Dongxi 东锡 NLP

本文作者：Dongxi 东锡 NLP（@dongxi_nlp）。版权归作者所有，未经授权禁止转载。 40 份已有研究文件被整理成五主题知识库、24 项声明核查记录，以及一个能从结论点回证据的研究观察站，这是豆包工作帮助我研究 Jev 过程中的产物。 客户发来一封邮件，系统需要判断：交给哪个部门，要不要升级处理，紧急程度有多高。邮件可以很长，软件需要的答案却很短。 以这封邮件为例，如果让

本文作者：Dongxi 东锡 NLP（@dongxi_nlp）。版权归作者所有，未经授权禁止转载。 只要三条结论，为什么还得等？ 还有十分钟开会。你把一份几十页的项目文档发给 AI：“帮我挑出三条最值得提醒老板的风险，简短一点。” 屏幕安静了一会儿。你忍不住想：只要三条结论，怎么还没开始？ 过了一会儿，回答开始出现，三条结论很快就写完了。换一天，你只发了一句“帮我写一篇两千字的演讲稿”

本文作者：Dongxi 东锡 NLP（@dongxi_nlp）。版权归作者所有，未经授权禁止转载。 你把一份很长的项目文档交给 AI，让它帮你总结。 回答开始出现，一个 token 接着一个 token 生成。生成下一段内容时，模型仍然需要利用前面的文档和已经生成的回答。 难道每多写一个 token，都要把越来越长的全文从头再算一遍？ KV cache 让模型保留了一部分已经完成的计算。

本文作者：Dongxi 东锡 NLP（@dongxi_nlp）。版权归作者所有，未经授权禁止转载。 这项研究从一个问题开始： MATS 论文如何使用和评价中国模型，尤其是中国开放权重模型？ 听起来，搜索模型名、统计出现次数就够了。 第一步就会错。 一个模型可能只出现在参考文献里，也可能承担训练、评测、监控或红队任务。“中国模型”说的是来源，“开放权重”说的是访问方式。把这些概念混在一起，

本文作者：Dongxi 东锡 NLP（@dongxi_nlp）。版权归作者所有，未经授权禁止转载。 TRACES 评估 AI 系统能否通过证据充分、可审计、可修复的调查得到正确结果。 一个 AI 系统接到任务，要复现一张临床试验安全性统计表。它算对了数字，却没有预先声明自己选择了哪组患者作为分析人群。证据记录列出了每个分子对应的患者，却遗漏了分母中的患者。其他研究者可以看到最终百分比，却无法独立复算。 一个看不到隐藏答案和结果得分的过程批评器定位了这两个缺口。

本文作者：Dongxi 东锡 NLP（@dongxi_nlp）。版权归作者所有，未经授权禁止转载。 DeepSeek Harness 开源了，如果说简单总结 DeepSeek Harness 的设计哲学，那就是 “事实有据，权限有度”。 第一次面对它，你可能会期待一个 model wrapper、一组 tools，或者一个围绕