本文为在官网学习 LangChain v1.0 文档的笔记，帮助大家在网络不畅，或者官网阅读困难的情况下学习 LangChain v1.0。

我们介绍了第一代推理模型DeepSeek-R1-Zero和DeepSeek-R1。DeepSeek-R1-Zero是通过大规模强化学习（RL）训练的模型，无需将监督微调（SFT）作为初步步骤，展现出卓越的推理能力。通过强化学习，DeepSeek-R1-Zero自然地展现出许多强大且引人注目的推理行为。然而，它面临着诸如可读性差和语言混杂等挑战。为了解决这些问题并进一步提升推理性能，我们推出了Dee

在继Figure 02机器人在特斯拉工厂工作500天后，Figure AI公司有推出了家用场景下的Figure 03机器人，下面我们一起来看看这次推出的Figure 03机器人如何。

举一个简单的例子让我们简单的认识一下Lora和QLora：一个130亿参数的大模型，全量微调一次要花上万元，普通开发者根本玩不起。这时候，**LoRA**和**QLoRA**就登场了——它们像给房子“局部改造”，只换关键家具（调整少量参数），既省钱又不破坏原有布局，让普通人也能玩转大模型微调。

微调的本质是**在预训练模型基础上，使用特定任务数据集进行二次训练**，使模型参数适应新任务。其核心逻辑是：冻结预训练模型大部分参数（或全部参数），仅调整部分参数（或全部），以较小的计算成本让模型学习任务特性，而我们需要微调就要先了解整体微调的结构包含哪些部分，接下来我们就来认识一下

作为一款突破性AI产品，Manus突破了传统聊天机器人的局限，不仅能提供建议，还能通过多代理协作系统自主规划、执行并交付复杂任务，覆盖教育、金融、生活服务、数据分析等多个领域。技术层面，Manus 在权威的 GAIA 基准测试中表现优异，创下 SOTA 成绩，超越同类产品。又占据了各大新闻媒体网站，热度甚至一度超过了年前 DeepSeek 刚发布的时候，3月6日，A股市场高开高走，AI智能体概念表

在人工智能飞速发展的今天，我们每天使用的智能语音助手、刷到的个性化推荐、甚至手机的人脸识别功能，背后都离不开强大的硬件算力支撑。如果把AI模型比作大脑中的思维逻辑，那么AI硬件就是支撑这些逻辑运行的"肌肉"。从我们熟悉的CPU、GPU，到专门为AI优化的NPU、TPU，各类硬件层出不穷，这无疑加大了我们的理解难度，接下来我们就从CPU开始逐步了解各种处理器以及它的运作原理。

我们介绍了第一代推理模型DeepSeek-R1-Zero和DeepSeek-R1。DeepSeek-R1-Zero是通过大规模强化学习（RL）训练的模型，无需将监督微调（SFT）作为初步步骤，展现出卓越的推理能力。通过强化学习，DeepSeek-R1-Zero自然地展现出许多强大且引人注目的推理行为。然而，它面临着诸如可读性差和语言混杂等挑战。为了解决这些问题并进一步提升推理性能，我们推出了Dee

作为一款突破性AI产品，Manus突破了传统聊天机器人的局限，不仅能提供建议，还能通过多代理协作系统自主规划、执行并交付复杂任务，覆盖教育、金融、生活服务、数据分析等多个领域。技术层面，Manus 在权威的 GAIA 基准测试中表现优异，创下 SOTA 成绩，超越同类产品。又占据了各大新闻媒体网站，热度甚至一度超过了年前 DeepSeek 刚发布的时候，3月6日，A股市场高开高走，AI智能体概念表

我们介绍了第一代推理模型DeepSeek-R1-Zero和DeepSeek-R1。DeepSeek-R1-Zero是通过大规模强化学习（RL）训练的模型，无需将监督微调（SFT）作为初步步骤，展现出卓越的推理能力。通过强化学习，DeepSeek-R1-Zero自然地展现出许多强大且引人注目的推理行为。然而，它面临着诸如可读性差和语言混杂等挑战。为了解决这些问题并进一步提升推理性能，我们推出了Dee