过去两年里，AI 的“幻觉”（hallucination）问题成了最热门的技术话题之一。 像昨天发布的 GPT-5.2 Thinking 中也提到，最新版本的实时性错误测试又减少了 30% 。 从 ChatGPT 自动编造引文、到 Gemini 生成历史上从未发生过的事件，人们不断发现——模型越强大、输出越流畅，它仍然可能一本正经地胡说八道。 这就引发一个越来越尖锐的问题： 为什么明明参数上万亿、推理链更长、检索系统更精密，AI 仍然改不掉“编造”的毛病？ 难道“零幻觉”永远无法实现吗？ 答案是——是的。 不仅根除不了，而且它可能是一种智能体存在的代价，是一种“宿命”，但这并不意味着我们无能为力。 这篇文章带你从大模型原理上真正理解为什么“零幻觉”永远无法实现，但“可信 AI”仍然值得追求。 如果你也对这个方向感兴趣，推荐文章最后的延申阅读，整理了论文资料。 为什么我会说“幻觉是宿命”？要理解 AI 幻觉无法根除，必须先理解大模型的本质。 1....

—— 如何把“推理能力”变成可控、可调度、可扩展的系统能力? 前言过去一年，“推理模型”成为大模型竞赛的核心战场。 模型不再只追求更大的参数量和更高的吞吐，而是开始竞争：如何让模型在需要时愿意“想久一点”，在合适的时机“想对一点”。 OpenAI 在 GPT-5 Unified 中提出了一套非常务实的路线， 把“推理”从模型本身的属性，抽象成整个系统的调度能力。 这篇文章将从工程角度拆解 GPT-5 Unified 的关键机制，并总结对开发者具有可迁移性的思维方法。 读完这篇文章，你将了解 GPT-5 又快又稳的推理能力是如何实现的。 两个大类：推理时技术 vs. 训练时技术推理模型的所有技术路线本质上分成两大类——训练时技术与推理时技术。 这是理解整个 GPT-5 Unified 的基础。 推理时技术（Inference-time）不改变模型参数，通过外部策略让模型“临时深想”。即插即用、效果马上见效，但每次会更耗时、更烧钱。 典型方法包括： Chain-of-Thought（一步步想） Few-shot...

引言：推理模型，为什么值得我们关注 在开源模型阵营中，大佬 Kimi K2 Thinking（以下简称“K2‑Thinking”）的崛起为推理模型带来了优秀学习样本。 “推理模型”到底是什么？它与我们熟悉的传统大型语言模型（LLM）有什么根本不同？ 在信息爆炸、任务越来越复杂的时代，仅靠“训练好一个大模型、输入–输出”已经难以满足：比如依赖多步逻辑、实时工具调用、环境反馈循环，这些场景里传统 LLM 往往容易漂移、跳步或卡顿。 而推理模型强调：从多个角度思考分析、多步推导、根据环境变化调整路径。 在这方面，K2‑Thinking 正是一个很典型的代表：它公开了技术路线，强调“思考 + 工具调用 +长流程”能力，这为我梳理“什么是推理模型”提供了一个很棒的资料。 什么是推理模型？与传统 LLM 的关键区别 最重要的来了，推理模型到底具备哪些关键特性，能够让它在复杂任务中脱颖而出呢？ 1....

前言最近，“人工智能之母”李飞飞发布了新产品 Marble——一个可以用一句话生成完整 3D 场景、可探索、可编辑的世界模型原型。 我花了整个周末把访谈、演示与背景研究都看完，再回头想想我过去几年在做的几何 AI、空间计算、Agent 系统……意识到一个很深的事： 世界模型不是一个功能升级，而是下一代智能的底层逻辑。 但与其说我们离 AGI 又近了一步，不如说，我们可能再一次看到“世界模型时代”的新起点。 为什么世界模型突然被重提？因为所有人都发现了一个共同的瓶颈：语言大模型无法突破“世界理解”。 它们能说、能编、能解释、能写论文…… 但一旦进入真实世界场景——空间、物体、动态、因果就频繁翻车： 看不懂遮挡 分不清前后关系 无法从二维视频推断三维结构 对物理规律毫无概念 机器人操作路线像在瞎撞 视频生成 3 秒开始“世界解体” LLM 的本质是 按语言统计模式预测文本。 而物理世界不是语言，它是空间、物体、动力学、连续性、约束和因果的组合系统。 语言模型建不出这个系统。 于是“世界模型”再次成为前沿的焦点，不是替代 LLM，而是补齐它的最重要短板...

最近读了 Claude 团队做 Research 功能的工程文章，感觉被点醒了。 多智能体并不是我们想象的“多模型乱跑”，而是一套非常讲究实战经验的工程体系。 把我觉得最值钱的点分享出来，算是备忘，也给正在做 Agent 的朋友一些灵感。 我把那些读完后想立刻拿来用的部分整理成了下面这 12 条思考。 01. 多智能体的终极价值：扩大 token = 扩大智力Claude 的团队给出的最本质 insight： 多智能体 = 安全地扩大 Token、上下文、探索路径的规模。 Token 消耗解释了 80% 的性能差异。 也就是说： 单智能体的局限是 线性推理 + 有限上下文。 多智能体通过 并行上下文窗口 → 撑大推理深度与覆盖面积 这比提升模型本身更具收益（Sonnet 3.7 → 4 不如多智能体带来的收益） 02. 最适合多智能体的任务：高并行 + 信息巨量 + 方向不确定Claude 总结多智能体真正的 sweet spot： ✔ 开放式研究 ✔ 多方向并行探索 ✔ 信息分散、来源多样 ✔ 工具链复杂 ✔ 单一 agent...

最近，deepseek 又引爆了一波热度。 他们新发布的 deepseek-ocr 模型，不仅能识别文字，还号称能看懂 化学分子式、数学公式、几何图形。 对我这个正好在做几何图形识别和重绘生成的人来说，这当然是个好消息。 所以我开始了一轮针对 deepseek-ocr 几何图识别的测试。 结果嘛，只能说，方向没错，但距离真正可用，还差得远。 论文里描绘的“理想图景”在官方论文中，deepseek-ocr 展示了不少让人兴奋的例子。比如它能从图片中识别出几何图形，并输出可直接渲染的图形定义： 看起来好像 AI 真的“理解”了几何结构。 而且论文提到，它在训练中使用了带几何、化学等多模态的专用数据集，覆盖了公式与图形的双模态信息。 理论上，这意味着： 未来我们拍一张几何题图，就能直接生成结构化定义，甚至自动画出图。 听起来很美好。 我的测试结果：模型确实“看见了”，但没“理解”我选了几张相对简单的几何图形来测试，左侧为模型识别出的代码定义，右侧为渲染结果。 case 1: case 2: case 3: case 4: case 5: case...

面向 Agent 开发者的工程与范式探索 引言：从“语言理解”到“执行推理”在我的几何 AI 项目中，模型第一次尝试“画一个等腰三角形”时，图形看似完美，实际上两边长度并不相等。 AI画得像，却没画对。 几何画图任务并非自然语言理解，而是 构造 + 约束 + 验证 的闭环过程。 传统的 “Planner + DSL + Verifier” 体系虽然可控，但在动态构造与反复验证中显得笨重。 我开始思考： 如果让 AI 不再只是描述，而是直接写出代码、执行代码、并根据结果再思考呢？ 这正是 CodeAct（Executable Code Actions Elicit Better LLM Agents）所提出的核心理念。 CodeAct 不再让语言模型“说怎么做”，而是让它“自己去做”。 CodeAct 的底层机制解析让模型写代码只是表象，真正的关键是形成一个可执行的闭环思维循环。 1. ReAct 与 CodeAct 对比项 ReAct CodeAct 表达形式 Thought + Action + Observation（文本） Thought +...

引言：大模型架构的“困境”这两年，大模型的风头正劲。 大家都在谈 MoE（Mixture of Experts） ——它被认为是突破大模型计算瓶颈的关键方向。 通过稀疏激活，只激活少量专家节点，让计算开销成比例下降，而模型能力却可以继续增长。听上去完美无缺。 不过，真正尝试将 MoE/SMoE 架构落地时，问题随之而来。 专家池一多，计算分配就变得不平衡；某些专家被频繁调用，而其他专家几乎闲置。系统扩展起来也不再优雅，想加新领域，常常意味着“推倒重来”。 MoE 虽然高效，却还远没到“万能”的阶段。 尤其对于我们这些做 多领域智能 Agent 的人来说——客服、教育、企业知识管理——系统要在不同任务之间灵活切换、持续学习，这套架构似乎仍有点笨重。 然而，《Mixture of A Million Experts》论文带来了新的思路，打破了行业普遍认为大模型计算瓶颈无法突破的常规认知。 研究者提出了一个颠覆性的观点：专家数量并非瓶颈，而是可以突破的限制。 通过 PEER 架构（Product Key Expert...