本文探讨了大模型技术从传统知识蒸馏（KD）向在线偏好蒸馏（OPD）的演进过程。传统KD仅能传递"答案是什么"的知识，而无法教授"哪个答案更好"的判断力。随着大模型知识储备趋同，对齐（Alignment

测试数据腐烂比评估逻辑错误更危险。本文讲解如何从生产 Trace 构建 Golden Set，用 DVC 做版本控制，检测数据集漂移，并周期性回放生产流量填补覆盖盲区。

协议层把 prompt 编成 token ids 之后，计算进入 DeepseekV4ForCausalLM.forward。Flash 的注意力实现不是标准多头注意力（MHA）单路径：在 DeepS

AI 核心概念全景大图：一张图看懂九大行话 如果你刚接触 AI，一定会被一堆名词砸得有点晕：token、prompt、RAG、Agent、MCP……它们各自听起来都很厉害，但彼此之间到底是什么关系？今

设想 Agent 正在初始化一个前端项目。 它需要执行依赖安装，还要检查 package.json、阅读构建脚本、确认环境变量。依赖安装可能需要几分钟，读取配置文件只需要几毫秒，若所有工具调用都同步执

好的上下文工程追求的是：当前任务需要什么事实，证据在哪里，哪些结论仍可撤销，什么时候应该忘掉。好的传统工程产出物追求的是：谁拥有它，服务什么决策，如何验证，何时失效。SDD 如果不能回答这些问题，就只

从一次沉默的失败开始。 你的 RAG 系统上线了，用户问了一个你确定知识库里有答案的问题。系统返回了一段流畅的没有错误的回答，但仔细看，答案并不正确。它引用了正确的文档片段，但忽略了文档里最关键的一句

这一章主要为 DeepRearchSystem 增加 HITL 功能，让人来在 Agent 运行过程中参与进来。进而使 Agent 行为更可控，最终得到更符合人类意图。

从视频模型到决策世界模型：进入 Agent 与机器人闭环前的证据门槛 TL;DR 场景：视频模型能生成逼真、连贯、可控的画面，但要把它放进 Agent / 自动驾驶 / 机器人决策闭环并称为"可用于决

LangChain是LLM应用复杂之后的一套工程化框架;当LLM逐渐开始应用的发现：LLM应用不是一次API调用，而是一条由模型、prompt、工具、数据、记忆、流程控制、观测评估组成的链路

1M Context 也会失忆：Coding Agent 为什么需要 Context Ledger TL;DR 场景：1M Context 解决容量上限，却不能自动保证 compact 后约束不丢、仓

当下 AI 编程助手已成研发标配，但多数团队仅用对话式外挂 AI，靠人适配模型，存在行为不可控、流程不固定、规范难统一、知识难沉淀等问题，产出不稳、返工多，难以规模化。 AI Native 研发则让流

「得物推荐 AI Harness 工程化实践系列」的末篇内容，本系列共三篇连载。本篇（末篇）详解得物推荐评测平台的完整技术体系：从主观体验量化到大模型自动化评测流水线，涵盖多维度指标设计、人机协作提示

Video VAE 不是末端编解码器：它如何定义视频模型的系统边界 TL;DR 场景：在潜空间视频生成系统里，Video VAE 决定时空网格、信息损失、Token 数量和流式语义，但常被误当成末端解

文章摘要： 大模型蒸馏技术已成为AI公司的核心竞争力之一。随着模型参数规模指数级增长，推理成本、部署难度等问题日益突出，蒸馏能够在几乎不损失能力的前提下，将大模型能力迁移到更小、更高效的模型上。几乎所

新模型天天号称“榜单第一”，Benchmark分数到底可信吗？MMLU、GPQA、HumanEval分别考什么？厂商的数字游戏有哪些套路？一文读懂大模型“高考”的潜规则。

本来我只是随便刷个更新热闹，结果越看越觉得有意思，索性顺着自己之前踩过的坑，把这点思考整理出来。 三个挡位的模型，本质是让你别再 “杀鸡用牛刀” 这次 GPT 5.6 直接拆成了 Sol、Terra、

🎢 从"AI写代码我喝咖啡"到 Harness Engineering：Vibe Coding 不翻车的工程化生存指南 一、那个"甜蜜陷阱"：为什么 Vibe Coding 项目总是"先甜后苦"？ 想

AI agent 在长会话里会"漂移"。你说过的规则它忘了，约定的检查它跳过，输出的文件它说写了其实没有。这不是某一个模型的问题。