guanweilu

我最早以为，多模态模型就是在文本模型外面套一个”看图插件”，推理时临时把图片塞进去，用完就丢。显存应该和纯文本模型差不多。直到我用一个 7B 的多模态模型跑…

GitHub 上几乎每周都有新的'越狱提示'：一句话让 ChatGPT 说出不该说的话。你复制它，粘到自己的对话里，然后模型礼貌地拒绝了你。很多人到此就划走了，觉得…

假如你正在刷菜谱，看到一张图：一个手拿锅铲的人在灶台前，旁边摆着切好的西红柿和打散的鸡蛋。你脱口而出：“在做西红柿炒蛋。” 这个回答看起来简单。但要问一个 AI 系统同样的问题，它…

我干过一件蠢事：同时跑一个 7B 和一个 70B 的多模态模型做 OCR，前者推理成本只有后者的十分之一，可准确率只差了 0.8 个百分点。换一个数据集，更离谱——7B 直接反超。…

你打开网购App，滑动着一张模特穿着新款风衣的照片，心里想的却是：这衣服穿我身上什么样？模特身高175，体重90斤，我170，但有肚子。买家秀里的普通人穿得松松垮垮，完全不是模特那…

我最早以为 Agent 沙盒是某种 AI 魔法——模型一调用工具，工具就被自动囚禁起来。直到我自己试着搭一个沙盒，才发现底层全是 Linux 的 mount 命令。而且我翻过车：明…

2023年7月，卡内基梅隆大学和谷歌DeepMind的研究者发表了一篇论文，标题是Universal and Transferable Adversarial Attacks on…

假设你正在做一个视频审核系统，要判断一段监控里"快递员有没有把包裹放到门口"。这对人来说是看一眼的事，但让AI来做，它得先认出快递员、包裹、门，再理解&quot…

一个电商详情页，外包报价从几百到上万都有。你觉得贵，又不知道该省哪一步——因为拍摄、修图、文案、排版，每个环节看起来都必须花钱。直到我亲眼看到一个朋友只用一张产品图，就生成了整套场…

你写了一个 Agent，它替你在网上下载了一个压缩包，然后打算解压执行。你会让它直接在你的 Mac 上跑吗？除非你不要这台电脑了。于是你开始搜“Agent 沙盒”，搜出来 Dock…