控场AI，获取最新、最准的 AI 领域知识

现有AI系统改进的是输出质量而非自身的权重结构或训练流程，与真正的递归自我改进之间存在技术鸿沟

DeepSeek-R1以约600万美元的训练成本达到接近GPT-4的推理能力

LiveCodeBench基准于2024年发布，专门收集模型训练截止日期之后发布的竞赛新题，其设计者发现顶级模型性能普遍下降15-30%

LoRA在前向传播时原始权重W₀保持冻结，输出变为h = W₀x + (BA)x/√r，对于SD 1.5模型在rank=4时整个LoRA文件约只有3-6MB

CivitAI的Buzz商业化模式核心风险在于一旦核心用户感知到Pay-to-Win倾向迁移成本较低，竞争对手如LiblibAI和Tensor.Art正在争夺市场

运行700亿参数级别开源模型在 FP16 精度下至少需要约 140GB 显存，即 8 张 H100 并行

GPTQ 适合离线批量推理，AWQ 在移动端与边缘设备表现更优，GGUF 专为 CPU 推理场景优化

项目想法有两个来源：自己的摩擦点用于打磨自用工具，别人的摩擦点用于挖掘可规模化的产品机会

寻找别人摩擦点的方法是查看小红书、贴吧、应用商店评论区的差评，差评中的「要是能就好了」就是需求说明书

App Store 和 Google Play 的评论数据可通过 Sensor Tower、AppFollow 等工具批量抓取分析