AIJVS

阅读前置：本篇是 P3 前沿系列的收官篇。建议先读 Transformer深度解读 和 大语言模型（LLM）原理，理解”参数/上下文/量化”这些词再来看选型，事半功倍。 2026 年 8 月，国产大模型的”神仙打架”一个月内，三家头部厂商接连放大招： 7/16：Kimi K3 发布（2.8 万亿参数，全球最大开源模型） 7/19：Qwen 3.8-Max 预览版上线（2.4 万亿参数，开源回归） 7/31：DeepSeek V4-Flash 正式版 API 公测 8/3：GLM-5.3 意外泄露（尚未正式发布） 四家神仙打架，我们怎么选？本篇用一张表 + 场景拆解，帮你做决定。 全部数据来自公开报道与基准测试（标注置信度）。AI 领域变化极快，以官方公告为准。 一、四大家族对比总表 维度 DeepSeek V4-Flash Kimi K3 Qwen 3.8-Max GLM-5 厂商 深度求索 月之暗面 阿里 智谱 总参数 130亿激活（未公开总量） 2.8万亿 2.4万亿 7440亿 激...

阅读前置：本篇是 P3 前沿系列的论文解读篇，建议先看 Transformer深度解读 掌握基础概念。 为什么读论文？一个被低估的能力在 开源项目贡献指南 里我们说过，参与开源社区的第一步是”读代码”。而读论文，是理解 AI 前沿的唯一方式——因为： 新闻滞后：等你从新闻看到某个技术，它已经是半年前的研究了 博客稀释：二手解读常丢失关键细节 论文是源头：所有模型（Kimi K3、DeepSeek V4）的技术报告，本质都是论文 好消息：读论文不需要数学博士。本篇用大白话拆解 2026 年最重要的几篇，并教你一套”5 分钟读懂一篇论文”的方法。 一、ICML 2026 概况ICML（国际机器学习大会）是机器学习领域最顶级的学术会议。第 43 届 ICML 2026 于 7 月 6 日开幕。 本届亮点（置信度：高） 清华团队获最佳论文奖——中国学者在顶会的存在感持续上升 DeepMind 经典之作拿下时间检验奖——十年前的工作影响至今 三大趋势（会议官方总结）： 新推理模式的模型架构（如混合注意力、状态空间模型） 更可靠的智能体（Agent）（长期任务执行、自我纠错） 降...

阅读前置：本篇是 LLM 系列的实战篇。理论部分见 大语言模型（LLM）原理。需要基础 HTML/JavaScript 知识，Python 不是必需。 为什么要在浏览器里跑 AI？先看一组真实数据（来自 2026 年 WebGPU 基准测试，Apple M4 Max + Chrome）： 指标 数值 模型 Gemma-4-E2B（20 亿参数） 预填充速度 4676 token/秒 解码速度 73.9 token/秒 初始化时间 1.1 秒 模型大小 200 MB GPU 内存 1.8 GB 你的浏览器，就是一台 AI 推理服务器。 这意味着： 零成本：不用买 GPU，不用租云服务器 隐私安全：数据不出本地，聊天记录不会上传 离线可用：模型加载后断网也能用 无需安装：打开网页就是 AI 应用 这正是 AI双周速递·创刊号 里说的”AI 应用爆发”的一个缩影——当推理成本趋近于零，应用形态就被彻底改变。 一、WebGPU 是什么？WebGPU 是浏览器的新一代 GPU 接口（类似 WebGL 的下一代，但...

阅读前置：本系列是 Transformer深度解读 的续篇。强烈建议先读完上一篇，再来看 LLM 是怎么”长大”的。 从 Transformer 到 LLM：中间发生了什么？上一篇我们搞懂了 Transformer 单层的工作原理。但 GPT、Kimi K3、DeepSeek 这些”大语言模型”（Large Language Model, LLM），不是一个 Transformer 层，而是几十上百层堆叠 + 海量数据训练的产物。 一个核心问题：为什么把 Transformer 堆大、喂数据，模型就”会说话”了？ 答案是：下一个词预测（Next Token Prediction）——所有 LLM 的核心训练目标，简单到令人难以置信。 一、预训练：让模型学会”接话”1.1 核心思想把互联网上几乎所有公开文本（书籍、网页、代码、论文……）喂给模型，让它做一件事： 看到前面的词，预测下一个词是什么。 比如给模型看 “今天天气真”，它要预测最可能的词是”好”（而不是”桌子”）。 就这么一个简单的目标，配合千亿级参数 + 万亿级 token 数据，模型在”预测下一个词”的过程中...

阅读前置：建议先完成深度学习入门指南和神经网络架构详解：RNN与LSTM。本系列为 P3 前沿解读第二篇。 为什么你必须理解 Transformer？在 AI双周速递·创刊号 里我们聊到：Kimi K3 以 2.8 万亿参数登顶全球最大开源模型，DeepSeek V4-Flash 正式版上线——这些新闻的主角，底层都是同一个架构：Transformer。 2026 年的今天，从 GPT 到 Claude，从 Kimi 到 Qwen，从写代码到画图，几乎所有你能叫出名字的 AI 能力，都是 Transformer 的子孙。理解它，你就拿到了读懂整个 AI 世界的钥匙。 一、Transformer 解决了什么问题？2017 年之前，处理序列数据（文本、语音）的主流是 RNN/LSTM。它们的问题很致命：必须一个词一个词地顺序处理，就像你读书只能一个字一个字读，而且读完前面就忘了后面（长期依赖问题）。 2017 年，Google 发表论文 《Attention Is All You Need》，提出 Transformer。它的革命性在于： 并行处理：所有词同时被处...

本期导读：追踪 AGI 新应用，探寻 AI 真善美。AI 双周速递是 AIJVS 的固定栏目，每两周更新一次，帮你过滤噪音、直击重点。本期是创刊号，覆盖 7 月 16 日 ~ 8 月 5 日。 一、头条：Kimi K3 —— 全球最大开源模型诞生7 月 16 日，月之暗面（Moonshot AI）发布旗舰大模型 Kimi K3；7 月 27 日，完整模型权重正式开源。 核心数据（置信度：高，多个独立来源交叉验证） 指标 数值 总参数 2.8 万亿（全球最大开源模型） 激活参数 约 1040 亿（MoE，896 专家每 Token 激活 16 个） 上下文窗口 100 万 Token（单次可处理约 75 万单词） 能力 原生视觉理解，文本/图像/视频多模态 编程榜单 Frontend Code Arena 1679 分登顶，超越 Claude Fable 5（1631）和 GPT-5.6 开源时间 2026-07-27 深夜，完整权重 + 技术报告 为什么重要？这是中国大模型第一次在”开源 + 规模”两个维度同时登顶。 ...

引子你学完了所有的教程、跑完了所有的代码——然后呢？ 靠”学会”找不到工作。靠”做过”能。 GitHub 上你的 commit 历史、PR 记录、Issue 讨论，是你技术能力的最直接证明——比学历和证书管用得多。 而且 AI 领域有一个独特优势：几乎所有最顶尖的项目都开源。 PyTorch、Hugging Face Transformers、LangChain、Stable Diffusion——大厂的工程师也在这些仓库里写代码。 你不需要很厉害才能开始。你只需要开始，就能变得很厉害。 前置知识 Python 编程基础（二）：变量、数据类型和基本运算 Git 基础（clone / add / commit / push / pull） 一、选择贡献方向1.1 新手友好标签GitHub 仓库里，搜索这些标签： 12345good first issuehelp wantedbeginner friendlyup-for-grabseasy 1.2 AI 领域精选的新手友好项目 项目 Star 语言 找 Issue scik...

引子Kaggle 是数据科学界的”新东方”——刷名号、刷经验、刷 offer 的地方。 Titanic 是 Kaggle 的”Hello World”。2012 年开赛到今天，超过 3 万份参赛作品——新人在这里学到的不是调参，而是一套完整的竞赛管线。 简单的问题：给你 891 个乘客的信息（年龄、性别、船票等级等），预测谁能在海难中幸存。 但就这个看似简单的问题，涵盖了竞赛的 90% 的通用技能。 前置知识 机器学习入门：概念与分类全解 Python 编程基础（三）：NumPy 快速入门 Pandas 基础（知道 DataFrame 怎么读写就够了） 一、加载数据12345678910import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snstrain = pd.read_csv('train.csv')test = pd.read_csv('test.csv')print(train.shape) # (8...

引子前面两篇实战，你学会了”这是猫”（分类）和”这是不是手写数字”——但真正现实场景的问题是：猫在哪？ 自动驾驶：前方有行人和车辆，它们在哪里？ 安防监控：画面里有没有人闯入？闯入的人在哪个位置？ 工厂质检：这个零件有没有瑕疵？瑕疵在哪个区域？ 目标检测 = 分类 + 定位。同一张图里，框出所有物体，并说出每个框里是什么。 YOLO（You Only Look Once）是目前工业界最主流的目标检测框架——快（实时 30fps+）、准（mAP 追上两阶段检测器）、简单（Ultralytics 封装的 API 只有几行代码）。 前置知识 计算机视觉入门：图像处理基础 实战：图像分类（CIFAR-10） 一、环境安装1pip install ultralytics opencv-python matplotlib 看，就这么一个包。Ultralytics 团队把训练、验证、导出、推理全部集成到 ultralytics 里了。 验证安装： 12import ultralyticsultralytics.checks() 12Ultralytics 8.3.0 �...

引子给一条评论，判断是好评还是差评——就这么简单的一个二分类问题。 但真正动手做的时候，你会发现： 关键词匹配：”这个产品不错”→ 好评，”质量很差”→ 差评 → 碰上”不错”就挂了 标点符号：”好吃！”→ 好评，”好吃？”→ 饿了吗？ 语言的复杂性，让”简单”的二分类没那么简单。 这篇带你完整走一遍：从最简单的词袋模型，到 LSTM 序列模型，再到 BERT 预训练模型——看看每一代模型到底强在哪。 前置知识 NLP 入门：文本预处理与词向量 PyTorch 实战（二）：构建第一个全连接网络 一、数据准备用 IMDB 电影评论数据集（25,000 条训练 + 25,000 条测试，二分类）。 1234567891011121314151617from torch.utils.data import Dataset, DataLoaderimport torchfrom torch import nnimport refrom collections import Counterimport numpy as np# 用 torchtext 加载from torchte...