https://mecanik.dev/zh-cn/tags/machine-learning/Recent content in 机器学习 on [ MECANIK DEV ]Hugozh-Hans版权所有 © 2020-{year} [ MECANIK DEV ]。 版权所有。Sun, 09 Aug 2026 19:00:00 +0100https://mecanik.dev/zh-cn/posts/fine-tuning-vs-rag-vs-prompting-cost/Sun, 09 Aug 2026 19:00:00 +0100https://mecanik.dev/zh-cn/posts/fine-tuning-vs-rag-vs-prompting-cost/<p>微调 vs RAG 这个问题，通常不是以问题的形式出现的，而是以一句结论出现：我们需要用自己的数据微调一个模型。这是企业 AI 里最昂贵的一句话之一，而且多数情况下是错的。不是永远错，但确实是多数。这个诉求背后几乎总是两件事之一：模型不了解我们的业务，或者模型回答的方式不是我们想要的。对第一件事，微调是一个糟糕的解法；对第二件事，微调是一个昂贵的解法。</p>https://mecanik.dev/zh-cn/posts/self-hosting-kimi-k3-hardware-cost/Wed, 05 Aug 2026 19:00:00 +0100https://mecanik.dev/zh-cn/posts/self-hosting-kimi-k3-hardware-cost/<p>自托管 Kimi K3 在 2026 年 7 月 27 日成为技术上可行的选项，那天 Moonshot AI 连同生产级推理支持一起公开了这个 2.8 万亿参数模型的权重。许多机构读到这条消息后得出结论：现在可以在自家硬件上运行前沿级推理，不必再按 token 付费了。</p>https://mecanik.dev/zh-cn/posts/retrieval-augmented-generation-rag-explained/Sat, 11 Jul 2026 19:00:00 +0100https://mecanik.dev/zh-cn/posts/retrieval-augmented-generation-rag-explained/<p>通用 AI 模型对世界了解甚多，却对你的业务一无所知。它从未见过你的产品手册、你的内部制度或上季度的报告。检索增强生成（retrieval-augmented generation，RAG）正是弥合这一鸿沟的技术：它让模型能够使用<em>你自己的</em>文档来回答问题，既准确又附带来源，而无需重新训练模型。本指南解释 RAG 是什么、如何工作，以及何时该使用它。</p>https://mecanik.dev/zh-cn/posts/ai-software-development-a-uk-business-guide-for-2026/Thu, 18 Jun 2026 07:00:00 +0100https://mecanik.dev/zh-cn/posts/ai-software-development-a-uk-business-guide-for-2026/<p>AI 软件开发对于英国企业来说已不再是未来趋势，而是当前的基准。过去三个月中，该术语的搜索兴趣增长了 30%，&ldquo;AI 软件开发公司&quot;的兴趣上升了 60%。现在理解这一转变的企业将比那些仍在考虑是否参与的企业拥有显著的先发优势。</p>https://mecanik.dev/zh-cn/posts/openai-chatgpt-5-vs-grok-4-which-one-creates-better-python-code/Tue, 12 Aug 2025 18:10:00 +0100https://mecanik.dev/zh-cn/posts/openai-chatgpt-5-vs-grok-4-which-one-creates-better-python-code/<p>说到 AI 辅助编码，<strong>OpenAI ChatGPT 5</strong> 和 <strong>Grok 4</strong> 是 2025 年最热门的两款工具。两者都声称能够以高精度和高效率编写 Python 代码，但在实际场景中，究竟哪一款能够真正交付更简洁、更易于维护的脚本呢？</p>https://mecanik.dev/zh-cn/posts/chatgpt-5-review-features-improvements-real-world-performance/Fri, 08 Aug 2025 18:50:00 +0100https://mecanik.dev/zh-cn/posts/chatgpt-5-review-features-improvements-real-world-performance/<p>ChatGPT 5 正式发布，并在人工智能领域掀起波澜。在 GPT-4 成功的基础上，OpenAI 的最新版本不仅注重原始智能，更注重速度、准确性和适应性。</p> <p>在这篇亲身体验的<strong>ChatGPT 5 评测</strong>中，我将带您了解 ChatGPT 5 的实际使用体验，重点介绍其突出的功能，并帮助您判断如果您已经在使用 GPT-4，它是否值得您投入时间。</p>https://mecanik.dev/zh-cn/posts/tiny-bpe-trainer-a-fast-and-lightweight-bpe-trainer-in-c++/Thu, 07 Aug 2025 20:00:00 +0100https://mecanik.dev/zh-cn/posts/tiny-bpe-trainer-a-fast-and-lightweight-bpe-trainer-in-c++/<h2 id="tiny-bpe-trainer-介绍">Tiny BPE Trainer 介绍</h2> <p>如今，从 GPT 到 RoBERTa，大多数现代 NLP 模型都依赖于使用<strong>字节对编码 (BPE)</strong> 的子词标记化。但是，如果您想用纯 C++ 训练自己的词汇表，该怎么办？</p> <p>认识一下<strong>Tiny BPE Trainer</strong>——一款速度超快、仅包含头文件的 BPE 训练器，采用现代 C++ 17/20 编写，<strong>零依赖</strong>，完全支持<strong>UTF-8 编码</strong>，并兼容 HuggingFace 的输出（<code>vocab.txt</code>、<code>merges.txt</code>）。</p>https://mecanik.dev/zh-cn/posts/a-fast-utf-8-aware-c++-tokenizer-for-nlp-ml/Wed, 06 Aug 2025 06:00:00 +0100https://mecanik.dev/zh-cn/posts/a-fast-utf-8-aware-c++-tokenizer-for-nlp-ml/<h2 id="现代文本分词器简介">现代文本分词器简介</h2> <p>BERT、DistilBERT 和其他基于 Transformer 的架构等现代自然语言处理 (NLP) 模型高度依赖于有效的分词。但 C++ 开发者经常面临诸多限制，例如依赖项过多、Unicode 支持不佳，或与基于词汇的编码器缺乏兼容性。</p>https://mecanik.dev/zh-cn/posts/does-true-ai-exist-unraveling-the-myths-and-reality/Sun, 27 Aug 2023 06:16:00 +0100https://mecanik.dev/zh-cn/posts/does-true-ai-exist-unraveling-the-myths-and-reality/<p>人工智能 (AI) 一直是一个有趣的话题，常常被包裹在一个谜团之中，受到猜测的驱动，并因好莱坞的浮华而得到加强。</p> <p>虽然电影将人工智能描绘成充满情感和意识的有感知的实体，但人们一定想知道今天的人工智能是否反映了这种表现。 是时候揭开当代人工智能的真相了。</p>