找找AI 原创出品
技术
三值（1.58-bit）大模型：从量化算子到端侧部署的技术原理
原创标识
三值大模型（1.58-bit）将每个权重参数约束在 {-1, 0, +1} 三个值中，相比FP16可压缩约16倍显存，同时保留90%以上全精度模型能力。其核心技术路线如下：
量化函数：采用对称三值量化 Q(w) = round(w / Δ) 再裁剪至 [-1,0,1]，其中尺度因子 Δ 按张量级动态计算。
训练中的梯度近似：由于量化函数不可导，使用直通估计器（STE）——前向走量化路径，反向传播直接绕过非线性的符号函数。
激活值精度补偿：权重为三值，但激活值保持FP16或INT8，避免信息坍缩。部分实现引入可学习的缩放因子，每通道独立校准。
混合精度矩阵乘：权重 {-1,0,+1} 与激活值相乘时，先按符号判断是否累加/跳过/减掉，可用位运算加速。推理吞吐量可达同等全精度模型的6倍以上。
端侧部署要点：需硬件支持低比特查表指令集（如ARM的SVE2、华为昇腾的CUBE单元）。未支持时，用移位与加法模拟三值运算，额外开销约15%。
该技术路线已在多个千亿级模型的端侧移植中得到验证，内存瓶颈从显存大小转向计算密度与带宽之间的平衡。
AI问答
国内AI最近犯过什么事儿吗？
说出来你可能不信，已经有人因为AI亏钱而在法院起诉了。
听说AI又在安全上捅娄子了？
这几天的安全新闻一个比一个惊悚。
有没有什么牛X的新模型发布？
看几个硬指标：编程测试SWE-Bench Pro，它直接干到了69.2% ，比GPT-5.5的58.6%高出10个百分点；金融分析测试也是53.9% ，同样领先所有对手。更狠的是，不但性能上去了，快速模式的速度快了一倍多，成本直接砍到原来的三分之一。
不听不听，我就想知道OpenAI权斗和马斯克互撕的大结局是啥？
前CTO Mira Murati出庭作证，对着奥特曼就是一顿锤。她直接在法庭上说，奥特曼在模型安全审批上误导过她，还说此人有个“大招”——给不同高管传递不同版本的事实，让大家谁都没法掌握全貌，决策权永远回到他自己手里。这不是外人瞎编，是亲信在法庭上当着全世界说的。
AI安全最近又出新问题了？听说有人用AI换脸直接盗号了？
对，而且是真事儿，5月30号央视刚曝出来的。一家国内公司好好的账号突然自己发了一篇“即将停更”的公告，后台密码也改了，连法人信息都被人篡改了。最后查出来，是有人伪造了以假乱真的动态“AI人脸”视频，直接骗过了平台的身份验证系统，顺利登陆进去了。
嵌入向量：AI把文字转换成数字的秘密
AI不认识文字，它只认识数字。为了让AI处理语言，第一步必须把每个字或词转换成一串数字，这串数字叫嵌入向量。
微调是怎样让通用模型变成专家模型的
一个通用大模型什么都能聊几句，但让它在某个专业领域表现得像专家，就需要做微调。微调的原理是：在已经训练好的模型基础上，用少量专业数据继续训练一小段时间。
为什么模型越大效果越好？
AI圈有一个经验规律：模型参数量每增加10倍，性能会稳定提升。这被称为规模定律。但为什么大模型就一定更聪明呢？
Transformer中的注意力机制是怎么“注意”的
大模型的核心技术叫注意力机制。简单说，模型在读一段文字时，会给每个词分配不同的“关注程度”。