admin

1271 posts published

AyeWatch: 用AI过滤互联网噪音

AyeWatch: 用AI过滤互联网噪音

我讨厌在信息流里翻来覆去地看一堆无关的帖子，就为了找到一条重要的新闻。我常常纳闷，为什么大型科技公司没有推出专门的新闻聚合器，利用人工智能每天推送更新给我。

Claude Code: 不止于编程

Claude Code: 不止于编程

事实证明，当你给Claude Code直接访问你的文件系统并让它执行命令时，非编程的应用同样有趣。

OpenAI 支持 Claude Skills

OpenAI 支持 Claude Skills

OpenAI 正在悄然采用Anthropic的技能机制s，现已在 ChatGPT 和 Codex CLI 中可用。

Model2Vec: 极速静态嵌入

Model2Vec: 极速静态嵌入

Model2Vec 是一种新技术，它可以将任何Sentence Transformer转换为一个小型静态词嵌入模型，但在现代基准测试中却能提供显著更优的性能。

用 RAPIDS cuML 挖 Alpha 信号

用 RAPIDS cuML 挖 Alpha 信号

RAPIDS cuML 加速器对于金融市场分析意义重大，因为处理股票收益率等大型数据集的scikit-learn代码在 CPU 上可能需要数小时，而利用 GPU 可以将计算时间缩短至数秒。

2026年数据与人工智能趋势

无论是医疗领域更快速的诊断、零售业在顾客开口前预测需求，还是政府大规模自动化决策——智能技术即将成为现代生活的支柱。

MS Agent Framework 简明教程

MS Agent Framework 简明教程

本文描述了MS Agent Framework多代理协调器的工作原理，以及如何从一个简单的产品想法构建一个完整的流程，生成产品需求文档。

AI时代的开发者: 如何不可替代

AI时代的开发者: 如何不可替代

我在大学学的是金融，经济学入门课程中你会学到的关键知识之一是：价值流向稀缺性。

LFM2：边缘优先的基础模型系列

LFM2：边缘优先的基础模型系列

LFM2是专为设备端使用而设计的第二代模型系列，包括视觉、语音、嵌入等多个基础模型。

创业者必须掌握的AI降本四招

如果你每月向 OpenAI 支付五位数的费用，并且暗自怀疑是否有更好的方法，请继续阅读。

ACE：智能上下文工程

ACE 展示了一条全新的发展路径：模型通过不断演化上下文来提升自身性能，而非重新训练权重。

用神经网络估计概率密度

使用Python估计未知数据生成过程的观测数据的概率密度。

SnorkelSpatial: LLM空间推理基准

SnorkelSpatial: LLM空间推理基准

SnorkelSpatial是一个程序生成并经过编程验证的用于评估LLM空间推理能力的基准。

用 LLM 进行实体建模

文本到CAD何时会成为机械工程师常用的工具？随着初创公司正在积极构建产品以及前沿模型的快速改进，我的猜测是大约6-24个月。

DeepSeek OCR 微调指南

DeepSeek OCR 微调指南

在本指南中，我们将逐步讲解如何为定制DeepSeek OCR模型，仅需60 个训练步骤即可实现显著的性能提升。

Ollama 进阶指南

在本文中，我们将探索Ollama提供的高级选项，以自定义我们的模型，以及如何使用其API来充分发挥其潜力并构建AI应用程序。

Claude Opus 4.5: 最自信的AI

Claude Opus 4.5: 最自信的AI

我们一直从单一维度评估 AI：能力、基准测试、速度。准确性。但Claude Opus 4.5 迫使我们增加第二个维度：性格匹配度。

咨询行业的柯达时刻

让我们正视现实，人工智能的出现并非是为了帮助咨询顾问，而是为了取代他们受雇从事的大部分工作。

用AI产品赚钱，无需庞大规模

几年前，我意识到了一件令人不安的事情：我把所有精力都花在了梦想“大型科技产品”上，而不是去开发人们现在就能真正使用的东西。

HF Skills: 让AI代理微调大模型

HF Skills: 让AI代理微调大模型

我们赋予了Claude通过名为Hugging Face Skills的新工具来微调语言模型的能力。

WebGUP 催生AI创企的新模式

WebGUP 催生AI创企的新模式

当大模型调用账单的增长速度却远远超过我们的收入时，我们意识到商业模式已经崩溃了。我们不只是在为服务器付费，而是在为每一次思考付费。

基于LLM的检索和推荐

在过去的一年里，我一直探索如何将LLM用作检索和推荐代理，并整理了这篇博客文章作为该主题的简单介绍。

Chronos-2 时序大模型

Chronos-2 时序大模型

本文介绍亚马逊最新发布的开源权重模型—— Chronos-2 ，并展示它如何基于历史销售数据和温度作为协变量来预测产品需求。

AI时代的 Σ 人才

多年来，设计和技术团队一直依赖形状隐喻来描述专业知识。我们曾经拥有T型人才，然后是M型人才......但人工智能时代有些不一样了。

为什么大模型会产生幻觉？

为什么大型语言模型 (LLM) 会产生看似合理但实际上错误的信息，我们应该如何避免幻觉？