找找AI 原创出品
技术
自推测解码框架Cassandra：无需训练即可加速边缘端推理
原创标识
大语言模型在推理阶段的解码开销一直是制约其部署到消费级设备的瓶颈。自推测解码通过先让一个轻量级草稿模型快速生成候选token，再用原始大模型并行验证，能够在不损失准确率的前提下加速推理。然而，现有方法在低批次处理场景下表现不佳，且往往需要额外训练才能获得良好的加速效果。
Cassandra是一个算法与硬件协同设计的自推测解码框架，专为低批次场景优化。其核心创新在于通过细粒度数据选择构建高性能的草稿模型，无需任何额外训练。具体来说，Cassandra采用优化的剪枝技术和小数部分截断策略，识别出模型权重和键值缓存中最重要的数值，保留这些关键值的同时大幅降低数据精度，从而实现候选token的快速生成，随后再用全精度模型进行并行验证。
该方法相比基于跳过某些层或结构化键值压缩的自推测解码方法具有显著更高的效率。为减少Cassandra表示格式与标准浮点格式之间的转换开销，研究团队还引入了一个轻量级编解码硬件模块，可无缝集成到商用GPU和NPU中。实验结果显示，在无需额外训练的情况下，Cassandra在BF16基准上实现了最高2.41倍的加速。在NVIDIA GeForce RTX 4090上运行LLaMA 3 8B模型时，相比当前最先进的Eagle-3推测解码方法，Cassandra在相同内存预算下可生成1.81倍的token数量。
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”。