OpenStarry Blog

探索 · 学习 · 实践

60+ 篇精选文章,覆盖大模型 API 选型、接入实战、成本优化、国产模型迁移。搜索关键词,快速找到你需要的答案。

全部# 大模型订阅套餐行业分析AI 前沿🔧 API 最佳实践AI行业观察🔧 技术教程API工程 实践服务升级行业观察成本与计费Coding PlanIDE 配置工具对比平台接入选型指南 + 效率实战大模型解读模型解读实践教程模型最新动态技术观察AI Agent 平台API应用 实践对比评测
AI 基础

深入理解 Self Attention:Transformer 的核心机制

从零开始理解 Self Attention 机制的数学原理、计算流程和直觉解释,掌握 Transformer 模型理解语言的核心方式。

📅 2026-06-09
RLHF/对齐

RLHF 详解:用人类反馈强化学习训练更好的语言模型

全面解析 RLHF 的三阶段训练流程(SFT、奖励模型、PPO),理解为什么大语言模型需要人类反馈来对齐。

📅 2026-06-09
AI 前沿

递归语言模型:突破上下文窗口限制的新思路

理解递归语言模型(RLM)如何通过递归处理机制突破传统 Transformer 的上下文窗口限制,实现对超长文本的高效理解。

📅 2026-06-09
RLHF/对齐

PPO 算法详解:RLHF 中的核心优化器

深入理解 PPO 的裁剪机制和稳定性原理,掌握它在 RLHF 中如何平衡探索与利用,避免训练崩溃。

📅 2026-06-09
工具教程

OpenCode 接入 OpenStarry 指南:3分钟配置教程

OpenCode 是 Anthropic 投资的开源 AI 编程终端,原生支持 Claude、GPT、GLM 等 75+ 模型。本文详细讲解如何通过 OpenStarry 接入 OpenCode,使用 GLM-5.1、DeepSeek V4、Kimi K2.6 等国产旗舰模型。

📅 2026-06-09
AI 基础

Multi-Head Attention 在 Transformers 中的工作原理

详解多头注意力机制:为什么需要多个注意力头、如何并行计算、以及它如何让模型同时理解语法、语义和上下文关系。

📅 2026-06-09
LLM 评估

LLM 评估方法论:如何科学衡量大模型能力

系统介绍 LLM 评估的核心方法:自动指标、基准测试、人工评估,以及当前评估面临的主要挑战和前沿方向。

📅 2026-06-09
LLM 评估

用 LLM 评估 LLM:大模型裁判的方法与实践

LLM-as-Judge 用强大的语言模型评估其他模型的输出,是当前最流行的自动化评估方法。深入理解其工作原理、偏见问题和最佳实践。

📅 2026-06-09
AI 前沿

Yann LeCun 提出的联合嵌入预测架构(JEPA)

深入理解 JEPA 的核心思想:在隐空间中进行预测而非像素空间,以及它为何被认为是通向世界模型的关键路径。

📅 2026-06-09
RAG/检索

向量数据库工作原理:AI 搜索的基础设施

从 Embedding 到 ANN 搜索算法,全面理解向量数据库的核心原理,掌握 HNSW、IVF 等索引技术以及主流向量数据库的选型。

📅 2026-06-09
RAG/检索

Reranker 工作原理:搜索结果精排的核心技术

深入理解 Reranker 在 RAG 系统中的作用,掌握 Cross-Encoder 与 Bi-Encoder 的区别,以及精排如何显著提升检索质量。

📅 2026-06-09
AI Agent

AI Agent 通信协议:多智能体协作的基础

理解多个 AI Agent 之间如何通过消息格式、通信协议(MCP、A2A)和通信模式(发布-订阅、请求-响应)进行高效协作。

📅 2026-06-09
‹›