第18页 | 大模型 | 人人都是产品经理

AI

从零到一：搭建模型自动化评测体系

在AI模型快速迭代的时代，评测体系不再只是“验证效果”的终点，而是驱动模型优化的起点。本文以“从零到一”的视角，拆解如何构建一套可复用、可扩展的自动化评测体系。

BeWater

从０到１大模型自动化评测

AI

推理步数比模型单价更决定成本

价格会周期性下调，但账单主要被“每次任务要走几步”决定。把平均推理步数少掉 1 步，往往立竿见影；在不少业务里，其效应大于同型号单价再降 10%。

言成

大模型工作流技术原理

AI

RAG已死，召回为王：揭秘提升大模型知识检索能力的九大“神技”（深度案例版）

在大型语言模型（LLM）驱动的应用浪潮中，我们都梦想着拥有一个无所不知的AI助手。检索增强生成（RAG）技术正是实现这一梦想的钥匙，它让大模型能连接外部知识库，回答专业、实时的问题。然而，许多开发者在满怀激情地搭建完RAG系统后，却常常遭遇“AI失忆”的尴尬：模型要么回答“我不知道”，要么就开始一本正经地胡说八道。问题的根源，往往不出在那个聪明的大模型上，而是出在了它那个“健忘”的图书管理员——检索系统上。当这个管理员无法从书架上找到相关的书籍（信息）时，再博学的教授（LLM）也无能为力。

AI笋干

功能分析大模型案例分析

Anthropic天价赔款？大模型“盗版”的100000种花样

文章像一部数据黑市纪录片：从 Reddit 爬虫、YouTube 百万小时“转录”，到雇人买光实体书再撕碎扫描，乃至直接把“影子图书馆”搬进服务器——巨头们为喂饱大模型，把盗版玩出 100000 种花样。如今法院枪口对准“数据来源”而非“使用方式”，免费数据盛宴散场，AI 的下一个赛点将是版权采购与法务合规的烧钱大战。

硅星人

Anthropic 个人观点大模型

AI

实战经验：使用AI+MCP时，如何有效降低大模型幻觉率？

AI生成内容越来越强，但“幻觉”依然是最大的不确定性。这篇文章将从MCP（多组件流程）角度出发，分享一套可复用的“降幻觉”方法论，帮助你在实际应用中构建更可靠的AI内容系统

hanpangzi

AI工具大模型经验分享

AI

企业大模型：不要拎着大模型的锤子乱找钉子了，躲4血坑 + 3步实操，成功落地！

从“万能神器”到“尴尬玩具”，不少企业在千万级大模型项目上踩出同一条血泪路径：兴奋—翻车—困惑—沉默。本文用 4 个血坑复盘致命误区，再给出一套“3 步实操”：先筛金矿场景、再选轻量落地方式、最后用统一平台管权限与成本。2025 年，别再让 AI 只活在 PPT 里。

同道说

AI应用大模型常见问题

AI

智谱的阳谋：深度解析GLM-4.5V开源及其对AI Agent王座的争夺

智谱GLM-4.5V的开源举动，不只是一次模型发布，更像是一场精心布局的“阳谋”。它在多模态能力、生态构建与国产替代性上全面发力，试图改写Agent格局。本文将深度解析GLM-4.5V的技术亮点与战略意图，揭示这场开源背后的野心与博弈。

像素呼吸

Agent 大模型智谱

AI,个人随笔

攻克大模型幻觉难题：从实践探索到未来方向

大模型（LLMs）的幻觉问题 —— 即生成内容与事实不符、逻辑矛盾或凭空捏造的现象 —— 已成为制约其在关键领域应用的核心挑战。无论是医疗诊断中的错误信息，还是金融分析中的虚假数据，幻觉都可能引发严重后果。为提升大模型答案的可信度，学术界与产业界均在积极探索解决方案，形成了从技术路径到实践落地的多元探索成果。