文章归档
全部文章
福建省-龙岩市-探索人工智能的前沿技术:大模型、多模态、智能体与工程实践的系统解读。
中文分词为什么会改变上下文预算同样的字数,不同分词器可能产生不同的输入长度。大模型架构与训练
大模型架构为什么收敛到同一种形式注意力机制成为通用选择之后,架构变体主要在位置处理与长程结构上做文章。大模型架构与训练
长上下文到底解决了什么问题把更多材料放进一次请求,解决的是"读得完",而不是"想得对"。大模型架构与训练
视觉输入如何与语言模型对齐对比学习让图文进入同一表示空间,多模态模型在此基础上再接入语言能力。多模态理解
工具调用是如何被实现的模型不直接执行动作,而是产出一段结构化的调用意图,由外部系统真正执行。智能体系统
评测指标之外还要看什么单一准确率掩盖的问题,通常出现在分布、长尾与失败恢复上。研究方法
检索增强的工程流程切分、检索、重排与引用的每一环都会独立地影响最终答案。应用实践
预训练阶段与规模定律规模定律描述的是可预测性,不是"越大越好"的保证。大模型架构与训练
语音模型的输入表示与训练路线语音作为连续信号进入模型,需要先变成可处理的表示。多模态理解
文档与图表理解的难点在哪里版面信息、表格结构与数值推理是三个相互独立的失败来源。多模态理解
任务规划与记忆的三种常见做法把状态放在外部显式存储里,通常比指望模型自己记住更可靠。智能体系统
多智能体协作的收益与代价拆分角色能换取上下文隔离,也会引入通信与一致性成本。智能体系统
怎么读一篇论文而不只看结论先确认研究问题与实验设置,再看结论,顺序反了容易被结论带着走。研究方法
复现不出结果时按什么顺序查先排除环境与数据,再排除实现,最后才怀疑方法本身。研究方法
先定成本与延迟预算,再选模型把预算写下来,比反复对比模型参数更有意义。应用实践
上线之后要盯住哪些指标线上问题很少在平均指标上暴露,分布漂移与长尾请求才是重点。应用实践