AI 晚报｜9月29日
今天的快讯密度有点高：一边是 AMD 出手把李飞飞的 World Labs 收入囊中，两位 AI 领军者正式联手；另一边是 OpenAI 据称因为新模型"能力过强"而按下了发布暂停键。再加上 Anthropic 递交招股书、英伟达要给每个智能体配"看门狗"，这
阅读全文 →最新文章
全部专栏
教程上手 Sonnet 5.5：编码任务按成本分层迁移
这篇能做出什么 先看结果。跟着做完，你会得到一个能跑起来的小工具，它做三件事： 1. 分档：把每天遇到的编码任务分成「琐碎」「常规」「硬骨头」三类，前两类默认交给 Sonnet 档位的模型，第三类才动用 Opus 档位。
教程用 Modal 部署按需伸缩的开源模型推理 API
适用场景 手里有一个开源模型（例如 Llama、Qwen、Mistral 系列），想把它变成 HTTP API 给内部系统或产品调用；流量不稳定，白天高峰、夜里几乎没人用，不想为此长期养一台 GPU 服务器；团队没有 K
教程用 ESP32-S3 集群跑 BitNet 1.58-bit：从模型烧录到多节点推理
把大模型压到 1.58 bit，是端侧推理里绕不开的方向。但大多数讨论停在 GPU 和手机 SoC 上，很少有人真的把它塞进一块几块钱的 MCU。这篇教程带你把这件"看起来不可能"的事拆成可执行的步骤：训练一个小尺寸的三
教程ElevenLabs v4 多语种配音：情绪标签与批量合成
这套流程最终能做出什么 把一份中文脚本，变成多语种的成品音频：中文、英文、西班牙语各一版，同一个音色贯穿全片，句子之间有情绪起伏（兴奋、压低声音、停顿），并且整批文件可以自动拼接成一条完整的节目音频。 具体交付物是这样几
教程把 Cloudflare 交给编码智能体：安装与权限收敛
适用场景 手里有若干域名的 DNS、缓存、WAF 都在 Cloudflare 上，日常改一条解析、刷一次缓存、加一条 WAF 规则都要点控制台，重复且容易点错。这套方案把 Cloudflare 的操作封装成一个命令行工具
教程Shopify 智能体代下单：结账接入与风控报错排查
智能体自助下单，链路比人类点鼠标长得多：它要过应用权限、店铺结账规则、机器人防护、支付风控四道门。任何一道没开，最终看到的报错都长得很像"结账失败"。下面按排查顺序拆开讲。 报错现象 先对照一下，你遇到的是哪一类。 现象
AI 词典嵌入漂移：同一句话，坐标却变了
一句话定义 嵌入漂移（Embedding Drift）指同一段文本，在不同时间、不同模型版本或不同运行环境下，被映射成的向量（embedding）分布发生了变化，导致原本可用的缓存、索引和相似度判断失准。 为什么会漂 嵌
AI 词典WebSocket：一次握手后的双向长连接
一句话定义：WebSocket 是一种网络通信协议，客户端与服务端经过一次 HTTP 握手（handshake）建立连接后，这条连接会持续保持，双方随时可以互相发送数据——也就是全双工（fullduplex）。 它解决了
AI 词典声纹识别：听声辨人是怎么做到的
一句话定义：声纹识别（Speaker Verification）是让机器听一段语音，判断“说话的人是不是他声称的那个人”的技术。它认的不是说了什么，而是谁在说。 原理：每个人都是一把独一无二的琴 发声像演奏一件乐器：声带
AI 词典唤醒词：设备一直在听，但大多时候没在算
一句话定义 唤醒词（Wake Word）是一段预设的短口令。设备听到它，才从"挂机监听"状态切换到"完整语音识别"状态，开始真正听你说话。你喊一声"小爱同学""Hey Siri"，灯亮了，它才开始工作——之前它其实一直在
AI 词典意图识别与槽位填充：听懂一句话里的目的和参数
一句话定义：意图识别（Intent Detection）是判断用户这句话「想干什么」，槽位填充（Slot Filling）是把这句话里的关键信息「抽出来填进表格」。 比如用户说：「帮我订一张明天上午从北京去上海的高铁票」
AI 词典对话状态跟踪：让机器记住聊到哪儿了
对话状态跟踪（Dialogue State Tracking，DST）指的是：在多轮对话的每一轮，把"用户到目前为止说了什么、还缺什么"整理成一份结构化记录。 像服务员记菜单一样 想象你在餐厅帮一桌人点单。客人说"来一份
AI 词典显著性图：看清模型到底在盯着哪里
一句话定义 显著性图（Saliency Map）是一张和输入同尺寸的热力图，颜色越"烫"的位置，表示该位置的像素（或文本里的 token）对模型当前这个输出影响越大。 它怎么来的：把"轻推一下"做成图 想象一台看不懂内部
AI 词典视频时序建模：让机器看懂"前后发生了什么
一句话定义：视频时序建模（video temporal modeling）指的是让模型显式地处理帧与帧之间的顺序、运动和因果关系，而不是把每一帧当成互不相干的独立图片。 为什么单帧不够：视频是一串按时间排列的图像。逐帧看
AI 词典Span 掩码与去噪目标：挖掉一整段，逼模型读懂全局
一句话定义 Span 掩码（span masking）是一种自监督预训练目标：把输入文本里连续的一整段内容遮住，让模型根据剩下的上下文把它还原；去噪目标（denoising objective）是更大的一类，泛指“先把输