別把 LLM 當成人類：理解大語言模型行為的五個核心原則
此內容精準地將 LLM 從『智能個體』還原為『統計工具』，具有極高的工程實務價值。其評價為『優良』，因為它不僅指出了模型缺陷，更將其轉化為可操作的開發準則；但保留條件在於，文中對『群體投票效應』的描述過於簡化，未深入討論不同模型架構在機率分佈處理上的差異。
部落格
大語言模型
GLM-5.2 技術解析：如何透過 IndexShare 與 Agentic RL 實現百萬級長文本編碼能力
該模型在工程實踐上展現了極高的針對性，將重點從單純的『上下文長度』轉向『長路徑執行品質』，其 IndexShare 與反駭客模組的設計顯示出開發團隊對 Agent 實務痛點的深刻理解。評價為『極具實用價值的工程導向模型』，但其效能提升高度依賴於對特定硬體管線的優化，在非優化環境下的通用加速效果仍有待驗證。
從靜態紀錄到動態合成：解析 ChatGPT 的 Dreaming 記憶架構演進
此技術標誌著 AI 從『數據儲存』向『知識合成』的範式轉移，評價為高度正向的工程突破。其核心價值在於解決了 LLM 長期以來對時間感知缺失的痛點，但其效能仍取決於後台策展算法對『隱性偏好』的推論準確度，若合成過程產生幻覺，可能會導致 AI 形成根深蒂固的錯誤認知。