Baihai_IDP

白海科技

Baihai IDP：AI训推云平台。一站式提供多样的算力资源、MLOPs/LMOPs工具、MaaS服务。 Github：https://github.com/BaihaiAI/IDP Gitee: https://gitee.com/baihai-idp/IDP

赞

192

|

搜索文章

@白海科技

·

4天前

AI 编程热潮下的万字思考 —— 规避风险，善用其利

“氛围编程（vibe coding）”与“AI 辅助的工程实践”存在本质区别，前者虽在创意激发和快速原型中具有价值，但绝不能替代结构化的工程方法。...

0

评论

@白海科技

·

6天前

LLM 应用评估综合指南（多轮对话系统、RAG、AI Agent）

作者 | Ida Silfverskiold 编译 | 岳扬 Agentic AI 评估主要在于测试 LLM 应用，以确保其表现稳定。这或许不是很吸引人的话题，但正受到越...

1

评论

@白海科技

·

11天前

AI 推理服务是否真的无利可图？从第一性原理看 AI 推理成本

作者 | Martin Alderson 编译 | 岳扬我总听人说 AI（尤其是推理环节）是台烧钱机器[1-3]。表面上看这种说法似乎有道理，但我一直对这类论断持保留态度...

0

评论

@白海科技

·

13天前

驳“AI 泡沫论”：一场被误读的、正在进行中的产业结构性调整

作者 | Dave Friedman 编译 | 岳扬目前流传着一种看似合理的说法：GPT-5 表现未达预期，因此 AI 泡沫正在破裂。这个观点看似顺理成章，实则是错误的。...

1

评论

@白海科技

·

17天前

GPU 网络通信基础，Part 3（LLM 训练过程的网络通信；InfiniBand 真的是“封闭”技术吗？）

作者 | Austin Lyons 编译 | 岳扬本文将解析低延迟与低抖动如何主导分布式训练的迭代效率，指出现有传统以太网技术的局限性，并阐释 InfiniBand 为何...

0

评论

@白海科技

·

28天前

GPU 网络基础，Part 2（MoE 训练中的网络挑战；什么是前、后端网络；什么是东西向、南北向流量）

作者 | Austin Lyons 编译 | 岳扬 01 前端网络 vs 后端网络上次我们探讨了大语言模型预训练中的 GPU 间通信，重点分析了与邻近 GPU 的高速高带...

0

评论

@白海科技

·

1月前

GPU 网络通信基础，Part 1（横向与纵向扩展；训练中的通信环节...）

作者 | Austin Lyons 编译 | 岳扬本系列文章将用轻松的方式聊聊网络与 GPU。这个话题很重要，但可能显得有些枯燥或深奥。请耐心听我道来！ 01 训练动机 ...

0

评论

@白海科技

·

1月前

上下文工程实施过程中会遇到什么挑战？有哪些优化策略？

作者 | Paul Iusztin 编译 | 岳扬开门见山地说：如果你现在还在只谈论“提示词工程”，那你就已经落后了。在大语言模型（LLM）的发展初期，精心设计提示词确...

1

1

@白海科技

·

1月前

分享一些“氛围编程”的工程化技巧

作者 | Amazon Web Services - Labs 编译 | 岳扬 01 “氛围编程” 根据 wikipedia 介绍[1]，氛围编程（vibe coding）...

0

评论

@白海科技

·

1月前

AI Agents 能自己开发工具自己使用吗？一项智能体自迭代能力研究

作者 | Alessio Fanelli 编译 | 岳扬在 AI 安全领域，“自我改进（Self-Improving）”是个令人不安的术语，它暗含着“机器将以人类无法理解...

0

评论

@白海科技

·

1月前

2025 年大语言模型架构演进：DeepSeek V3、OLMo 2、Gemma 3 与 Mistral 3.1 核心技术剖析

作者 | Devansh and Sebastian Raschka, PhD 编译 | 岳扬目录 01 DeepSeek V3/R1 1.1 多头潜在注意力机制（MLA...

0

评论

@白海科技

·

1月前

MCP 是为开发者设计的工具，而非为 LLM 而设

作者 | Roy Derks 编译 | 岳扬 Model Context Protocol (MCP) 已成为构建智能体时使用工具调用（tool calling）的标准，但...

1

评论

@白海科技

·

1月前

系统梳理 Test-Time Compute 的主要实现路径

作者 | Davis Treybig 编译 | 岳扬当前大语言模型（LLM）最有趣的研究趋势之一，是推理模型的兴起 —— 这类模型在给出答案前会花费时间进行思考。这种技...

0

评论

@白海科技

·

1月前

系统梳理 RAG 系统的 21 种分块策略

作者 | Anjolaoluwa Ajayi 编译 | 岳扬检索增强生成（RAG）是许多 AI 工程师又爱又恨的技术（包括我）。没错，因为从理论上看，它简单极了：“从你...

1

评论

@白海科技

·

2月前

强化学习的“GPT-3 时刻”即将到来

作者 | Matthew Barnett, Tamay Besiroglu, Ege Erdil 编译 | 岳扬 GPT-3 证明了，仅仅通过扩大语言模型的规模，就能带来强...

0

评论

@白海科技

·

2月前

构建 AI 智能体的实用开源技术栈（框架、计算机与浏览器操控、语音功能、文档理解...）

作者 | Paolo Perrone 编译 | 岳扬还记得在某个周末，我坐下来，坚信自己终于能构建一个像样的研究助手智能体原型了。不需要多么高大上 —— 只要它能读取 P...

1

评论

@白海科技

·

2月前

RAG 文档解析工具选型指南

作者 | Florian June 编译 | 岳扬对于 RAG 系统而言，从文档中提取信息是一个不可避免的情况。最终系统输出的质量很大程度上取决于从源内容中提取信息的效果...

1

评论

@白海科技

·

2月前

OpenAI 开源模型 gpt-oss 是在合成数据上训练的吗？一些合理推测

本文系原作者观点，Baihai IDP 仅进行编译分享作者 | Sean Goedecke 编译 | 岳扬 OpenAI 不久前发布了其首个开源¹大语言模型，名为 gpt...

0

评论

@白海科技

·

2月前

当 AI SaaS 的边际成本不再为零，Cursor 是如何设计定价策略的？

作者 | Finn 编译 | 岳扬 Cursor 大概是过去几年里最令人印象深刻的初创公司： 12 个月内年度经常性收入（ARR）突破 1 亿美元，据报道不久后便突破了 ...

1

6

@白海科技

·

2月前

许多 AI 智能体评测基准并不可靠

本文系原作者观点，Baihai IDP 仅进行编译分享作者 | Daniel Kang 编译 | 岳扬基准测试[1]是评估人工智能系统优势和局限性的基础，对研究指导[2...

0

1

个人成就

优秀创作者

文章被点赞 651

文章被阅读 178,218

掘力值 7,948

加入于

2021-12-04