迎来重大催化。8月22日至24日，在山西省大同市举办。本月国产芯片成果丰硕，华为Pura80系列搭载麒麟9020，新一代C86处理器性能提升，推出C6P系列CPU。此外，基于华为昇腾芯片的服务器产品陆续在政府、金融、运营商等行业落地大单。据国家数据局发布消息，截至2025年6月底，我国算力总规模位居全球第二。我国数字基础设施在规模、技术等方面已处于世界领先地位。

实际上，该专业跟夸的天花乱坠的各类「智能」产品可能毫无关系，跟「天网」和「贾维斯」也毛线关系没有，更多的可能是数据集里藏着的噪声和异常值，以及一堆让人怀疑人生的loss曲线，说不定还有实验室一台显卡也没有的悲剧现实，让你连loss曲线都看不到。在他们看来，人工智能专业的学生仿佛每天都在打造下一个「天网」或者「贾维斯」，在数据洪流里随便摆弄几下，写下几行代码，一个操控人心的机器便出现了，一个无所不能

文章摘要： 算力度量呈现多样化特征，FLOPS、Hashrate和TPS分别对应不同技术场景。FLOPS通过浮点运算量化计算能力，实际利用率受内存带宽等因素影响；Hashrate专用于密码学领域，ASIC矿机在特定算法中表现突出；TPS则衡量分布式系统处理能力，受共识算法等要素制约。三种度量体系在核心载体、价值导向和发展趋势上存在显著差异，可视化工具可有效辅助技术选型和性能评估。建议根据具体应用场

实现“一次配置，多次复用”，开发者得以彻底告别重复的环境调试噩梦。结合实时的训练监控与分析仪表盘，开发者能清晰掌握每一次迭代的脉络，快速定位问题，显著提升实验效率与模型质量。在深度学习模型训练的征途中，开发者们常常被几座效率“大山”所困：昂贵的算力门槛、繁琐的环境配置、混乱的数据模型管理。技术平台的演进，其核心价值在于将开发者从繁琐的运维负担中解放出来，聚焦于核心的算法创新与模型优化。通过合理利用

大语言模型（LLM）已成为人工智能领域的核心技术，从 ChatGPT 到 LLaMA，从代码生成到智能问答，LLM 的应用无处不在。本文将以 “理论 + 实践” 为核心，带您从零开始掌握 LLM 的核心知识，逐步完成从 “了解” 到 “上手开发” 的跨越。例如，当输入 “今天天气很好，我想去” 时，LLM 会计算 “公园”“散步”“打球” 等词的概率，选择概率最高的词输出。：模型同时关注文本中不同

第一个是多模态大模型，当初Sora诞生时，很多人认为它就是world simulator，然而事实证明，尽管Sora能够生成视频，但它更多是一个视频工具，并不能很好地进行反事实推理（counterfactual reasoning），即在没有实际数据支持的情况下，准确回答“what if”类型的问题。由于模型所做的一切就是猜测下一个token，它们不真正“知道自己知道什么”，这也导致了大语言模型的

美团的 LongCat-Flash 大模型凭借其创新的架构设计、高效的训练优化策略以及卓越的性能表现，在大模型领域中脱颖而出。尤其是在智能体任务处理方面，展现出了超越同类模型的优势，为复杂智能体应用的发展提供了有力支持。其开源的举措也将进一步推动行业的发展，促进更多开发者基于该模型进行创新和应用拓展。展望未来，随着技术的不断进步和优化，LongCat-Flash 有望在更多领域发挥重要作用，助力企

2025年11月，深度学习领域出现重大转向：图灵奖得主Yann LeCun宣布离开Meta创办AMI公司，聚焦"世界模型"而非主流LLM路线。他与OpenAI前首席科学家Ilya Sutskever相继质疑大语言模型的局限性，认为LLM缺乏对物理世界的真实理解，单纯堆算力已接近天花板。LeCun提出JEPA新架构，通过多模态输入构建世界内部表征，强调行动智能而非语言模仿。同时，

SGLang 与 vLLM 并非替代关系，而是同源互补的推理框架：vLLM 擅长通用高并发推理，是简单对话场景的高效选择；SGLang 聚焦复杂结构化任务，通过前端 DSL 与 RadixAttention 技术，实现“可编程性+高效性”的统一，是 Agent 等复杂 LLM 应用的最优解。

以往的模型不知道自己生成的排版长什么样。更重要的是，所有生成内容均为 .pptx 可编辑格式，支持自由修改与二次创作，彻底摆脱类似 nanobanana 那样 “生成后无法编辑” 的困扰，让 PPT 创作真正可控、高效、灵活。更值得关注的是，在成本 — 性能曲线中，DeepPresenter-9B 位于前沿的 “突变点” 位置，意味着在性能与价格之间达到了极具竞争力的平衡。，实现了同等级别的智能表