# 大模型服务平台百炼 #
1
关注
1527内容
零成本打造智能服务端：MCP采样的降本增效实践
本文介绍MCP采样机制，突破传统单向调用模式，实现服务器与客户端LLM的双向协作，提升扩展性、降低成本，支持灵活模型选择。通过FastMCP框架，打造高效分布式AI计算架构。
大模型备案要点一次过【附材料清单详解】
广东省最新公布一批大模型备案名单，新增14款备案模型、6款登记模型，累计达80款备案、23款登记。文章详解大模型备案流程、周期（5-10个月）、要求（主体资质、数据合规、内容安全、模型完成度）、所需材料（备案表、安全评估报告、服务协议、语料标注规则等）及完整备案流程（初审、自测、提交、整改、终审、公示）。为大模型企业备案提供全面指导。
AI 调酒师上岗！Qwen3-Coder × 通义灵码完成 AI 调酒师项目实战开发
本课程通过“AI调酒师”项目实战，讲解如何使用通义灵码与Qwen3-Coder模型结合阿里云百炼平台，从需求分析、前端界面搭建、后端服务调用到整体部署的全流程开发。内容涵盖Bento UI设计、Tailwind CSS布局、语音识别与大模型内容生成，并结合MCP服务实现设计稿驱动开发，帮助开发者快速构建趣味AI应用，提升产品落地能力。
Trinity-RFT：构建智能体持续学习的自动化强化微调工厂
大型语言模型作为智能体在真实环境中持续交互学习面临诸多挑战。 Trinity-RFT 是通义实验室推出的强化微调框架，旨在实现智能体的持续进化。它通过探索、训练与经验池的解耦设计，支持多样化训练模式，提升资源利用率和学习稳定性。同时，Trinity-RFT 提供灵活的数据处理与算法模块化功能，降低应用与研究门槛，助力迈向终身学习与自主进化的智能体时代。
解密Qwen3三连发：强化学习新算法GSPO！
强化学习（RL）是提升语言模型推理与问题求解能力的关键技术。然而，现有算法如 GRPO 在长期训练中存在严重不稳定性，限制了性能提升。为此，我们提出 **Group Sequence Policy Optimization (GSPO)**，通过在序列层面定义重要性比率并进行优化，显著提升了训练效率与稳定性。GSPO 在 MoE 模型训练中表现出色，无需依赖复杂策略即可实现高效训练，简化了 RL 基础设施。该算法已成功应用于 Qwen3 系列模型，推动 RL scaling 边界，释放模型潜能。
掌握全维度智能体提示词框架（CAP）重塑AI提示词工程
本文介绍了全维度智能体提示词框架CAP，通过四层架构实现对AI智能体行为的精准控制，涵盖身份定义、能力调度、安全约束与执行优化，助力企业构建可控、可维护的AI应用系统。
AI智能体如何从错误中学习：反思机制详解
探索AI智能体的反思能力：从哲学思考到技术实现，看AI如何像人类一样从错误中学习和成长。通过轻松有趣的方式，深入了解Reflexion和ReAct等前沿框架，掌握让AI更智能的核心秘密。
从原型到生产：LLM评估框架选型的黄金法则
本文系统解析企业级LLM应用评估体系，涵盖多轮对话、RAG、智能体三大场景，对比主流框架适配性，助力构建科学评估流程。建议点赞收藏。
基于通义多模态大模型的实时音视频交互
Qwen-Omni是通义千问系列的全新多模态大模型，支持文本、图像、音频和视频的输入，并输出文本和音频。Omni-Realtime服务针对实时交互场景优化，提供低延迟的人机交互体验。
AI智能体开发指南：从门外汉到老司机
从零开始了解AI智能体的核心概念，区分工作流与智能代理，掌握实际构建技巧。让复杂的AI技术变得像聊天一样简单！
免费试用