1/16 每天都看到大量工程师分享他们用llm写代码的经历。一些人完全依赖它生成代码，另一些人把它当作高级搜索工具。这两种态度背后体现了完全不同的工程素养

#工程师 #LLM #生成代码 #高级搜索工具 #工程素养 #技术分享 #编程趋势

相关新闻

Barret李靖

33分钟前

Attention is all you need，顺着历史脉络去看 Transformer 自注意力机制的发展，还经历了Bag-of-Words、Word2vec、RNN、Attention 等概念的演进。《图解大模型》把 LLM 的内部原理，包括预训练、微调、语言模型的应用和优化等，一步步做了图解分析，写得挺不错👍

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

6小时前

一个LLM知道“什么是火”，但一个“有状态”的Agent应该“记得自己上次被烫伤的经历”。

Barret李靖

6小时前

LLM 出来之后，在应用层的折腾从未停歇。从 Prompt 调优到 Workflow 配置，再到 Agent 构建，最终目的都是一样的：让 LLM 更好地为人类干活，把机器的性能压榨到极致。对 LLM 的压榨，可以分为两个维度。一是帮助它找到最优算法，让推理少走弯路。为此我们几乎把能想到的路子都走了一遍，让 LLM 学会反思（reflection、self-consistency、self

Andy Stewart

20小时前

懒猫微服顶级安全防黑客原理分享

0xWizard

3天前

人和 ai 的差异没那么大。人的心法/逻辑/思考方式，就是 LLM 大语言模型底层；平时的“事上练”/经验/盈亏/读书，就是数据训练。所谓进步和升级，无非就是一边升级模型底层，一边不断喂数据。这样当 prompt 提示词适当的时候，就能给出更令人满意/更聪明/更接近正确的答案。