挑战Transformer架构：受DNA启发的几何代数模型实现显存恒定
该研究提出基于 Clifford 几何代数 Cl(4,1) 的新型神经网络架构，试图解决传统 Transformer 将 Token 语义与上下文状态混合的根本缺陷。通过将向量分离为承载原始语义的“不变核”和承载推理状态的“等变分量”，实验...
标签索引 / 第 16 页
大模型
这个标签下有 2415 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
Causal Forge：结合LLM与数据挖掘的开源工具，实现因果关系的“双向验证”
Causal Forge 是一款基于 Apache 2.0 协议的开源工具，旨在解决因果分析中“决策不可靠”的痛点。它创新性地将 LLM 的文本语义理解（如研报、政策分析）与基于数据的统计因果推断（如 DoWhy、EconML）相结合。通过...
探讨全AI驱动开发复杂应用：技术栈选型、多端适配与SDK集成挑战
本文发起了一项极具挑战的技术讨论，即利用Claude或Codex等大模型“全AI驱动”开发一款类似BOSS直聘的商业级招聘APP。项目需求涵盖了iOS/Android双端开发、大陆与香港跨区域上架、多语言切换以及复杂的支付和音视频SDK（如...
硬核实验：让Claude充当IP协议栈，实测其对Ping请求的响应速度
这篇文章介绍了一项极具极客精神的实验，开发者尝试将Anthropic的Claude大模型直接作为用户空间的IP协议栈来使用。实验通过将原始网络数据包的十六进制代码输入给Claude，让其解析IP头、校验和并生成ICMP回复报文。结果显示，尽...
拒绝盲目跟风：如何构建最适合自己的AI工具与模型体系？
面对层出不穷的大模型（如Claude、GLM）和AI开发工具（如Cursor），开发者往往陷入选择焦虑。本文作者指出，模型的选择取决于具体任务场景，且效果受工具链和Prompt工程直接影响。文章建议参考排行榜但应坚持实测，反对迷信大V推荐。...
AI开发实战教训：压缩上下文为何导致缓存失效与费用激增
一位开发者在自建AI API中转站时发现，为了节省Token成本而频繁使用的“上下文压缩”功能，反而导致部分请求费用暴涨约10倍。通过后台日志分析，确认压缩操作改变了请求指令的特征，导致后续请求无法命中缓存。这一案例揭示了LLM应用优化中的...
告别“人肉”运维：开源工具 ai-diving 利用 LLM 自动审查 Docker 镜像
针对传统 Docker 镜像优化依赖人工分析且标准不一的痛点，开发者推出了开源工具 ai-diving。该工具通过 Docker Hub Webhook 触发，结合 diving-rs 分析报告与 LLM 大模型，实现“AI 盯报告”的自动...
拒绝「Update Code」！开源工具 commit-hook 用 LLM 给 Git 提交信息当“质检员”
针对团队开发中 Git 提交信息质量参差不齐的问题，开发者开源了一款名为 `commit-hook` 的工具。该工具利用 Git Hooks 和大语言模型（LLM），在代码提交时自动比对代码差异与提交信息，若发现描述不清或不符，将直接拦截提...
用户热议 Claude 性能疑似下降：是大模型退化还是代理“掺水”？
近期，V2EX 社区出现大量关于 Claude Opus 模型“智力下降”的讨论。多位资深用户反馈，原本表现出色的模型在处理简单问题时频发“幻觉”，逻辑混乱，甚至出现“对喷”现象，体验远不如从前。这种“变笨”趋势引发了用户的普遍焦虑，有人怀...
左翼视角下的AI革命：技术民主化还是更深层的依赖？
本文探讨了从左翼政治视角支持人工智能的可能性。评论区的讨论深入挖掘了技术“民主化”背后的隐忧：除非用户采用本地模型，否则所谓的便利往往伴随着对AI服务提供商的深度依赖。同时，针对“高智商模型天然具有左翼倾向”的误解，讨论强调了LLM的价值观...