写在前面欢迎大家关注Rocky的知乎Rocky Ding《三年面试五年模拟》AIGC/LLM/AI Agent算法工程师/开发工程师求职面试秘籍独家资源【三年面试五年模拟】WeThinkIn/AIGC-Interview-Book欢迎大家StarRocky最新撰写的10万字AI AgentAI智能体深入浅出全维度解析文章深入浅出完整解析AI AgentAI智能体的核心基础知识AIGC/LLM/AI Agent算法岗/开发岗求职面试内推学习社群涵盖涵盖AIGC、LLM大模型、AI Agent、传统深度学习、自动驾驶、机器学习、计算机视觉、自然语言处理、强化学习、大数据挖掘、具身智能、元宇宙、AGI等AI行业最新面试干货经验与核心知识欢迎大家加入https://t.zsxq.com/33pJ0大家好我是Rocky。核心导读如果只用一句话概括 ToMe它不是一个“让 ViT 更小”的方法而是一个让已有 ViT 在不重新训练的情况下跑得更快的方法。这篇论文最值得保留的价值不在于它提出了一个复杂新结构而在于它抓住了视觉 Transformer 里一个很现实的工程事实图像、视频、音频这类信号天然有大量冗余 token。传统 token pruning 的思路是“删掉不重要的 token”但删除会丢信息也经常需要重新训练、加 mask、加 padding最终不一定带来真实吞吐提升。ToMe 的思路更温和不要把 token 丢掉而是把相似 token 合并让多个 patch 共享一个 token 表达。Rocky认为这篇论文在 AIGC 图像/视频大模型轻量化里有跨周期价值原因有三点它把加速目标从“改模型结构”转向“压缩运行时 token 数量”对已经训练好的 ViT、视频 Transformer、甚至后续扩散模型中的 attention block 都有启发。它不是只看 FLOPs而是报告真实吞吐、训练耗时、批处理可行性这比很多轻量化论文更接近生产系统。它的核心机制很朴素相似性匹配、逐层合并、记录 token size、比例注意力。这种朴素反而说明它可能成为一类通用工程技巧而不是只服务某个 benchmark 的一次性方法。当然ToMe 也不是免费午餐。它牺牲的是细粒度 token 表达适合冗余高、对局部细节不极端敏感、可以接受速度-精度折中的任务。如果任务强依赖像素级定位、边界细节或小目标合并策略就必须更谨慎。问题背景ViT 的瓶颈不是不会表达而是 token 太贵ViT 的优势在于统一。图像可以切成 patch视频可以切成时空 patch音频也可以转成类似谱图 token。Transformer 本身不强依赖卷积、金字塔或局部窗口这些视觉先验所以它很容易跨模态迁移也更容易被大规模自监督预训练接住。但 ViT 的代价同样明显token 越多attention 和后续 MLP 的计算越重。尤其在高分辨率图像、视频、多帧输入里token 数量会迅速变成吞吐瓶颈。大模型时代常见的尴尬是模型能力已经不错但真实部署时延、显存、吞吐、训练时间把它拽回现实。传统解决方案大概有几类设计更高效的视觉结构比如 Swin、MViT、LeViT 这类带视觉归纳偏置的模型做 token pruning动态删掉“不重要”的 token做稀疏注意力、线性注意力或更底层的算子优化蒸馏或重新训练一个更小模型。ToMe 选择了另一条路线不重新设计 ViT不默认重新训练模型而是在每个 Transformer block 里逐步合并冗余 token。这个方向的关键不是“少一些 token”这么简单。真正关键的是减少 token 的同时不能破坏批处理不能引入太重的匹配开销不能让信息直接消失也不能要求每个模型都重新训练一遍。图 1 是这篇论文最重要的机制图。它展示了三件事第一相似 patch 可以被合并成同一个 token第二ToMe 插入在标准 Transformer block 内部而不是重写整个模型第三作者用一个很轻量的 bipartite soft matching 来决定哪些 token 应该合并。核心思路从 token pruning 转向 token mergingToken pruning 的直觉很直接既然很多 token 不重要那就删掉它们。但在视觉任务里“不重要”经常是一个危险判断。背景 token 可能帮助判断场景物体局部 token 可能参与分类视频里的某个小区域可能是动作关键线索。删 token 的最大问题是一旦删掉信息就没了。ToMe 的底层判断是视觉 token 不是只有“保留”和“删除”两种命运。很多 token 不是没用而是和附近或语义相似区域表达的信息高度重叠。既然如此与其删掉不如合并。论文里 ToMe 的基本流程可以拆成五步在每个 Transformer block 中把 token 分成两个集合 A 和 B。对 A 中每个 token在 B 中找到最相似的 token。选择相似度最高的r rr条边。把这些相连 token 合并例如做加权平均。把合并后的 token 集合继续送入后续层。这里的r rr不是比例而是每层减少的 token 数量。如果一个模型有L LL层每层减少r rr个 token整体就会逐步减少r L rLrL个 token。这个设计很重要它让 token 数量是固定可控的而不是每张图动态变化。固定 token reduction 对真实推理尤其重要因为它不会破坏 batch inference也不需要用 padding 把不同样本补齐。Rocky认为这一点是 ToMe 和很多 token pruning 方法最大的工程分界线。论文里的很多 pruning 方法在理论 FLOPs 上很好看但动态 token 数会让批处理变麻烦训练时又常常要用 mask 或 padding最后速度收益被工程细节吃掉。ToMe 的目标更务实真实 token 数真的变少batch 还能正常跑匹配本身足够便宜。方法展开ToMe 怎么决定合并谁用 K 向量判断 token 相似性一个自然想法是直接用 token featureX XX的距离判断相似度。但论文指出中间特征空间可能过度参数化里面既有语义也有噪声。比如 ViT-B/16 的 token 维度可以完整编码一个 16 x 16 RGB patch 的像素值这并不意味着直接比较 feature 就最可靠。ToMe 选择使用 attention 里的 key也就是K KK矩阵。原因很简单在 self-attention 中key 本来就是为了参与 dot-product similarity 而学习出来的 token 表达。换句话说模型已经在 attention 机制里学会“哪些 token 应该被互相关注”ToMe 顺手利用这个表征来判断哪些 token 可以合并。论文的消融实验显示在 feature choice 上用K KK的效果最好在 ViT-L/16 MAE off-the-shelf 设置下使用K KK得到 84.25% accuracy 和 182.9 im/s相比之下使用 pre-attention feature 只有 83.02%。这说明 ToMe 不是随便做 token 聚类而是在复用 Transformer 自己的相似性语言。Bipartite soft matching为什么不用 k-means如果目标是把相似 token 分组很多人第一反应可能是 k-means。但 k-means 在这里有两个问题它是迭代式算法每个 Transformer block 都跑一次会很贵它可能让很多 token 聚到同一个中心变化太剧烈容易把不该合并的信息混在一起。ToMe 用 bipartite soft matching 解决这个问题。它先把 token 分成 A、B 两组然后只让 A 中每个 token 找 B 中最相似的一个 token再选 top-r 边。这样做的好处是匹配过程高度并行复杂度可控而且每次合并的变化比较温和。论文在 matching algorithm 消融里给了很清楚的证据方式算法Top-1 accim/sprunerandom79.22184.4pruneattention-based79.48183.8mergekmeans, 2 iter80.19169.7mergekmeans, 5 iter80.29147.5mergegreedy matching84.36179.4mergebipartite matching84.25182.9这个表的含义很直接随机删 token 速度最快但精度掉得太多k-means 既慢又不够准greedy matching 很准但不够并行bipartite matching 基本保留了 greedy 的精度同时接近 pruning 的速度。图 2 展示了 15,000 个随机 merging schedule 的结果。论文默认采用 constant schedule也就是每层合并同样数量的 token。它不一定在所有吞吐区间绝对最优但整体非常接近最优而且实现简单、可控、容易部署。作者也定义了 decreasing schedule也就是前面层合并更多、后面层合并更少用来追求更高吞吐。Proportional attention合并后 token 代表的不再是一个 patchToken 合并之后还有一个细节合并 token 不再代表一个 patch而可能代表多个 patch。如果仍然把它当作普通 token 放进 softmax attention模型会低估这个 token 在注意力中的“数量权重”。ToMe 用 proportional attention 修正这个问题。它为每个 token 维护一个 sizes ss表示这个 token 代表多少个原始 patch然后在 attention logits 里加入log ⁡ s \log slogsA softmax ⁡ ( Q K ⊤ d log ⁡ s ) A \operatorname{softmax}\left(\frac{QK^\top}{\sqrt{d}} \log s\right)Asoftmax(d​QK⊤​logs)直觉上这等价于告诉模型这个 key 背后其实有多个相似 token 被合并进来了。合并 token 时也要按 size 做加权平均而不是简单平均。论文消融显示weighted average 明显优于 keep one、max pool 和普通 average pooling。这一点很容易被忽略但它是 ToMe 能从“粗暴压缩”变成“近似保留信息”的关键。Rocky认为这也给很多 AIGC 加速方法一个启发压缩不是只减少元素数量还要保留被压缩元素的统计意义。实验与证据ToMe 到底能加速到什么程度图像大模型越深越适合逐层温和合并论文在 ImageNet-1k 上测试了多类 ViTAugReg、MAE、SWAG、DeiT。一个很重要的结果是ToMe 可以直接用于 off-the-shelf 模型也就是不重新训练只改几行代码就能跑。图 3 到图 5 的核心信息不是每条曲线的细节而是一个趋势越大的 ViTToMe 的速度-精度折中越好。论文指出在 2x throughput 附近小模型 ViT-B/S/Ti 会有 4%-5% accuracy drop但 ViT-L 在 224px 图像上约 2% drop在 384px 图像上约 0.7% dropSWAG 里的 ViT-L 512 和 ViT-H 518 在 2x 左右吞吐下只有约 0.3% accuracy drop而且不需要训练。这背后有一个合理解释大模型更深逐层合并可以更温和地改变 token 表达模型有更多层去吸收这种变化。小模型层数少、容量低每次 token 合并都会更“伤筋动骨”。这对 AIGC 大模型轻量化很有启发。很多人直觉上会认为大模型更难加速但 ToMe 给出的信号恰好相反当大模型有足够冗余和深度时运行时 token 压缩可能比小模型更有空间。与 SOTA 和 pruning 对比ToMe 的强项是真实吞吐和训练速度论文把 ToMe 和其他图像模型、token pruning 方法做了对比。两个结论比较重要对比对象ToMe 的关键信号EfficientNet / Swin / CSWin / MViTv2ToMe 能让 ViT-L、ViT-H 以类似低一档模型的吞吐运行同时保留大模型精度优势A-ViT / DynamicViT / SP-ViTToMe 不需要复杂训练技巧、不加额外参数还能获得真实训练速度收益DeiT-S token pruning 设置ToMe 在相近精度下达到 1552 im/s并且训练速度提升 1.5x这里最值得看的是训练速度。很多 token pruning 方法训练时并不能真的删 token因为动态 token 数会影响 batch所以最终用 mask 或 padding 模拟训练速度收益并不明显。ToMe 由于真实减少 token 数量而且 token 数量可控所以训练也能受益。这就是论文标题里 “Your ViT but Faster” 的真正含义它不是重新训练一个小模型替代原模型而是让原来的 ViT 在推理或训练阶段更快。可视化ToMe 学到的是一种粗粒度 part grouping图 6 很有解释价值。不同颜色表示最终被合并到同一 token 的 patch。可以看到ToMe 往往会把狗毛、身体、腿、脸、背景等相似区域合成组。它不像语义分割那样精细但确实呈现出一种 primitive part segmentation。Rocky认为这张图是理解 ToMe 的关键它不是随机压缩而是在利用视觉世界的冗余结构。对于图像生成、视频生成、编辑、检索这类任务这种结构很重要。AIGC 系统里的 token 冗余往往不是噪声而是空间、材质、颜色、对象部分、视频运动轨迹的重复表达。ToMe 的价值在于把这些重复表达合并成更便宜的载体。视频冗余更高所以收益更明显视频天然比图像更冗余。相邻帧里背景变化很小物体运动连续同一个对象会跨多帧出现。ToMe 不需要改变代码就可以从图像迁移到视频模型上。论文在 Kinetics-400 上测试 Spatiotemporal MAE 的 ViT-L。关键结果是constant schedule 可以把 throughput 提升到 2.2x同时 accuracy 只下降 0.2%训练时间从估计 263 小时降到 136 小时接近减半。模型clip/s相对速度fine-tuning timeViT-L MAE baseline7.31.0x263 hrsViT-L MAE ToMe constant schedule16.32.2x136 hrsViT-L MAE ToMe decreasing schedule24.93.4x-图 8 展示了一个更有意思的现象ToMe 不只是在单帧里合并相似区域它可以把视频中跨帧运动的同一物体合并到同一 token 组里。论文里的例子是一个球在多个帧里被红色 token 高亮说明 ToMe 在某种程度上形成了 primitive part tracking。这对视频生成和视频理解都很重要。视频模型最大的成本之一来自时空 token。若能稳定合并跨帧冗余 token就不仅是省计算还可能让模型用更低成本表达对象轨迹和时序一致性。当然这里仍然是分类任务证据不能直接等同于视频生成里的长期一致性能力但方向值得借鉴。音频说明方法不是视觉专属 trick论文还在 AudioSet-2M 上测试了音频 MAE 预训练后的 ViT-B。结果显示训练后 ToMe 可以把 sample/s 从 103 提到 200接近 2x throughput同时 mAP 只从 46.4 降到 46.0约 0.4 mAP drop。这个结果说明 ToMe 抓住的是 Transformer token 序列里的冗余而不是某个图像任务专属的经验技巧。只要输入存在冗余且模型可以容忍逐层温和合并ToMe 就可能有意义。为什么这篇论文对 AIGC 图像/视频大模型加速仍然重要从 2023 到今天AIGC 模型已经从图像分类走向扩散模型、视频生成、多模态理解、世界模型和 Agent 运行环境。表面上看ToMe 是一篇 ViT 加速论文不是生成模型论文。但它的思想仍然值得放进 AIGC 轻量化专栏里因为它提出的是一种更通用的运行时压缩范式。1. 它不依赖重训适合已有大模型的后验加速很多生产系统最难接受的不是结构改动而是重新训练。重新训练意味着算力、数据、评估、回归测试、上线风险都要重来。ToMe 的强点是 off-the-shelf对已有模型做运行时 token 合并先换吞吐再决定是否训练微调。在 AIGC 产品里这类方法尤其有价值。图像/视频生成模型的训练成本高模型版本多用户侧又对延迟敏感。如果一个方法必须从头训练它的工程门槛会非常高如果可以作为推理侧 patch哪怕收益有限也可能先进入真实产品试验。2. 它让“token 是生产资料”这件事更清楚大模型时代token 不只是文本里的单位。视觉 patch、视频 frame patch、音频片段、多模态上下文都可以被看成昂贵的计算载体。ToMe 直接告诉我们如果 token 之间有冗余就应该思考能否合并、复用、缓存、压缩而不是只在模型结构上做文章。这也是我认为 ToMe 有长期价值的原因。它不是追一个榜单而是在回答生产系统问题当模型已经足够强如何用更少 token 承载近似同样的信息。3. 它比很多 pruning 方法更接近真实工程论文反复强调真实吞吐、batch inference、training speed而不是只报理论 FLOPs。这个取向非常重要。很多轻量化方法看起来能减少计算量但因为动态形状、padding、mask、kernel 不友好、部署图复杂最后真实速度并不好。ToMe 的固定 token reduction、轻量 matching、可训练也可不训练使它更像一个工程组件。这不是说它一定能在所有模型上直接赢而是说它提出的问题和评估方式更接近产业落地。这篇工作的边界与风险ToMe 的边界也要说清楚。第一它更适合冗余高的输入。视频、高清图像、大模型深层 token 往往冗余明显但如果任务本身依赖细粒度局部判断比如小目标检测、医学图像边界、像素级编辑、OCR 字符细节合并 token 可能带来不可接受的信息损失。第二它的主要证据来自分类与识别任务。论文附录后来也讨论了 Stable Diffusion 方向但这篇主论文的核心实验仍是 ImageNet、Kinetics-400、AudioSet。生成模型里的 token 合并要额外面对画面细节、提示词遵循、局部一致性、身份保持、时序稳定等问题不能把分类结论直接平移。第三ToMe 的效果和模型大小、深度、预训练方式有关。论文里大模型表现更好MAE 模型和 supervised 模型在 proportional attention 上表现也不同。这意味着落地时不能只设一个固定r rr而要结合模型、分辨率、任务、延迟目标做曲线扫描。第四合并是有损操作。即使不是 pruning也仍然改变了 token 表达。工程上需要建立回退策略低风险任务可以更激进高风险任务应该保守用户交互场景可以用速度优先配置最终高质量生成可以用低合并或不合并配置。如果继续研究或落地应该关注什么如果把 ToMe 放到今天的 AIGC 系统里我会重点关注五个方向。扩散模型 attention block 的 token 合并策略。图像生成里的 U-Net、DiT、视频扩散 Transformer 都有大量空间/时空 token关键是如何合并后再恢复避免局部纹理和身份漂移。视频生成里的跨帧 token 合并。ToMe 的视频可视化已经显示跨帧 part tracking 的苗头但生成任务需要更严格的时间一致性评估。任务自适应的合并率。分类可以用固定r rr但创作工具可能需要根据用户模式、分辨率、区域编辑、关键帧、主体区域动态调节。和缓存、KV reuse、speculative decoding 的组合。Token 合并是减少当前 token 数缓存是复用历史计算推理系统里二者可能形成组合收益。质量评估从准确率走向感知质量。AIGC 场景不能只看分类 accuracy要看 CLIP/LPIPS/FID、人评、局部一致性、OCR、身份保持、动作一致性等。术语与概念速查概念简要解释在 ToMe 中的作用token pruning删除部分 token快但容易丢信息很多方法需要训练或 masktoken merging合并相似 token保留部分信息同时减少 token 数r rr每层减少的 token 数控制速度-精度折中bipartite soft matching二分图近似匹配以低成本找到相似 token pairproportional attention在 attention logits 中加入log ⁡ s \log slogs让合并 token 的“代表 patch 数量”参与注意力token sizes ss一个 token 代表的原始 patch 数用于加权平均和 attention 修正constant schedule每层合并相同数量 token默认简单稳定decreasing schedule前层合并更多、后层更少更激进的吞吐配置Rocky 总结ToMe 的核心价值不是提出一个复杂的新模型而是把视觉 Transformer 加速问题讲得很工程化既然视觉 token 有冗余就不要急着删掉它而是先尝试合并它既然大模型已经训练好就不要默认重训它而是先在运行时减少它要处理的 token既然生产系统关心吞吐就不要只看 FLOPs而要看真实速度、batch、训练耗时和部署形态。这篇论文适合放在 AIGC 图像/视频大模型轻量化专栏里长期保留。它不一定是今天所有生成模型加速的最终答案但它提供了一种非常重要的思路大模型推理优化不只是换小模型、蒸馏、量化或剪枝也可以从 token 组织方式入手把冗余视觉信息重新打包。Rocky认为未来图像/视频生成系统里的加速竞争会越来越像一组组合拳模型结构、算子优化、缓存、量化、蒸馏、动态分辨率、token merging、token pruning、KV 管理、调度系统一起发挥作用。ToMe 的位置就是其中那个很朴素但很耐看的环节它提醒我们AIGC 的算力瓶颈很多时候不是因为信息不够而是因为同一类信息被太多 token 重复表达了。推荐阅读1. 深入浅出完整解析AI AgentAI智能体的核心基础知识2025年可以说是AI Agent全面落地应用的元年因此Rocky在持续撰写对AI Agent的全维度解析文章深入浅出完整解析AI AgentAI智能体的核心基础知识2. 深入浅出完整解析扩散模型DDPM、DDIM、Score-Based、SDE、LDM、Classifier/Classifier-Free Guidance、Rectified Flow核心基础知识Rocky对扩散模型的本质原理与和核心基础知识进行了全面系统的深入浅出分析讲解同时不断跟进补充扩散模型的最新技术发展希望能给大家带来帮助深入浅出完整解析扩散模型DDPM、DDIM、Score-Based、SDE、LDM、Classifier/Classifier-Free Guidance、Rectified Flow核心基础知识3. 入浅出完整解析FLUX.2、Seedream即梦、Z-image、GLM-Image核心基础知识Rocky对AIGC时代“中场时刻”之后的主流AIGC创作大模型的核心基础知识进行了全面系统的深入浅出分析讲解力求让大家通俗易懂理解AIGC时代的技术浪潮的本质价值入浅出完整解析FLUX.2、Seedream即梦、Z-image、GLM-Image核心基础知识4. 深入浅出完整解析FLUX.1 Kontext和FLUX.1 Krea核心基础知识Rocky对FLUX.1 Kontext和FLUX.1 Krea的核心基础知识作了全面系统的梳理与解析深入浅出完整解析FLUX.1 Kontext和FLUX.1 Krea核心基础知识5. 深入浅出完整解析DeepSeek系列核心基础知识Rocky对DeepSeek系列模型的核心基础知识作了全面系统的梳理与解析深入浅出完整解析DeepSeek系列核心基础知识6. 深入浅出完整解析Stable Diffusion 3SD 3和FLUX.1系列核心基础知识Rocky对Stable Diffusion 3和FLUX.1的核心基础知识作了全面系统的梳理与解析深入浅出完整解析Stable Diffusion 3SD 3和FLUX.1系列核心基础知识7. 深入浅出完整解析Stable Diffusion XLSDXL核心基础知识Rocky对Stable Diffusion XL的核心基础知识作了全面系统的梳理与解析深入浅出完整解析Stable Diffusion XLSDXL核心基础知识8. 深入浅出完整解析Stable DiffusionSD核心基础知识Rocky对Stable Diffusion 1.x-2.x系列模型的核心基础知识做了全面系统的梳理与解析深入浅出完整解析Stable DiffusionSD核心基础知识9. 深入浅出完整解析Stable Diffusion中U-Net的前世今生与核心知识Rocky对Stable Diffusion中最为关键的U-Net结构进行了深入浅出的全面解析包括其在传统深度学习中的价值和在AIGC中的价值深入浅出完整解析Stable Diffusion中U-Net的前世今生与核心知识10. 深入浅出完整解析LoRALow-Rank Adaptation模型核心基础知识对于AIGC时代中的“ResNet”——LoRA模型Rocky进行了深入浅出的全面讲解深入浅出完整解析LoRALow-Rank Adaptation模型核心基础知识11. 深入浅出完整解析ControlNet核心基础知识AIGC图像创作开源社区已经形成以Stable Difffusion/FLUX为核心ConrtolNet和LoRA作为首要AI辅助工具的变化万千的AIGC图像创作工作流。ControlNet正是让AI图像创作社区无比繁荣的关键一环它让AIGC图像创作过程更加的可控更有助于广泛地将AIGC算法解决方案应用到各行各业中深入浅出完整解析ControlNet核心基础知识12. 深入浅出完整解析Sora、Seedance、keling等AI视频大模型核心基础知识AI绘画和AI视频是两个互相促进、相互交融的领域2024年无疑是AI视频领域的爆发之年Rocky对AI视频领域核心的Sora、Seedance、Keling等大模型进行了全面系统的梳理与解析深入浅出完整解析Sora、Seedance、keling等AI视频大模型核心基础知识13. 深入浅出完整解析AIGC时代Transformer核心基础知识在AIGC时代中Transformer为AI行业带来了深刻的变革。Transformer架构正在一步一步重构所有的AI技术方向成为AI技术架构大一统与多模态整合的关键核心基座大有一统“AI江湖”之势。Rocky也对Transformer模型进行持续的深入浅出梳理与解析深入浅出完整解析AIGC时代Transformer核心基础知识14. 深入浅出完整解析ComfyUI、Diffusers、Stable Diffusion WebUI等主流AIGC创作框架核心基础知识AIGC创作框架正是AIGC算法工作流的运行载体目前主流的AIGC创作框架有ComfyUI、Diffusers、Stable Diffusion WebUI等。在传统深度学习时代PyTorch、TensorFlow以及Caffe是传统深度学习模型的基础运行框架到了AIGC时代Rocky相信ComfyUI就是AIGC时代的“PyTorch”、Stable Diffusion WebUI就是AIGC时代的“TensorFlow”、Diffusers就是AIGC时代的“Caffe”深入浅出完整解析ComfyUI、Diffusers、Stable Diffusion WebUI等主流AIGC创作框架核心基础知识15. 深入浅出完整解析ComfyUI、Diffusers、Stable Diffusion WebUI等主流AIGC创作框架核心基础知识在AIGC时代中如何快速转身入局AIGC产业如何成为AIGC/LLM/AI Agent算法/开发工程师如何在学校中系统性学习AIGC/LLM/AI Agent知识斩获心仪的AIGC/LLM/AI Agent算法/开发offerDon‘t worryRocky为大家总结整理了全面的AIGC/LLM/AI Agent算法/开发工程师成长秘籍为大家答疑解惑希望能给大家带来帮助手把手教你成为AIGC/LLM/AI Agent算法/开发工程师斩获AIGC/LLM/AI Agent算法/开发offer16. AIGC产业的深度思考与分析2023年3月21日微软创始人比尔·盖茨在其博客文章《The Age of AI has begun》中表示自从1980年首次看到图形用户界面graphical user interface以来以OpenAI为代表的科技公司发布的AIGC模型是他所见过的最具革命性的技术进步。Rocky也认为AIGC及其生态会成为AI行业重大变革的主导力量。AIGC会带来一个全新的红利期未来随着AIGC的全面落地和深度商用会深刻改变我们的工作、生活、学习以及交流方式各行各业都将被重新定义过程会非常有趣。那么在此基础上我们该如何更好的审视AIGC的未来我们该如何更好地拥抱AIGC引领的革新Rocky准备从技术、产品、商业模式、长期主义等维度持续分享一些个人的核心思考与观点希望能帮助各位读者对AIGC有一个全面的了解深入浅出全面解析AIGC时代核心价值与发展趋势2025年版17. AI算法工程师的独孤九剑秘籍为了方便大家实习、校招以及社招的面试准备同时帮助大家提升扩展技术基本面Rocky将符合大厂和AI独角兽价值的算法高频面试知识点撰写总结成《三年面试五年模拟》之独孤九剑秘籍:【三年面试五年模拟】AIGC时代的算法工程师的求职面试秘籍持续更新中18. 深入浅出完整解析AIGC时代中GANGenerative Adversarial Network系列模型核心基础知识GAN系列模型作为传统深度学习时代的最热门生成式Al模型在AIGC时代继续繁荣作为Stable Diffusion/FLUX系列大模型的“得力助手”广泛活跃于AlGC图像创作的产品与工作流中深入浅出完整解析AIGC时代中GANGenerative Adversarial Network系列模型核心基础知识