· ai
FACET的历史与原理
本文件的目的 本文件记录了 FACET 的历史背景、架构动机以及设计决策背后的理由。它的存在…
-
-
- · ai
大型语言模型（如ChatGPT）实际工作原理（实用开发者指南）
🔍 什么是真正的 LLM？从本质上讲，LLM 是一个 next‑token 预测系统。给定一系列 token（词或词片），模型预测最…
- · ai
何时（不）使用 Vector DB
当索引的负面影响大于正面效果时：我们是如何意识到我们的 RAG 用例需要键值存储，而不是向量数据库。文章《何时不该使用 Vector DB》……
- · ai
以 91% 的准确率，开源 Hindsight 代理记忆为陷入失败 RAG 的 AI 代理提供 20/20 视力
在2025年，越来越明显的是，retrieval augmented generation RAG 并不足以满足 agentic AI 不断增长的数据需求。RAG 出现……
- · ai
OptiPFair 系列 #1：用小模型锻造未来 — 与 Pere Martra 的架构分析
最初发表于 Principia Agentica《OptiPFair 系列》——第 1 集，对小型语言模型（SLM）优化的深度探索。AI 竞赛已经…
- · ai
99% 的用户不知道这 10 个 ChatGPT 秘密代码
你有没有觉得自己只用了 ChatGPT 脑力的 10%？我曾有这种感觉——直到我头朝下跌进了秘密提示和隐藏行为的兔子洞。Tu...
- · ai
为你的LLMs设立护栏
!Forem 标志 https://media2.dev.to/dynamic/image/width=65,height=,fit=scale-down,gravity=auto,format=auto/https%3A%2F%2Fdev-to-uploads.s3.amazonaws.com%2Fuploads%...
- · software
在 LLM 聊天 UI 中追求 240 FPS
TL;DR 我构建了一个 benchmark suite 来测试在 React UI 中 streaming LLM responses 的各种优化。关键要点：1. 首先构建合适的 state，然后再进行优化……
- · ai
🔥终于，我能够从头开始构建模型了🔥
经过多次迭代、实验和经验教训，我终于从零开始构建了一个 550 M‑parameter 模型。这并不是我第一次构建……
- · ai
在生产环境中升级到 LangChain 1.0 的经验教训
哪些有效，哪些失效，以及我为何这样做——《在生产环境中升级到 LangChain 1.0 的经验教训》首次发表于 Towards Data Science....
- · ai
Anthropic Skills. 新模型和架构的全景
封面图片：Anthropic Skills。《新模型和架构的全景》 https://media2.dev.to/dynamic/image/width=1000,height=420,fit=cover,gravity=auto