Now, Scaling What?
机器之心PRO本周解读：自2024年起，Scaling范式开始转移。研究者从”预训练之后，What to Scale Now？”入手，探索新的Scaling目标。TTS（Test-Time Scaling）方法在推理阶段增加计算资源来增强模型性能成为关注热点。
微调
解密NVIDIA团队的代理式AI技术实践
在数字化转型中，NVIDIA使用Agentic AI技术展示了四大应用场景：AI销售助手简化信息访问和处理；小模型微调提高效率和准确性；智能Slackbot提供高效任务支持；自动化测试生成框架优化软件开发流程。
影响大模型能力表现的因素，以及提示词在其中扮演的角色和工程化的作用和方法
大模型的能力由多个因素决定，包括神经网络技术的发展、训练数据的选择与质量、模型结构的固有缺陷、以及微调等。提升大模型潜力的方法则涉及模型架构改进、算法选择、数据质量优化等多个方面。提示词工程是一种常用手段，通过调整提示词激发大模型潜力，促进其在特定任务上的表现。
把 DeepSeek-V3-0324 变成推理模型
基于DeepSeek-R1微调的DeepSeek-R1T-Chimera模型在保持性能的同时显著缩短了思考时间，可作为DeepSeek-R1的加强版使用。
大模型是怎么“思考”的？五分钟看懂大模型的底层逻辑！
近年来ChatGPT爆火，让大语言模型走进大众视野。本文系统梳理了其原理、训练方式及其应用，涵盖数据、架构和训练三大要素，并展示了微调与实际应用场景，如客户服务、内容创作等。
在企业场景中应该怎么部署大模型——大模型企业级部署框架介绍
随着大语言模型（LLM）应用增加，企业级部署和推理模型成为焦点。多种前端框架如Transformers、ModelScope等被对比分析，帮助选择最适合的解决方案。
开源可商用！RF-DETR实时目标检测新标杆：2900万参数轻量级模型，160FPS速度精度双突破
能不断提升。然而，如何在保证检测精度的同时实现实时性，仍然是一个亟待解决的问题。
近期，
Robof
从“AI焦虑”到“AI自信”：开发者必备的LLM应用开发实战手册
开发者朋友，你是否感受到被AI浪潮裹挟的焦虑？这本书《探秘大模型应用开发》，正是我精心绘制的学习与实践路线图。拒绝碎片化知识，构建体系化学习脉络；洞察本质，提供深入浅出解答。无论你是传统开发者、技术新人还是管理者，《探秘大模型应用开发》都将助你走出迷茫区，掌握LLM应用开发的核心知识与技能。
8大类，100+技术：大模型 AI Agents 优化最新综述
华东师范大学等综述了针对大型语言模型的AI智能体优化方法，分为参数驱动和非参数驱动两大类，并详细探讨了基于强化学习、混合策略及经验反馈等多种具体技术。