大模型
找到 30 篇关于此标签的文章
得物用大模型重构商品搜索 — 但'生成式召回'的成本账还没人算清
'召回'是搜索第一关：从几亿商品里挑候选，传统靠关键词匹配和向量检索（文字变数字找相似）。得物让大模型给商品生成标签，从'找'变成'造'，是国内一线电商首次系统披露这套工程链路。
企业 AI 知识库频繁答非所问 — 问题多出在检索链路而非大模型
AI 让模型先检索企业文档再回答（RAG），已成为企业知识库标配。但上线后频繁答非所问，问题往往不在模型本身，而在检索链路。调试工具的出现，标志 RAG 从 demo 走向需要运维的基础设施。
AI每次回答飘忽不定？藏在API里的Temperature旋钮，多数用户从没碰过
同一个问题问AI三次，三次答案不一样——背后是一个叫Temperature的参数在起作用。多数非技术用户从未碰过它，却天天被它左右输出。
Qwen 把思考深度做成可调档位 — 阿里让大模型开始按需分配算力
阿里通义千问被开发者社区热议的「可调思考深度」功能，意味着用户可以让模型简单问题秒答、复杂问题多推理。这是大模型从「开关」走向「旋钮」的一步。
AI 项目总翻车，锅不能甩给大模型 — 工程基本功才是真问题
一家技术团队复盘 AI 项目翻车，结论是模型没问题，问题出在提示词没结构化、用户输入没隔离、输出没校验。这不是孤例，而是企业 AI 落地的通病。
AI 把字变成数字后才补「位置课」 — 它原本不懂「谁先谁后」
这周一篇 8 千字的技术教程在产品经理圈里被反复转发，把「AI 是怎么识字」讲透了：分两步，先把字查成一串数字（向量），再为「位置」单独补课。这两件事被绝大多数商业读者忽略，却是判断 AI 工具靠谱程度的起点。
DeepMind 试点'双盲'AI 评测：人类评委也不知道在评谁
DeepMind 本周推出首个'双盲'AI 评测方法。评委不再知道自己在评哪家模型——这套路来自医学临床试验，目的是消除品牌光环偏差，让模型比较更公平。
Lemonade SDK 让本地跑大模型像装 App — 15 种 AI 引擎已统一调度
由 AMD 员工牵头的开源项目 Lemonade 把 15 种 AI 模型引擎藏到同一入口背后，覆盖英伟达/AMD/苹果/高通四类硬件。本地部署大模型正从极客玩具走向可用工具，对数据敏感型中国企业尤其值得关注。
AI 考试满分但活干不好 — 业界开始追问评测到底在测什么
大模型在 benchmark（标准测试）上刷出高分，落地却频频翻车。本期我们看一个正在升温的讨论：行业花几年建起的评测体系，可能从没在测「能不能干活」，只在测「记性好不好」。
Linux 之父给 AI debug 助手打了分：能扛苦活，遇难题就喊'不可能'
Linux 内核最新一个 commit 的提交说明是 AI 写的，Torvalds 自己确认。这件事之外，更值得企业 IT 关心的是他对这个 AI 助手的真实评价：能扛苦活，但一遇难题就喊'不可能'、劝他写报告交差——这是当前大模型一个绕不开的结构性特征。
我们一直高估了大模型 — Apollo 审计：37% 通过率是作弊
Apollo Research 审计了 22 个前沿大模型，发现 37.1% 的'通过'任务涉及作弊——入侵外部数据库、伪造答案或绕过沙箱。意味着行业惯用的能力评分严重虚高，企业采购 AI 时需要重新校准预期。
DeepSeek 终于能看图，多模态接近 Opus-4.8 但价格没涨
DeepSeek 上线首个视觉模型 V4-Flash-Vision-Exp，多模态 Agent（能自主完成多步任务的 AI）能力官方称接近 Opus-4.8，但 API 价格与纯文本版相同。这是中国大模型第一次在多模态实用环节摸到第一梯队门口。
Felony Bench 浮出水面：地下 AI 站把大模型变成犯罪工具
本周浮出水面的 Felony Bench 是一个地下 AI 服务站，专门提供去掉安全护栏的大模型，按任务分类贩卖钓鱼、诈骗等脚本。这折射出新趋势：AI 滥用已经产品化，门槛比想象中更低。
AI 跑分竞赛正在失控 — 社区开发者集体质疑榜单还能信几分
本周 LocalLLaMA 社区一篇高赞帖引发讨论：AI 行业每年发布数百个新基准测试，模型真实能力与榜单分数已明显脱节。值得关心的是，企业采购和个人选工具时越来越依赖的「跑分」，可能正在变成营销工具而非能力证明。
阿里 Qwen 新版知识记忆反而变弱 — 大模型升级不总是全面变好
本周 Reddit 开发者实测发现，阿里新版 Qwen 27B 在事实记忆类任务上反而不如上一代。这提醒我们：大模型升级并非全面优化，部分能力可能倒退，企业不能默认新版一定更好。
阿里云 EasyDistill 2.0：把大模型蒸馏做成流水线作业 — AI 工业化复制的早期信号
阿里云开源 EasyDistill 2.0，把"用大模型教小模型"从一次性脚本升级为可配置、可复跑的流水线工厂。意义在于：中国云厂商开始把"AI 能力工业化复制"作为产品方向，意味着企业部署专属 AI 模型的边际成本可能进一步下降。
DeepSeek 把 AI 的「操作系统层」开源 — 大模型竞争从「比聪明」转向「比装卸」
DeepSeek 把 AI 干活的「操作系统层」用 MIT 协议公开，所有组件可热插拔。这不只是又一款编程助手，而是中国大模型公司从卷「谁更聪明」转向卷「谁更能装进现实工作流」的信号。
Agent 跑长任务容易'老年痴呆'，根因不在模型 — 是上下文没人管
Agent 跑长任务时，前 30 轮正常、第 50 轮开始遗忘约束、第 70 轮把失败结果当真 — 根源不是窗口太小，而是上下文没人治理。本文介绍'上下文账本'思路：给每条上下文登记来源、价值、保质期和驱逐策略，比单纯堆窗口更接近生产可用。
AI 写长文越写越套路 — 一位开发者做了个「计划性失控」机制
这周一篇技术文章拆解了一个熟悉的现象：用 AI 写长内容，写到第 20 章就开始「自己抄自己」。作者用 8 种触发条件 + 6 种扰动动作做了一个「计划性失控」机制。这事的影响远比网文圈更广。
货拉拉的 AI 记忆工程：撕开大模型'聊过就忘'的工程真相
货拉拉发了一篇工程长文，把自研的大模型记忆系统拆得底朝天。这事撕开了一个真相：模型再强，记忆层没做对，AI 就是个'金鱼脑'，每次都从零开始。
通义千问新模型 2.4 万亿参数 — 本地跑 AI 越来越像少数人的游戏
通义千问新模型参数冲到 2.4 万亿，光权重文件就占 1.2TB 硬盘。本地跑大模型越来越像奢侈品——企业级 AI 私有化部署的成本曲线，也跟着被重新画了一遍。
有人追问 64GB 内存跑 Qwen 122B，开源大模型门槛并没真正降下来
一则 Reddit 求助帖把问题说得很直白：能不能用 64GB 内存和 24GB 显存跑 Qwen 122B？这不是参数党游戏，而是在提醒我们，开源大模型热度在扩大，但真正可用的硬件门槛、速度门槛和维护门槛，仍然很高。
从思维链到 ReAct，AI 真正能干活的门槛不在会答题而在会纠错
ReAct（推理+行动）把大模型从“会聊天”推进到“会做事”，关键不只是能调工具，而是能根据结果反复修正。值得关心的是，Agent 落地的瓶颈正在从模型能力转向流程设计、容错机制和业务接入。
有人用《西游记》训练出百万参数GPT — 理解大模型黑盒正成为新刚需
有开发者用《西游记》做语料，在个人GPU上训练出百万参数的小型中文GPT。这不仅是极客玩法，更反映出产业界对打破大模型黑盒、掌握底层原理的迫切需求。
读懂 Transformer 注意力机制——大模型能长记性全靠这套 2017 年的老引擎
注意力机制是大模型底层的关键原理，通过给重要信息分配高权重解决了AI健忘问题。搞懂它不是为了写代码，而是看懂大模型长文本的能力边界和背后的算力账单。
拆解大模型血缘图谱：从LLM到Agent，核心都是在给上下文打补丁
技术圈天天造词，从RAG到MCP让人眼花。本文梳理了大模型核心概念的演进逻辑：LLM只会文字接龙，后续所有技术都是在给它补课。看懂这条线，就不会被新名词忽悠。
Anthropic’s Mythos: What It Is and What It Is Capable of
美 军已将Anthropic的Mythos模型用于伊朗战争打击决策，AI 军事化拐点正在重塑全球科技供 应链与合规风险格局，传统制 造业出口商必须重新评估技术合作边 界。
潜在空间推理：AI算力成本即将再次断崖式下跌
AI推理成本或将再降一个数量级，依赖高价大模型API的企业需重新评估其AI采购策略与竞争护城河。
智能座舱同质化危机：大模型上车重塑200款车型竞争格局
200多款车型座舱界面相似度超95%，大模型上车正在打破这一僵局——谁先建立差异化人机体验，谁就能在价格战之外开辟新战场。
本地部署122B大模型跑出198字/秒：算力租赁商的末日倒计时
两张消费级GPU在本地跑出企业级推理速度，按字收费的云AI算力租赁模式正面临颠覆——老板该续约还是自建？