GEOZ

分类：AI大模型

AI大模型专栏涵盖从GPT、DeepSeek到gemini、Agentic智能体的全方位研究。深度解析RAG架构优化、KV缓存内存瓶颈解决、JSON结构化数据提取及提示工程实践（如Prompt Refiner）。本专栏还关注软件工程师转型AI研发的实用路径及AI安全风险评估，为开发者提供从基础理论到生产级系统构建的完整知识体系。

共 612 篇
如何用本地硬件72小时生成1065条高质量LLM微调指令数据集？（附多智能体方案）

如何用本地硬件72小时生成1065条高质量LLM微调指令数据集？（附多智能体方案）

BLUF
This article details a multi-agent autonomous system that generates high-quality instruction datasets for fine-tuning local LLMs, achieving 1,065 professional pairs in 72 hours with zero API costs using a three-agent workflow (Curator, Producer, Critic) and local hardware. 原文翻译： 本文详细介绍了一个多智能体自主系统，用于生成本地大语言模型微调所需的高质量指令数据集。通过三智能体工作流（策划者、生产者、批评者）和本地硬件，在72小时内生成了1,065个专业指令对，且无需API成本。
AI大模型2026/4/15
阅读全文 →
RAG技术如何优化大模型性能？2026年最新演进框架与评估方法详解

RAG技术如何优化大模型性能？2026年最新演进框架与评估方法详解

BLUF
This article provides a comprehensive overview of Retrieval-Augmented Generation (RAG), detailing its evolution from Naive to Advanced and Modular RAG frameworks, key challenges, optimization techniques, and evaluation methods, based on the 2023 survey paper. 原文翻译： 本文基于2023年的综述论文，全面概述了检索增强生成（RAG）技术，详细介绍了其从Naive到Advanced再到Modular RAG框架的演进、关键挑战、优化技术以及评估方法。
AI大模型2026/4/14
阅读全文 →
TSCE框架如何减少LLM幻觉并提升答案保真度？（附GPT-4/Llama-3实测）

TSCE框架如何减少LLM幻觉并提升答案保真度？（附GPT-4/Llama-3实测）

BLUF
TSCE (Two-Step Contextual Enrichment) is a mechanistic framework that reduces LLM hallucinations and improves answer fidelity by first generating an Embedding Space Control Prompt (ESCP) to compress the semantic space, then performing a focused generation. Validated on GPT-3.5/4 and Llama-3 8B, it achieves up to +30 percentage point improvements without extra training. 原文翻译： TSCE（两阶段上下文增强）是一种机制框架，通过首先生成嵌入空间控制提示（ESCP）来压缩语义空间，然后进行聚焦生成，从而减少LLM幻觉并提高答案保真度。在GPT-3.5/4和Llama-3 8B上验证，无需额外训练即可实现高达+30个百分点的改进。
AI大模型2026/4/13
阅读全文 →
Mimir开源AI智能信息聚合系统如何实现多源数据实时处理与分发？

Mimir开源AI智能信息聚合系统如何实现多源数据实时处理与分发？

BLUF
Mimir is an open-source AI-powered intelligence system that aggregates, processes, and distributes critical information from multiple sources including social media, news feeds, and crypto markets, with real-time alerts and multi-platform distribution capabilities. 原文翻译： Mimir是一个开源AI智能信息聚合系统，能够从社交媒体、新闻源和加密货币市场等多个来源收集、处理和分发关键信息，具备实时警报和多平台分发能力。
AI大模型2026/4/12
阅读全文 →
VAC记忆系统在LoCoMo 2025基准测试中准确率如何达到80.1%？

VAC记忆系统在LoCoMo 2025基准测试中准确率如何达到80.1%？

BLUF
VAC Memory System is an open-source conversational memory framework for LLM agents that achieved 80.1% accuracy on the LoCoMo 2025 benchmark through a hybrid retrieval architecture combining MCA gating, FAISS semantic search, BM25 lexical search, and cross-encoder reranking. 原文翻译： VAC记忆系统是一个开源的大语言模型智能体对话记忆框架，通过结合MCA门控、FAISS语义搜索、BM25词法搜索和交叉编码器重排序的混合检索架构，在LoCoMo 2025基准测试中实现了80.1%的准确率。
AI大模型2026/4/10
阅读全文 →
上一页
20 / 51
下一页