DeepSeek R2 参数被“意外”泄漏
DeepSeek R2参数量高达1.2万亿，采用Hybrid MoE 3.0架构，在保持模型能力的同时实现了计算资源的极致压缩，并引入了专门针对法律文书分析的新模块。其多模态精度达到92.4%，误报率低，部署优势明显，支持国产芯片优化，预计未来将减少对西方依赖。
PyTorch研习社
Transformer Lab：100%本地运行的LLM工作站，开箱即用的全能选手！
Transformer Lab 是一个专为 LLM 设计的实验平台，支持一键下载多种开源模型、微调训练、搭建 RAG 应用，并且在本地运行保证隐私安全。
Devin团队开源DeepWiki：助你快速读懂所有GitHub代码库！
Cognition 团队开源 DeepWiki 项目，旨在自动生成 GitHub 项目的文档页面，帮助开发者快速理解代码库的核心架构、组件与依赖关系，改变软件工程师阅读和维护代码的方式。
OpenAI、谷歌等一线大模型科学家亲授！斯坦福CS25春季课程正式上线（附观看地址）
斯坦福大学的CS25 – Transformers United V5神课邀请了多位业界顶尖专家讲解Transformer架构、大语言模型等前沿主题。课程免费开放，支持线上Zoom直播或回放观看。
从零到一构建Agent系统：四大模块 + 框架生态详解
当前，我们正处在Agent开发的‘工程化转折点’。构建一个能实际应用于业务场景的Agent系统，需要围绕四大核心模块进行有机组合：记忆管理、工具调用、控制机制及运行环境。
提示工程101第九课：角色提示
本教程探讨了AI语言模型中的角色提示技术，涵盖角色分配、角色描述编写、背景设定和任务定义方法，并通过Python代码结合千问大模型和LangChain进行实践，提升AI模型在不同应用中的表现。
在CPU上运行100B模型只需4MB内存！微软BitNet掀了英伟达的桌子！
微软发布BitNet推理框架，通过三值量化将LLM模型大小瘦身至原来的1/16，在CPU上实现2.37到6.17倍加速，并节能82.2%，甚至可在普通笔记本CPU上运行100B参数级大模型。
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。