ChenAI_TGF_个人页

2025年11月

• 11.24 17:17:48
  发表了文章 2025-11-24 17:17:48

  AI 十大论文精讲（七）：Switch Routing 如何破解 MoE 的路由、通信与稳定性三大痛点

  Switch Transformers通过简化MoE路由机制，实现万亿参数模型的高效训练。其核心创新在于Switch Routing（单专家激活）、选择性精度与三重并行架构，在降低计算成本的同时提升模型规模与稳定性，为大模型稀疏化发展奠定基础。

  
• 11.18 14:08:54
  发表了文章 2025-11-18 14:08:54

  AI 十大论文精讲（五）：RAG——让大模型 “告别幻觉、实时更新” 的检索增强生成秘籍

  本文解读AI十大核心论文之五——《Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks》。该论文提出RAG框架，通过“检索+生成”结合，解决大模型知识更新难、易幻觉、缺溯源等问题，实现小模型高效利用外部知识库，成为当前大模型落地的关键技术。
• 11.17 15:20:19
  发表了文章 2025-11-17 15:20:19

  AI 十大论文精讲（三）：RLHF 范式奠基 ——InstructGPT 如何让大模型 “听懂人话”

  本文解读AI十大核心论文之二——《Training Language Models to Follow Instructions with Human Feedback》。该论文提出RLHF框架，通过“监督微调-奖励建模-强化学习”三步法，首次实现大模型与人类意图的有效对齐，推动GPT-3进化为更安全、可信的InstructGPT，奠定ChatGPT等后续模型的技术基石，开启大模型“从博学到好用”的新时代。
• 11.17 15:17:47
  发表了文章 2025-11-17 15:17:47

  AI 十大论文精讲（二）：GPT-3 论文全景解析——大模型 + 提示词如何解锁 “举一反三” 能力？

  摘要 2020年发表的《Language Models are Few-Shot Learners》(GPT-3论文)开创了AI新时代。该论文突破性地证明：当Transformer模型参数规模扩大到1750亿时，仅通过文本交互即可实现任务无关的少样本学习。GPT-3采用"预训练+提示词"的新范式，无需微调就能在翻译、问答等40+任务上展现强大性能。论文系统验证了模型在语言建模、闭卷问答等9类任务中的表现，其中在LAMBADA长文本任务上准确率达86.4%，较此前最优提升18.4%。这一研
• 11.14 16:18:21
  发表了文章 2025-11-14 16:18:21

  不懂 Attention 不算懂 AI？十大奠基论文（一）：一文读懂《Attention Is All You Need》

  摘要 《Attention Is All You Need》论文开创性地提出Transformer架构，彻底改变了自然语言处理领域的技术路径。该论文解决了传统RNN/CNN模型的三大痛点：通过自注意力机制实现全局语义捕捉，摆脱了序列处理的低效性；多头注意力设计支持并行计算，大幅提升训练效率；缩放点积注意力有效解决长距离依赖问题。Transformer的核心创新包括：1）完全基于注意力机制取代循环结构；2）编码器-解码器堆叠架构；3）残差连接和层归一化优化训练稳定性。这一架构为GPT、BERT等大模型奠定了基
• 11.13 16:24:51
  发表了文章 2025-11-13 16:24:51

  云端服务器使用指南：如何跨机传输较大文件（通过windows自带工具远程桌面连接 非常方便）

  本文介绍了通过远程桌面连接实现跨机传输大文件的方法。首先说明如何启动远程桌面连接（Win+R输入mstsc或搜索打开），强调需输入云服务器公网IP（如47.98.XX.XX格式）。详细图文展示了连接过程，包括输入Administrator账户密码的步骤。文件传输支持两种方式：部分系统可直接拖拽文件到本机，其他系统可通过复制粘贴完成。该方法解决了传统邮箱附件/网盘传输大文件的低效问题，适用于数据库备份、安装包等GB级文件传输场景。