人工智能 · 生成式AI与大模型2026年10月02日
大模型能力获取长期依赖"规模+预训练+对齐"的单一路径。2025年1月，DeepSeek-R1的开源蒸馏实验揭示了一条并行路线：671B参数的教师模型通过生成带推理过程的合成数据，将复杂推理能力迁移到1.5B-70B的小模型，且效果超越直接…
生成式AI与大模型0·0
文章
全部技术文章，按发布时间倒序排列
人工智能 · 生成式AI与大模型2026年10月02日
神经架构搜索（Neural Architecture Search, NAS）正在从根本上改变深度学习模型的设计范式。从2017年Google基于强化学习的开创性工作算起，这个领域已经经历了三轮明显的技术跃迁：从需要数千GPU天的暴力搜索，…
生成式AI与大模型0·0
人工智能 · 生成式AI与大模型2026年10月02日
自回归语言模型的推理过程由一条严格的因果链驱动：每生成一个token都必须等待其前驱的产出，这使得单序列延迟与输出长度呈严格的线性正比。即便在单卡H100上运行Llama 3 70B，逐token前向传播的算子启动开销和传播延迟仍使GPU…
生成式AI与大模型0·0
人工智能 · 生成式AI与大模型2026年10月02日
多模态大语言模型（MLLM）的架构在过去三年经历了三次根本性跃迁。从2022年Visual ChatGPT的"LLM调用多个单模态专家"的松散管道，到2023年GPT-4V与LLaVA开创的"冻结视觉编码器+可学习投影器"晚期融合范式，再到…
生成式AI与大模型0·0
人工智能 · 生成式AI与大模型2026年10月02日
大模型训练每天都在吞噬海量数据。你的社交动态、照片、文字、浏览习惯，有多少在未经明确授权的情况下流入了某个模型的训练集？传统互联网的数据使用模式是"拿过来就用"，用户几乎无法追溯自己的数据流向，更谈不上参与价值分配。本文从数据确权的现实困境…
生成式AI与大模型0·0
人工智能 · 生成式AI与大模型2026年10月02日
当OpenAI和谷歌构建中心化的AI推理服务时，另一些团队开始探索去中心化计算网络的可能。去中心化AI计算（DeAI）的本质不是把服务器搬到用户家中，而是将"谁能执行推理"以及"如何证明其正确性"这两个核心命题，交由一套开放的信任协议来回答…
生成式AI与大模型0·0
人工智能 · 生成式AI与大模型2026年10月02日
去中心化物理基础设施（Decentralized Physical Infrastructure Network，DePIN）从早期的概念验证阶段，正演化为一类兼具经济激励与工程可行性的分布式系统范式。在2026年的技术格局中，DePIN与…
生成式AI与大模型0·0
人工智能 · 生成式AI与大模型2026年10月02日
假设你运营着一个链上借贷协议。协议引入了一个AI信用评分模型——输入借款人的链上行为数据，输出信用分数，决定贷款额度。模型每次推理花费0.5秒，结果准确。一切看起来完美。
生成式AI与大模型0·0
人工智能 · 生成式AI与大模型2026年10月02日
当你向一个AI助手发送一段商业机密数据，谁能证明它确实用了承诺的那个模型？谁能保证推理过程没有被劫持？当前AI系统像一个黑箱——输入进去，输出出来，中间发生了什么无人知晓。可验证AI推理（Verifiable AI Inference）试图…
生成式AI与大模型0·0
人工智能 · 生成式AI与大模型2026年10月02日
随着通用大模型在通用任务上趋于成熟，AI技术正经历从”大一统”模型向专业化垂直领域大模型的关键转型。本文系统分析了垂直领域大模型的技术演进路径，深入剖析了其核心技术优势：通过领域知识增强实现专业知识深度掌握、参数优化提升计算效率、以及行业合…
生成式AI与大模型0·0