零基础掌握U-Net在传统深度学习和AIGC中的核心知识与价值。
2023-08-20 12:44:53
7035
8
原创 深入浅出完整解析Stable Diffusion（SD）核心基础知识
深入浅出完整解析Stable Diffusion（SD）核心基础知识（全网最详细讲解），从0到1快速入门AIGC领域，快速上手AI绘画核心模型—Stable Diffusion！
2023-05-28 18:40:34
13081
6
原创 MiniMax Sparse Attention：一篇读懂百万上下文时代的稀疏注意力工程化路线
MiniMax 这篇《MiniMax Sparse Attention》讨论的不是一个“看起来更优雅”的注意力变体，而是一个非常现实的问题： 当大模型上下文长度走到 100K、1M 甚至更长时，dense softmax attention 的二次复杂度已经不再是论文里的公式问题，而是推理成本、延迟、显存和产品可用性的核心瓶颈。
2026-07-18 10:18:42
265
原创 Video Generation Models are General-Purpose Vision Learners：一篇读懂 GenCeption 和视觉通用模型的新范式
这篇论文的标题很直接：Video Generation Models are General-Purpose Vision Learners。作者提出的 GenCeption 不是又一个把视频扩散模型拿来做单点任务的小改造，而是在回答一个更大的问题： 如果 NLP 的通用智能是被 next-token prediction 推出来的，那么视觉领域等价的“通用预训练催化剂”是什么？
2026-07-18 10:17:13
222
原创 一文读懂UltraX技术原理：当预训练数据到达物理上限，真正的增量来自可执行的数据精炼
这篇论文《UltraX: Refining Pre-Training Data at Scale with Adaptive Programmatic Editing》讨论的不是一个表面上的“数据清洗工具”，而是一个更底层的问题：当互联网可用文本逐渐接近物理上限，LLM 继续提升到底还能靠什么？
2026-07-17 12:30:29
231
原创 一文读懂Kimi K3核心基础知识
Kimi K3 是 Kimi 在 2026 年 7 月 16 日发布的 2.8T 参数、1M context、原生视觉、面向 coding 与知识工作的开放 3T 级模型。它的核心价值不是单纯把参数规模推大，而是把大规模 MoE、长上下文、视觉理解、代码执行、桌面工作流和 API 交付放到同一个 Agentic 产品体系里。
2026-07-17 12:26:37
467
原创 Anthropic最新研究A global workspace in language models：一篇读懂语言模型内部的“全局工作空间”
Anthropic / Transformer Circuits 这篇《Verbalizable Representations Form a Global Workspace in Language Models》，表面上是在讲一个新的可解释性工具 Jacobian Lens，实际上它触到的是一个更底层的问题： 大语言模型内部，并不是所有计算都同等可见、同等可报告、同等可被后续推理使用。模型似乎存在一小块“可言说表征”空间，里面的内容既能被模型说出来，也能被干预、调制、复用，甚至影响模型的安全行为。
2026-07-16 12:45:33
248
原创 一篇读懂 SenseNova-Vision（Vision as Unified Multimodal Generation）核心基础知识
这篇论文真正值得看的，不是它又把一批视觉 benchmark 做得很高，而是它把视觉任务的表达方式往前推了一步：不再默认“一个任务配一个头、一个任务配一套解码器、一个任务配一套评测协议”，而是尝试把检测、OCR、关键点、分割、深度、法线、点图、多视图重建和相机位姿统一改写成统一多模态生成（Unified Multimodal Generation, UMM）里的文本、图像或混合文本-图像输出。
2026-07-16 12:41:31
305
原创 一文读懂MrFlow无训练扩散加速技术的核心基础知识
这篇论文《Multi-Resolution Flow Matching: Training-Free Diffusion Acceleration via Staged Sampling》提出的 MrFlow，看起来是在解决一个很具体的问题：如何在不重新训练、不写特殊 kernel、不依赖硬件优化的前提下，把 FLUX.1-dev、Qwen-Image 这类 flow-matching 文生图模型加速到 8 到 10 倍，甚至和 timestep distillation 叠加后达到约 25 倍。
2026-07-15 13:29:26
427
原创 一文读懂Token Merging核心基础知识
Token Merging把ViT加速从删token转向合并冗余token：无需重训即可提升图像、视频、音频Transformer吞吐，并保留较好的速度-精度折中。
2026-07-15 13:27:31
448
原创 Rocky Ding独家AI产业研报（第3期）：2026.6.15-2026.7.12的AI高价值信息汇总与分享
4万字AI行业最新技术进展与前沿信息，你确定不看吗？
2026-07-14 12:41:26
319
原创 Claude Code 为什么好用：一篇读懂 AI Agent 的工程审美
MinusX 这篇《What makes Claude Code so damn good》表面上是在拆 Claude Code，真正值得读的地方却不是“某个提示词长什么样”，而是它把当前 AI Agent 产品的一个核心矛盾讲透了：Agent 越想表现得聪明，系统越容易变得不可调试；真正强的 Agent，往往不是把架构堆复杂，而是把复杂性压回一个可以观察、可以干预、可以持续改进的闭环。
2026-07-14 12:39:18
424
原创 一文读懂Manus的Context Engineering核心基础知识
Manus 这篇 Context Engineering，比 Anthropic 更接近 Agent 生产现场。
2026-07-13 12:28:54
274
原创 一文读懂Anthropic的Context Engineering核心基础知识
别再只卷 Prompt 了：Anthropic 这篇 Context Engineering，把 AI Agent 的真问题讲透了
2026-07-13 12:27:09
915
原创 一文读懂Kimi K2.5视觉智能体大模型核心基础知识
Kimi K2.5: Visual Agentic Intelligence：一篇读懂视觉智能体的新拐点 核心导读 Kimi K2.5 这篇技术报告，表面上是在介绍一个开源多模态 Agent 模型，实际更像是在回答一个更底层的问题：当大模型从“会回答”走向“会执行”，视觉、代码、工具调用、长上下文和多 Agent 调度到底应该怎样被放进同一个系统里？ Rocky 认为，这篇工作的核心价值不在于某几个 benchmark 分数，而在于它把两个长期被分开讨论的问题合在了一起：第一，视觉和文本不是后期拼接出来的能
2026-07-11 10:44:44
362
原创 一篇读懂Kimi K2开源Agentic LLM 底座核心基础知识
Kimi K2: Open Agentic Intelligence：一篇读懂开源 Agentic LLM 底座 核心导读 Kimi K2 这篇技术报告，表面看是在发布一个 1T 级 MoE 开源大模型；更深一层，它其实在回答一个非常现实的问题：当高质量人类数据越来越稀缺，模型又要从“会聊天”走向“会用工具、会写代码、会在环境中行动”，下一代开源基础模型到底应该怎么训练？ Rocky 认为，Kimi K2 的关键不只是“参数很大”或者“榜单很好”，而是它把开源大模型竞争从单纯的参数规模，推进到三个更底层的系
2026-07-11 10:43:36
588
原创 一文读懂Seedream 5.0 Pro图像创作大模型的核心基础知识
Seedream 5.0 Pro 同时通过 API 与 ComfyUI 节点进入生产链路，核心价值不只是图像质量提升，而是可控编辑、结构化排版、多语言生成与工作流集成共同推动 AI 图像创作从灵感图走向可交付生产资产。
2026-07-10 12:25:22
274
原创 一文读懂GPT-5.6 与 ChatGPT Work核心基础知识
OpenAI 同时发布 GPT-5.6、ChatGPT Work 与 GPT-5.6 System Card，真正信号不是单点模型升级，而是把模型能力、工作产品与安全治理组合成可调度、可治理、可交付的智能生产系统。
2026-07-10 12:19:44
390
原创 一文读懂Claude Code Loop 机制的核心基础知识
本文基于 Claude 官方 Getting started with loops 与 Agent SDK 文档，拆解 AI Coding 从 Prompt 转向 Loop 的本质：目标、工具、验证器、停止条件和状态管理正在成为 Agent 生产系统的核心。
2026-07-09 12:14:13
459
原创 一文读懂EasyPhoto人像写真核心基础知识
本文从科研与产品工程视角拆解 EasyPhoto：它的本质不是单点换脸工具，而是把身份建模、LoRA 个性化、ControlNet 条件控制、Mask 重建、边缘完善和后处理组织成可交付的人像生成闭环。
2026-07-09 12:13:08
484
原创 一文读懂OpenAgents语言智能体核心基础知识
本文系统解读 OpenAgents 论文：从 Data Agent、Plugins Agent、Web Agent 到真实部署挑战，分析语言智能体如何从 demo 走向可用产品平台。
2026-07-08 12:09:02
300
原创 一文读懂Generative Agents生成式智能体核心基础知识
本文系统解读 Generative Agents 论文：用记忆流、检索、反思与规划，把大语言模型从一次性对话生成器推进为可持续行动的生成式智能体架构。
2026-07-08 12:08:11
359
原创 一文读懂LayerDiffusion可控图像编辑核心基础知识
本文解析 LayerDiffusion 如何把单图多动作图像编辑拆成前景、背景、文本条件和推理约束的分层控制系统，并讨论其研究价值、工程成本与产品落地边界。
2026-07-07 12:14:43
450
原创 一文读懂Transparent Image Layer Diffusion透明图层生成核心基础知识
本文解析 Transparent Image Layer Diffusion 如何用 latent transparency 让扩散模型原生生成透明图层资产，并讨论其数据飞轮、图层工作流、评测结果与产品落地边界。
2026-07-07 12:13:18
351
原创 一篇读懂SageAttention 8-bit Attention 如何即插即用加速 Transformer 推理
SageAttention：一篇读懂 8-bit Attention 如何即插即用加速 Transformer 推理 核心导读 Transformer 的推理成本里，有一类开销特别顽固：Attention。 线性层可以量化，权重可以压缩，KV Cache 可以做各种分页和缓存管理，但只要序列长度继续变长，标准 Attention 里的 $QK^\top$ 和 $PV$ 就会越来越像系统里的“硬骨头”。
2026-07-06 12:42:20
503
原创 一篇读懂DMD2（Improved Distribution Matching Distillation for Fast Image Synthesis）核心基础知识
DMD2 通过去掉回归配对数据、TTUR 稳定 fake score critic、引入 GAN loss 和 backward simulation，将扩散模型蒸馏到一步或少步生成，并在 ImageNet、COCO 与 SDXL 文生图任务上取得强结果。
2026-07-06 12:06:47
372
原创 一篇读懂LLM Powered Autonomous Agents大模型智能体的系统本质原理
LLM Powered Autonomous Agents：一篇读懂大模型智能体的系统本质
2026-07-03 12:33:23
467
原创 《A Survey on Large Language Model based Autonomous Agents》深度解读：一篇读懂 LLM Agent 从架构、能力到评估的系统框架
《A Survey on Large Language Model based Autonomous Agents》深度解读：一篇读懂 LLM Agent 从架构、能力到评估的系统框架
2026-07-02 12:24:54
277
原创 Anthropic《Building effective agents》深度解读：Agent真正的门槛，不是框架复杂度，而是可验证的任务闭环
Anthropic《Building effective agents》深度解读：Agent真正的门槛，不是框架复杂度，而是可验证的任务闭环
2026-07-02 12:10:26
488
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