#大语言模型
共 302 篇相关文章
AI Agent智能体入门：从传统程序到感知决策行动闭环
零基础入门AI Agent智能体：讲解传统程序与智能体的本质区别、感知决策行动核心能力闭环、大语言模型+工具调用+记忆系统的技术栈，以及客服、数据分析等典型应用场景。
Neo-Classic基准：大模型能真正读懂古典诗词吗？
Neo-Classic 是一个用于评估大语言模型古典中文诗词语言-美学推理能力的新基准。研究发现 Qwen3-Max、Gemini-3-Pro、DeepSeek-V3.2 等顶尖模型在当代格律诗上性能下滑20%-50%，篇章排序准确率仅0%-13%，暴露全局规划能力短板。
让LLM主动发现用户矛盾：UC-Bench与SynUC合成方法解析
arXiv最新研究提出UC-Bench基准与SynUC约束引导合成方法，解决人机对话中用户侧隐性冲突检测难题。基于UC-Data训练的Qwen3.5-4B小模型在该任务上超越Claude Opus等更大模型，为对话系统可靠性研究提供新思路。
解剖对话式AI的网络搜索：ChatGPT、Claude、Grok谁更靠谱？
arXiv最新研究首次系统剖析ChatGPT、Claude、Grok、DeepSeek四大对话式AI的网络搜索全流程，揭示搜索决策、查询策略、领域偏好与引用缺失等关键问题，为AI代理可靠性提供实证。
解码LLM基准测试：14767篇论文揭示评估变迁
一项分析 14767 篇 arXiv 论文的研究揭示 LLM 基准测试的设计变迁：评估重心转向行动与交互，LLM 打分日益普遍，并引出评估独立性的深层隐忧。
PrismML押注微型大模型：小体积能否改写AI使用方式
AI实验室PrismML押注微型大语言模型（tiny LLM），试图通过小体积、低成本、可本地运行的路线改变人们使用AI的方式。本文解析微型LLM的价值、行业逻辑与待验证的关键问题。
无限参数LLM：从实时数据动态生成与调整模型权重
无限参数LLM提出让大模型权重从实时数据动态生成与调整，突破固定参数量限制。本文解析其核心思路、与超网络/RAG的区别、应用价值及稳定性与计算开销等现实挑战。
LLM分类的本质是特征工程：重新理解大模型的应用范式
用大语言模型做分类的本质是特征工程。本文剖析LLM分类中表示与决策的双重环节，解释提示词工程为何等同于现代特征工程，并给出混合架构与分层设计的生产实践建议。
大模型对决中医师：真实临床案例评测揭示AI潜力与风险
一项覆盖62家医院349份真实门诊病例的研究，对比16个大语言模型与60位执业中医师的诊疗表现。结果显示顶尖大模型在治疗原则等维度评分超过医师，但在处方用药、剂量上存在偏差并暴露幻觉风险，凸显医师监督与安全约束的必要性。
LLM路由的隐形偏见：非标准英语用户为何被"降级"服务
arXiv研究揭示大型语言模型复杂度路由存在语域偏见：非标准英语和第二语言学习者的查询因输入长度信号被系统性分配到低能力模型，加剧了AI服务对弱势语言群体的不公。
先关系后实体：语言模型事实回忆的延迟提交机制
arXiv 新研究发现语言模型在事实回忆中存在时间不对称性：关系信息比实体信息更早成为生成控制因素，提前网络深度的31-44%。实体信息虽早期可用，却被延迟提交到最终输出。
LLM挖掘临床笔记特征，提升拔管失败预测精度
华盛顿大学团队提出利用大语言模型（LLM）从呼吸治疗临床笔记提取特征，结合逻辑回归提升拔管失败（EF）预测精度，并揭示了既往研究因人群和定义差异导致的泛化难题。
GraphEcho：揭示LLM图智能体的证据冗余陷阱
arXiv新研究GraphEcho提出基准测试，揭示LLM图智能体会把重复路径误当额外证据佐证的结构性缺陷，并评估来源感知后训练PAPT的效果与局限，探讨高效探索与有效用证之间的鸿沟。
突破1.58比特极限：三元LLM如何逼近信息论边界
三元大模型（ternary LLM）的1.58-bit并非真正下限。本文解析为何利用权重稀疏分布与熵编码可以突破这一信息论壁垒，以及其对低比特量化与端侧部署的工程意义。
Fireworks携手阿里云上线Qwen3旗舰模型
AI 推理平台 Fireworks 宣布与阿里云延续合作，将 Qwen 通义千问最新旗舰模型引入平台，开发者可通过 API 即开即用。本文解读此次合作对开发者的价值及背后趋势。
AI病历三分之一有错：遗漏才是最致命的失败
一项对三款AI医疗记录工具的审计发现，三分之一病历存在可验证失败，且主导错误是信息遗漏。传统LLM裁判在检测遗漏上近乎抛硬币，真正的解法是重构任务：先枚举事实，再逐条核查。
Neuralese：当AI用我们读不懂的语言思考
AI安全研究者Rob Miles解析Neuralese（神经语）、思维链与不透明递归：为什么模型可能用人类读不懂的语言思考，OpenAI新模型Astra为何引发担忧，以及思维链可监控性这一脆弱安全窗口正在关闭。
Ollama 是什么？本地部署开源大模型的入门指南
Ollama 是一个开源免费的大语言模型管理平台，支持在 macOS、Windows、Linux、Docker 上本地部署 DeepSeek 等开源模型。本文讲解 Ollama 是什么、如何降低部署门槛、CPU/GPU 混合利用及私有知识库等应用场景。
