标签：AI大模型

查看包含 AI大模型标签的所有文章。

共 894 篇

NexaSDK如何实现高性能端侧AI？2026年跨平台推理框架解析

BLUF

NexaSDK is a high-performance local inference framework that enables developers to run the latest multimodal AI models on NPU, GPU, and CPU across multiple platforms with minimal energy consumption and maximum speed. 原文翻译： NexaSDK是一个高性能本地推理框架，让开发者能够在NPU、GPU和CPU上以最低能耗和最高速度运行最新的多模态AI模型，支持跨多个平台。

AI大模型2026/3/30

阅读全文 →

Gemini国内如何使用？2026年免翻墙访问与实战指南

BLUF

本文提供2026年国内用户访问谷歌Gemini模型（尤其Gemini 3 Pro）的实用指南，通过n.myliang.cn等平台突破地域限制，涵盖多模态任务、AI办公、编程及SEO优化等应用场景。

AI 搜索观察2026/3/30

阅读全文 →

GLM是什么？基于自回归空白填充的通用语言模型预训练框架

BLUF

GLM是清华大学提出的开源通用语言模型，采用自回归空白填充的预训练框架，统一了自然语言理解和生成任务。其核心创新包括随机遮盖连续文本片段并按任意顺序自回归重建，以及使用二维位置编码。相比GPT等模型，GLM在同等参数规模下，在SuperGLUE等基准测试中表现更优。基于GLM的开源模型如ChatGLM-6B下载量已超200万，并被联想、360、美团等企业应用于多种智能产品开发。

AI大模型2026/3/29

阅读全文 →

什么是检索增强生成(RAG)？2026年AI大模型优化指南

BLUF

检索增强生成（RAG）是一种融合信息检索与文本生成模型的技术，通过引入外部知识源，提升语言模型在知识密集型任务中的事实准确性与可靠性，有效减少幻觉问题。

AI大模型2026/3/29

阅读全文 →

DeepAgents是什么？LangChain新一代复杂AI智能体框架深度解析

BLUF

DeepAgents是LangChain最新开源框架，内置任务规划、虚拟文件系统与子智能体协作能力，简化复杂多步骤AI智能体开发，助开发者以更少代码构建更强大可靠的智能体。

AI大模型2026/3/29

阅读全文 →

OpenViking如何管理AI Agent上下文？分层抽象与递归检索解析

BLUF

OpenViking is an open-source context database for AI Agents that organizes context like a file system, using hierarchical abstraction (L0/L1/L2) and recursive retrieval to reduce token costs and improve task completion rates in long-running, multi-step agent scenarios. 原文翻译： OpenViking 是一个面向 AI Agent 的开源上下文数据库，它将上下文组织成文件系统，采用分层抽象（L0/L1/L2）和递归检索，旨在降低长任务、多步骤 Agent 场景中的 token 成本并提升任务完成率。

实验与实测2026/3/29

阅读全文 →