企业知识库问答为什么答不准？从分块到重排的检索链路调优手册
2周前 (09-30)25
某公司的内部知识库问答上线两周，反馈开始往技术这边涌。有员工问"出差住宿标准是多少"，系统给出的答案引用了两年前已经废止的那版制度，数字还是旧的。换个人问"IT-032…
多智能体协作怎么编排？几种拓扑结构、通信机制与失败模式拆解
2周前 (09-30)25
一个团队把办公流程改造成多智能体系统：检索文档的负责查资料，写作的负责出初稿，审核的负责挑错，三个智能体各管一段。上线之后问题来了——审核智能体每次都提意见，写作智能体每次都改，改完审核又有新意见，两…
微调大模型为什么只改一小部分参数就够？LoRA低秩分解原理拆解
2周前 (09-30)22
想在开源模型上做微调，拦在前面的门槛往往不是数据，而是显存。一个70亿参数的模型，全量微调要吃掉多少显存？先按混合精度训练的标准开销算一遍。权重用fp16存储，70亿乘2字节约14GB；反向传播产生的…
大模型是怎么调用外部函数的？Function Calling 完整链路拆解
2周前 (09-30)21
问模型今天杭州的天气，它回一句"我无法获取实时信息"。再问它1234乘5678等于多少，它可能给你一个看着挺像、但算错了的数。这两件事指向同一个原因：模型只会生成文字，它接触不到外…
AI生成的视频为什么会一帧一跳？时序一致性问题的成因和工程解法
2周前 (09-30)24
很多人对AI视频有个共同的观感：单独抽一帧出来看，画面精致得像摄影作品；可一旦连着播放，人物边缘会轻微抖动，背景纹理像水波一样泛，脸部光影忽明忽暗。业内把这个现象叫"闪烁"（fli…
视频扩散模型为什么离不开3D VAE？潜空间压缩和DiT骨干的架构拆解
2周前 (09-30)23
先抛一个数量级上的问题。如果直接在像素空间对视频做扩散，一段512×512分辨率、16帧的片段，按16×16的图像patch切分，序列长度是（512/16）×（512/16）×16＝16384个tok…
机器说话怎么越来越像真人了？聊聊语音合成从拼接走向端到端的技术迭代
2周前 (09-30)26
有声书平台这两年有个挺明显的变化。早些年那些AI朗读的音频，一听就能听出来——语调平、断句怪，念到一半气息都不换。现在再点开某些平台的新书，同样是一段几百字的内容，停顿、重音、语气起伏都有了，不特意去…