搜索[Agent训练]结果-低调大师优秀个人博客

精选列表

搜索[Agent训练]，共10001篇文章

FDE进化36记-第13记-单Agent、多Agent与Workflow Agent到底怎么选？

我是老李，做全球智能客服平台的 FDE。平台连着 CRM、订单、支付、物流、工单和知识库，服务多家企业客户，多语言、多渠道。

2026-09-12

当 Agent 开始讨论"Agent 会不会杀死 SaaS"——一个桌面 Agent 的自我实验

如果 Agent 真的杀死了 SaaS，我应该是凶手之一；如果 SaaS 没死，我也想知道为什么。

2026-07-28

【AI Agent展】得助客服Agent——具备全栈能力的企业级客服Agent

得助客服Agent是国内首个构建“全媒体联络中心+两类型智能机器人+三类坐席辅助工具”一体化全栈架构的客服领域标杆AI Agent，完整覆盖客户服务全链路业务闭环，打破行业产品功能碎片化、技术栈割裂、场景适配单一的普遍痛点

2026-07-27

藏语ASR模型训练 | 西藏藏语语音识别 | 少数民族语音识别模型 | 维吾尔语ASR训练

如果我们需要本地化私有化部署一个可以识别藏语的语音识别项目，那么就需要使用大量的藏语数据集来训练模型。这里记录一位客户找到我训练藏语语音识别模型的过程，供你们参考学习。

2026-08-28

无需预训练超越经典算法，上交大提出合作训练式生成模型CoT

生成式模型是无监督学习这一领域的一个重要话题。对于连续数据（如图片）的建模，自2014年生成式对抗网络（Generative Adversarial Network, GAN）发表以来，研究已取得了不少进展。然而，对于离散数据，特别是离散序列的建模与生成，针对这个问题的研究仍没有产生足够令人满意的突破。对于这一类数据建模问题，经典算法如极大似然估计（Maximum Likelihood Estimation, MLE）很难称得上是理想的算法。在数据有限的情况下，它和生成式任务并不能完美地相适应。如下图，MLE等价于优化单侧KL散度KL(P||G)：由于KL散度不对称，对于预测中的失误，MLE这一目标函数能够给出比较好的惩罚进而给予纠正；但是对于潜在的生成失误，MLE并不能很好地起到作用。针对这一问题，研究者们提出了序列生成式网络（

2018-04-17

从桌面Agent到手机Agent：跨端 Agent 的终局，为什么在操作系统底层？

这篇就顺着 Agent 从桌面到手机的演化，把几条路线正面摆一摆，看阶跃星辰这套"手机+电脑+云"的打法，到底站在哪一档。

2026-07-17

学习笔记：大模型训练的本质是什么

大型语言模型（LLM）看似拥有神奇的智能，能够写代码、解释科学概念，但这并非魔法，而是数学在“预测下一个词元”这一简单任务上的极致应用。

2026-09-01

Unsloth如何跑通本地训练与GGUF推理

Unsloth 是 unslothai/unsloth 仓库中的 Python 项目，README 给出的定位是本地运行和训练 LLM 与 diffusion models，覆盖 Qwen3.8、Kimi

2026-08-16

AI 模型是如何训练出来的

不要觉得本文很难，即使你没有机器学习的背景，也可以借助人类学习和工作的方式来理解 AI 训练这件事。毕竟现在 AI 模型越来越多地通过 Agent 参与到我们日常生活和工作。

2026-07-30

1.2 训练算力：GPU集群利用率

痛点：训练集群 MFU（Model FLOPs Utilization）约 45%-55%，低于头部厂商（65%+）。

2026-07-25

手搓中级经济师备考训练系统

AI把创造门槛降到如此之低，你不打算做点什么吗？不要怕做不好，只有行动才能带来反馈，有反馈才会有进步，你才知道下一步该干什么。在很多人还停留在AI做问答的时候，你应该尝试让AI去帮你干活。现在这个时间点正好，因为国内模型的能力有了很大进步，也就是说，你已经能用很低的成本，来指挥AI帮你干活了。

2026-07-21

xAI 招聘中文 AI 训练师，支持远程办公

xAI 官网招聘信息显示，该公司正在面向全球招募中文 AI 训练师，支持远程办公。

2026-06-02

DeepSeek 公开模型原理与训练方法说明

DeepSeek发布官方说明，披露了其大语言模型的训练原理、数据来源等信息。DeepSeek表示其线上服务基于深度神经网络大模型，采用“预训练—优化训练”两阶段流程。

2025-09-02

TorchAcc：基于 TorchXLA 的分布式训练框架

本文旨在探讨阿里云 TorchAcc，这是一个基于 PyTorch/XLA 的大模型分布式训练框架。过去十年 AI 领域的显著进步，关键在于训练技术的革新和模型规模的快速攀升。

2024-04-01

DeepSpeed：大模型训练框架 | 京东云技术团队

背景：目前，大模型的发展已经非常火热，关于大模型的训练、微调也是各个公司重点关注方向。但是大模型训练的痛点是模型参数过大，动辄上百亿，如果单靠单个GPU来完成训练基本不可能。

2023-10-26

浅论分布式训练中的recompute机制

作者 | FesianXu 导读我们在进行对比学习训练时候，经常需要设置大的batch size，而显卡的显存大小是限制batch size大小的最主要因素，在实践过程中我们经常采用recompute

2023-04-20

如何用Alluxio加速云上深度学习训练？

欢迎来到【微直播间】，2min纵览大咖观点随着企业数据量的不断增加，为了提高深度学习训练的准确性、加快速度并且降低成本，许多企业开始逐步在云上实施分布式训练的方案，本期内容将结合阿里、微软等实际应用案例

2022-12-29

【大规模训练】transformer 中的张量模型并行

文 @ 不愿透露姓名的小 P 同学 0 前言随着模型和算力的规模越来越大，训练也不再局限于单卡，而是采用多机多卡并行的方式来进行模型训练。

2022-07-19

长文预警【深度学习】基于 Pytorch 的网络训练

四、Pytorch 写法写法总结为：示例代码： import torch # 1 定义 model，给训练输入，输出对应预测值 class SimpleLinear: def __init__(self

2022-04-05

分布式训练硬核技术——通讯原语

作者：ZOMI酱文章来源：https://zhuanlan.zhihu.com/p/465967735 针对分布式训练服务器的集群进行架构设计，是为了更好地解决机器学习中分布式训练中的通讯问题。

2022-02-17

资源下载

更多资源

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。