guanweilu

我最早接触到多头注意力时，脑子里蹦出的第一个疑问是：这跟多线程是一个意思吗？一个头不够用，多来几个就能提速？后来啃完原始论文才发现，我完全搞错了方向。多头不是为了让模型算得快，而是…

有件事困扰了我很久。每次用 AI 绘图工具生成“医生”的照片，十张里有九张是白人男性；换成“护士”，画面立刻变成女性，而且多数是亚洲面孔。最初我以为只是巧合，直到我刻意测试了“CE…

你可能会觉得，让 AI 分割视频，不就是把图片分割连起来吗？SAM 2 的论文一出来，这个直觉就被打脸了。如果只是简单地把逐帧分割结果拼接，那个物体一旦被遮挡一下，就再也找不回来了…

SD3 发布的时候，有一个细节社区讨论了很久：它没有叫 SDXL 2，而是直接跳到了第三代。我当时第一反应是“架构肯定有大改”，但真正让我愣住的，是 Stability AI 把整…

有一次我让一个所谓的“全能 Agent”帮我写一个数据分析脚本，要求很简单：读取 Excel，清洗数据，画几张图。结果它上来就写代码，写完发现忘了装依赖库，装完依赖库又发现数据格式…

我曾经以为，ChatGPT 之所以能这么流畅地跟我对话，能回答问题、写代码、还能拒绝不当请求，是因为它读遍了互联网上所有的文字，自然而然地就学会了这些能力。但后来我试了几个开源模型…

你正在读这句话："我把苹果放进了冰箱，它很好吃。" 那个'它'指的是什么？苹果还是冰箱？你大概半秒就懂了，但让机器理解这个，NLP研究者在很…

去年四月，Meta 放出一篇论文，我看到标题的时候愣了一下——Segment Anything。不是“分割某类物体”，不是“在COCO上达到SOTA”，是“任意东西”。 我当时脑子…

我最早用 SD 1.5 生成一张 1024×1024 的图时，经常遇到一个诡异现象：人头变成两个，或者本该是手的部位长出了第三只脚。我以为是提示词没写好，反复调参数，还是…

我第一次让两个 AI Agent 协作写代码时，犯了一个很低级的错误——我让它们用自然语言直接聊天。结果一个 Agent 说“请把那个函数放到 utils 里”，另一个回“好的，我…