自然语言处理
包含命名实体识别、文本分类、分词、关系抽取、问答、推理、文本摘要、情感分析、机器翻译等多个领域
[大模型实战 01] 本地大模型初体验：Ollama 部署与 Python 调用指南
大模型实战系列第一篇。拒绝晦涩理论，直接上手！我会带着各位友人们零基础安装 Ollama，利用国内 ModelScope 极速下载模型，详解服务端口配置与 Python 脚本调用，涵盖显存计算与常见避坑指南。
[大模型实战 03预备] 云端炼丹房 1：Google Colab 上手指南
本文教你用免费Google Colab（Tesla T4 GPU）解决本地显存不足、无法运行7B+大模型的痛点；通过挂载Google Drive持久化保存模型，避免运行时重置丢失；手把手配置云端环境，为后续RAG实战打下坚实基础。（239字）
[大模型实战 06] 我的模型我做主：在 Kaggle 上用 Unsloth 极速微调 Qwen3
本文介绍如何用Unsloth+QLoRA高效微调Qwen3-4B模型，仅需Kaggle免费T4显卡，速度提升2–5倍、显存节省60%；三步实现“灵魂认主”，让模型自认“AlgiebaLLM AI”，全程代码简洁，零基础可上手。
写小说时，Claude 4.0 和 4.5 的差别在哪里？
本文对比Claude Sonnet 4.0与4.5在小说创作中的实际表现，聚焦人物一致性、剧情连续性与长期可控性。基于Anthropic官方能力说明及多轮实测，指出4.5在多阶段续写、逻辑连贯性与风格稳定性上显著提升，更适配中长篇连载场景，助力AI写作从“能写”迈向“能长期写”。（239字）
最佳实践丨让苏东坡“复活”！我用Qwen3-8B实现了与千古文豪的跨时空对话
随着人工智能技术的不断发展，虚拟角色不再只是冰冷的对话机器，而是能够承载历史人物的气质、知识体系乃至精神风貌的“数字化身”。今天，我们将完整揭秘如何基于Qwen3-8B大模型，借助LLaMA-Factory Online平台，打造一个沉浸式的“苏东坡数字分身”，让前沿技术为文化传承注入新的活力。
小米7B参数推理大模型首次开源！Xiaomi MiMo：数学代码双杀，超越32B巨头
小米开源的MiMo推理大模型通过联动预训练与强化学习算法，在7B参数规模下实现数学推理与代码生成能力的突破性提升，技术报告显示其性能超越部分32B级模型。
[大模型实战 03] 拆解 Transformers：从原理图解到 HuggingFace Transformers 实战
本文图解Transformer核心原理（注意力机制+位置编码），在Kaggle双T4 GPU环境下实战拆解Hugging Face“铁三角”（Config/Tokenizer/Model），并详解Temperature与Top_p两大生成调控参数，助你真正理解并掌控大模型推理。
【开源】IntentOrch：意图驱动的MCP编排引擎 - 自然语言描述需求，AI自动编排MCP工具链执行
IntentOrch 是开源的意图驱动MCP编排引擎，让开发者用自然语言表达“要什么”，自动完成工具选择、流程规划与执行。支持多AI/多Server，5分钟上手，大幅提升MCP开发效率。
这个AI把arXiv变成代码工厂，快速复现顶会算法！Paper2Code：AI论文自动转代码神器，多智能体框架颠覆科研复现
Paper2Code是由韩国科学技术院与DeepAuto.ai联合开发的多智能体框架，通过规划、分析和代码生成三阶段流程，将机器学习论文自动转化为可执行代码仓库，显著提升科研复现效率。
[大模型实战 05] 大模型实战的杀手锏： 模型微调
本文通过Kaggle实操对比Base与Instruct模型，图解大模型预训练→指令微调→人类对齐三阶段演进，并厘清Prompt工程、RAG（注知识）与微调（塑性格）的技术边界与选型策略，助你科学决策模型优化路径。
MajorRAG 概述（1/3）
一个RAG项目，全文共三个部分：MajorRAG概述、MajorRAG文件内容提取实现分析、MajorRAG聊天问答系统实现分析。 1）第一次做RAG，欢迎带着指导意见评论 2）希望指出不足时可以附带替换方法
