SINQ：无校准均匀量化
大型语言模型（LLM）在部署端最常用的压缩路径是后训练量化（Post-training quantizatio […]
大语言模型LLM
DeepSeek-OCR：不是“一目十行”，而是“百行”乃至“千行”的上下文理解
当今大模型在处理长文本时，注意力计算随长度二次增长，算力与显存压力巨大。DeepSeek的最新模型DeepSe
DeepSeek-OCR：不是“一目十行”，而是“百行”乃至“千行”的上下文理解 Read More »
用于自驱动实验室（self-driving laboratories, SDL）的AI智能体
大型语言模型（LLM）正被用于构建“自驱动实验室（self-driving laboratories, SDL
用于自驱动实验室（self-driving laboratories, SDL）的AI智能体 Read More »
Reducto 与 RAG-Anything 的比较与分析
Reducto 和 RAG-Anything 都利用视觉-语言模型（VLM）来增强对多模态文档的理解，确保图像
Reducto 与 RAG-Anything 的比较与分析 Read More »
RAG-Anything: “面向一切模态”的统一 RAG 框架
论文RAG-Anything: All-in-One RAG Framework提出 RAG-Anything
RAG-Anything: “面向一切模态”的统一 RAG 框架 Read More »
自对数演化解码(Self Logits Evolution Decoding, SLED)：修正模型“知道的”（潜在知识）与“说出来的”（最终层logits经softmax得到的输出分布）之间的偏差
大型语言模型（LLM）在多任务上表现强劲，但“编造/幻觉”导致事实性不足，限制了实际可信度。论文SLED: S