最新

现在大家都在谈论非自回归架构，它能以 JSON Schema 进行闪电般的概率预测。我早在 2025 年 3 月就着手研究这个课题，发表了一篇 arXiv 论文，并将模型、PyPI 包和训练数据集都发布到了 Hugging Face。一年后，一家前沿实验室提出了同样的想法，声称是突破性的创新，但没有技术论文、开放权重和开放数据集。在此告知大家，主要的指导模型是强化学习（RL），而不是嵌入模型或大型语言模型（LLM）。 论文：https://arxiv.org/abs/2503.23303 模型：https://huggingface.co/DeepMostInnovations/sales-conversion-model-reinf-learning 数据集：https://huggingface.co/datasets/DeepMostInnovations/saas-sales-conversations 此外，我在 2025 年 9 月发表的第二项工作与 Jev 现在提出的完全相同。 论文：https://arxiv.org/abs/2510.01237 我的模型使用 PPO 在序列嵌入上输出逐回合的转化轨迹（概率从 0.0 到 1.0）。 Jev 使用并行采样（通过 RLCD 训练）来输出置信度分布和 Schema 选择。 令人沮丧的是，你耗费数月辛勤工作、汗水和不眠之夜才完成的东西，在架构上与某个垂直应用场景相似，却得不到应有的支持，因为前沿实验室构建了更具普适性的东西。总的来说，开源的生态故事……

您好，我让 Claude Code 为 AI 代理（而非人类）制作了一个 Markdown 工具，并自己推广它，除了这篇帖子之外，哈哈。 这个工具旨在轻松地操作 Markdown 文件，无需使用混乱的正则表达式，这对 AI 代理来说非常有用——而不是对人类，因为我们不使用正则表达式来操作 Markdown 文档。

创建自定义斜杠命令，可在任何网站上即时插入文本、代码片段、变量等。