池心砚 2026-05-23 🔔 盘点一下我个人对近期Qwen3.5到Qwen3.7-Max模型的感受，我是Qwen Studio的长期用户： Qwen3.5-Plus：多模态非常强（尤其是开源版），其他方面比较普通，指令遵循极差，但是幻觉率控制的非常好，代码能力非常差，理解能力很差，但能够发现自己的错误并修正。 Qwen3.6-Plus：优化了指令遵循和代码能力，交互方面较少出现“只给出用好的结果，而没有任何回复的”甚至“忽略用户的问题，只给出猜测到用户需要的结果”的不礼貌情况了，理解能力依然很差，幻觉率稍微变高。 Qwen3.5-Max-Preview（尽管是Qwen3.5系列，但实际发布于Qwen3.6后，因此我称为进步）：相比Qwen3.6-Plus理解能力和理解能力进步非常明显，但没有开放多模态，代码能力我不是很清楚。 Qwen3.6-Max-Preview：主要优化了代码能力，但是逻辑推理方面受到了一定影响。 Qwen3.7：完美均衡了上述这些进步，目前体验下来非常好，但没有多模态很可惜。 仍需要优化的方向：指令的深度理解不够，浮于表面；回答格式较乱，用代码框表示强调，用中文极少使用的斜体表示强调或者行内引用（应该用加粗），用代码块表示对大段内容的饮用或者强调，而不是引用块，用ACSII字符手画图式（如流程图），而不是mermaid，数学符号没有正确使用KaTeX，不符合GB/T 3102.11-1993《物理科学和技术中使用的数学符号》；还经常声称自己进行了搜索，但其实没有。 ♥ 42 ↩ 5
Ai好记 2026-05-22 📝总结一下：1. LLM（大语言模型） 是AI理解与生成文本的核心，将输入拆解为“token”（最小理解单元），通过预测token序列生成回答。 2. Prompt（提示词） 是用户输入的问题或指令，而 Prompt Engineering（提示词工程） 是通过优化提问方式（如设定预算、明确需求）提升AI回答质量的方法论。 3. Context（上下文） 指对话历史，模型依赖它保持连贯性；但受限于长度，需通过 Memory（记忆） 对历史对话压缩总结，保留关键信息。 4. RAG（检索增强生成） 解决模型无法访问私有数据的问题，通过检索知识库中的相关片段，增强回答的准确性与真实性，广泛应用于AI客服与问答系统。 5. Function Calling（函数调用） 让大模型能调用外部工具（如查高铁票），但需为每个工具单独开发接口；MCP（模型上下文协议） 则统一工具接口，实现“一次对接，多处调用”，提升复用性。 6. Agent（智能体） 是在大模型基础上整合规划、工具调用、记忆等能力的自主系统，能独立完成任务（如安排旅行），代表AI从“问答”迈向“执行”。 7. Skill（技能） 是将用户偏好与规则结构化为可重复使用的程序化能力，相比一次性prompt更高效；Harness（约束机制） 则用于控制agent行为，防止失控（如误操作、越权支付），确保安全可控。 这些技术层层递进，每一步都为解决前一步的局限性而生，推动AI从“聊天工具”进化为“能干活”的智能助手。 由 @米可羊羊羊 召唤~ 关注我，然后@我，即可总结！ 获取视频逐字稿和PPT就上Ai好记，aihaoji.com 使用【0sv4】邀请码注册可获得额外奖励哦 ♥ 19
大马庆 2026-06-17 02:24 Function Call 用一个类比解释一下，用户是曹操，大模型是曹操的参谋长司马懿，ai应用程序是曹操的组织部长荀彧，第三方工具是荀彧要去... ♥ 21 ↩ 6
Comments
打标，洗数据，炼丹，过拟合，欠拟合呢，最近在炼lora和语音模型。[吃瓜]
♥ 224 ↩ 11
[doge]刚想表扬一下，新人up做的不错，抬头一看，通义实验室 希望可以多做点这样的科普视频
♥ 186 ↩ 4
qwen的多模态很强，所以我把qwen3.6-35b-a3b安装到了我的deepseek上来给他当眼睛[doge]
♥ 125 ↩ 13
那么这个科普视频是Agent做的吗？[吃瓜]
♥ 113 ↩ 9
结构化整理一下
♥ 95 ↩ 3
都是行业黑话，最初的目的是为了减少沟通的成本，黑话多了就变成增加理解成本的废话
♥ 189 ↩ 67
想知道这种讲解视频是怎么做的，很清晰
♥ 54 ↩ 15
大模型之外，都是harness了，这个词取得挺妙的，“驾驭”模型
♥ 42 ↩ 1
跑分没输过，体验没赢过
♥ 49 ↩ 11
🔔 盘点一下我个人对近期Qwen3.5到Qwen3.7-Max模型的感受，我是Qwen Studio的长期用户： Qwen3.5-Plus：多模态非常强（尤其是开源版），其他方面比较普通，指令遵循极差，但是幻觉率控制的非常好，代码能力非常差，理解能力很差，但能够发现自己的错误并修正。 Qwen3.6-Plus：优化了指令遵循和代码能力，交互方面较少出现“只给出用好的结果，而没有任何回复的”甚至“忽略用户的问题，只给出猜测到用户需要的结果”的不礼貌情况了，理解能力依然很差，幻觉率稍微变高。 Qwen3.5-Max-Preview（尽管是Qwen3.5系列，但实际发布于Qwen3.6后，因此我称为进步）：相比Qwen3.6-Plus理解能力和理解能力进步非常明显，但没有开放多模态，代码能力我不是很清楚。 Qwen3.6-Max-Preview：主要优化了代码能力，但是逻辑推理方面受到了一定影响。 Qwen3.7：完美均衡了上述这些进步，目前体验下来非常好，但没有多模态很可惜。 仍需要优化的方向：指令的深度理解不够，浮于表面；回答格式较乱，用代码框表示强调，用中文极少使用的斜体表示强调或者行内引用（应该用加粗），用代码块表示对大段内容的饮用或者强调，而不是引用块，用ACSII字符手画图式（如流程图），而不是mermaid，数学符号没有正确使用KaTeX，不符合GB/T 3102.11-1993《物理科学和技术中使用的数学符号》；还经常声称自己进行了搜索，但其实没有。
♥ 42 ↩ 5
📝总结一下：1. LLM（大语言模型） 是AI理解与生成文本的核心，将输入拆解为“token”（最小理解单元），通过预测token序列生成回答。 2. Prompt（提示词） 是用户输入的问题或指令，而 Prompt Engineering（提示词工程） 是通过优化提问方式（如设定预算、明确需求）提升AI回答质量的方法论。 3. Context（上下文） 指对话历史，模型依赖它保持连贯性；但受限于长度，需通过 Memory（记忆） 对历史对话压缩总结，保留关键信息。 4. RAG（检索增强生成） 解决模型无法访问私有数据的问题，通过检索知识库中的相关片段，增强回答的准确性与真实性，广泛应用于AI客服与问答系统。 5. Function Calling（函数调用） 让大模型能调用外部工具（如查高铁票），但需为每个工具单独开发接口；MCP（模型上下文协议） 则统一工具接口，实现“一次对接，多处调用”，提升复用性。 6. Agent（智能体） 是在大模型基础上整合规划、工具调用、记忆等能力的自主系统，能独立完成任务（如安排旅行），代表AI从“问答”迈向“执行”。 7. Skill（技能） 是将用户偏好与规则结构化为可重复使用的程序化能力，相比一次性prompt更高效；Harness（约束机制） 则用于控制agent行为，防止失控（如误操作、越权支付），确保安全可控。 这些技术层层递进，每一步都为解决前一步的局限性而生，推动AI从“聊天工具”进化为“能干活”的智能助手。 由 @米可羊羊羊 召唤~ 关注我，然后@我，即可总结！ 获取视频逐字稿和PPT就上Ai好记，aihaoji.com 使用【0sv4】邀请码注册可获得额外奖励哦
♥ 19
感觉定义概念的视频好多，但是实践的视频好少
♥ 22 ↩ 1
02:24 Function Call 用一个类比解释一下，用户是曹操，大模型是曹操的参谋长司马懿，ai应用程序是曹操的组织部长荀彧，第三方工具是荀彧要去...
♥ 21 ↩ 6
我问千问，你能识别视频吗，他说当然可以。但是千问不允许发视频附件[呲牙]
♥ 21 ↩ 9
感觉程序员太厉害了，可以在短时间内更新迭代出这么多新的花样，唯一的缺点就是感觉这种高速发展下慢节奏越来越少
♥ 13
有没有多智能体和harness教学，目前个人可以自己整个智能客服，再加一点简单的工具函数，再进一步开发更高级的agent就不知道怎么弄了
♥ 13 ↩ 3
这才是真正的青年大学习，在ai时代对这些概念有一个了解还是比较实用的
♥ 12
能不能早点追上Claude，ChatGPT，等着国内性价比呢
♥ 6
不错啊！加油。
♥ 6
在？免费的lingma不能用了，你不应该说点什么嘛？
♥ 9