Michel Johnson's Blog

引言：跨越 AI 应用的“死亡之谷”

在过去的一年里，我们见证了大语言模型（LLM）能力的爆发。如今，任何一个开发者都可以在短短几个小时内，利用 OpenAI 的 API 或者开源模型，写出一个能够进行智能对话、文档问答的“炫酷 Demo”。

引言

在自然语言处理（NLP）的浩瀚星空中，命名实体识别（Named Entity Recognition, 简称 NER）一直是一颗耀眼的基石之星。无论是构建知识图谱、开发智能客服，还是优化搜索引擎和解析医疗病历，NER 都扮演着“数据提取机”的关键角色。

引言：从“玩具”到“工业级”的跨越

引言：大模型的“内存”觉醒

在大模型（LLM）百花齐放的今天，无论是 ChatGPT、GLM 还是开源的 LLaMA、Qwen，它们的基础能力已经足够强大。但在实际落地的企业级应用或个人开发者项目中，我们往往会遇到一个痛点：通用大模型在特定垂直领域的表现不尽如人意，且容易产生“幻觉”。

在今天的软件开发领域，AI 编程助手（如 GitHub Copilot、Cursor、Codeium 等）已经从新奇的玩具变成了工程师日常工作的基础设施。只需写下一段注释，或者按下 Tab 键，整块整块的代码就像变魔术一样呈现在你的编辑器中。

引言：突破“显存墙”与“算力墙”的极限游戏

引言：从“胡言乱语”到“对答如流”的跨越