在2022年之前，扩散模型虽然在图像生成质量上表现出色，但因其直接在像素空间进行迭代计算，导致训练和推理成本极高，难以高效生成高分辨率图像，限制了其广泛应用。这篇开创性的论文彻底改变了这一现状，提出了隐空间扩散模型 (Latent Diffusion Model, LDM)的概念。该论文的核心思想是，将计算成本高昂的扩散过程从高维的像素空间转移到一个维度低得多的隐空间 (Latent Space)

实现跨越时空的文化互动，生动体验AI技术赋能下的历史人物“复活”。

本文详细介绍了两种大模型本地部署方案：面向生产环境的VLLM部署和适合个人快速体验的Ollama部署。VLLM方案具有高性能推理、高吞吐量等优势，适合Linux系统；Ollama方案则简单易用、硬件要求低，支持Windows系统。文章从环境准备、部署步骤到调用示例逐步展开，并解释了模型量化原理。通过本地部署，用户可以更好地保障数据安全、控制服务稳定性并降低长期成本。此外，还提供了优化技巧和参数配置

如今的大模型就像是一个功能强大的“万能API”，能够通过简单的接口调用即可实现诗歌创作、问题解答、代码编写甚至哲学思辨等复杂任务。实现这一切的关键，在于一套标准化的调用方式——即笔者今天要深入介绍的OpenAI格式。OpenAI格式如今已成为绝大多数主流大模型API调用的事实标准，它如同AI领域的“通用语言”或“普通话”，使得不同厂商、不同架构的大模型能够以统一的通信方式与用户交互，极大地降低了开

大模型训练全流程实战指南工具篇（十一）—— 大模型训练参数调优实战：从小白到调参高手

清华大学与上海交通大学团队2025年发表的研究《Does Reinforcement Learning Really Incentivize Reasoning Capacity in LLMs Beyond the Base Model？》挑战了强化学习与可验证奖励（RLVR）提升大模型推理能力的传统认知。研究发现当前RLVR方法仅优化了模型从基座已有能力中的采样效率，并未真正拓展其能力边界。通

FoundationMotion是全自动数据标注pipeline，通过“检测-跟踪-生成”三步提取视频运动信息并生成结构化数据，视频预处理裁剪片段、过滤摄像机剧烈运动视频，物体检测与跟踪含开放词汇检测、人类中心检测及时序跟踪，分别识别通用物体、聚焦人机交互、维持跨帧一致性，GPT-4o-mini将跟踪数据转为含7维度的自然语言，同时生成5类运动理解问答对，模拟运动逻辑推理需求。运动理解是物理推理的

本文系统解读了大模型的文件结构与工作原理。首先介绍了大模型研究的常用平台HuggingFace和ModelScope，并以Qwen3-8B为例详细解析了模型文件的组成，包括权重文件(.safetensors)、配置文件(config.json)、分词器文件(tokenizer.json)等。文章深入剖析了大模型生成文本的自回归原理，展示了从输入分词到Token预测的完整流程。通过实战代码演示了模型

本文探讨了学习大模型训练的必要性和方法。随着大模型技术的快速发展，掌握其训练流程不仅能深入理解技术本质，还能构建专业优势。学习价值体现在：满足垂类应用需求、助力学术研究、提升职业竞争力。文章将大模型训练比作学生培养过程，包括数据处理、预训练、指令精调和强化学习等阶段，并对比了训练与RAG技术的区别。作者提供了一套从基础到实战的系统学习框架，包含知识理解、工具掌握和实战训练三个层次，并计划涵盖强化学

数据阶段训练阶段与评测阶段。每个阶段又可进一步细分为若干关键步骤。数据工程主要包括文本采集、文本过滤、文本清洗与去重及数据集构建等步骤。训练工程若从零开始设计模型，通常需经历选择基础架构、确定模型规模、设计模型结构与功能，随后进行预训练、监督微调（SFT）及强化学习对齐（RLHF）等步骤。然而，完全从头训练需消耗海量数据与巨额算力（例如数十亿条数据与数十台服务器并行），这对中小团队或个人开发者而言