近日，一篇技术文章指出，当前在处理大语言模型（LLM）的工具调用（MCP工具）时，常见的做法是将工具的输出结果重新输入到LLM中，并询问LLM下一步操作。然而，这种做法在扩展性上存在明显不足。相比之下，采用代码编...

DeepSeek研究团队以DeepSeek-V3为案例，分享了大型语言模型（LLM）训练中的硬件-模型协同设计创新成果。该研究通过多头部潜在注意力机制（Multi-head Latent Attention）、专家混合系统（Mixture of Experts）、FP8...

在人工智能领域，通用大模型（LLMs）虽然功能强大，但对于特定任务而言，其庞大的计算资源消耗和较高的成本并不总是最优选择。为此，Fastino公司推出了专精任务的语言模型（TLMs），旨在为特定任务提供更高效、更精...

最新发表在arXiv的研究论文指出，基于大语言模型(LLM)的安全评估系统存在显著脆弱性。研究表明，这类系统的评估可靠性极易受到提示词敏感性和对抗性攻击的影响。该发现对当前快速发展的AI安全评估领域具有重要警示意...

GitHub最新开源项目展示了一种针对Qwen2.5B大语言模型的创新微调方案，该方案采用SFT（监督微调）结合GRPO（梯度反向传播优化）的混合训练框架，其技术路线受到DeepSeek R1架构启发，并针对AWS云平台进行了专项优化...

人工智能领域迎来重大技术突破，开源项目ParScale通过创新性地在大型语言模型（LLM）的训练和推理阶段同时应用并行计算技术，成功建立了第三种LLM扩展范式。这一技术突破解决了传统序列计算模式在超大规模模型应用中...

近日，开发者dipampaul17在GitHub上发布了KVSplit项目，该项目通过差异化精度的KV缓存量化技术，在苹果芯片（M1/M2/M3/M4）上实现了更长上下文的LLM推理。研究发现，LLM推理中的KV缓存中，键（Keys）和值（Values）...

最新理论框架将人工智能划分为三个核心认知维度：工具、代理和模拟器。作为工具时，AI严格遵循人类指令延伸能力边界；代理形态下则具备自主目标追求能力；而模拟器模式专精于无特定目标的流程仿真。研究表明，大型语...