为什么所有主流LLM都使用SwiGLU？
本文的目标是解释为什么现代LLM架构在前馈部分使用 ``` SwiGLU ``` 作为激活函数并且已经放弃了 ``` ReLU ```
LLM多跳推理深度测试：四项指标精准定位模型的推理极限
本文介绍推理深度的核心机制，然后用四项压力测试指标对 Llama 3.2 和 Qwen 3 做个横向对比看看它们的逻辑极限在哪里。
Agentic Memory 实践：用 agents.md 实现 LLM 持续学习
本文会概述如何通过持续更新 agents.md 文件来实现 LLM 的持续学习。
CALM模型的黑盒采样：用碰撞方法实现温度调节
本文要解决的就是这个问题：只靠抽样能力，不碰任何概率数值，照样可以实现温度控制。
RAG检索模型选型：Bi-Encoder、Cross-Encoder、SPLADE与ColBERT的技术对比
本文将拆解每种模型的工作机制、适用边界，以及如何在实际系统中组合使用。而核心问题是：高召回和高精准之间的平衡该怎么把握。
构建自己的AI编程助手：基于RAG的上下文感知实现方案
代码助手需要专门为代码设计的上下文感知的RAG（Retrieval-Augmented Generation）管道，这是因为代码跟普通文本不一样，结构严格，而且不能随便按字符随便进行分割。
别再往一个智能体里塞功能了：6种多智能体模式技术解析与选型指南
这篇文章整理了 6 种经过验证的多智能体架构模式，可以有效的帮你解决问题。
LLM-as-a-judge有30%评测偏差？这篇论文给出修复方案
LLM-as-a-judge是个好想法但它的统计基础一直没跟上，而这项工作证明自动化评估可以既可扩展又可靠，但是前提是要承认局限、校正偏差。
Agentic RAG：用LangGraph打造会自动修正检索错误的 RAG 系统
本文要做的就是用 LangGraph 做流程编排、Redis 做向量存储，搭一个生产可用的 Agentic RAG 系统。涉及整体架构设计、决策逻辑实现，以及状态机的具体接线方式。
DecEx-RAG：过程监督+智能剪枝，让大模型检索推理快6倍
DecEx-RAG 把 RAG 建模成一个马尔可夫决策过程（MDP），分成决策和执行两个阶段。
Google Code Wiki：GitHub代码库秒变可交互文档
Google发布的这个Code Wiki项目可以在代码仓库之上构建动态知识层的工具，或者说可以"自动生成文档"。
Lux 上手指南：让 AI 直接操作你的电脑
**Lux** 要是一个专门用于计算机操作的基础模型。
大规模向量检索优化：Binary Quantization 让 RAG 系统内存占用降低 32 倍
本文会逐步展示如何搭建一个能在 30ms 内查询 3600 万+向量的 RAG 系统，用的就是二值化 embedding。
CALM自编码器：用连续向量替代离散token，生成效率提升4倍
近年来语言模型效率优化多聚焦参数规模与注意力机制，却忽视了自回归生成本身的高成本。CALM提出新思路：在token之上构建潜在空间，通过变分自编码器将多个token压缩为一个连续向量，实现“一次前向传播生成多个token”。
dLLM：复用自回归模型权重快速训练扩散语言模型
dLLM是一个开源的Python库,它把扩散语言模型的训练、微调、推理、评估这一整套流程都统一了起来，而且号称任何的自回归LLM都能通过dLLM转成扩散模型
Anthropic 开源 Bloom：基于 LLM 的自动化行为评估框架
这套框架把行为评估自动化了，从定义行为到生成测试用例、执行评估、给出判断，全程不需要人工介入。
Pydantic-DeepAgents：基于 Pydantic-AI 的轻量级生产级 Agent 框架
有时候严格的类型安全加上一个干净的 Docker 容器，远比一张错综复杂的有向无环图（DAG）要好维护得多。
1小时微调 Gemma 3 270M 端侧模型与部署全流程
Gemma 3 270M是谷歌推出的轻量级开源模型，可快速微调并压缩至300MB内，实现在浏览器中本地运行。本文教你用QLoRA在Colab微调模型，构建emoji翻译器，并通过LiteRT量化至4-bit，结合MediaPipe在前端离线运行，实现零延迟、高隐私的AI体验。小模型也能有大作为。
DeepSeek-R1 与 OpenAI o3 的启示：Test-Time Compute 技术不再迷信参数堆叠
Test-Time Compute（测试时计算），继 Transformer 之后，数据科学领域最重要的一次架构级范式转移。
LMCache：基于KV缓存复用的LLM推理优化方案
LMCache针对TTFT提出了一套KV缓存持久化与复用的方案。项目开源，目前已经和vLLM深度集成。
