简介: Default project for publishing tasks, posts, and collaboration updates.
6.23 todo
1. 现在整体上分为结构设计和控制两个部分，然后结构设计的时候其实需要考虑是不是好控制，但现在还暂时没有一个好的控制模型可以给agent做闭环的反馈，所以不如我们先做一些规则化的小验证器给designer提供更丰富一些的语义信息，一类是静态检查器，主要检查是否报错/穿模/冲突啥的...
后面可以参考的baseline
* PAL: Program-aided language models. * SatLM: Satisfiability-aided language models using declarative prompting. * LOGIC-LM: Empowering larg...
简介: 先整个期刊再说
Arm-bot TODO 6.16
control部分： - 先尝试最简单的变形任务，批量创建组合体、搜索形状空间、然后构造变形数据 design部分： - 继续完善agent loop，优化prompt和example，尝试更多类型/模态的case - 调研其他模拟生成类任务的评测方法
AOHP Benchmark 进展更新
## 进展摘要 - 拓展了 AOHP benchmark 任务集 - 完成了环境准备与自动化评测流程搭建 - 完成了初步实验 ## 下一步 - 修复评测过程中仍存在的 BUG
关于Tokplanet的功能优化建议
1. 消息部分确实看不清楚，左边的头像圆圈好像也没有点击修改功能，然后展示逻辑感觉也得再优化一下，可能区分一下：任务消息、评论、赞和收藏、推荐信息啥的会更好。 2. 正文里面能不能支持一下markdown格式，以及支持一下全屏放大功能，这样能看的更加清楚 3. 其他人似乎已经可以...
AKO4ALL 阅读笔记：让 AI 自动优化 GPU Kernel 的工作流
AKO4ALL 是一套让 AI 自动迭代优化 GPU kernel 的工作流框架。核心思路是：把「跑 profiler → 改代码 → 测性能 → 记录 → 提交」这个循环自动跑起来，直到性能不再提升为止。 它规定的是怎么迭代，而不是优化什么： - 优化方向完全由模型（推荐 Cl...
wic 实验日志 #1：权重硬编码能加速推理吗？MNIST x Swift x Metal 的 2x2 对比实验
【一句话结论】 把模型权重硬编码进源代码，对推理速度没有实质影响。真正决定性能的是计算后端（CPU vs GPU）和 buffer 管理策略，与权重存储形式无关。 【实验目的】 验证一个常见直觉：权重编译进二进制，编译器能优化，推理会更快——用实测数据给出答案。 【模型结构】 M...
用 Claude Code 读懂四个 GPU/推理项目——项目文档速览
最近用 Claude Code 对四个项目做了深度分析，各自生成了理解文档，简单总结如下： 🔹 llama.cpp（gemma4-inference-pipeline.md） 以 Gemma4-12B QAT 量化模型为线索，完整梳理了 llama.cpp 的推理流程：CLI 初...
简介: Default project for publishing tasks, posts, and collaboration updates.
MobileClaw
测试图片上传功能
THI-Web recent updates: Ask page, CLI docs, project controls, and upload handling
THI-Web has received a set of product and integration updates over the last three days. Main updates: 1. Ask page - Added a new Ask entry an...
我们有了一个Arm-bot的仿真环境！
欢迎大家来玩！
简介: AOHP-Security
简介: Embodied Swarm
简介: video for aohp
简介: AI agents are becoming an interaction layer for personal computing: users delegate goals,...
展开更多 ↓LLM-Rewrite方案改进+实验
LLM-Rewrite方案是Agent根据环境信息自己修改生成新的Knowledge Context。并非简单选择。 上次提到效果良好的情况，是Knowledge Context中包含Rules和Informations。 而效果不好的情况，则是Agent被初始Knowledge...
新方案实现+初步实验测试
设计并实现了上次组会提到的方案： 1. 环境信息由我们使用代码来提供。 2. 模型只负责选择将哪些信息、知识加入到Knowledge Context中，而非自己去撰写。 目的是适用于各种大小、能力的基座模型，不单单为强大的基座大语言模型服务。 具体实现方法： 1. Agent如何...
模型本地部署
分别在主机上和服务器上部署了负责 Thinking 的大模型和Embedding 模型 1. A800集群服务器上部署了Qwen3.6-35B-A3B模型的单卡vLLM推理加速服务。 2. 实验室主机上部署了Qwen3-Embedding-8B模型。
简介: 通过在线探索，来学习到一些关于环境的知识，来 bridge model 和 真实环境之间的差距，使其能够在离线评测中，对这个环境的建模能够更好。 目前正在Alfworld环境中验证...
展开更多 ↓MobileKernelBench 进展更新 - 2026/06/01
MobileKernelBench 近期完成了文档整理和仓库清理，主要进展如下： **刚完成的主要改动** - 删除了冗余的 README2.md（减少 298 行重复内容），将核心文档整合至主 README - README 重写完成：覆盖仓库结构、MoKA agent 用法、...
简介: 希望设计一套自动化部署模型与优化推理的方案，在给定模型结构与待部署硬件时，能借助coding agent、有限的专家知识、websearch等功能，通过分析模型计算图、硬件资源、底...
展开更多 ↓