脑启社区

脑启社区

开源工具课程中心类脑模型应用案例

去全站搜索看看？

登录社区云

登录社区云，与社区用户共同成长

脑启社区

邀请您加入社区

欢迎加入社区

欢迎加入社区

语言模型

数据稀缺如何影响语言模型语法学习：GPT-2干预实验揭示能力瓶颈

在自然语言处理领域，语言模型通过海量文本数据学习语言的统计规律和内在结构。其核心原理是基于Transformer架构，通过自注意力机制捕捉序列中词与词之间的依赖关系，从而实现对语言的理解和生成。这项技术的价值在于能够自动化处理和理解人类语言，广泛应用于机器翻译、智能对话、文本摘要等场景。然而，模型对数据分布的依赖程度，特别是对复杂语言现象的学习效率，是决定其实际应用能力的关键。本文聚焦于语法能力这

 北知春
2026-06-23 12:57:09

 275

 10

#语言模型
Protecting Intellectual Property of Large Language Model-Based Code Generation APIs via Watermarks

很多人可能疑惑：大模型不是很难训练吗？怎么随便就能被盗版？这里要区分和。目前绝大多数商用代码模型，都是基于CodeBERT、CodeT5这类开源基座，用私有数据微调得到的。攻击者根本不用从零训练，整套窃取流程特别简单：批量向目标代码API发送各类自然语言、代码补全请求；收集海量「输入prompt-输出代码」配对数据；用这批数据微调同款开源基座，直接得到仿制模型。论文里做了实测，原模型BLEU分数2

qzhqbb
2026-06-24 01:47:57

 394

 7

#语言模型 #数据挖掘 #人工智能
EAGLE-3投机推理原理

摘要本文系统介绍了大语言模型推理中的投机解码（Speculative Decoding）技术，重点分析了EAGLE系列方法的演进与创新。投机解码通过"小模型预测+大模型验证"的并行机制，显著降低推理延迟。文章详细对比了MEDUSA、EAGLE、EAGLE-2等方法的优劣，其中EAGLE利用目标模型特征和token自回归预测多步输出，EAGLE-2引入动态树剪枝优化候选token选择。最新提出的E

yiyu09
2026-06-22 22:42:05

 415

 3

#人工智能 #语言模型
阿里：突破熵界加速RL训练

如何解决强化学习训练中因策略熵波动导致多Token预测接受率下降及推理加速受限的问题？论文提出Bebop方法，通过端到端TV损失和拒绝采样解耦熵与接受率的关系，实现RL训练1.8倍加速。

大模型任我行
2026-06-24 08:00:00

 688

 30

#人工智能 #自然语言处理 #语言模型
腾讯：平滑散度正则优化LLM强化学习

如何解决大模型强化学习中重要性比率在长尾词表下无法准确衡量分布偏移，且现有硬掩码方法缺乏修正信号导致训练不稳定的问题？论文提出DRPO算法，用平滑的优势加权二次正则项替代硬掩码，在保留绝对概率偏移信任域的同时提供连续有界的梯度修正信号。

大模型任我行
2026-06-23 08:00:00

 423

 9

#人工智能 #自然语言处理 #语言模型
AI赋能文旅：从技术应用到价值重构，智能体如何破解行业三大痛点？

文章探讨了文旅产业在“人工智能+”政策下向智能化、精细化运营转型的需求与挑战。指出传统服务模式已无法满足游客深度体验需求，景区运营面临客流失控、安全预警滞后、成本浪费等问题，文化传播效能也偏低。文章提出以大模型基座为核心、行业解决方案智能体为载体的人工智能技术，凭借数据安全合规、场景深度适配、响应实时高效的优势，可重构游客体验、优化景区运营、创新文化传承全链路。具体落地解决方案包括智能行程定制、实

 网安福宝
2026-06-22 17:15:31

 264

 4

#人工智能 #语言模型 #产品经理 +3
AI 工作流：异步状态机与工程落地

智能工作流平台的核心是对系统状态的掌控。通过轻量级异步状态机、关键节点的异常补偿与避退重试，再加上合理的可观测性投入，团队才能以较低的重构代价，构建出能支撑大模型复杂调用的业务系统。

qq_35160742
2026-06-21 11:07:52

 1322

 3

#人工智能 #语言模型
创业团队技术选型与成本控制：每一分钱都要花在刀刃上的实战策略

创业团队的技术选型，核心原则是"速度优先，成本可控，迁移有路"。选型的决策框架需要量化，不能靠拍脑袋。三维评估模型——交付速度、维护成本、迁移风险——在不同阶段赋予不同权重，做出最适合当下的选择。成本控制的前提是成本可见，实时监控比事后分析重要一百倍。优化不是省钱，是让每一分钱产生最大的业务价值。大模型 API 成本是 AI 创业团队最容易忽视的隐性支出，必须在架构层面就考虑缓存和降级策略。技术如

 qq_35160742
2026-06-21 10:58:35

 4902

 14

#人工智能 #语言模型
NLP与知识图谱入门完全指南：从理论到工具，从学习到面试

*这篇文章帮你系统梳理NLP与知识图谱领域的入门路径、必备知识、开源工具和学习方法。无论你是刚入行的新手还是想系统补课的从业者，都能从中找到清晰的行动指引。*

不摇——碧莲
2026-06-21 16:33:35

 367

 9

#知识图谱 #语言模型 #人工智能
语言模型如何学习长距离语法依赖：从填充语-空位机制到RAG应用优化

在自然语言处理中，理解句子内部的长距离依赖关系是衡量模型深度理解能力的关键。其核心原理在于模型需要跨越多个语法成分，将句子前部的疑问词或关系代词（填充语）与后部缺失成分的位置（空位）正确关联，这超越了简单的局部词汇匹配。掌握这一能力对模型的技术价值重大，它直接决定了模型能否进行精准的逻辑推理、代码生成和复杂指令跟随。尤其在当前热门的检索增强生成（RAG）和本地部署大语言模型的应用场景中，用户查询往

 闲白客
2026-06-20 16:55:43

 218

 5

#语言模型
大模型推理黑箱：从注意力机制到 Agent 编排的工程化拆解

大模型底层原理的理解不是学术追求，而是工程优化的基础设施。核心要点如下：第一，理解推理管线才能设计高效 Prompt。从 Tokenization 的 Token 效率差异，到 Attention 的 Lost-in-the-Middle 现象，再到采样策略的确定性-多样性权衡，每个环节的原理知识都能转化为具体的 Prompt 优化策略。第二，Agent 编排的本质是多步推理的可靠性工程。

qq_35160742
2026-06-20 22:33:58

 3491

 11

#人工智能 #语言模型
2026年Java工程师转型选AI大模型还是嵌入式？

2026年Java工程师的转型抉择：AI还是嵌入式？ 2026年，Java工程师面临严峻的职业挑战。传统开发岗位需求锐减32%，而AI相关岗位激增217%。AI工具已能替代80%的基础开发工作，企业更青睐具备AI能力或软硬结合技能的工程师。转型路径主要有两条： AI大模型方向：结合Java工程能力与AI技术（如LangChain、Prompt Engineering），学习周期6-12个月，薪资

 2401_84682062
2026-06-20 23:09:06

 415

 7

#java #人工智能 #嵌入式硬件 +1
LLM 工作流编排实战：构建可观测的智能自动化管道

LLM 工作流编排的核心矛盾在于：确定性管道需要承载非确定性节点。解决思路不是消除非确定性，而是通过 Schema 校验、检查点机制和执行日志让非确定性的影响可观测、可回溯、可干预。从线性链开始：先用顺序执行覆盖 80% 的场景，避免过早引入 DAG 并行编排。确定性优先：能用规则引擎完成的步骤绝不交给 LLM，将 LLM 节点控制在最少必要数量。Schema 即契约：每个节点的输入输出必须定义

 星辰AI
2026-06-20 22:30:18

 4805

 8

#人工智能 #语言模型
本地Docker部署Dify+Milvus向量库完整教程（RAG本地搭建全流程）

本文完整讲解 Windows 环境下基于 Docker 私有化部署 Dify AI 平台与 Milvus 向量数据库全流程。包含 WSL2 环境配置、Docker 国内镜像加速、Dify 部署与通义千问大模型接入、Chatflow 对话应用搭建，同时提供 Milvus 一键容器安装、Attu 可视化管理方案，可快速搭建本地 RAG 知识库与私有 AI 对话机器人，并整理常见报错解决办法。

记忆停留w
2026-06-18 15:34:07

 480

 10

#docker #milvus #容器 +1
传统业务的 AI 提效：基于 RAG 与 LLM 的工单智能分发与自动回复系统实践

AI 在传统业务中的应用，通过工程化流程将重复工作自动化。使用轻量 RAG 技术处理 80% 的常见问题，结合安全 Prompt 约束生成回复草稿，让人工客服只需审核。这种低成本的方案能显著提高效率。删除了"致命瓶颈"、"粗暴派发"等夸张表述，改为中性描述移除了"推崇极致简约与实用主义的技术负责人应当思考"这类引导性语句修正了"防止富文本富文本攻击"的重复表述将"攀升至"改为"提高到"，"绝无必要

 星辰AI
2026-06-18 18:40:36

 4805

 6

#人工智能 #语言模型
智谱GLM-5.2已上架MIAOYUN MaaS平台

智谱AI全新旗舰模型「GLM-5.2」正式上线MIAOYUN MaaS平台，成为国产顶尖开源大模型。该模型具备1M无损上下文处理能力，代码生成实力全球领先，适配全流程开发场景。创新性地支持思考档位控制，优化推理效率，并完成国产芯片适配。采用MIT协议全量开源，支持商用部署。通过MaaS平台，用户可零门槛调用其全部能力，享受高稳定服务。现已开放体验，助力开发者高效实现AI应用落地。

秒云
2026-06-18 17:02:46

 356

 5

#人工智能 #语言模型 #AIGC
大模型推理原理：从Tokenization到采样策略的完整链路解析

大模型推理链路由Tokenization、Embedding、Transformer前向传播、Logits计算和采样解码五个阶段组成。采样策略是开发者最可控的环节，Temperature控制分布尖锐度，Top-P实现自适应过滤，重复惩罚抑制循环输出。参数调优应遵循"先确定Temperature，再调整Top-P，最后微调重复惩罚"的顺序。理解推理链路不仅有助于优化生成质量，更是推理性能调优和模型选

 qq_35160742
2026-06-18 18:26:09

 2103

 14

#人工智能 #语言模型
语言模型拼写能力提升：Spelling Bee Embeddings技术解析

在自然语言处理中，子词切分（subword tokenization）是处理词汇多样性的核心技术，如广泛应用的Byte Pair Encoding（BPE）方法。然而，传统tokenization会导致字符级信息丢失，影响模型对拼写敏感任务的表现。通过引入字符级嵌入和位置编码的创新组合，Spelling Bee Embeddings技术在不改变现有模型架构的前提下，显著提升了语言模型的拼写能力。该

 Darling晓晓
2026-06-07 09:13:59

 361

 5

#语言模型
Transformer“自注意力机制公式完整整理表”

本文系统梳理了Transformer自注意力机制的核心公式与实现细节。首先定义了全局符号标准，包括输入矩阵X、序列长度seq_len、模型维度dmodel等关键参数。随后分模块详细拆解了自注意力全流程：1）输入层（词嵌入+位置编码）；2）QKV矩阵生成；3）单头自注意力计算（含缩放点积、掩码和softmax）；4）多头注意力机制；5）残差连接与层归一化。重点解析了Mask机制的两种类型（填充掩码和

 罗飞怪兽
2026-06-17 08:15:42

 441

 2

#transformer #语言模型
手撕Transformer 架构以及学习心得

这篇文章主要记录了我学习transformer过程中的一些心得以及困难，详细介绍了transformer架构以及其具体代码

 哎呀想要的名字被占了
2026-04-28 09:59:23

 1237

 117

#python #pandas #人工智能 +4
2026互联网大厂AI招聘趋势：高薪岗位解析，普通人如何抓住AI时代红利？

2026年互联网大厂AI岗位已成为招聘主力，百度AI岗占比超90%，阿里超60%，腾讯、字节等占比达60%-70%。核心岗位包括：大模型算法工程师（月薪2.48万起）、AI产品经理（1.8万-3万）、MLOps工程师（2万-4万）、提示工程师（1.5万-3万）和多模态算法工程师（2.3万起）。顶尖人才年薪可达100万-200万。建议技术背景者深耕Transformer等技术，非技术背景者可转向AI

网安福宝
2026-04-08 22:21:19

 1485

 38

#人工智能 #产品经理 #学习 +1
大语言模型实战（十）——基于通义千问 + FastMCP 打造天气查询机器人

MCP（Model Context Protocol）是标准化的 LLM 工具调用协议。场景：用户问 AI “纽约天气怎样？方案实现方式问题方案 1：拒绝“我不知道”LLM 知识库有限，无法处理实时数据方案 2：散乱集成写 if/else 判断调用哪个 API每个 LLM 都要重新适配，维护困难方案 3：标准协议遵循 MCP 规范，让 LLM 自动发现并调用工具✅ 优雅、可扩展、LLM 无关MCP

小陈phd
2026-01-03 23:53:16

 1170

 25

#语言模型 #机器人 #qt
AI技术洞察：从函数到Transformer革命（深度好文）

Transformer 以 “注意力机制为核心” 的创新架构，打破了传统 RNN/CNN 在 NLP 领域的垄断，通过并行计算、长距离依赖捕捉、泛化能力强三大核心优势，重塑了人工智能行业的技术格局。

SmartBrain
2026-01-02 13:46:58

 1992

 23

#人工智能 #语言模型 #cnn +1
TensorFlow十年演进（2015–2025）

摘要： TensorFlow从2015年发布到2025年，经历了从巅峰到边缘化的十年。初期凭借静态图和分布式训练占据70%市场份额，但2019年转向动态图后因遗留问题逐渐落后。2021年后，PyTorch+DeepSpeed生态崛起，中国厂商全面转向自研框架（MindSpore/PaddlePaddle）。2025年，TensorFlow全球新项目份额不足10%，中国低于5%，彻底被动态图和大模型

 jzwspace
2026-01-02 10:22:21

 1052

 20

#tensorflow #人工智能 #python +4
Agent 编排的工程真相：从单次调用到多步推理的可靠性鸿沟

Agent 编排从单次调用到多步推理的跨越，本质是从"概率性正确"到"工程化可靠"的挑战。核心矛盾在于：LLM 的输出不可控，而多步编排要求每一步都可控。解决这个矛盾的关键不是优化模型，而是在编排层建立系统性的保障机制。落地路线建议：第一步，为每一步 Agent 调用添加格式校验，拦截 80% 的输出异常；第二步，引入重试策略和预算控制，将单步成功率从 95% 提升到 99%；第三步，对于 5 步

 qq_35160742
2026-06-24 15:02:42

 4998

 15

#人工智能 #语言模型
关于RAG，我花了两周才彻底搞懂的那些事

这篇文章是一位后端开发者学习RAG（检索增强生成）技术的完整笔记，涵盖了从基础概念到实际优化的全过程。作者最初面临将5000页产品手册接入AI问答系统的挑战，从零开始探索RAG技术。文章重点介绍了嵌入模型（Embedding）的原理与分类，包括OpenAI、BGE等主流模型的特点，以及如何在本地部署BGE模型。随后讲解了向量数据库的演进，从最初的MySQL全量扫描到采用Chroma轻量级向量数据库

 焦爷的淘金
2026-06-22 10:49:38

 434

 8

#AI #RAG #语言模型
大型语言模型的能力边界分析：从实践出发的三类任务限制

在频繁使用大模型辅助完成各类任务后，有必要对它的能力边界做一次系统性梳理。本文不是工具评测，是基于个人实践的客观分析——哪些任务模型表现优异，哪些存在根本性局限。

2601_96338609
2026-06-22 00:49:19

 697

 7

#语言模型 #人工智能 #服务器
（五）造自己的轮子：LLaMA-Factory微调一条龙

本文介绍了如何使用单张显卡（如RTX 3060）微调7B大模型的全流程，重点包括：微调原理：利用预训练基座模型，通过LoRA/QLoRA技术仅更新少量参数，使模型适配特定任务，大幅降低计算需求。硬件要求：最低RTX 3060（12GB显存）可QLoRA微调7B模型，推荐RTX 4090（16GB+）获得更好效果。

AAAAAspirin
2026-06-21 16:52:52

 413

 8

#语言模型 #程序人生
大模型不是直接读文字的：一文讲透 Tokenizer、BPE 和 SentencePiece

本文深入浅出地介绍了大模型中的Tokenizer（分词器）这一基础但关键的概念。文章首先澄清了大模型并不直接理解文字，而是通过Tokenizer将文本转换为数字ID（token序列）进行处理。随后详细解释了Token、Vocabulary、Token ID等核心概念，并分析了为何不能简单按单词切分（如词表爆炸、罕见词处理困难等问题）。重点讲解了子词切分（Subword Tokenization）的

 千天夜
2026-06-21 20:45:42

 441

 5

#语言模型 #gpt-3 #人工智能 +1
LLM Agent 怎么测评：IBM+Yale 评测综述与 2026 三条新范式

静态 LLM 评的是「答对没有」；Agent 评的是「在动态环境里，能不能通过一连串决策把事做成」。IBM Research 与 Yale 等在 **2026 年 4 月更新的 v2 综述**（arXiv:2503.16416）把 Agent 评测拆成五层：核心能力（规划 / 工具 / 自反思 / 记忆）→ 应用 benchmark（Web / SWE / 科研 / 对话）→ 通用 Agent →

程序猿李巡天
2026-06-21 21:06:36

 944

 5

#人工智能 #机器学习 #深度学习 +4
Domain-specific large language models for fault diagnosis of heating, ventilation, and air condition

这篇论文提出了一种“自动化微调工作流”，它能把一个通用的 GPT-3.5 模型，通过少量的带标签数据，训练成一个专门诊断暖通空调（HVAC）系统故障的“专家模型”。LoRA 是什么？它是一种“外科手术式”的微调技术。不动大模型的“本体”（冻结参数）。只在关键位置“打补丁”（训练低秩矩阵 A 和 B）。用 1% 的计算成本，达到 99% 的微调效果。在你的小项目中，如果你要用大模型处理时间序列，不要

 2301_78737795
2026-06-21 21:18:34

 353

 5

#语言模型 #人工智能 #机器学习
【Agent智能体16 | 工具使用-代码执行工具】

本文总结了如何利用大语言模型（LLM）动态编写和执行代码来解决复杂需求，突破传统工具开发的局限性。主要内容包括：1）通过代码解释器（Code Interpreter）模式，让LLM直接生成Python代码解决用户查询（如数学计算），系统提取并执行代码后返回结果；2）引入基于外部反馈的自我修正机制，当代码执行报错时，系统将错误信息反馈给LLM进行迭代优化；3）强调必须通过沙盒环境（如Docker或专

 DdigitalNomad
2026-06-01 14:50:48

 421

 17

#设计模式 #人工智能 #语言模型 +1
腾讯：构建自进化推理训练环境

如何在零数据设定下，让大语言模型通过构建可复用的可执行环境而非单纯生成问题，来实现稳定且持续的推理能力自我提升？论文提出了 EvoEnv 方法，利用“求解-验证不对称性”原理，让模型自动生成并筛选可执行代码环境作为训练源，在强模型基座上实现了超越固定数据集的性能提升。

大模型任我行
2026-06-03 10:00:00

 329

 10

#人工智能 #自然语言处理 #语言模型
HKUST：LLM认知对齐两阶段后训练

如何使大语言模型的后训练范式更符合人类问题解决的认知机制，从而提升泛化性与推理可靠性？论文提出首个认知对齐的两阶段后训练框架，解耦元知识获取与任务适配，显著提升分布内外性能并大幅降低训练开销。

大模型任我行
2026-02-06 10:00:00

 1528

 24

#人工智能 #自然语言处理 #语言模型
使用 vLLM 部署 GLM-4.7-Flash 大模型完整指南

GLM-4.7-Flash 是智谱 AI 推出的一款高性能大语言模型。本文将详细介绍如何在 Ubuntu 22.04 + CUDA 12.4 环境下，使用 vLLM 框架部署 GLM-4.7-Flash 模型，支持双卡推理和工具调用功能。通过 vLLM 部署 GLM-4.7-Flash 可以获得高性能的推理服务，支持 OpenAI 兼容的 API 接口，方便集成到现有应用中。双卡张量并行可以有效提

 东方金木
2026-02-03 09:43:19

 2238

 4

#神经网络 #人工智能 #语言模型
微软开发开源大语言模型后门检测扫描工具

微软开源AI后门扫描器，狙击大模型"休眠特工"。

FreeBuf_
2026-02-06 09:30:00

 1174

 22

#microsoft #语言模型 #人工智能
腾讯混元Image 3.0 (HunyuanImage-3.0-Instruct)模型深入解析

场景：Transformer 画完了，但显存里只是一堆 128x128 的数学矩阵。协作逻辑压缩包：Transformer 为了算得快，是在“潜空间”（Latent Space）作画的。这就像画家先画了一张极小的缩略草图。显影液 (：VAE 的 Decoder 也就是解码器，负责将这个“缩略草图”进行非线性的放大和翻译。相辅相成：如果 VAE 质量差，Transformer 画得再好，解压出来的图

 AI资源库
2026-02-03 00:01:27

 1525

 27

#人工智能 #语言模型 #回归
文献阅读篇#17：用于自动驾驶的大（视觉）语言模型：当前趋势与未来方向

本文综述了大型（视觉）语言模型（LLMs/VLMs）在自动驾驶（AV）领域的应用现状与发展趋势。文章系统分析了截至2025年9月的77篇文献，重点探讨了VLMs在模块化集成、端到端系统、数据生成三大方向的应用，并介绍了相关评估平台与数据集。研究表明，VLMs显著提升了AV的感知推理、决策规划和人机交互能力，但其实际部署仍面临计算效率、实时处理、模型幻觉等挑战。文章指出未来需重点解决延迟优化、安全验

 hjs314159
2026-02-06 17:15:47

 1127

 22

#语言模型 #人工智能 #自然语言处理 +2
腾讯：基于信心评分的LLM推理链压缩

如何在保持推理逻辑一致性的前提下有效压缩大语言模型（LLM）生成的冗长推理链？论文提出了一种基于信心最大化的压缩框架ConMax，实现了推理链的有效压缩，显著提高了推理效率和可用训练数据质量。

大模型任我行
2026-01-11 08:00:00

 1015

 14

#人工智能 #自然语言处理 #语言模型
语言模型如何预测下一个词：从n-gram到Transformer的演进

语言模型预测下一个词，本质是基于上下文对词汇出现概率的建模，属于自然语言处理（NLP）中最基础且核心的任务。其原理历经三次关键跃迁：从统计驱动的n-gram模型，到语义感知的词嵌入（Word Embedding），再到依托自注意力机制实现动态语境建模的Transformer架构。这一演进过程显著提升了模型对一词多义、长程依赖和语义连贯性的处理能力，构成了当前大语言模型（LLM）生成能力的技术根基。

weixin_30780649
2026-06-07 13:05:24

 627

 6

#语言模型
告别Transformer？用Mamba搭建你的第一个语言模型：从`mixer_seq_simple.py`开始

本文介绍了如何用Mamba架构搭建语言模型，替代传统的Transformer架构。Mamba通过结构化状态空间模型（SSM）和选择性扫描机制，显著提升了长序列处理的效率，降低了内存占用。文章从环境配置、模型架构解析到训练配置和推理性能对比，详细讲解了Mamba的应用实践，帮助开发者快速上手这一新兴技术。

weixin_33717117
2026-06-02 13:07:11

 429

 10

#语言模型 #自然语言处理
DALM：基于扩散模型与领域约束的可控文本生成架构解析

扩散模型作为一种先进的生成式AI技术，其核心原理是通过“加噪-去噪”的迭代过程学习数据分布，从而实现高质量的内容生成。在自然语言处理领域，将扩散模型应用于文本生成，能够有效缓解传统自回归模型存在的曝光偏差问题，提升生成内容的全局一致性与可控性。这一技术价值在于为专业、高要求的文本生成任务提供了新的解决方案。通过引入领域代数约束机制，可以将外部知识以结构化、可计算的方式注入生成过程，从而引导模型输出

 雨前羽街
2026-06-21 09:03:08

 257

 8

#语言模型
你的AI在第4轮对话就失忆了——滑动窗口的致命缺陷与摘要压缩的救赎

摘要：本文揭示了滑动窗口记忆管理的致命缺陷——AI在4轮对话后就会遗忘关键信息，如用户姓名和偏好。通过对比实验，作者展示了摘要压缩技术的优势：通过LLM提炼核心实体并滚雪球式更新，确保关键信息不丢失。文章还对比了滑动窗口与摘要压缩在性能、成本和适用场景上的差异，指出滑动窗口仅适合短对话原型开发，而摘要压缩才是生产环境长对话的可行方案。最后提出Redis持久化方案，解决跨会话记忆问题，为工业级应用提

 长空凝视
2026-06-19 18:08:23

 270

 7

#人工智能 #语言模型
量智与性智：钱学森三十年前对“智能”最精准的定义

钱学森提出"量智"与"性智"是构成智慧的两大要素，前者指逻辑分析能力，后者指整体直觉判断，二者缺一不可。当前AI大模型仅具备强大的"量智"（数据处理与逻辑推理），但完全缺乏"性智"（情境感知与判断力），导致其无法辨别荒谬与危险。判断力引擎通过建立全局态势感知和确定度评估机制，为AI补足"性智"维度，实现钱学森强调的"大成智慧"。这揭示了AI发展的关键方向——唯有融合逻辑计算与整体判断，才能实现真正

 生成论实验室
2026-06-19 10:43:53

 450

 14

#人工智能 #科技 #语言模型 +3
[论文学习]大型语言模型的安全与隐私：威胁与缓解策略全面调查

引入涵盖**资料中心（Data-centric）、模型中心（Model-centric）、部署与互动中心（Deployment & Interaction-centric）**的三维威胁分类法（Taxonomy）。论文作者 A.D.E. Berini 等指出，传统 AI 安全研究多聚焦于影像或一般机器学习模型，无法充分涵盖 LLMs 的独特性——例如自然语言处理的开放性、：整合数百篇相关论文，包含

 HK2KING
2026-06-19 01:43:56

 488

 7

#学习 #语言模型 #安全
从灵境到降U：人类文明的下一个阶段

本文基于钱学森对未来文明的预见，提出当前正处于工业文明向新文明形态转型的临界点。新文明将由物理世界（机器人执行层）、虚拟世界（灵境推演层）和人脑世界（大成智慧层）构成，三者通过"降U"（系统从不确定走向确定）机制实现协同演化。文章系统阐述了三个世界的架构特征、文明演进的三个阶段（人机协同→人机融合→人机共生），以及新文明对劳动、财富和人的本质的重新定义。研究表明，判断力引擎作为降U动力学的技术载体

 生成论实验室
2026-06-17 17:03:36

 187

 8

#科技 #人工智能 #安全架构 +2
Dexterity-BEV：对齐 3D 世界与动作以学习可泛化的机器人策略

26年6月来自跨维智能（DexForce Technology）和港中大深圳分校的论文“Dexterity-BEV: Aligning 3D World and Actions for Generalizable Robot Policies Learning”。端到端操作策略结合网络规模预训练的视觉-语言模型（VLM），展现了实现通用且灵巧的机器人操作的潜力。然而，它们继承了二维基础模型的两个主

 硅谷秋水
2026-06-23 00:15:00

 576

 15

#3d #机器人 #机器学习 +3
钱学森的“第六次产业革命”正在发生

钱学森在1984年预言的第六次产业革命——以"农业生产智能化"为核心的知识密集型大农业，正在当今成为现实。文章系统阐述了钱学森关于农、林、草、海、沙五大产业体系的构想，特别分析了超前30年的"沙产业"理念如何在戈壁荒漠中实现"变不毛之地为沃土"。当前，无人机植保、智能温室、农业机器人等技术的广泛应用，验证了钱学森"农业生产智能化"的判断。这场革命将从根本上改变传统农业模式，通过消除工农、城乡、脑体

 生成论实验室
2026-06-17 17:01:23

 215

 8

#科技 #人工智能 #安全架构 +2
AI原生企业的构建：从“用AI“到“AI驱动“的转型之路

摘要： AI原生企业正从"用AI"向"AI驱动"转型，需系统性重构技术、组织与创新。极智词元提出三阶段路径（辅助→协同→驱动）和TRI-3框架：技术层（混合部署/RAG/Agent）、组织层（扁平化/CDO/AI Lab）、创新层（孵化器/实验文化）。通过1-3年路线图，企业可实现效率提升100-300%，如某零售案例中库存周转缩短10天、营收增长翻倍。转型需克服文化、人才、数据挑战，极智词元提供

 kolyle
2026-06-17 15:55:36

 273

 5

#人工智能 #语言模型 #大数据
机器人化学家（Robochemist）的崛起

25年10月来自约克大学的论文“Rise of the Robochemist”。化学作为一门历史悠久的学科，传统上依赖于人工操作，且过程往往耗时。尽管目前已存在一定程度的自动化，但随着机器人技术与人工智能（AI）的深度融合，该领域正处于重大变革的前沿，由此催生“机器人化学家”（robochemist）这一概念——即一种由自主系统辅助进行实验设计、执行与分析的新范式。机器人化学家集成了移动操作机器

 硅谷秋水
2026-06-21 00:15:00

 678

 18

#机器人 #语言模型 #人工智能

加载更多

回到
顶部

提供社区服务与技术支持

提供社区服务与技术支持

©1999-2023北京创新乐知网络技术有限公司京ICP备19004658号