标签量化下的文章

MCP新路线图、NanoGPTSpeedrun、本地LLM失真、Codex互操作

作者: 清霜辰
发布时间: 2026-08-23 07:58
阅读量: 108
分类: AI日报
评论

MCP 发布新路线图：无状态化、Agent 身份与渐进式工具发现 Prime Intellect 发布 NanoGPT Speedrun Frontier：18 个前沿模型化身 Agent 跑训练速度赛为什么本地 LLM「显得更笨」？Level1Techs 实验：内核、KV 缓存与量化都会翻转 token Codex 更新：导入 Cursor skills + 采纳 MCP 2026-07-28，Agent 工具生态走向互操作 8 月 23 日的选题集中在 Agent 协议与工具生态：MCP 官方发布新路线图，以无状态核心、Agent 身份与渐进式工具发现为五个优先方向，OpenAI Codex 同日宣布采纳 2026-07-28 协议；Prime Intellect 让 18 个前沿模型化身 Agent 跑 nanoGPT 训练速

- 阅读剩余部分 -

车载语音指令识别：SNPE 转换与真机部署实测记录

作者: 清霜辰
发布时间: 2026-08-01 23:52
阅读量: 327
分类: AGENT
评论

踩坑记录：脚本里藏了多少“想当然” 转换与量化结果 x86 上先跑个 smoke test 真机 CPU 推理：PC 和手机对上了 INT8 DSP 挂了，但 GPU 能兜底实测结论下一步计划系列文章这是 AI 实操第 9 天部署篇：把 day09 训练好的语音指令分类模型，通过 ONNX → SNPE DLC → INT8 量化，最终跑到真机上。记录环境、踩坑过程和实测结果。本文首发地址 https://h89.cn/archives/676.html 项目地址 https://gitee.com/chenjim/cockpit-ai-from-zero 语音模型在车机芯片上跑，不能只停在训练准确率和 PC 延迟。必须实际走通转换、量化、adb 部署、真机推理，看看模型能不能在目标设备上正常出结果，以及 INT8 量化后精度损失多少。本文环境：

- 阅读剩余部分 -

零基础搞懂 SNPE 模型量化：INT8 精度损失 = 0% 的秘密

作者: 清霜辰
发布时间: 2026-08-01 20:51
阅读量: 295
分类: AGENT
评论

引言：模型减肥量化到底是什么对称量化为什么需要校准数据集 SNPE 量化工具和参数核心参数其他可选参数校准数据集怎么准备看看量化后的 DLC 长啥样 x86 CPU 上验证 INT8 推理为什么 MNIST 没掉精度骁龙真机实测踩坑记录坑一：校准数据格式不对，量化工具一声不吭坑二：snpe-dlc-quantize 的 bash 包装脚本有个语法 bug 坑三：校准数据太少，准确率直接跪量化对车机意味着什么总结系列文章这是 AI 实操第 7 天。第 6 天把 MNIST 模型转成了 DLC，今天给 DLC 做 INT8 量化：压缩 3.46 倍、精度零损失，并在骁龙真机上实测四个后端。本文首发地址 https://h89.cn/archives/673.html 项目地址 https://gi

- 阅读剩余部分 -