AI 图像生成并非如你所想:揭秘 Midjourney 与 FLUX 的两大底层原理
AI 图像生成并非通过搜索数据库拼接,而是基于两大核心路径:从噪声中雕刻,或像写句子般逐块构建。Midjourney、ChatGPT、FLUX 等主流工具均属于其中一类。
AI 图像生成并非通过搜索数据库拼接,而是基于两大核心路径:从噪声中雕刻,或像写句子般逐块构建。Midjourney、ChatGPT、FLUX 等主流工具均属于其中一类。
Kimi 开放平台推出的 Batch API 支持 K2.6 和 K2.5 模型,提供 6 折价格且不受账号实时并发限制。该方案通过后台错峰批量调度降低资源等待成本,适合模型评估、内容分类及大批量生成等不追求实时性的业务场景。
Sebastian Raschka 拆解了 Gemma 4、Laguna XS.2、ZAYA1-8B 和 DeepSeek V4 等最新开源 LLM 的架构设计。
Weaviate 展示了构建法律 RAG 应用的流程,通过多模态摄入和结构化集合提升检索精度。系统使用 Query Agent 执行混合搜索和重排序,支持从源段落生成可验证的回答。
Hugging Face 团队通过构建基于 Gemma 4 E2B 的浏览器助手示例,分享了在 Chrome 扩展 Manifest V3 中集成 Transformers.js 的实践经验。
推荐理由:文章拆解了 Manifest V3 约束下使用 Transformers.js 的架构细节,读者可复用其后台推理与消息通信设计。
作者分享理解大语言模型架构的工作流,主要适用于开源权重模型。流程始于官方技术报告,当论文细节缺失时,直接检视 Hugging Face 上的配置文件和 Python transformers 库中的参考实现,利用可运行代码获取架构细节。 该方法主要用于学习,手动检视代码被认为是理解模型内部工作机制的高效练习,而不适用于 ChatGPT 等闭源模型。
Hugging Face 提供了 Skill 和测试框架,用于协助将 transformers 中的语言模型移植到 mlx-lm,实现模型几乎即时可用。该 Skill 作为辅助工具而非自动化流程,支持贡献者处理脚手架搭建及架构校验,同时为审查者生成符合代码规范的高质量 PR 及可复现测试证据。
本文展示了面向销售团队的实用 ChatGPT 工作流程。这些流程覆盖客户调研、会议准备、客户触达、管道回顾及销售执行等环节,帮助销售团队更高效地利用 ChatGPT 完成日常销售工作。
利用清晰的提示词在 ChatGPT 中创建并优化图像,可在几分钟内迭代设计并生成高质量视觉内容。
OpenAI 提供指导,帮助用户学习提示词基础。通过编写清晰、有效的提示词,用户可显著提升从 ChatGPT 获取回复的质量和实用性,从而获得更精准的结果。
ChatGPT 支持探索数据集、生成洞察及创建可视化。该功能可将分析发现转化为可执行的决策,帮助用户基于数据做出判断。
ChatGPT 利用搜索和深度研究功能,帮助用户查找最新信息、分析来源并生成结构化洞察。
该指南为初学者提供了理解人工智能的基础知识,重点解释了什么是 AI、其工作原理,以及 ChatGPT 等工具如何利用大语言模型进行交互。 注:根据防幻觉规则,正文未提供具体模型版本号、参数规模、benchmark 分数、价格或上下文长度等具体数字,因此摘要仅基于原文实际内容撰写,未进行额外扩写。
OpenAI发布教程,介绍如何创建和使用ChatGPT skills,旨在帮助用户构建可复用的工作流,自动化重复性任务并确保持续的高质量的输出。
推荐理由:OpenAI官方教程说明如何构建可复用的ChatGPT技能工作流,为智能体开发提供标准化方法参考。
OpenAI 发布了关于如何使用 ChatGPT 进行研究的指南。该指南介绍了如何利用 ChatGPT 收集资料来源、分析信息,并创建带有引用的结构化洞察。
这是一篇指南,讲解如何使用 ChatGPT 进行头脑风暴。内容涵盖利用该工具整理思路,并将粗略的概念转化为结构化、可执行的计划。
OpenAI 提供 ChatGPT 的负责任与安全使用指南,聚焦于安全性、准确性及透明度的最佳实践。该指南旨在帮助用户在调用 ChatGPT 等 AI 工具时,遵循规范以优化使用体验并降低潜在风险。
Andrej Karpathy 分享了一份关于使用 LLM 构建和维护个人知识库的改进版理念文件(idea file)。他认为在 LLM 智能体时代,分享具体代码不如分享核心理念,由用户的智能体根据自身需求定制和构建。该理念包括使用 Obsidian 作为界面,LLM 自动编译 Markdown 维基,处理问答、数据清理,并探索合成数据生成。
推荐理由:作者分享了利用LLM构建和维护个人知识库的方法,提供了抽象化的理念清单,读者可据此定制自己的智能体工作流。
Sebastian Raschka解析编码智能体(Coding Agent)的整体设计,指出模型能力之外,周围的系统层(工具调用、上下文管理、记忆)决定了实际表现。
Andrej Karpathy 分享了利用 LLM 构建和维护个人 Markdown 知识库的方法,将 LLM 主要用于知识操作而非代码编写。其工作流包括将源文档索引到 raw 目录,由 LLM 增量编译生成包含摘要和反向链接的 Wiki。
推荐理由:作者展示了利用 LLM 自动编译和维护 Markdown 知识库的具体工作流,读者可复用该方法进行非代码类知识的整理。
文章系统梳理了当前主流开源 LLM 采用的七类注意力变体:MHA、GQA、MLA、滑窗注意力、DeepSeek 稀疏注意力、门控注意力和混合注意力,并解释了各自的动机、机制和在推理中的权衡。
Codex Security 不使用传统 SAST 生成报告,而是采用 AI 驱动的约束推理和验证机制来查找真实漏洞。该方法旨在减少误报,通过深入分析解释了这种非传统安全测试架构背后的技术逻辑与设计原因。
Mistral AI 基于开源助手 Vibe 构建自主 Agent,在 CI/CD 中并行生成 RSpec 测试。通过配置 AGENTS.md 和分类 Skills,该 Agent 结合 RuboCop 与 SimpleCov 验证代码,质量分数从 0.68 提升至 0.74。
OpenAI 阐述了 ChatGPT 抵御提示词注入与社会工程攻击的设计理念,核心是通过限制高风险动作和在智能体工作流中保护敏感数据来降低风险。
OpenAI 介绍其 AI 智能体在打开链接时的内置安全保障措施,旨在防止基于 URL 的数据泄露和提示注入。
本文系统分类了改进LLM推理的推理时扩展方法,包括链式思维(Chain-of-Thought)、自一致性、Best-of-N排序、拒绝采样和自我修正。作者通过实验将基础模型准确率从15%提升至约52%,并指出OpenAI等主流模型提供商均已在采用相关推理扩展策略。
OpenAI 发布技术深潜文章,详细解释 Codex CLI 如何通过 Responses API 协调模型、工具、提示词及性能优化以实现智能体循环。
OpenAI 发布构建 AI 智能体的实用指南,系统阐述设计、编排与部署核心流程。 指南涵盖用例定义、模型选型、工具设计、护栏机制及多智能体协作模式。 旨在帮助开发者规范开发流程,降低复杂智能体系统的实施门槛。
针对初创企业,提供迁移至 Responses API 及设计 AI 智能体的实践指南。 涵盖调优提示词、引导 GPT-5 模型以构建可靠 AI 工作流的操作细节。
OpenAI 发布了一份简明指南,介绍 GPT-5 如何驱动营销、工程、财务、战略、法务和 IT 等真实业务流程,并指导团队如何评估该模型。
OpenAI 团队利用 Codex 代码理解与系统重构能力,显著提升工程交付速度。 该工具通过性能优化与工作流程增强,帮助工程师更高效地完成复杂技术任务。
OpenAI 团队通过 Codex 加速工程开发,优化代码理解、系统重构、性能提升、速度加快及工程工作流改进。 该工具帮助工程师处理复杂代码、重构系统、提升性能,显著加快开发效率并优化日常工作流。
作者整理并发布了 2025 年 7 月至 12 月期间书签标记的 LLM 研究论文列表,涵盖推理模型、强化学习、架构优化等类别。 该列表是为感谢支持者而制作的补充内容,旨在便于读者在后续项目中快速检索和回顾这些论文资源。
DeepSeek 发布开源旗舰模型 DeepSeek V3.2,架构基于 Multi-Head Latent Attention(MLA)并引入 DeepSeek Sparse Attention(DSA),将注意力计算复杂度从 O(L²) 降至 O(Lk)。
推荐理由:详细拆解 DeepSeek V3.2 及 Math V2 的稀疏注意力与自验证训练技术,读者可据此理解其架构效率与性能提升机制。
文章梳理标准LLM之外的替代架构,涵盖线性注意力混合模型、文本扩散模型、世界模型与小规模递归Transformer。Qwen3-Next 和 Kimi Linear 采用 Gated DeltaNet,通过3:1混合注意力实现75%的KV缓存削减。
文章介绍了 LLM 评估的四种主要方法:多选题、验证器、排行榜和 LLM 评判。 其中多选题评估基于基准测试,如 MMLU 数据集包含 57 个领域、约 16,000 道题目,通过准确率衡量模型表现。 这些方法分为基准评估与判断评估两类,帮助构建评估框架以解读基准测试与论文结果。
Hugging Face 更新 transformers 库以支持 OpenAI 的 GPT-OSS 模型,引入了 MXFP4 量化、零构建内核下载、张量并行及专家并行等关键技术。
推荐理由:Hugging Face 详细说明了 transformers 为支持 OpenAI GPT-OSS 模型而升级的核心技术,包括 MXFP4 量化、零构建内核、动态滑动窗口及张量并行等,这些改进可复用至其他主流模型。
Sebastian Raschka 用纯 PyTorch 从零实现 Qwen3 的 Dense 与 Mixture-of-Experts 架构,帮助读者理解模型内部机制并复用这些组件。
Hugging Face 发布教程,演示如何利用 PyTorch 预编译加速 ZeroGPU Spaces。该教程展示了在 H200 硬件上,通过预编译和 FP8 量化将 Flux、Wan 等模型的推理速度提升 1.3 倍至 1.8 倍。文中还详细介绍了动态形状处理、区域编译以及如何结合 FlashAttention-3 进一步优化性能的具体实践方法。
Hugging Face 推出 kernel-builder 库,支持开发者在本地开发自定义 CUDA 内核,并针对多架构进行构建与分发。该工具通过 build.toml 和 flake.nix 实现可复现构建,利用 TORCH_LIBRARY_EXPAND 将内核注册为 PyTorch 原生算子。