LangGraph 简介
在这里插入图片描述LangGraph 是由 LangChain 团队开发的开源框架，专为构建状态化、多智能体（Multi-Agent）动态工作流而设计。它通过图结构（Graph） 管理复杂任务流程，
阅读全文SFT 泛化新解读：强化学习 + 奖励修正，一文读懂
1. 研究背景与问题• SFT的局限性：传统监督微调（SFT）在LLM任务适配中简单高效，但泛化能力弱于强化学习（RL）。RL依赖奖励信号探索策略，但计算成本高且需人工设计奖励函数。• 核心问题：能
阅读全文程序员狂喜！Self-Instruct 框架全解析：无限生成高质量指令集，从此告别标注噩梦！
在这里插入图片描述MotivationHigh-level overview of InstructGPT with human annotated outputs and ranking for
阅读全文Evol-Instruct 竟能精准生成领域专属数据？实操技巧速看！
在不断发展的人工智能领域，能够对模型进行微调以使其理解并适应特定领域至关重要。这一过程类似于音乐家在表演前调校乐器；调校得越精准，在特定的声学环境中表现就越出色。在这里，我们的“声学环境”就是希望人
阅读全文Pygame RPG Tutorial 7 – Attack Animations
我们的球员目前缺少的一个主要组成部分是进攻系统。幸运的是，这与我们的运动动画系统的实现方式非常相似，所以本教程应该很容易理解。一旦我们创造了这个基本的攻击系统，我们就可以轻松地将其扩展为包含许多其他类
阅读全文《Pygame RPG 开发实战：1-6 系列第 1 期代码细评，从逻辑到效率的提升指南》
在这里，您可以查看我们到目前为止编写的Pygame RPG系列的完整代码。这次代码审查背后的主要原因是，到目前为止，我们一直在讨论小片段的代码（由于绝对的大小）。对于那些在将这些片段连接成一个整体时遇
阅读全文指令微调数据-少即是多
如何对大型语言模型进行微调以用于通用问题解答？一种颇具吸引力的方法是采用对少量高质量样本进行有监督微调的方式。近期的 LIMA（“对于对齐而言，少即是多”）研究大胆宣称，通过仅基于 1000 对
阅读全文LLM generate 参数怎么用？
要让 LLM 模型的推理结果更稳定、更确定（即减少随机性、提高可预测性），需要合理配置 temperature 和 top_p 参数。以下是具体策略和推荐配置：一、参数作用机制1. temperat
阅读全文语音合成（TTS）跳跃与重复问题的解析：成因、机制及解决方案
一、问题本质与影响• 跳跃（Omission）：漏读音素/词/短语，表现为音频中断或静音段。• 重复（Repetition）：非预期重复音素/词/短语。• 根本影响：破坏语音清晰度、自然度与用户体验
阅读全文大模型训练新思路：GEPA 靠 “反思” 赢过 RL，看完秒懂
倘若一种人工智能模型能够从自身的错误中吸取教训，不是通过机械的反复训练，而是通过深思熟虑的反思，就像人类那样，那将会是怎样的情景呢？这就是“GEPA（基因-帕累托）”所承诺的效果，这一开创性的方法由
阅读全文F5-TTS：用 Flow Matching 玩转语音，流畅度和真实感都 “拉满” 了
Abstract本文介绍了 F5-TTS，这是一种基于流匹配与扩散变压器（DiT）的完全非自回归文本转语音系统。它无需诸如时长模型、文本编码器和音素对齐等复杂设计，直接将文本输入用填充标记填充至与输
阅读全文E2 TTS：令人尴尬地简单、完全非自回归、零样本的语音合成技术
ABSTRACT本文介绍了“毫不费力的文本转语音”（E2 TTS）系统，这是一款完全非自回归的零样本文本转语音系统，其具备接近人类水平的自然度、先进的说话人相似度和清晰度。在 E2 TTS 框架中，
阅读全文为什么都在聊 Kimi K2？Open Agentic Intelligence 藏着哪些新惊喜
ABSTRACT我们推出 Kimi K2，这是一款拥有 32B 激活参数和 1T 总参数的专家混合（MoE）大型语言模型。我们提出了 MuonClip 优化器，它在 Muon 的基础上采用了一种新颖
阅读全文Step-Audio-AQAA 端到端音频模型
1. 研究背景与核心问题• 现状：现有大型音频语言模型（LALMs）依赖文本输出，需额外调用ASR/TTS模块生成语音，导致级联错误累积和系统复杂性增加。• 关键挑战：缺乏端到端模型直接处理音频输入
阅读全文CFM 与 OT-CFM：条件流匹配与最优传输的碰撞
在这里插入图片描述1. 核心目标提出条件流匹配（CFM） 及其优化版本OT-CFM，解决连续标准化流（CNF）中模拟ODE的困难，并通过最优传输减少路径交叉问题。2. 关键概念(1) Flow Ma
阅读全文Conditional Flow Matching : 常微分方程ODE、欧拉方法和Neural ODE
核心目标文章是Conditional Flow Matching (CFM) 系列的开篇，旨在为理解CFM（一种新兴生成模型）奠定数学基础。重点介绍三个核心概念：常微分方程（ODE）、数值解法（欧拉
阅读全文当 Normalizing flow 遇上语音生成：AI 说话变 “真人” 的秘密在这里！
在这里插入图片描述好的，我们来梳理一下这篇文章的核心内容：Normalizing Flow 的基本原理及其在语音生成（特别是 WaveGlow 和 VITS）中的应用。文章主旨：解释 Normali
阅读全文深度剖析：Kimi - Audio 中 BigVGAN 的神奇作用
ABSTRACT尽管基于生成对抗网络（GAN）的语音编码器在近期取得了进展，即模型能够根据声学特征生成原始波形，但要为来自各种录音环境的众多说话者合成高质量的音频却颇具挑战性。在本研究中，我们提出了
阅读全文MiniMax-Speech，零样本语音合成新突破，32 种语言轻松拿捏！
我们推出了 MiniMax-Speech，这是一款基于自回归 Transformer 的文本转语音（TTS）模型，能够生成高质量的语音。其关键创新在于我们可学习的说话人编码器，它可以从参考音频中提取
阅读全文SFT 中指令选择和响应选择哪个更重要？
Think好的，用户问的是“指令选择更重要还是响应选择更重要”，我需要先回顾之前的对话和论文内容。用户之前让我精读了GRAPE这篇论文，其中主要关注响应选择，通过选择与目标模型预训练分布匹配的响应来
阅读全文角色扮演大模型技术分享2-超拟人模型的困境
时隔半年，最近的迷茫反而越来越多了。先碎碎念，有时间写干货。这次干货预计会更多，多到爆炸。本人太懒码字太累，因此可能会少次多量分几篇发出来，目前计划包括但不限于数据合成全流程分享篇、拟人化能力提升篇
阅读全文如何低成本生成高质量指令微调数据？
ABSTRACT高质量的指令数据对于对齐大型语言模型（LLM）至关重要。尽管一些模型（如 Llama-3-Instruct）的权重是公开的，但其对齐数据仍处于私有状态，这阻碍了人工智能的民主化。高昂
阅读全文从数量到质量：通过自引导数据选择来提升语言模型性能以实现指令调优
Abstract在大型语言模型（LLMs）的领域中，指令数据的质量与数量之间的平衡是一个关键问题。鉴于此，我们提出了一种针对 LLM 的 self-guided 方法，使其能够自主地从开源数据集中识别
阅读全文Kimi-Audio：开源音频基础模型全面解析
Abstract我们推出了 Kimi-Audio，这是一款开源的音频基础模型，擅长音频理解、生成和对话。我们详细介绍了构建 Kimi-Audio 的方法，包括模型架构、数据整理、训练方案、推理部署和
阅读全文Kimi-Audio 的 TTS 效果如何？
Kimi-Audio开放了模型和推理脚本，但不支持TTS推理。魔改了模型可以支持TTS的任务，能同时输出文本和音频。测试发现：1. audio的输出和text的输出有时会不同步，即内容不一致。一般音
阅读全文RLHF及其变体：进展和实际工程见解
Background2022年底，OpenAI关于InstructGPT的论文b[1]引发了人们对人类反馈强化学习（RLHF）的广泛兴趣，现在通常被称为后训练。核心概念包括使用配对偏好数据集结合ra
阅读全文晦涩难懂的 Flow matching！图形化理解
每个生成模型理想情况下都是一个密度估计器；因此，它会建模一个概率密度，最终是一个联合概率分布（JPD），具有两个预期特性，即采样和压缩。压缩基本上是将数据推送到信息空间，这看起来维度更低，而采样则是
阅读全文校园篇-北京信息科技大学2025
北京信息科技大学，北京市重点支持建设的高校，原名北京信息工程学院，隶属于电子工业部，1997年合并成立新的北京信息工程学院，2008年改现名，有沙河、小营、金台路和酒仙桥四个校区，占地81万余平方米，
阅读全文Simhash-文档去重算法简介
在计算机科学领域，SimHash 是一种用于快速估算两个集合相似度的技术。谷歌利用该算法来查找近乎重复的网页（Detecting Near-Duplicates for Web Crawling）。
阅读全文