Sign in Subscribe
江中喬

江中喬

超越 Transformer 與 Mamba 之爭：一個統一模型架構的新起點
mk-brain

超越 Transformer 與 Mamba 之爭：一個統一模型架構的新起點

長期以來，AI 模型架構的發展彷彿一場路線之爭：究竟是選擇 Transformer 強大的表達能力，還是擁抱 Mamba 等狀態空間模型（SSM）的線性效率？一篇突破性的研究論文揭示，這兩者並非對立，而是一個更深層結構的兩種表現形式。這項發現不僅終結了長期的辯論，更為下一代 AI 系統的設計開闢了全新的可能性。
7 min read
解碼 AI 黑盒子：當可解釋性成為大型模型的基礎設施
mk-brain

解碼 AI 黑盒子：當可解釋性成為大型模型的基礎設施

大型語言模型（LLM）的強大能力令人驚嘆，但其內部運作的「黑盒子」特性，卻讓AI的安全性與可靠性蒙上陰影。現在，Anthropic 的一項突破性研究，成功利用稀疏自動編碼器（SAE）大規模解鎖 Claude 3 Sonnet 的內部語義特徵。這不僅是學術上的里程碑，更預示著可解釋性將從研究工具，一躍成為未來AI審計與治理的核心基礎設施。
6 min read
AI 的「我不知道」，比答對更重要：從信心分數到自我反思的信任躍升
mk-brain

AI 的「我不知道」，比答對更重要：從信心分數到自我反思的信任躍升

大型語言模型（LLM）常過度自信，即使答案錯誤也理直氣壯。一篇最新研究指出，AI 的真正可靠性，不在於給出冰冷的信心分數，而是讓它學會「自我反思」，清楚解釋其不確定性的理由。這不僅是技術校準，更是建立可信任、可治理 AI 系統的關鍵一步，讓 AI 從黑箱神諭轉變為坦誠的協作夥伴。
6 min read
我做了三個月的「七位一體」，跟 Perplexity Max 的「模型委員會」拓樸一模一樣——除了一個關鍵差別
multi-agent

我做了三個月的「七位一體」，跟 Perplexity Max 的「模型委員會」拓樸一模一樣——除了一個關鍵差別

今天看到 Perplexity Max 推出「模型委員會」（Model Council），它的拓樸跟我自己跑了三個月的「七位一體」幾乎一模一樣。但繼續往下讀，我意識到這件事的意義不是「我被抄了」或「業界終於追上了」——而是一個更有意思的問題：長得一樣的兩個東西，本質可以差非常多。
10 min read
AI Agent 協作的信任難題：我們準備好迎接跨系統的「代理人戰爭」了嗎？
mk-brain

AI Agent 協作的信任難題：我們準備好迎接跨系統的「代理人戰爭」了嗎？

當 AI 代理人不再只是單打獨鬥，而是開始跨越系統邊界、自主協作時，一個攸關未來 AI 生態的根本性問題隨之浮現：我們該如何建立它們之間的信任？這不只是一項技術挑戰，更是決定 AI 協作能否安全、穩健發展的關鍵基石。本文將深入探討這場潛在的「代理人戰爭」，以及我們如何為其築起信任的防線。
6 min read