博客
关于 GPU、LLM、MLOps、Kubernetes 以及心态的文章 · 829 篇
#2026-03 168#ai 110#llm 90#ai-papers 62#career 60#kubernetes 54#mindset 51#ai-platform 48#devops 42#security 41#deep-learning 35#performance 33#psychology 32#mlops 30#observability 29#2026-04 26#database 23#linux 22#robotics 22#rust 22#ai-agent 21#mcp 20#productivity 20#culture 19#evaluation 19#gpu 18#transformer 18#electronics 17#paper-review 17#pytorch 17#developer-tools 16#distributed-systems 16#engineering 16#learning 16#open-source 16#rag 16#fundamentals 15#network 15#postgresql 15#2026-08 14
SOTA 3D 视觉解析 — 单目深度与 3D 高斯溅射
梳理 3D 视觉的 SOTA 脉络。围绕单目深度估计(相对深度与度量深度)与 Depth Anything 系概念、立体与 MVS 概览,以及从 NeRF 到 3D 高斯溅射一路演进的实时渲染,从表示、学习、应用的角度,以架构原理为中心展开分析。
2026-06-30 · 37 分钟阅读 #ai-papers#3d-vision#monocular-depth#gaussian-splatting#nerfSOTA 实时视频分析 — 追踪、理解、高效推理
梳理实时视频分析的 SOTA 走向。围绕架构原理，本文考察行动识别、物体追踪、时间分割等视频理解任务，SAM 2 系列的视频分割与追踪概念，基于 Transformer 的视频模型，以及通过轻量化与流式处理实现的实时推理优化。
2026-06-30 · 37 分钟阅读 #ai-papers#video-understanding#object-tracking#sam2#action-recognitionSOTA 视频生成模型解析 — 时空扩散 Transformer
从时空潜在补丁与扩散 Transformer 的视角,梳理视频生成的根本难题 — 时间一致性与计算成本。本文围绕 Sora 提出的概念与后续模型系列,以架构为中心分析条件化、评估与物理一致性方面的局限。
2026-06-30 · 13 分钟阅读 #ai-papers#video-generation#diffusion-transformer#spatiotemporal#text-to-videoSOTA 分割·检测模型解析 — SAM、DETR 与 YOLO 的谱系
梳理目标检测与图像分割的 SOTA 谱系。以架构原理为主线，从两阶段的 R-CNN 到单阶段的 YOLO/SSD，再到基于 Transformer 的 DETR，串起检测的发展脉络；同时覆盖语义、实例、全景分割，直至开启可提示分割的 Segment Anything（SAM）。
2026-06-30 · 33 分钟阅读 #ai-papers#computer-vision#object-detection#segmentation#samSOTA 文本嵌入模型解析 — 检索与 RAG 的心脏
文本嵌入是检索与 RAG 系统的心脏。本文梳理对比学习与 InfoNCE、双编码器、难负例、E5/BGE/GTE 系列、Matryoshka 表征学习、MTEB 基准，直至最新嵌入模型的原理与实务应用。
2026-06-30 · 29 分钟阅读 #ai-papers#embedding#retrieval#rag#contrastive-learningSOTA 音乐·音频生成分析 — 神经编解码器与生成模型
从音频表示方式(波形·频谱图·神经编解码器)到自回归音频语言模型、基于扩散的音频、文本-音乐条件化，以谱系为中心进行梳理。从架构角度分析 EnCodec、MusicGen、AudioLM 系列的原理，以及商用模型、评估与著作权争议。
2026-06-30 · 13 分钟阅读 #ai-papers#audio-generation#music-generation#neural-codec#audio-language-modelSOTA 图像生成模型分析 — 从扩散模型到 FLUX
以谱系为中心，梳理文本-图像生成的最前沿：从扩散模型原理到潜在扩散、DiT、rectified flow，再到 FLUX 系列。通过架构原理、对比表和图解，分析 SOTA 模型之间共同的结构与差异。
2026-06-30 · 16 分钟阅读 #ai-papers#diffusion-models#text-to-image#latent-diffusion#rectified-flowSOTA多模态LLM解析 — 用一个模型看、听、说
一个只用文本训练出来的LLM，是如何走到能够理解并生成图像、音频乃至视频的?本文梳理了各模态的编码器与投影器、统一token空间、any-to-any流程、原生多模态与适配器拼接两种路线的对比，以及训练策略、基准测试与局限性。
2026-06-30 · 37 分钟阅读 #multimodal-llm#any-to-any#vision-language#audio#architectureRust 智能指针：Box、Rc、Arc、RefCell 与内部可变性
Rust 仅凭所有权规则难以表达的情形，智能指针能够解开。把值放到堆上的 Box、共享所有权的 Rc 与线程安全的 Arc、把编译期借用规则移到运行期的 RefCell 与 Mutex 的内部可变性、Deref 强制转换，以及用 Weak 切断 Rc 造成的循环引用泄漏的方法——全部通过示例来掌握。
2026-06-30 · 17 分钟阅读 #rust#memory#systems代码中的命名：最难的简单事
"计算机科学中只有两件难事：缓存失效，以及命名"这句玩笑话里藏着几分真心。本文梳理好名字为什么应当揭示意图而非实现、名字长度与作用域的关系、为什么要避免匈牙利命名法、可搜索性、布尔值/函数/集合的命名惯例，以及把重命名当作一次独立重构来对待的方法。
2026-06-30 · 13 分钟阅读 #clean-code#engineering#fundamentalsDB 事务与隔离级别完全解析
ACID 到底保证了什么，四种隔离级别(read uncommitted → serializable)，每种级别允许出现的异常现象(脏读、不可重复读、幻读，以及写偏斜)，MVCC，锁与乐观并发控制，SELECT FOR UPDATE，以及 PostgreSQL 与 MySQL 默认值的差异。从实战角度梳理事务为什么难、以及它到底守护了什么。
2026-06-30 · 22 分钟阅读 #databases#transactions#acidFDE 打法手册：用「可丢弃原型」取胜
前向部署工程师(FDE)如何在几天之内,在客户的真实数据上做出能跑起来的演示,从而扭转局面。刻意留下、注定要丢弃的技术债,先排除风险的 spike,什么时候该硬编码,以最短路径抵达「aha 时刻」,期望管理,以及从原型迁移到生产环境。本文整理了一份在一线验证过的 FDE 原型开发打法手册。
2026-06-30 · 14 分钟阅读 #engineering#prototyping#fdeSOTA 自动驾驶感知解析 — BEV、Occupancy、端到端
梳理自动驾驶感知的最新趋势。从感知-预测-规划-控制的技术栈、BEV 多摄像头融合、occupancy network 的 3D 占用表示、视觉中心与激光雷达融合之争，到端到端学习与世界模型，逐一审视其架构原理。
2026-06-30 · 30 分钟阅读 #ai-papers#autonomous-driving#bev#occupancy-network#end-to-endSOTA 语音识别与合成解析 — 从 Whisper 到编解码器语言模型
梳理语音识别(ASR)与语音合成(TTS)的最新趋势。从 HMM 到 CTC/注意力机制,从 Whisper 的大规模弱监督学习,到 Tacotron、神经声码器与编解码器语言模型,逐一审视其脉络与架构原理。
2026-06-30 · 30 分钟阅读 #ai-papers#speech-recognition#text-to-speech#whisper#neural-codec机器人基础模型 — 一个策略应对多种任务
本文梳理机器人基础模型这一潮流——它试图用一个策略应对多种机器人、多种任务。我们会依次看通用策略的概念、Open X-Embodiment 这类大规模机器人数据、跨具身、与 VLA 的关系、扩展(scaling)视角，以及数据、安全、评估这三大课题，全程配以图示。
2026-06-29 · 34 分钟阅读 #ai-papers#robotics#foundation-model#generalist-policy#open-x-embodiment世界模型 — 机器人如何在头脑中想象未来
解释世界模型的概念(学习环境动力学),涵盖基于模型的强化学习、潜在空间预测、视频预测与生成模型在机器人上的应用、通过想象 rollout 与 MPC 进行规划,以及在行走与操作上的应用与当前局限,并用图示加以整理。
2026-06-29 · 29 分钟阅读 #ai-papers#robotics#world-models#model-based-rl#planning机器人之眼 — 3D 感知与 SLAM
本文讲述机器人如何看世界。我们会依次介绍 RGB-D、LiDAR、立体相机等传感器，SLAM 流水线，点云与体素，6D 姿态估计，基于深度学习的感知，以及 NeRF 与 3D 高斯溅射，用代码和图示把机器人感知的全貌梳理一遍。
2026-06-29 · 28 分钟阅读 #ai-papers#robotics#slam#3d-perception#pointcloud人形机器人全身控制 — 双腿行走，双手操作
从人形机器人双腿行走到用手操作物体，本文梳理双足行走控制与全身控制(whole-body control)的核心概念。我们结合图示，依次讲解 ZMP 与 MPC、基于强化学习的运动控制(locomotion)、平衡与跌倒恢复、行走与操作的整合，以及把仿真中学到的策略迁移到实机的流程。
2026-06-29 · 34 分钟阅读 #ai-papers#robotics#humanoid#locomotion#whole-body-control机器人安全与对齐 — 如何信任强大的机器人
我们要如何信任日益强大的机器人？本文从物理安全、约束强化学习与安全层、分布偏移应对、人机协作安全、验证与标准，直到具身 AI 的对齐难题，进行一次均衡的梳理。
2026-06-29 · 31 分钟阅读 #ai-papers#robotics#safety#alignment#reinforcement-learning从人类视频中学习的机器人 — 网络规模数据的梦想
机器人能从人处理物品的视频中学习吗。本文梳理了可供性与轨迹、领域差距、表征学习与预训练、单样本模仿、网络视频规模化、以及与机器人数据的结合，并诚实地列出案例与局限。
2026-06-29 · 33 分钟阅读 #ai-papers#robotics#imitation-learning#representation-learning#video