@llm / 博客 RSS 訂閱

Nov 07 2025

全棧技術開發者 - LLM 對時間序列推理的增強究竟指的是什麼？LLM 對齊（alignment regimes）與時序推理的可靠性之間是什麼關係？

時間序列數據廣泛出現於自然科學、社會科學以及工程技術等各類領域中，其核心特徵在於數據隨時間的演變規律。長期以來，如何從這些動態變化的數據中提取有價值的信息、實現精準預測、並基於歷史數據進行推理，一直是數據分析、統計學和機器學習研究的核心問題。傳統的時間序列分析方法，如自迴歸模型（AR）、移動平均模型（MA）、以及更復雜的狀態空間模型和卡爾曼濾波器，在一定程度上能夠描述和預測數據的

llm , 建模 , yyds乾貨盤點 , 人工智能 , 時間序列 , 深度學習 , 大模型

收藏 評論

Dec 13 2025

deephub - DeepSeek-R1 與 OpenAI o3 的啓示：Test-Time Compute 技術不再迷信參數堆疊

過去2年，整個行業彷彿陷入了一場參數競賽，每一次模型發佈的敍事如出一轍：“我們堆了更多 GPU，用了更多數據，現在的模型是 1750 億參數，而不是之前的 1000 億。” 這種慣性思維讓人誤以為智能只能在訓練階段“烘焙”定型，一旦模型封裝發佈，能力天花板就被焊死了。 但到了 2025 年，這個假設徹底被打破了。 先是 DeepSeek-R1 證明了只要給予思考時間，Open-weight

llm , 人工智能 , 深度學習

收藏 評論

Nov 27 2025

deephub - 從零開始：用Python和Gemini 3四步搭建你自己的AI Agent

很多人第一次看到 AI Agent 自己編輯文件、跑代碼、修 bug，還能一直運行下去的時候,都覺得挺神奇。其實遠沒有想象中那麼複雜。這裏沒什麼秘密算法,也沒有什麼"智能體大腦"這種玄學概念。 AI Agent核心就三件事：循環 + LLM + 工具函數。 如果你會寫個 while True 循環？那基本就算成功一半了。 這篇文章會完整展示怎麼用 Gemini 3 搭一個真正能用的 Agent：從

llm , agent , 教程 , 人工智能 , 深度學習

收藏 評論

Nov 17 2025

Joas Pambou - On-Device AI: Building Smarter, Faster, And Private Applications

It’s not too far-fetched to say AI is a pretty handy tool that we all rely on for everyday tasks. It handles tasks like recognizing faces, understanding or cloning speech, analyzing large data, and

llm , Techniques , Tools , Apps , AI

收藏 評論

Feb 12 2025

慧星雲 - 一文看懂如何選最適合你的 DeepSeek:最快3分鐘上手可用！

DeepSeek DeepSeek系列模型的現象級爆火，引發國內外廣泛關注與討論熱潮，然而對許多想要投身AI這一風口的個人和企業來説，缺乏專業的技術支持與技術平台，缺少穩定高性價比的算力資源，正成為他們試圖踏入AI領域的重重障礙。 近日，專業AI算力雲平台與AI生產力平台「慧星雲」，重磅推出DeepSeek全面解決方案，以全棧能力釋放國產大模型潛力，助力企業和用户高效接入DeepSeek等

llm , 雲平台 , 部署 , 雲服務 , 人工智能

收藏 評論

Dec 01 2025

deephub - RAG系統的隨機失敗問題排查：LLM的非確定性與表格處理的工程實踐

RAG教程裏説的流程是：分塊、嵌入、向量搜索、生成答案。看起來非常簡單，按這個思路搭了一套系統，測試沒問題就上線了。但是結果出了怪事，經常會隨機的失敗。 輸入一樣，但是輸出卻不一樣，而且這不是偶發，是還有一定的規律，這是怎麼回事呢？ 本文將介紹RAG在真實場景下為什麼會崩，底層到底有什麼坑，以及最後需要如何修改。 🚨 現象：測試結果飄忽不定 一套端到端的PDF處理管道，專門針對表格密集型文檔。比

generative-ai , llm , 人工智能 , 檢索系統

收藏 評論