2026  20

九月  1

看过答案的自己教没看过答案的自己:深入浅出 OPSD 在线自蒸馏

2026年9月4日 · 18 分钟 · 8965 字

八月  4

你的 LLM 偷偷是个全双工预测器:双拆 SALMONN-omni 与 Covo-Audio

2026年8月2日 · 14 分钟 · 6719 字

不改模型,改数据:深入拆解 OmniFlatten

2026年8月2日 · 11 分钟 · 5444 字

把「被打断」做成一个 token:深入拆解 LSLM

2026年8月2日 · 10 分钟 · 4759 字

一直在听,也一直在说:深入拆解 Moshi

2026年8月2日 · 17 分钟 · 8384 字

七月  15

不是「能被打断」就算全双工:三张地图读懂语音对话系统

2026年7月31日 · 30 分钟 · 14557 字

让 Agent 一边说话,一边干活:深入拆解 qwen-audio-agent

2026年7月29日 · 28 分钟 · 13993 字

不是算得慢,是搬得慢:深入浅出 FlashAttention 四代

2026年7月24日 · 14 分钟 · 6805 字

把 90 分钟会议塞进一次生成:深入浅出 MOSS Transcribe Diarize

2026年7月20日 · 16 分钟 · 7665 字

从会思考、会用工具到会被评测:读懂 ReAct、Toolformer、AgentBench 与 AgentBoard

2026年7月19日 · 20 分钟 · 9608 字

一个声码器走天下:深入浅出 BigVGAN

2026年7月17日 · 18 分钟 · 8721 字

当造币厂也开始 scaling:深入浅出 MOSS-Audio-Tokenizer

2026年7月17日 · 16 分钟 · 7967 字

给声音造一张词表:深入浅出语音 tokenizer

2026年7月15日 · 27 分钟 · 13224 字

让文字开口:深入浅出 Qwen3-TTS

2026年7月9日 · 12 分钟 · 6001 字

一个文件装下一个模型:深入浅出 GGUF

2026年7月6日 · 8 分钟 · 3719 字

教会模型「哪个更好」:深入浅出 PPO、DPO、GRPO 与 GSPO

2026年7月6日 · 21 分钟 · 10117 字

把世界喂给模型:深入浅出「离散 vs 连续」

2026年7月6日 · 9 分钟 · 4223 字

给音视频一个共享时钟:深入浅出 TMRoPE

2026年7月6日 · 13 分钟 · 6496 字

边想边说:深入浅出 Thinker-Talker 架构

2026年7月5日 · 10 分钟 · 4968 字

Hello, World

2026年7月5日 · 1 分钟 · 284 字