工程笔记
写给真正
交付技术栈的人
关于 React、Node.js、TypeScript 与 AI 的文章。有译文正文时显示译文。没有时显示英文，并注明这一点。
标签：Machine Learning
Jev：非生成式AI模型如何将文本转化为决策
了解 Jev 的数值型“System One”人工智能模型是如何运作的，为何它比大型语言模型更快更便宜，以及它在生产系统中的生成式人工智能体系中处于何种位置。
阅读约 7 分钟多模态模型如何在一个请求中处理文本、图像和音频
了解什么是模态，多模态模型如何将文本、图像和音频映射为共享表示，这种方法的优势何在，以及为何视觉答案仍会出错。
阅读约 5 分钟人工智能智能体中的递归自我提升：实验究竟揭示了什么
仔细研究哥德尔机器、STOP、哥德尔智能体、SICA、达尔文哥德尔机器、SEAL与超智能体，以及如何判断一个自我修改的智能体是否真的有所改进。
阅读约 9 分钟自行训练大语言模型评估器：从PandaLM和JudgeLM到Prometheus
如何构建经过精细调优的评估模型，涵盖从数据与评分标准到偏见控制及元评估的全流程，以及训练领域专用大语言模型评估器的实用方法。
阅读约 39 分钟大语言模型规模定律、GPT-4o与强化学习：曲线所预示的内容
如何解读大语言模型规模定律，卡普兰和钦奇利亚的发现，从GPT-3到GPT-4o各实验室如何应用这些定律，以及为何强化学习会引入新的计算维度。
阅读约 30 分钟从GPT-1到推理模型：每一代对开发者而言带来了哪些变化
追溯GPT系列从2018年的预训练到推理模型的发展历程，了解每一代所新增的理念，并了解GPT-4o的视觉功能以及Python中的结构化输出功能。
阅读约 10 分钟从零实现BPE分词器：为小型GPT上下文窗口生成更短的序列
用Python编写一个字节对编码分词器，在WikiText-2上对其进行训练，将合并结果保存为JSON格式，进而观察子词分词如何扩展GPT的上下文窗口。
阅读约 26 分钟循环深度解析：循环Transformer与隐式推理机制
循环变换器如何在隐藏状态中进行推理，为何实验室青睐它们，八年来发表的论文揭示了什么，以及这对本地化人工智能与监管意味着什么。
阅读约 12 分钟在PyTorch中调试小型GPT：用于隔离各类故障的测试方法。
一种用于在PyTorch中调试字符级GPT的逐步工作流程，涵盖从令牌ID和目标偏移到梯度、NaN损失及检查点的处理。
阅读约 30 分钟
常见问题
关于这些文章
是。每篇都是为本站准备的英文原创改写。结构与代码跟随来源；正文重写并做过重合检查。
英文是来源。只有存在该语言的正文译文时才显示其他语言。缺失或空白的译文仍是英文，包括在本地化网址上。
草稿经编辑后进入发布队列。站点导入只收录新的或有变更的 slug，不会重复添加。
示例仅供说明。上线前请核对技术栈与许可。若需交付，请发来简报。