自从AI越来越强，我发现我对技术研究的投入持续下降，文章也基本断更了。总感觉AI时代，写文章已经没有任何意义了。以前花时间研究出一个东西，分享给大家很开心；现在我想表达的，AI都会，分享已经失去意义。

【轻量化复刻大模型 / KIMI K3】Gated MLA 梳理 0x00 概述 0.1 原始论文 0.2 直接相关的图/表 0.3 本文说明 0x01. 演进脉络与定位 1.1 脉络 1.2 同期竞

Surrogate Model 通过历史评价数据学习真实目标函数的近似关系，让优化器能够以更低的成本预测候选解的性能，并据此决定哪些方案值得进一步进行真实评价。

Qwen-Drive 是基于 4B 视觉语言模型的驾驶规划系统，核心能力为生成多条未来轨迹候选（默认 6 条），而非单一最优路径。其输出为自车坐标系下的 (x, y, heading) 序列，需注意

本文深入剖析H3-World如何实现视频生成中精确的动作时序控制，指出仅依赖单句提示词无法保障动作与时间槽的严格绑定。核心机制包括：动作文本按latent区间分段编码、Token Refiner层隔

两年前我们聊 Skills，很多人还在问"这是啥"。 到了 2028 年，Skills 已经不是什么新概念，而是 AI 编程的"水电煤"。 不装 Skill 的 AI 编程助手，就像没装插件的浏览器—

【轻量化复刻大模型 / KIMI K3】Serve 模块交互式演示 0x00 概述 0x01 核心数学 1.1 KDA 投机回放：投影缓存 vs 完整快照 1.2 verify_and_replay

本文介绍对话式AlAgent的四层渐进式记忆架构:将对话逐层提 炼为结构化认知,画像千人千面实时演化、策略自动汰劣留优,实 现从"传状态"到"认知自进化"的跃迁,越用越懂用户。

0.016% 权重、数学涨 6 倍——但真相是 Astra 只修好了一个推理循环 Bug，不是给模型加能力。附可跑的最小权重编辑代码，附三个质疑帮你判断该信几分。

引言：从一次内容请求到一套生产系统 很多 AIGC 产品最初都从一个聊天窗口开始：用户输入需求，模型返回文本、图片或其他内容。但当生成结果真正进入内容生产，问题就不再是一次模型调用能否成功，而是多种能

【轻量化复刻大模型 / KIMI K3】KDA Serving 基础设施 — 设计 / 实现 0x00 概要 0.1 主要内容 0.2 注意说明 0x01 先懂 KDA：为什么它会颠覆 serving

从读懂一篇论文，到能够独立验证其实验；从复现已有结果，到理解算法的有效机制与适用边界——这正是科研实验复现真正值得长期坚持的价值。

编码器是激活函数吗？—— 一个看起来很像、其实不是的类比 目录 编码器是激活函数吗？—— 一个看起来很像、其实不是的类比 目录 0. 结论先说 1. 为什么会觉得它像激活函数 2. 激活函数的严格定义

【轻量化复刻大模型 / KIMI K3】KDA 对 AI Infra 的挑战与各家应对 0x00 概要 0x01. 先建立正确的心智模型 1.1 混合注意力的完整执行链 1.2 三种状态对比 1.3

主卡和雷达各切各的前 40 条，讲的不是同一批东西。收敛取窗后又撞上单源霸榜：跨源分数不是一把尺子。文章拆解序数轮转、默认关闭逐字节等价的护栏，以及需求帖为何总被挤掉。

【轻量化复刻大模型 / KIMI K3】KDA 模块交互式演示 0x00 文件信息 0x01 KDA核心数学 1.1 ShortConv: 因果 depthwise 短卷积 1.2 SiTU‑GLU:

Gemini 4 Carbon 登顶、DeepSeek 融资 1055 亿、智元用「上岗工时」定义机器人价值。3 分钟看完今天 AI 圈 5 件大事，文末附对照表与可运行早报脚本。

大模型分几类没有标准答案，先搞懂「能力定位」这条轴：Base 会续写、Instruct 会听话、Reasoning 会思考。附 HuggingFace 判别代码，帮你认清该选哪个版本。

训练不是丢数据等 loss 降，而是 10 步完整链路：分数据→预处理→建模→调优→验证→测试→上线。最易翻车的坑在数据泄露与测试集污染，附一段可跑 PyTorch 代码。守住两条纪律，上线不崩。