首页
学习
活动
专区
圈层
工具
发布

#LLM

Harness也能自我进化?上海AI Lab Self-Harness:让同一个LLM实现33%-60%提升

用户1589488

论文核心观点:LLM Agent 性能由基座模型和 Harness(系统提示词、工具包装、规划模板、验证逻辑)共同决定。不同模型有不同失败模式,Harness ...

000

斯坦福团队:验证,正在成为LLM的第四条Scaling曲线

唐国梁Tommy

这篇新论文《LLM-as-a-Verifier: A General-Purpose Verification Framework》想解决的,正是这个问题。它的...

500

Karpathy说这是LLM的第三次交互革命——Agent群聊模式,新范式还是新叙事?

老周聊架构

Andrej Karpathy(对,从OpenAI跳到Anthropic的那位)直接发推说:这是LLM交互方式的第三次重大革命。

300

从一次修复到长期记忆:Agent 工作流里的知识沉淀

七牛开发者

在传统软件工程中,我们推崇“代码复用”;但在 Agent 参与的工程中,能产生复利的东西从“代码复用”变成了“知识复用”。

600

LLM API调用避坑指南:从选型到集成

用户12493922

1300

零基础认识大语言模型(LLM)工作原理(7.为什么“预测下一个 Token”会产生智能?)

GuZhenYin

大模型的智能,不是来自“理解”,而来自对人类语言分布的极致拟合,而语言本身已经编码了世界结构。

800

LLM API的坑我踩了个遍,这份选型指南值得收藏

用户12493922

1700

零基础认识大语言模型(LLM)工作原理(6.从 SwiGLU 到 MoE —— FFN 才是大模型真正的算力核心)

GuZhenYin

但在现代大模型(LLaMA / Qwen / DeepSeek / GPT 系列)中,有一很重要的现实情况:

600

零基础认识大语言模型(LLM)工作原理(5.Transformer的FFN模块到底是什么?)

GuZhenYin

在上一章中,我们已经知道,Attention 的作用是:让模型能够在生成每个 Token 时,回看并加权所有历史信息。

1500

零基础认识大语言模型(LLM)工作原理(4.Attention:模型是怎么看懂上下文的?)

GuZhenYin

1500

零基础认识大语言模型(LLM)工作原理(1.引子--为什么 AI 突然变聪明了?)

GuZhenYin

如果你是在 2022 年底第一次接触 ChatGPT,可能会有一种非常强烈的感觉:

1600

零基础认识大语言模型(LLM)工作原理(2.Token 到底是什么?)

GuZhenYin

其实在3月23日中国发展高层论坛2026年年会上,国家数据局局长刘烈宏正式公布,AI领域核心概念Token的标准中文译名为 词元 。这一中文语义其实是相当精准...

800

LLM API选型避坑:我的真实踩坑经验

用户12493922

700

LLM API调用的四个真相,帮你省一半算力成本

用户12493922

1700

LLM API接入的坑与道:我的实战笔记

用户12493922

1600

LLM测试实践:性能优化深度指南

顾翔

随着ChatGLM、Qwen、DeepSeek等国产大模型加速落地,金融、政务、医疗等高敏行业正将LLM深度集成至核心业务系统。然而,一个严峻现实是:83%的L...

5010

LLM 挂了怎么办?用 Neuron AI Router 实现多提供商无缝切换

Tinywan

简单版本是这样的:Neuron AI Router 中新的回退(fallback)策略,允许你为 PHP Agent 定义一个有序的 LLM 提供商列表。当一次...

3810
领券