当云计算行业持续十几年的低价内卷成为过去式，一场由AI需求引爆的算力涨价潮，正彻底改写行业规则。 2026年3月18日午间，阿里云官网正式发布调价公告，瞬间在云计算、AI产业圈引发轩然大波。受全球AI算力需求爆发式增长、核心硬件供应链成本持续攀升等多重因素影响，阿里云将对AI算力、高性能存储等核心产品上调价格，其中部分AI算力产品最高涨幅达到34%，新价格将于2026年4月18日起正式生效。 这并

当大模型不再依赖人类投喂，而是开始自我迭代，Scaling Law 将被重新定义  “龙虾”还在增强基座模型，“悟空”刚刚成立事业部，而在刚刚过去的一周，一个看似低调却极具颠覆性的名词悄然浮出水面——AI自我进化。 在众多模型迭代和商业架构调整的新闻中，MiniMax 推出 M2.7 模型的这条消息，显得格外意味深长。它没有像英伟达的 Rubin 那样用 35 倍算力狂飙来吸引眼球，也没有像 Mi

那些被你扔在硬盘角落的老模型，可能是新任务最快的起跑线 每个算法工程师的硬盘里，都躺着成百上千个历史checkpoint——上周跑的法律问答模型、上个月做的金融情感分析、去年调优的代码生成器……它们像乐高积木块，散落在角落里吃灰。 但如果我告诉你，这些被你遗忘的“老古董”可以像乐高一样拼起来，在特定条件下，新模型的训练耗时有望降低37% 3月10日上传至arXiv的一篇新论文，提出了一个名为 “M

你的AI是死记硬背，还是真的记住了你？2026年的春天，科技圈最火的话题不再是哪家的大模型参数又刷新了纪录，而是一只“小龙虾”。OpenClaw，这款因红色龙虾图标被网友昵称为“赛博龙虾”的开源AI智能体，正在以惊人的速度席卷全球。截至3月11日，OpenClaw的GitHub星标数已达29.8万，登顶全球最大的开发者社区GitHub软件星标榜，排在其之后的React、Linux星标数分别为24.

跳过88%的专家，保住97%的性能，推理速度翻倍——这项研究刚刚被CVPR接收  你有没有这种感觉：现在的AI越来越聪明，但也越来越“能吃”？一个能看图能聊天的多模态大模型，跑一次任务要调动几十上百个“专家”一起干活，算力消耗大得吓人。这也是为什么很多炫酷的AI功能只能跑在云端，手机里根本装不下。但3月5日，港科大团队放出一项被CVPR接收的新研究，可能会改变这个局面。  这项研究叫MoDES（多

在中文大模型的世界里，一个尴尬的现状长期存在：绝大多数模型的训练以英语为核心，中文语料往往只是“配料”。这就好比请了一位精通西餐的大厨来做中餐——食材认识，火候也对，但做出来的味道总差那么点意思。今天，我们要分享的是一次“反其道而行”的实践：在LlamaFactory Online平台上，仅用1小时，用Chinese Tiny LLM - 2B**这个小模型，通过精挑细选的中文数据和巧妙的“喂养”

AI圈近期的热度，几乎全被DeepSeek V4的相关猜测承包了。恰逢DeepSeek-R1发布一周年，官方GitHub代码库中突然曝光的“MODEL1”标识，瞬间点燃全网讨论热情。开发者拆解代码、外媒爆料动态、行业人士解读技术，各类声音层出不穷。今天我们梳理全网真实信息，聚焦大家最关心的四大核心焦点，看看各方都在热议什么~焦点一：发布时间——春节前后成共识，外媒与代码线索相互印证●发布时间：关于

在上一篇《受够93道MBTI选择题？我调了一个测MBTI的专属AI》发出后，我们收到了不少用户的测试反馈，并在评论区看到了各式各样的回答。许多人感到好奇：为什么仅仅通过8个看似随意的问题，AI就能如此准确地判断一个人的MBTI类型？今天，我们将完全公开这个“对话式MBTI测试”背后的技术细节——从数据集构建、模型训练到评估优化，完整呈现一个专业的人格分析模型是如何被“炼”出来的。这不仅仅是一个有趣

在这个万物皆可MBTI的时代，人格类型几乎成了我们的社交名片。交朋友前先问一下“你的MBTI是什么”，立马就可以对一个人的性格有一个初步印象；就算交朋友用不上，找工作时也逃不过公司面试官的随意一问：“你测过MBTI吗？”于是你在开始网上四处找MBTI的测试链接，结果点开的帖子要不就是在卖链接，要么是 ”私信我”，发去私信之后，又要求关注公众号......折腾了一圈，终于用九牛二虎之力找到了官网免费

这两年，大家对大模型已经不再停留在“技术演示多酷炫”，而是越来越现实地问一句：“为什么模型看起来很强，但真要放进我们自己的业务里，用起来总差点意思？尤其是——明明接入了私域知识库，效果还是不稳定？”答案往往不在某一个“神技”，而是在你怎么 同时使用 Prompt、RAG 和微调，以及它们和业务的“耦合深度”。 当一个任务效果不达预期，核心问题其实只有三个：● Prompt 写得不对 / 不完整● 

仅用1.6万张医学影像，我们让大模型学会了“看片子”。患者提问：“请使用中文详细描述这张图像并给出你的诊断结果。” 这是微调前模型的回答。虽然能够识别出基本病变，但其分析存在明显不足，描述过于简略，仅关注单一病灶而忽略了图像中实际存在的双肺多发性结节，且诊断结论过于武断，直接定性为"良性肿瘤"，缺乏严谨的鉴别诊断思路，临床参考价值有限。 这是微调后模型的回答。它成功化身为“严谨的放射科医生”，不仅

这两年，大家对大模型已经不再停留在“技术演示多酷炫”，而是越来越现实地问一句：“为什么模型看起来很强，但真要放进我们自己的业务里，用起来总差点意思？尤其是——明明接入了私域知识库，效果还是不稳定？”答案往往不在某一个“神技”，而是在你怎么 同时使用 Prompt、RAG 和微调，以及它们和业务的“耦合深度”。 当一个任务效果不达预期，核心问题其实只有三个：● Prompt 写得不对 / 不完整● 

在很多人心里，“顶级推理能力”这几个字，长期等于三个关键词：闭源、大厂、昂贵。GPT-5、Gemini 3.0-Pro 像是少数玩家才能摸到的天花板，开源模型更多还停留在“追赶者”的角色。12月1日，DeepSeek发布的新一代的“双机组合”——V3.2 和 V3.2-Speciale，把这套共识拧了一下：一边是在综合推理上对齐 GPT-5、并且 MIT 协议开源的主力模型 DeepSeek-V3

很多人第一次接触各家大模型时，都会觉得它们的回答能带来意想不到的惊喜，但有时，AI回答又怪怪的、啰嗦、甚至有点危险。  这背后，其实就是一个核心问题：对齐（Alignment）。    预训练让模型会“说话”，但对齐训练，才让模型更符合人类偏好：更有用、更安全、更有温度。在当下的大模型时代，有三种常被提到的对齐方法：PPO、DPO和KTO。  本期，LLaMA-Factory Online将用尽量

微调7b模型至少要什么显卡？算力低一些的总感觉比不过别人...有没有一种可能，让我普通老百姓也用用H卡？ 以上问题是否曾是干扰大家做出选品决策的苦楚？别急，本文将从底层逻辑到实战方案，帮你彻底理清选卡思路。顺带一提，普通人也能接触H卡，只要你的电脑能连上网！已经没有选择焦虑、但想挑战大模型微调训练上限的朋友们，可以直接翻到后面看如何平价入手了！ 选卡并非越贵越好，而是追求预算与需求的最优匹配。请先

就在百度世界大会前夕，全球最具影响力的大模型评测平台LMArena发布的最新排名，让海外开发者社区发出了"Baidu is back?"的惊叹。这份发布于2025年11月初的榜单显示，国产大模型在中文竞技场上实现了对国际顶尖模型的全面反超，这一突破性进展恰如其时地展现了中国AI技术的迅猛发展。在LMArena最新发布的排名当中，文心全新模型ERNIE-5.0-Preview-1022首次上榜，就登

当大模型陷入“数据饥渴”，我们是否只能无止境地堆砌算力与语料？新加坡国立大学的最新研究给出了否定答案。本期将深入解读其提出的扩散语言模型（DLM），揭示它如何在有限数据下实现比肩甚至超越自回归模型的性能——这不仅是一场技术路径的革新，更可能是破解当前AI训练数据瓶颈的关键密钥。聚焦过去一周AI领域最具热度与争议性的技术动态与行业事件。快速筛选并解读热点背后的逻辑与影响，追踪技术浪潮的脉搏。 LLM

遇到劳动纠纷，你是否也面临这样的困境？翻遍《劳动法》，却找不到能精准对应自身情况的条款。想咨询律师，又因费用高昂、案情梳理不清而难以获得有效指导。试图与公司协商，却因不熟悉法律术语，被HR几句“专业说辞”轻易劝退。上述痛点，正是大模型技术能够发力之处。然而，通用大模型虽强，其知识的静态滞后性与专业领域的“幻觉”问题也尤为突出。为此，我上周在LLaMA-Factory Online的「实例空间」中，