Selecting intermediate features from a frozen diffusion model for discriminative tasks is non-trivial because the useful…

Intelligent systems that act in the world require image understanding that is both comprehensive and spatially grounded.…

多轮能力不是单轮能力的自然涌现——拆解多轮数据的三种构造法、loss 该算在哪一轮的关键决策与真实评测的坑。

FlashAttention 不近似、不改公式，却把注意力训练速度提高数倍、显存从 O(N²) 降到 O(N)——靠的是把「少走显存」当成一等目标：分块装进片上内存、用 online softmax 增量修正、达到 IO 复杂度理论下界。本文拆解它的算法原理与 v1→v2→v3 三代硬件适配，以及它管不了的事：KV cache 与自定义 mask。

Recent 3D world models generate photorealistic, explorable scenes that remain frozen in time. OuroWorld is a mask-free f…

用 numpy 从零实现 Multi-Head Attention 前向（含 causal mask），45 行核心代码；附逐步形状账与参数量核算，三个实测断言验证因果依赖、softmax 归一与参数量，全部本地跑通。

Agent trajectories record what an agent does and what happens next. Yet standard supervised fine-tuning (SFT) applies lo…

Autoregressive (AR) video diffusion models have shown great potential in real-time video generation. Recent methods dist…

从 SparseGPT 与 Wanda 的打分公式到 Sheared-LLaMA 的结构化剪枝加续训，拆解剪枝路线的数学原理与真实收益。

强制访问控制的两种实现：SELinux 的标签世界与 AppArmor 的路径画像，容器运行时如何接入两者，以及最常见的拒绝故障怎么排查。

位运算是最低级的语言也是最快的计算：AND/OR/XOR/移位六个操作符，撑起了权限系统、IP 子网、位图、布隆过滤器与无数性能优化。本篇拆解六个操作的语义与惯用法、用位存状态的设计模式、以及哪些位运算优化值得写、哪些是负优化。

「si 列占满一个核」是高流量机器最经典的现象。本文从硬中断为什么要拆两半讲起，拆解 softirq 的机制（who触发、在哪跑、budget 限制）、NET_RX 的 NAPI 轮询路径、RSS/RPS 多队列分流，以及 RSS 单队列瓶颈与 irqbalance 的取舍，最后给出 si 异常的完整诊断流程。

语言模型的训练目标浓缩为一个损失函数——交叉熵。但围绕它的变体（label smoothing、辅助损失、对比损失）各自解决不同的问题。本篇拆解交叉熵的直觉与数学、label smoothing 为什么能防过自信、辅助损失在 MoE 与多任务中的角色，以及对比损失在 Embedding 训练里的位置。

N 皇后是回溯与剪枝的巅峰示范：n×n 棋盘放 n 个皇后，任意两个不能同行同列同对角线。它的价值不在答案（解的数量没有闭式公式），而在「约束检查怎么做才快」「剪枝怎么把指数搜索树剪成可行规模」的完整示范。本文讲清位运算优化的棋盘、对角线的编码技巧与剪枝的力量。

N 皇后是回溯与剪枝的巅峰示范：n×n 棋盘放 n 个皇后，任意两个不能同行同列同对角线。它的价值不在答案（解的数量没有闭式公式），而在「约束检查怎么做才快」「剪枝怎么把指数搜索树剪成可行规模」的完整示范。本文讲清位运算优化的棋盘、对角线的编码技巧与剪枝的力量。

预训练之后权重就冻结了——这条默认设定正被测试时训练（TTT）打破：推理时当场用少量示例对模型做微调，让它在几秒内「学会」眼前的任务。ARC-AGI 基准上的突破让它出圈，与上下文学习、测试时扩展的关系需要厘清。本篇拆解 TTT 的机制、它在抽象推理上的实证、以及「推理时学习」路线的边界。

libaio 把缓冲 IO 锁进 O_DIRECT 监狱，二十年间 Linux 从未有过真正的异步 IO。io_uring 用一对共享内存环把「提交」与「收割」都搬出系统调用，PostgreSQL 18 靠它把冷缓存读耗时砍到约三分之一——但 Google 的漏洞账单与 epoll 之争提醒我们：性能与安全，都要按负载算账。

论文提出StreamErase，通过将双向基础模型的擦除能力迁移到单向流式生成器，在单张GPU上实现最高26 FPS、亚秒级延迟的流式视频物体移除。

NVIDIA RTX Spark is a new beginning for the PC — a reinvention combining the capabilities of a gaming PC, a creative stu…

★36,402、Apache-2.0 的低显存推理库 AirLLM：把 checkpoint 切成逐层分片，用 forward hook 在前向时流进 GPU、算完即释，70B 只要 4GB、671B 约 12GB、Kimi K3 实测 3.72GB。拆解 meta device + 2GiB pin 上限 + MoE 按专家流式的取舍，以及社区实测 5–35 秒/token 的真实代价。

henry* 2026-10-11 16:59:06 来源：量子位 多模态模型的视觉原生Harness，来了！ henry 发自 凹非寺 量子位 | 公众号 QbitAI 多模态模型的视觉原生Harness，来了！ 最近，何恺明团队在最新…

!(https://www.gstatic.com/images/branding/googleg/1x/googleg_standard_color_128dp.png)Add as a preferredsource on Google…

Oct 8, 2026 GPT-Image-2 prompted by THE DECODER Anthropic has updated its usage policy for Claude for the first time in …

Reconstructing complete, scene-aligned 3D objects from casual images requires integrating sparse, uncertain observations…

Text-to-music systems produce increasingly convincing audio, yet evaluation reveals little about whether the result matc…

LayerNorm 把统计量搬回单样本，RMSNorm 再省掉中心化，换来 7%~64% 的归一化提速；而归一化挂在残差内侧还是外侧，决定梯度随深度指数衰减还是多项式失衡。本文推导公式，并用可运行的 numpy 演示把这笔训练稳定性账算给你看。

A central capability of embodied agents is to accomplish complex objectives through sequences of interdependent tasks. Y…

「它」指代谁？Attention 让每个 token 拿自己的 Q 去和所有 token 的 K 算相似度，再加权平均它们的 V，让上下文信息在 token 之间流动。本文用检索类比讲清 Q、K、V、缩放点积、多头与因果掩码，并连到推理工程的 KV Cache。

Large language models (LLMs) are increasingly used as interactive agents and simulators, yet it remains unclear whether …

The US has arrested another suspect accused of smuggling high-end computer servers containing export-controlled Nvidia c…

Prime Intellect 发布 Prime Inference 推理服务平台，提供无服务器端点和预留 GPU 容量，公开前内部日均处理近万亿 token，主要来自 RL rollout、合成数据生成、评测和长时编码智能体，补全其开源训练栈的服务环节。

提出两阶段后训练框架 Salt++，通过因果自流（CSF）和上下文对齐的自回归 DMD，解决少步流式音视频生成中上下文相关难题。

EEG foundation models hold promise for scalable brain-signal decoding across clinical and cognitive neuroscience applica…

Model merging integrates the capabilities of multiple experts without joint retraining, but standard expert training opt…

Streaming video understanding requires models to interpret evidence as it arrives, yet current evaluations often report …

Alibaba's Qwen team has released Qwen-Image-2.1, a 7B diffusion transformer that handles text-to-image generation, multi…

Text-guided image editing must introduce the requested changes while preserving unrelated source content. Diffusion-base…

Professional design requires any-color control: the ability to specify an object's target color with any 24-bit hex valu…

Learn how to leverage NVIDIA’s cuDNN Frontend Graph API to build custom kernel fusions, autotuning engine configurations…

We present TAPe+ML v3, a compact computer vision system based on TAPe (Theory of Active Perception), a structured repres…

3D hand mesh reconstruction is a challenging yet essential task for downstream applications, including human-robot inter…

We present PhysBrain 1.5, a unified model for understanding physical environments, generating actions, and predicting fu…

Native 3D generators turn one image into a single mesh. TRELLIS.2 and its peers deliver high-fidelity non-watertight geo…

轻量版LingBot-World 2.0]

Iterative reference-conditioned image editing can introduce grid-like and granular textures, commonly described as digit…

Autonomous agent systems increasingly depend on reusable skill abstractions for consolidating experiential knowledge and…