LLM 智能体还需要被告知如何自我改进吗
LLM 智能体正越来越多地自主驱动自身学习。自我改进方法把模型优化的各个环节交给模型自己完成。随着模型能力不断增强,这引出一个基本问题:它们是否仍然…
大模型从架构到上线的实现路径:框架怎么选、模型怎么部署、Token 怎么省、厂商怎么做。
选模型与精度,实时拆解权重 / KV Cache / 框架开销,并给出可落地卡型与卡数
口径:工具为资料库同名页面的站内副本(发布版本 15,数据更新 2026-11-09),测算含权重冗余、KV Cache、框架开销与 5% 安全余量,结果为选型参考,实际以压测为准。价格为该工具自带口径(人民币含税渠道价 / 美区按需折算),与本频道下方「部署速查」和算力频道的价格表分开阅读,不可互相推算。上游更新后重跑 tools/sync_vram_tool.py 同步,版本号随之变化,浏览器缓存自动失效。
多数团队先用 vLLM 起步,压测后再按吞吐或国产化要求换引擎
| 引擎 | 关键机制 | 量化与并行 | 硬件平台 | 选型提示 |
|---|---|---|---|---|
| vLLM通用开源首选 | PagedAttention 分页 KV、连续批处理、前缀缓存 | AWQ / GPTQ / FP8;TP、PP 并行 | NVIDIA / AMD / 昇腾(社区版) | 生态最广、特性跟进快,生产环境锁版本 |
| SGLang高并发与多轮对话 | RadixAttention 前缀树复用、约束解码 | 与 vLLM 主流量化基本一致;TP | NVIDIA / AMD | 前缀命中收益取决于请求相似度 |
| TensorRT-LLM固定模型追极致吞吐 | 编译期图优化、In-flight Batching | FP8 / FP4(按架构);按卡型编译 | NVIDIA | 与驱动、CUDA、TRT 版本强绑定,升级要重建 engine |
| LMDeploy国产开源模型适配快 | TurboMind 引擎、KV 量化 | AWQ / INT4 KV | NVIDIA | 新模型支持跟进快,覆盖面不及 vLLM |
| llama.cpp / Ollama单机、边缘、个人 | GGUF 量化、CPU/GPU 混合卸载 | Q2–Q8 GGUF | CPU / Apple Silicon / 消费卡 | 并发弱,不适合多租户生产 |
| MindIE昇腾原生栈 | CANN + ATB 算子、连续批处理 | 昇腾量化(W8A8 等) | 昇腾 910B / 910C / 950 系列 | 模型需完成算子适配,交付前逐项验证 |
卡型RTX 4090 24GB / L40S 48GB
模型8B–32B,INT4/AWQ
引擎Ollama 起步,转 vLLM
约束并发与长上下文先到瓶颈
卡型H20 96GB / 昇腾 950PR 112GB
模型70B FP8 或百 B 级 MoE
引擎vLLM / SGLang / TensorRT-LLM
约束要 NVLink 或 PCIe 4.0 x16,看 TTFT 与故障域
卡型昇腾 910C 128GB / 910B 64GB
模型同参数档国产开源模型
引擎MindIE + CANN
约束算子覆盖与模型迁移成本先评估
LLM 智能体正越来越多地自主驱动自身学习。自我改进方法把模型优化的各个环节交给模型自己完成。随着模型能力不断增强,这引出一个基本问题:它们是否仍然…
能在笔记本上运行的小语言模型,很适合离线编写信号处理代码,但它们在数字信号处理(DSP)惯例上会犯系统性错误。我们采用监督微调(SFT)……
目标识别是指从智能体被观测到的行为中推断其意图目标的任务。多数现有工作聚焦于高层的符号识别,把智能体据以实现目标的连续运动抽象掉……

在 Codename MDASH 试点项目中,GitHub 和 Microsoft 将数千条原始 AI 发现转化为 99 份经过核查的私密报告,并为…
了解我们如何构建开放的 Agent Host Protocol,让您的智能体会话可在编辑器、应用、手机和云端访问……

路由式低秩适配器提供了一种参数高效的手段,可提升大语言模型(LLM)在各类任务上的表现。因此,人们认为它们也可用于改善对低资源语…
推理时扩展通过采样多个回复并评估其集体效用,提升大语言模型的性能。然而,许多现有方法是通过反复采样…来获得这些样本的。
推出 GPT-6.2 Astra 与 Sol,在 ChatGPT Work、Codex 和 API 上带来更好的专业输出、编码、计算机操作能力,以及…
AWS Quick 为整个组织提供了解你的业务、遵守你的安全规则并代表你行动的 AI。在 AWS re:Invent 2026 上,Allianz、…

AI 能在医学领域带来什么,我们又该如何实现?Microsoft Research 负责人 Doug Burger、Microsoft 首席研究经理…
Datasette Lite 是我将 Datasette Python 应用移植到浏览器、使用 WebAssembly 和 Pyodide 直接运行…

跨地理分布式资源预训练语言模型,需要能在有限且多变的互联网带宽下运行的通信高效方法。去中心化训练取代了全局集合通信……