海上生林
  文章分类
人工智能 18 论文综述 1 设计模式 11 工具 11 计算机网络 7 数据库 4 java 4 计算机组成原理 5 开发环境 2 深度学习 3 认知升级 3 Hexo 6 SSM 9 算法 2 操作系统 2 开发工具 2 数学公式 1 札记 1 Python 5 PyTorch 1 SpringBoot 2
后训练模型的产生：基座 SFT 对齐 推理 部署 后训练模型的产生：基座 SFT 对齐 推理 部署
大模型不是一次训练出来的，而是一条流水线走下来的：先在语言里泡大（基座），再学会说话（SFT）、学会选择（DPO/RLHF）、学会思考（GRPO/RLVR），然后学会省着用（量化/蒸馏）、学会看（多模态）、学会行动（工具使用）。每站讲清机制、数据长什么样、具体数字和会踩的坑。
2026-10-10 人工智能
论文笔记 SFT DPO 大模型 RLHF GRPO
AI Agent：一个循环、五个部件，和工程上真正难的地方 AI Agent：一个循环、五个部件，和工程上真正难的地方
agent 不是"更聪明的聊天机器人"，而是一个"想—做—看"的循环加上五个部件。这篇按这个骨架把 agent 讲清楚：workflow 和 agent 的界限在哪、模型要多什么能力、工具怎么标准化（MCP）、记忆和规划怎么做、以及工程上真正难的是什么。
2026-10-10 人工智能
AI Agent ReAct MCP 工具调用 论文笔记
高效微调（PEFT）：LoRA 家族是怎么把微调成本打下来的 高效微调（PEFT）：LoRA 家族是怎么把微调成本打下来的
全量微调一个 7B 模型要 120GB 显存，LoRA 只要约 16GB，4bit QLoRA 约 6GB——高效微调省下的不是一点半点。
2026-10-10 人工智能
论文笔记 大模型 高效微调 PEFT LoRA
世界模型（World Models）：它是什么、用来干什么、现在到哪一步 世界模型（World Models）：它是什么、用来干什么、现在到哪一步
世界模型想让模型学会"如果我这么做，世界接下来会变成什么样"。它是机器人与自动驾驶里最被看重的一块，这篇按四条技术路线梳理它是什么、用在哪，以及现在的真实瓶颈。
2026-10-09 人工智能
论文笔记 世界模型 World Models JEPA 具身智能
递归自我改进（RSI）：这个方向现在到哪一步了 递归自我改进（RSI）：这个方向现在到哪一步了
RSI 已经不只是哲学思辨——2025 年出现了能改写自己代码并在基准上涨分的 agent，2026 年 10 月又集中出现了一批"造自改进环境"的流水线和专门测"进化会不会跑偏"的基准。
2026-10-09 人工智能
AI Agent 论文笔记 RSI 递归自我改进 自我进化
大模型推理部署：vLLM、SGLang 与 Ollama 对比 大模型推理部署：vLLM、SGLang 与 Ollama 对比
三个工具都能在本地跑大模型，但定位完全不同——Ollama 求"最快跑起来"，vLLM 求单机吞吐，SGLang 求高并发下的前缀复用。这篇整理三者的差异、上手命令和选型依据。
2026-10-09 人工智能
大模型 模型部署 vLLM SGLang Ollama
2 / 2