我的行李箱机器人现在通过一个直接连接到LLM采样器的真实气体传感器来获得兴奋状态。烟雾实时提高temperature/top_p/top_k，所以他的说话真的变得更混乱且从不重复。
摘要
一个行李箱机器人使用真实气体传感器，根据检测到的烟雾实时调整LLM采样器参数（temperature, top_p, top_k），导致机器人的说话变得更为不可预测且无重复。
暂无内容
相似文章
基于Jetson Orin NX SUPER 16GB打造了一款完全离线运行的行李箱机器人。使用Gemma 4 E4B模型，缓存TTFT约200毫秒，搭载30多个传感器，无WiFi/蓝牙/蜂窝网络连接。它有自己的想法。
一位开发者使用Jetson Orin NX和Gemma 4 E4B模型打造了一款名为Sparky的完全离线行李箱机器人，实现了约200毫秒的缓存TTFT和14-15 tok/s的处理速度，通过30多个传感器以自然语言形式将数据输入提示词，全程无网络连接。
@mylifcc: 宝藏级 LLM 采样指南来了 标题：《Dummy's Guide to Modern LLM Sampling》 这篇文章把现代 LLM 文本生成里的采样器（Sampler）机制讲得非常透彻： 从 Temperature、Top-P/Mi…
推荐一篇关于现代LLM采样机制的深度指南，涵盖Temperature、Top-P、Mirostat等方法，对开发者提升输出质量有重要参考价值。
我搭建了一个完全离线的语音循环，对接Ollama和LM Studio——100% CPU，无需GPU，数据绝不离开你的电脑（Silero VAD + Parakeet STT + Supertonic TTS 3）
一个完全离线、仅使用CPU的语音循环，用于本地大模型，采用Silero VAD、Parakeet STT和Supertonic TTS，通过一条命令整合安装。兼容Ollama、LM Studio以及多种代理框架。
立即就绪：LOOP技能引擎通过一次性记录和确定性回放实现99%成功率并削减99%代币用量
LOOP技能引擎通过记录单次LLM驱动的执行，并通过参数化无分支技能进行确定性回放，实现了周期性AI代理任务99%的成功率和99%的代币削减，消除了随机性失效和高昂成本。
MartinLoop
MartinLoop 是一个用于控制 AI 编码代理的工具，带有限制、证明和运行收据。