这篇主要是给后面的系列开个头.我现在想清楚的一点是:LLM 不是只学一个模型.LLM 应用也不是只调一个接口.

本项目旨在从零搭建一个基于 GPT-2 Medium 衍生架构的多模态大模型，使其至少支持文本、图像两种模态输入，同时尽可能减少对Pytorch封装库的直接调用，在此中熟练掌握基础的知识、模型的预训练微调等等处理技术和对多模态技术的了解。

这篇主要是给后面的系列开个头.我现在想清楚的一点是:LLM 不是只学一个模型.LLM 应用也不是只调一个接口.

双曲面空间向量检索+默克尔树特性简直就是面向自主智能体的空间记忆基础设施。其关键特性包括：这些特性解决了 Gliding Horse 的几个核心挑战：技能图谱的层次化存储、大规模知识库的低延迟检索、以及联邦架构下边端与云端的知识同步。Gliding Horse 是一个用 Rust 编写的 AI Agent 操作系统，具备以下鲜明特点：双曲面空间向量检索+默克尔树可以带来以下增强：方案的核心思想是：

双曲面空间向量检索+默克尔树特性简直就是面向自主智能体的空间记忆基础设施。其关键特性包括：这些特性解决了 Gliding Horse 的几个核心挑战：技能图谱的层次化存储、大规模知识库的低延迟检索、以及联邦架构下边端与云端的知识同步。Gliding Horse 是一个用 Rust 编写的 AI Agent 操作系统，具备以下鲜明特点：双曲面空间向量检索+默克尔树可以带来以下增强：方案的核心思想是：

Agent的状态通过一系列的通道来维护，作为Actor的节点通过订阅通道的变化来驱动执行，而它执行的结果体现为针对通道的更新。当作为Agent的Pregel对象被执行时，用户的输入被写入对应的通道，订阅此通道的节点被收集并创建对应的任务在下一个推理步骤中并发执行。节点任务执行后，又会更新对应的通道，新的通道更新又会触发新的节点任务的执行，如此循环往复直到没有新的节点被触发了，或者达到设定的步骤上限