用同一套问题审视新技术
每条新消息记录五项：改变位置、问题与机制、原始来源及日期、证据与未披露部分、质量／成本／延迟等代价。原论文实验、厂商自测、独立复现和企业任务验收是不同证据，不能彼此替代。
比较 Agent 成绩时记录模型版本、Harness、工具环境、数据集、预算和成功判定。若只换了模型与执行环境却把收益全部归给模型，结论不成立。Benchmark 的平均值也不能保证每个业务任务可靠。
对于经营报告，检查数据口径与引用是否正确，事实是否支持结论，缺失材料是否明确指出，权限边界是否守住，以及完成一份合格报告用了多少资源。
“新组合”有工程价值，不必包装成全新原理。“未披露”属于未知，不是新范式的证据。稳定的新机制才值得调整 大模型技术栈 的顶层分类。
技术定位练习：Switch Transformers
来源日期：2021-01-11；本次核对：2026-09-07。
Switch Transformers 在模型内使用稀疏专家路由，探索容量与计算的关系。它首先属于架构，同时影响训练和部署。
机制归位：模型中的专家网络不是独立业务 Agent。证据：原论文实验，不能外推成所有任务和硬件都等比例获益。代价：负载均衡、通信与模型存储。业务追问：相同质量下，一次合格任务究竟便宜多少？
变化速读：moe
相对什么、改变哪里： 教学对照：稠密前馈层通常让每个 Token 经过全部该层参数；稀疏专家路由让每个 Token 只走选中的专家。直接变化在模型架构，训练和服务需要适配。
对我们可能有什么影响： 可能改变容量与每次计算的取舍；应比较相同质量下的内存、通信、延迟与成本。
证据与未知： 论文实验不是所有硬件与业务的收益保证；这里没有给出本企业实测。
技术定位练习：DeepSeek-R1
来源日期：2025-01-22；本次核对：2026-09-07。
DeepSeek-R1 研究通过强化学习改善推理，并讨论不同训练路径。这里的核心改变发生在参数训练，推理阶段的预算与评测也必须记录。
机制归位：后训练为主，关联推理和验证；不能只凭模型输出更长就认定机制相同。证据：论文自报实验。代价：训练奖励设计、推理耗时与输出质量取舍。业务追问：收益是否出现在我们的真实任务，而不仅是可核对答案的题目？
变化速读：reasoning-rl
相对什么、改变哪里： 观察论文讨论的强化学习训练路径：用奖励反馈更新参数，改善推理行为。直接变化在后训练；推理预算和评测是关联条件。
对我们可能有什么影响： 对需要多步推理的任务有参考价值；仍需用本企业任务检查答案质量、响应时间与费用。
证据与未知： 不能把推理文字更长当成相同机制，也不能把论文自报成绩当作企业验收。
技术定位练习：Retrieval-Augmented Generation
来源日期：2020-05-22；本次核对：2026-09-07。
RAG 原论文把检索与生成结合；今天常见的应用还会直接把检索材料放入已有模型上下文。两者应说明具体配方，不能认为所有 RAG 都不涉及训练。
机制归位：检索与上下文、生成和证据检查。证据：原论文支持研究设定下的效果，普通业务系统仍需测量。代价：索引更新、召回质量、额外延迟。业务追问：引用是否真的支持答案，资料更新后能否及时检索？
原始来源：Retrieval-Augmented Generation
变化速读：rag
相对什么、改变哪里： 教学对照：仅凭当前输入与模型参数回答 → 检索相关材料并与生成结合。直接位置在上下文与生成的连接。原论文还涉及检索与生成的训练；常见应用层接入不一定更新参数。
对我们可能有什么影响： 公司资料可以成为回答依据；是否有用取决于召回、版本和引用是否支持结论。
证据与未知： 本例不是某产品新增功能，也不代表所有 RAG 配方相同；检索结果不自动成为长期记忆。
技术定位练习：PagedAttention
来源日期：2023-09-12；本次核对：2026-09-07。
PagedAttention 改进大模型服务中的 KV Cache 内存管理。它改变计算资源的利用，不是通过学习给模型添加业务知识。
机制归位：推理服务与基础设施。证据：论文的服务实验，需保留负载和硬件条件。代价：工程集成与特定场景下的取舍。业务追问：并发、延迟与成本改善后，任务正确率有没有保持？
变化速读：paged-attention
相对什么、改变哪里： 对照传统 KV Cache 内存管理，PagedAttention 以分页思想管理缓存。直接变化在推理服务，影响推理运行效率；没有因此给模型增加知识。
对我们可能有什么影响： 可评估并发吞吐、内存占用和响应延迟；具体收益必须带负载与硬件条件。
证据与未知： 论文服务实验不证明答案更正确，也不保证所有流量下都同等省钱。
技术定位练习：Managed Agents engineering
来源日期：2026-04-08；本次核对：2026-09-07。
Anthropic 的工程文章将会话记录、Harness 与执行环境拆开，讨论恢复、资源与安全边界。这是系统职责与部署方式的改进，不是把某个新网络层加进模型。
机制归位：执行循环、状态、环境与平台。证据：厂商工程实践，不是跨厂商同口径排名。代价：接口、状态一致性和运行复杂度。业务追问：谁保存可信运行事实，失败后从哪里继续，旧副作用会不会重复？
原始来源：Managed Agents engineering
变化速读：harness
相对什么、改变哪里： 教学对照：把会话、执行循环和环境紧耦合 → 拆分记录、Harness 与执行环境职责。直接变化在 Harness 与运行平台，循环和工具环境受到关联影响。
对我们可能有什么影响： 帮助讨论长任务接续、资源管理和故障处理；公司仍需明确运行事实、权限及副作用归属。
证据与未知： 这是厂商工程机制样本，未做跨厂商同条件测试，也不代表我们的系统已实现相同能力。
技术定位练习：Toolformer
来源日期：2023-02-09；本次核对：2026-09-07。
Toolformer 用构造并筛选的 API 调用示例继续训练模型，使其学习何时调用、填什么参数以及怎样利用返回结果。实际 API 仍由外部系统执行。
机制归位：数据、已有模型的继续训练、工具和推理的组合；这里用广义后训练位置表示，不把它等同于 RLHF。证据：原论文任务实验。代价：工具数据构造、接口适配与调用开销。业务追问：新的工具接口与业务权限是否被训练和执行两端正确支持？
变化速读：toolformer
相对什么、改变哪里： 对照未接受这类 API 示例继续训练的模型，Toolformer 构造并筛选调用样本，再继续训练模型。直接变化在数据和训练，工具接口与推理行为参与配合。
对我们可能有什么影响： 可以检查模型是否学会何时调用工具、怎样填写参数与利用结果；实际调用仍由外部程序执行。
证据与未知： 此处后训练是广义继续训练，不等于 RLHF；新工具、业务权限和迁移效果还需验证。
技术定位练习：Jev 与 RLCD
来源日期：2026-09-15；本次核对与实验：2026-09-20。
Jev 是 TypeSafe 的结构化决策模型。它接收材料与预先定义的问题，返回选项、等级或是非概率；RLCD 是厂商对校准决策后训练方向的命名。详细定义、损失教学例子及运行结果见 Jev 与 RLCD：结构化决策、概率校准与技术边界。
机制归位：直接变化放在后训练与推理输出；检索筛选、Agent 路由和评测受到关联影响。厂商另有架构创新声明，但因细节不足，本图不把它扩成已知网络结构。
证据：官方文档说明目标与接口；本轮中文合成样本验证接口和有限任务。代价：定义候选、评测语种、维护阈值、调用服务。业务追问：返回合法类型是否仍会判断错误？哪些输入需要澄清？筛选是否漏掉反证？
变化速读：jev-rlcd
相对什么、改变哪里： 对照让通用模型生成分类 JSON 的用法，Jev 专门返回决策与分布，厂商把校准决策作为后训练目标。RLCD 与推理接口分别影响“学什么”和“怎样输出”，不应合并解释成“RL 让它更快”。
对我们可能有什么影响： 可在请求分流、RAG 支持核查和程序分支上试用；用概率安排澄清或升级，动作和权限仍由代码决定。
证据与未知： 已跑通中文合成样本，但样本很小、没有独立阈值验证集；网络结构、奖励函数及训练配方未还原。类型安全不保证事实正确，厂商性能倍率不能当作本机收益。
来源与延伸阅读
顺着关系继续读
本页引用
哪些页面用到了它