VLA 是什么？为什么机器人落地一谈到行动控制就绕不开 Vision-Language-Action
VLA 是 Vision-Language-Action 的缩写，直译就是“视觉-语言-动作”模型。它和普通多模态模型最大的不同，不只是能看图、懂文字，而是最后还要把理解结果变成可执行动作。也正因为多了这一步，VLA 现在几乎成了机器人和具身智能讨论里绕不开的关键词。 如果说传统视觉语言模型的输出大...
Admin •
215
Reasoning Tokens 是什么？为什么它成了很多团队盯推理成本时的新指标
Reasoning Tokens 可以理解成模型在给出最终答案前，为了完成内部推理所消耗的那部分 token。它和你直接看到的输入 token、输出 token 不完全一样，因为很多推理过程并不会完整展示给用户，但它们依然占用上下文空间，也会影响延迟、费用和整体吞吐。所以最近越来越多团队开始单独盯 ...
Admin •
222
Inference-Time Compute 是什么？为什么推理模型时代大家开始重新计算“多想一会儿”的价值
Inference-Time Compute 说的不是训练时花了多少算力，而是模型在真正回答用户问题那一刻，愿意投入多少额外计算去想、去试、去筛。这个词最近变热，是因为推理模型把一个老问题重新摆到了台面上：如果模型不是“立刻给答案”，而是允许它多算一点，结果会不会更好？答案通常是会，但账也会更复杂。...
Admin •
162
Post-Training 是什么？为什么很多模型真正拉开差距的是后训练
Post-Training 指的是模型在完成大规模预训练之后，继续通过额外训练步骤把它变得更有用、更稳定、更符合目标任务的过程。很多人一提模型强不强，第一反应还是盯预训练数据量和参数规模，但现在业内越来越清楚地看到，真正把“会背知识”变成“能干好活”的，往往就是后训练。 预训练更像打地基，让模型学会...
Admin •
183
Grounding 是什么？为什么越来越多 AI 搜索都强调“带来源回答”
Grounding 一般可以理解成“让模型的回答尽量立在可核实的外部信息上”。它最常见的表现，就是模型在生成答案时结合搜索结果、数据库记录、企业知识库或其他明确来源，并把这些来源一并带回来。最近很多 AI 搜索产品都在强调 grounding，本质上是在回应用户最核心的不满：别只给我像真的答案，我还...
Admin •
190
Prompt Caching 是什么？为什么长提示和多轮 Agent 都在想办法吃到缓存
Prompt Caching 指的是把模型请求里那段反复出现的提示前缀缓存下来，后续再遇到同样或高度一致的前缀时，尽量直接复用处理结果，而不是每次都从头算一遍。它这两年之所以越来越热，不是因为名字高级，而是因为越来越多产品终于意识到：固定 system prompt、工具定义、长规则、长文档背景，才...
Admin •
145
Agentic Search 是什么？为什么搜索产品开始从“给答案”转向“替你查”
Agentic Search 一般指带有“自主查找、拆解任务、连续浏览和整理结果”能力的新一代搜索方式。它和传统搜索最大的不同，不只是把十条链接换成一段总结，而是系统会自己规划搜索步骤、连续翻页面、交叉验证、补问缺口，最后把结果组织成更可用的答案。所以它最近会火，很大程度上是因为用户开始期待搜索工具...
Admin •
229
Voice Agent 是什么？为什么 AI 语音助手开始从“会说话”走向“会办事”
Voice Agent 可以理解成“以语音为主入口的 Agent”。它不只是把你的话转成文字，再把模型回复念出来，而是把实时听、理解、打断、追问、调用工具、执行任务这些能力放进同一个交互闭环里。所以最近大家讨论 Voice Agent，重点已经不再是语音像不像人，而是它能不能真的替你把事办完。 以前...
Admin •
150