LLM 是 Large Language Model（大语言模型） 的缩写。 简单说，它是一种用海量文本数据训练出来的神经网络模型，核心能力是：根据前面的内容，预测下一个词/ token，从而生成连贯文本。典型架构是 Transformer。 它通常具备这些能力： 理解和生成自然语言 问答、总结、翻译、改写 写代码、解释代码 根据指令完成多步骤任务 结合上下文进行对话 训练过程大致是： 预训练：在

DeepSeek V4 Flash vs GLM-5.3 深度对比报告 报告日期：2026年9月24日 数据来源：官方公告、Artificial Analysis、OpenRouter、第三方实测（详见文末参考来源） 免责声明：AI 模型迭代极快，本报告数据截至 2026 年 9 月 24 日，后续版本更新可能导致数据变化 目录 一、模型概览 二、架构与参数对比 三、上下文与多模态能力 四、智能水

Qwen3.8-MAX vs GLM-5.3：国产旗舰大模型综合对比报告 一、摘要与核心结论 2026年夏季，阿里巴巴Qwen3.8-MAX与智谱GLM-5.3先后发布，代表了两条截然不同的旗舰大模型技术路线。Qwen3.8-MAX以2.4万亿参数的全新预训练基座走"规模+全能"路线，在前端编程（CodeArena全球第一）和Agent能力（AA Agentic全球第一）上登顶；GLM-5.3沿用

AI Agent 与大模型 API：从问答引擎到任务决策引擎的范式跃迁 深度调研报告 | 2026年7月 面向技术开发者的全面技术分析 摘要 本报告系统性地回答了一个在2025-2026年AI工程领域被高频提出的问题：AI Agent 与直接调用大模型 API 到底有什么区别？ 通过三轮递进式调研——综合网络调研、学术/技术深挖、交叉验证与综合分析——本报告从结构、能力、交互、记忆四个维度厘清了二

引言 1.1 研究背景 "Skills"（技能）是人类文明中最古老也最基础的概念之一。从古希腊哲学家对"技艺"（techne）的沉思，到现代人力资源管理体系对"胜任力"的精密切割，再到2025年Anthropic公司以"Agent Skills"之名将这一概念重新注入人工智能工程实践，"技能"始终是连接知识、行动与价值的枢纽性概念。然而，正是在这种跨领域的普遍性中，隐藏着一个深层的问题：当哲学家、

Agent 系统中的短期记忆与长期记忆：架构、存储与检索深度分析 调研时间：2026 年 7 月 | 时间范围：2025–2026 | 来源数量：23 篇（含 10 篇学术论文） 执行摘要 在 LLM Agent 系统中，「记忆」已从早期简单的对话历史堆叠，演进为一等公民级别的架构组件。2025–2026 年间的研究表明：记忆架构的优劣对 Agent 智能的上限影响，往往超过 LLM 骨干模型本身

AI编程技术研究报告 聚焦中国市场：工具生态、技术原理与工作流变革 深度调研 & 多源交叉验证 2026年7月 一、执行摘要 AI编程正在从"代码补全"走向"智能体自主开发"，成为中国科技产业最炙手可热的赛道之一。据蓝凌研究院（2026）发布的报告，2025年中国AI Coding市场规模为47.2亿元人民币，预计2030年将达253.8亿元，年复合增长率高达40%，远超全球26.6%的平均水平。

AI Agent系统中的短期记忆与长期记忆： 架构设计、存储检索与框架对比研究 基于OpenClaw前置知识的深度技术分析 2026年7月1日 深度调研报告 目 录 摘要 1 引言 1.1 研究背景 1.2 研究范围与方法 1.3 报告结构 2 概念基础：短期记忆与长期记忆 2.1 短期记忆的定义与特征 2.2 长期记忆的定义与特征 2.3 超越二元：记忆的多维分类 2.4 认知科学渊源与AI映射

Token（词元）是人工智能领域中一个核心而基础的概念，它代表大语言模型处理和表示文本的最小离散单元。随着2026年中国日均词元调用量突破140万亿、两年增长超千倍，Token已从技术术语演变为衡量AI发展的重要指标，如同电力成为工业文明的核心标尺一样，Token正成为智能时代的"新货币"。本文将从Token的定义本质、计量方式、核心作用及多模态扩展四个维度，系统解析这一AI基础概念。 一、Tok

1、自我介绍 2、介绍一下第一个大模型项目3、详细介绍一下数据的形式是什么样的，挑选一条数据来介绍一下输入输出是什么4、刚开始的时候是使用长思维链直接对Qwen模型进行微调，那么这些数据具体是怎么构造的 5、构造出来的数据需要进行校验吗6、评判过程中使用过到的奖励模型怎么来的，有没有自己单独训练7、2万条微调数据具体是怎么得到的8、生成思维链之后还进行了专家评判，那么专家评判之后认为符合预期的可以