llm-Euler的博客

累计撰写 211 篇文章
累计创建 82 个标签
累计收到 0 条评论

目录CONTENT

以下是 llm 相关的文章

【上下文工程】Agent的上下文工程：Manus实战经验深度解析论文地址原文链接：Context Engineering for AI Agents: Lessons from Building Manus 作者：Yichao 'Peak' Ji 发布时间：2025年7月18日机构：Manus AI 核心内容概述这篇文章来自 Manus AI 团队的技术分
- 2025-10-23
- 6
- 0
- 0
- 大语言模型
【论文】Lost in the Middle：语言模型长上下文位置偏见深度解析论文地址论文标题：Lost in the Middle: How Language Models Use Long Contexts 论文链接：https://ar5iv.labs.arxiv.org/html/2307.03172 作者：Nelson F. Liu, Kevin Lin, Joh
- 2025-10-21
- 3
- 0
- 0
- 论文
【LLM】OpenRouter模型工具调用支持分析技术背景在使用OpenRouter API调用大语言模型时，经常会遇到工具调用（Tool Calling）的需求。工具调用是现代AI应用中的重要功能，允许模型调用外部工具来执行特定任务，如搜索、计算、API调用等。然而，在实际使用过程中，我发现了一个重要问题：并非所有模型都支持工具调用功能。特别
- 2025-10-16
- 9
- 0
- 0
- 大语言模型
【MCP】MCP协议演进：从SSE到Streamable HTTP 引言在AI工具集成的世界中，Model Context Protocol (MCP) 作为连接AI模型与外部工具的标准协议，其传输层的选择直接影响着系统的可靠性、性能和可扩展性。本文将深入分析MCP协议从Server-Sent Events (SSE) 演进到Streamable HTTP的技术原
- 2025-10-15
- 8
- 0
- 0
- MCP
【论文】Qwen3 Embedding：基于大语言模型的文本嵌入与重排序技术论文地址 arXiv: https://arxiv.org/html/2506.05176 HuggingFace: https://huggingface.co/Qwen GitHub: https://github.com/QwenLM/Qwen3-Embedding ModelScope: h
- 2025-10-14
- 7
- 0
- 0
- 论文
【范式】深入理解 Point-wise、Pair-wise 与 List-wise 排序模型一、引言在招聘智能匹配、搜索排序、推荐系统等任务中，模型的核心目标都是：根据相关性将候选项排序。以招聘场景为例，给定一个职位（Job Description, JD），我们希望模型能自动为候选简历打分，并按匹配度排序，从而找到最合适的人选。然而，排序问题本质上并非单一预测问题。不同的建模方式对“
- 2025-10-14
- 9
- 0
- 0
- 理论
【论文】：精确零样本密集检索无需相关性标签(HyDE) 论文地址: Precise Zero-Shot Dense Retrieval without Relevance Labels 核心问题现有的密集检索（Dense Retrieval）系统在零样本场景下表现不佳，特别是当没有相关性标签进行监督学习时。具体表现零样本学习困难：缺乏相关性标签时，
- 2025-10-08
- 18
- 0
- 0
- 论文
【LLM】Gemini Schema结构化响应 1. 简介 Gemini API的结构化响应功能允许开发者定义期望的输出格式，确保AI模型返回符合特定Schema的JSON数据。这对于需要稳定数据格式的应用场景非常有用，比如数据提取、API集成、自动化处理等。通过使用Pydantic模型定义Schema，我们可以：确保输出格式的一致性进行类
- 2025-09-10
- 472
- 0
- 13
- 大语言模型
【LLM】SGLang服务器参数配置详解 SGLang是一个高性能的大语言模型推理框架，提供了丰富的服务器参数配置选项。本文将基于官方文档详细介绍SGLang服务器的各种参数配置，帮助开发者更好地优化模型推理性能。常用启动命令多GPU张量并行 python -m sglang.launch_server --model-path met
- 2025-07-22
- 147
- 0
- 13
- 大语言模型
【LLM】OpenRouter调用Anthropic Claude上下文缓存处理背景在使用OpenRouter调用Anthropic Claude大模型时，部分模型支持上下文缓存功能。当缓存命中时，调用成本会显著降低。虽然像DeepSeek这类模型自带上下文缓存机制，但本文主要针对构建Agent场景下，需要多次调用Anthropic Claude时的缓存设置策略。缓存机制的
- 2025-07-16
- 486
- 0
- 20
- MCP

1
2