Ahead of AI (Sebastian Raschka)

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：A Visual Guide to RNNs, CNNs, Transformers, and Calibration, with Hands-On Experiments on Accuracy and Efficiency

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：A Look at Recurrent Depth, Hidden Chains of Thought, and Recent Research on Looping Transformer Blocks

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：A 48-minute video walkthrough of token sampling, watermark detection, and removal

本文介绍了如何从零构建一个 AI 文本检测器，涵盖数据集构建、模型训练、本地部署以及使用强化学习与验证器（RLVR）训练小语言模型规避检测。项目以 Substack 的 AI 检测功能为灵感，详细解释检测器的工作原理，并探讨其局限性与实际应用。

本文探讨了如何开发具有多种推理努力模式的模型，涵盖从o1和DeepSeek-R1到GPT-5.6的推理模型演变，以及RLVR训练、推理缩放、思考标记和推理模式切换等关键技术。

本文详细介绍了如何搭建一个完全本地的编码代理环境，使用开源工具和开放权重的大语言模型（如Qwen3.6）替代付费服务（如Claude Code和Codex）。涵盖了本地模型的优势、设置步骤、性能评估以及多种代理框架（Qwen-Code、Codex、Claude Code等）的选择。

作者延续往年习惯，整理并分类了2026年1月至5月间值得关注的LLM研究论文，涵盖架构、训练、推理效率、推理模型、强化学习、智能体系统等多个方向，并重点介绍了混合架构趋势及Nemotron 3等代表性工作。

从Gemma 4到DeepSeek V4，本文探讨了新的开源LLM如何通过跨层KV共享、逐层嵌入、注意力预算、压缩卷积注意力和mHC等架构技术降低长上下文成本。

一种学习导向的工作流程，用于理解新发布的开源权重模型。从官方技术报告开始，但论文往往不够详细；然后利用Hugging Face上的配置文件和参考实现来获取架构细节。这个过程主要是手动的，适合开源权重模型，并且手动操作是学习架构的最佳练习之一。

本文详细介绍了编码智能体的六大核心组件：实时仓库上下文、提示形状与缓存重用、工具访问与使用、最小化上下文膨胀、结构化会话记忆以及委派子智能体。通过分析这些组件如何协同工作，解释了为什么精心设计的编码工具（如Claude Code和Codex CLI）能使LLM在编码任务中表现远胜于简单的聊天界面。

本文对2026年1月至2月期间发布的十大开源大语言模型进行了架构比较和分析，涵盖Arcee Trinity、Kimi K2.5、Step 3.5 Flash、Qwen3-Coder-Next、GLM-5、MiniMax M2.5、Nanbeige 4.1、Qwen3.5、Ling 2.5以及Tiny Aya，并更新了Sarvam模型。文章重点讨论了混合专家架构、注意力机制创新（如门控注意力、门控DeltaNet、闪电注意力）以及多令牌预测等技术趋势。

推理时间缩放是提升已部署LLM答案质量的最有效方法之一。本文对各类推理时间缩放技术进行了清晰分类，并概述了近期相关论文，包括思维链提示、自一致性、最佳N排序、带验证器的拒绝采样、自我优化以及搜索解决方案路径等方法。作者还分享了在编写相关书籍章节时的个人实验经验。

本文全面回顾了2025年大语言模型领域的关键进展，包括DeepSeek R1通过RLVR/GRPO实现的推理能力突破、推理时扩展和工具使用的兴起、基准确认过度优化（benchmaxxing）问题，以及对2026年的预测，如扩散模型和RLVR的更广泛应用。

作者为付费订阅者整理了2025年7月至12月期间有趣的研究论文列表，涵盖推理模型、强化学习、架构等多个类别，并附有年度LLM回顾文章的链接。

本文深入解读DeepSeek V3.2的技术演进，涵盖从V3到V3.2的架构变化（包括稀疏注意力机制DSA）、强化学习更新（如GRPO改进、自我验证与自我精炼）以及混合推理模型的发展。V3.2在性能上媲美GPT-5和Gemini 3.0 Pro，并采用开源权重发布，重要性不言而喻。

本文探讨了除传统自回归Transformer之外的大语言模型替代架构，包括线性注意力混合模型、文本扩散模型、代码世界模型和小型递归Transformer。文章分析了每种方法在效率、推理和建模性能上的优势与局限，并展望了未来发展方向。

本文详细介绍了评估大型语言模型的四种主要方法：多选题基准（如MMLU）、用于自由形式答案的验证器、基于用户偏好的排行榜（如Chatbot Arena）以及LLM裁判评估。文章提供了从头开始的代码实现，并讨论了每种方法的优缺点。