DeepSeek V4正式发布，具备1.6T参数、百万级上下文和全国产昇腾算力支持，性能对标GPT-5.5但成本仅为1/7。其核心创新包括混合注意力机制（CSA+HCA+SWA）降低计算开销90%，mHC流形约束优化深层网络稳定性，以及Muon优化器提升训练效率。采用两步后训练范式，先分领域优化再统一蒸馏，实现多领域均衡提升。官方测试显示，V4在编程（Codeforces评分3206）、数学（AI

这篇文章介绍了free-claude-code项目，这是一个开源代理服务器，可以拦截Claude Code的API请求并转发到免费模型服务。主要内容包括： 原理：通过本地代理服务器拦截Claude Code对Anthropic API的调用，将其重定向到NVIDIA NIM、OpenRouter或本地模型等免费替代方案。 安装配置：提供多种安装方式，包括uv工具安装和源码安装，并详细说明了三种免费

本文探讨了视频理解的核心挑战与技术演进。视频理解相比图像理解增加了时间维度，面临时序依赖、运动信息和计算爆炸三大挑战。文章分析了空间+时序的二维理解框架，并介绍了均匀采样、关键帧采样等帧采样策略。在模型演进方面，从VideoCLIP的视频检索能力，到VideoLLaMA的视频对话突破，再到LLaVA-Video的视频推理飞跃，展示了技术发展路径。最后讨论了长视频处理方案，如记忆增强机制。文章指出，

本篇进入多模态最关键的环节：怎么训练？ 多模态大模型的训练不是简单地把图像和文本"喂"给模型——它需要解决三个核心问题：对齐（怎么让视觉和语言在同一个空间"对话"）、指令跟随（怎么让模型学会"看图对话"）、幻觉（怎么让模型"没看到就不说"）。LLaVA 的训练分三个阶段：预训练（558K 图文对，只训练投影层，建立视觉到语言的基础映射）、指令微调（150K GPT-4 生成指令，训练投影层+LLM

摘要： DeepAgents系列探讨了AI代理在真实世界的四大应用场景：代码、数据、浏览器和研究。代码代理（如Devin、Claude Code）虽成熟但仍面临架构理解不足的挑战；数据代理（如ChatGPT Code Interpreter）让非程序员也能分析数据，但数据质量是关键瓶颈；浏览器代理（如OpenAI Operator）需平衡操作精度与通用性；研究代理（如Elicit）加速文献综述，但

本文探讨多模态大模型推理与部署的核心挑战——视觉Token爆炸问题。高分辨率图像产生的视觉Token（576-5184个）导致Prefill计算量暴增、KV Cache显存膨胀和批处理不均衡，使多模态推理效率仅为纯文本的1/5-1/10。优化方法包括：Token压缩（FastV/PruMerge可减少60%Token）、模型量化（GPTQ/AWQ节省60%显存）和KV Cache优化（PagedA

Claude Code 的核心优势，就是 Anthropic 提供了梯度完整的模型矩阵，从极致低成本的 Haiku，到全能均衡的 Sonnet，再到深度推理的 Opus，不同模型在不同功能场景下，Token 消耗、成本、效果有着天壤之别。选对模型，能在效果几乎不打折的前提下，让你的 Claude Code 账单直降 80%；选错模型，要么成本暴雷，要么效果拉胯。这篇文章，我就基于 Anthropi

这篇文章介绍了free-claude-code项目，这是一个开源代理服务器，可以拦截Claude Code的API请求并转发到免费模型服务。主要内容包括： 原理：通过本地代理服务器拦截Claude Code对Anthropic API的调用，将其重定向到NVIDIA NIM、OpenRouter或本地模型等免费替代方案。 安装配置：提供多种安装方式，包括uv工具安装和源码安装，并详细说明了三种免费

本文介绍了概率图模型在机器学习中的核心作用，重点讲解了贝叶斯网络和马尔可夫随机场两种图模型。文章首先阐述了图模型的价值：通过条件独立性假设大幅减少参数数量，直观表达变量间的依赖关系。随后详细解析了贝叶斯网络的有向图结构及其因子化特性，通过学生成绩预测案例展示了条件概率表的构建和推理过程。文章还对比了链式、叉式、对撞式等常见网络结构的条件独立性特点，并简要提及了无向图模型（马尔可夫随机场）和EM算法

本文系统梳理了多模态大模型的应用全景，分为三个层次：基础能力（VQA、OCR、图像描述）、进阶能力（视频理解）和行动能力（多模态Agent）。VQA作为多模态的"高考"，测试模型对图像的深度理解；OCR凭借文档智能处理成为最快变现的应用；视频理解则面临时序建模和长程依赖等挑战。多模态Agent作为终极形态，实现了从"看图说话"到"看图做事"的跨越，包括Computer Use Agent、Web