关于
我是 Yuhuan，一个对人工智能领域充满兴趣的大学生。
我在 AI 领域的实践从 Dataset、LLM 基座模型、Inference Infra、API 聚合平台，一路延伸到 AI Agent 与 AI News 等应用。在其他领域，我也拥有 macOS 应用的开发经历、前端网站的设计，以及 Minecraft 服务器的搭建经历与 Discord Bot 的基础经验。
相较于构建出赢过别人、精美的 Demo，或是易于变现的产品，我更希望做出能对社区产生贡献的项目，以及解决实际问题的应用。
技术能力
编程语言
Python・TypeScript・Swift・C/C++・SQL・Shell
机器学习
PyTorch・Transformers・Apple MLX
数据工程
Hugging Face Datasets・pandas・NumPy・PyArrow
网站开发
Next.js・React・Tailwind CSS・Radix UI・Framer Motion・MDX
后端与 API
FastAPI・SQLAlchemy・PostgreSQL・MongoDB・Redis・MinIO・WebSockets
基础设施
Docker・GitHub Actions・GHCR・Trivy・Ubuntu・Cloudflare・uv・pnpm
macOS 应用
Swift・SwiftUI・Core Audio・Core ML
数字内容
Unreal Engine・Unity・DaVinci Resolve・Premiere Pro
经历
YuhuanStudio
Founder
- ModelYunmo v0・Yunmo v0.1・Yunmo V1・Yunmo-Next
- InferenceYunshu
- DatasetWikiZH_Dataset・+17 more
- ApplicationYunmo・Yunxin・YunNEWS・YunAudio・Pocket 3 Controller・Guizhong
- WebsiteYunUI・YuhuanStudio Official
学历
元智大学 电机工程学系乙组
学士班
国立中央大学附属中坜高级中学
75th
项目
- Pocket 3 ControllerPocket 3 的原生 macOS 控制 App：USB 预览、持续云台控制、本地 AI，以及 MCP 接入。
- YunAudiomacOS 音频路由器，自带虚拟音频设备，整条信号路径可证明位精确。
- YunNEWS每天把全球 AI 动态整理成中文摘要，每条附原始出处。
- YunAgent通用 Agent 工作台，LLM／Plan／Agent 三种模式共用同一套 durable runtime：事件、checkpoint、pause／resume／replay、MCP 工具。
- Yunshu为 Apple Silicon 打造的快速本地 LLM / VLM 推论引擎。单一进程，兼容 OpenAI 与 Anthropic API，通过 MLX 在设备端运行：首字快、无损解码快，并重用已经算过的前缀。
- YunUI一套不喧哗的 React 19 + Tailwind v4 设计系统。令牌驱动、三套主题、与框架无关的适配层——每个细节都被在意过，却没有一个在喧哗。
- Yunmo-Next从零预训练中文语言模型，基于 GQA + Kimi Delta Attention 混合架构，靠逐层成长把 0.44B 推到 1.01B 参数、原生上下文推到 32K。
- Yunxin将 24+ LLM 供应商聚合在单一 API 之后的统一网关，支持 Chat Completions API、Responses API 与 Messages API。一组 API key，所有模型。
- Yunmo一个持续存在的数字个体——有自己的时间感、情绪边界、和不依赖任何人的内在生命。基于 LinOSS 与 8 维情绪向量，让计算产生真正值得被称为「陪伴」的东西。
- WikiZH_Dataset维基百科中文语料处理工具，用于生成预训练与多模态数据集，一次解析同时产出纯文本、图文交错与图文配对三种形态。
- Yunmo V1基于 minimind 架构从零预训练的繁体中文小型语言模型，v0 到 v1。
- AI-Friend一个本地运行的 AI 聊天角色，基于 LangChain、Ollama、ChatTTS，并可接入 VTube Studio 驱动角色。
- Guizhong功能丰富的 Discord 机器人，涵盖音乐、AI 集成、抽奖等。
模型与数据集
Yunmo-Next-1B-Instruct模型
Yunmo-Next-1B-Base 的指令微调版：1.76B packed tokens 的 SFT，学会含可选推理通道、四档推理强度与工具调用的对话协议。研究用检查点。
1.008B · 16K 上下文 · 单张 RTX 4070 Ti 约 5.3 天12次下载
Yunmo-Next-1B-Base模型
从零预训练的繁体中文优先混合模型：GQA → KDA → KDA → KDA 四层一组，低秩 Attention Residuals，训练中深度从 24 层成长到 60 层。
1.008B · 60 层 · 65,536 词表 · 19.76B tokens80次下载
Yunmo-Next-Tokenizer分词器
65,536 词的 byte-level BPE，覆盖繁体中文、英文、代码与数学；无 UNK、任何 UTF-8 可无损往返，18 个分词器的压缩比较中 9 个领域第一。
65,536 · byte-level BPE · 无损
Yunmo-V1模型
基于 MiniMind v3（Qwen3 架构：RMSNorm、SwiGLU、RoPE、GQA、QK-Norm）从零预训练，层数 8 → 24、词表换成 24,000 的繁体特化分词器。
195M · 24 层 · 768 hidden · 8 heads / 4 KV · 24k 词表 · RoPE 32k16次下载
Yunmo v0.1模型
基于 MiniMind v2 从零预训练，词表换成 25,600 的繁体特化分词器。
0.1B · 16 层 · 768 hidden · 25.6k 词表 · RoPE 32k需申请访问
Yunmo v0模型
基于 MiniMind v2 从零预训练，沿用上游的 6,400 词表。
0.1B · 16 层 · 768 hidden · 6.4k 词表 · RoPE 2k需申请访问
wikipedia-zh / zh-tw数据集
中文维基百科纯文本语料，一个条目一条并保留章节结构，可直接用于预训练。
繁体＋简体 · 各 148 万条2,185次下载15个收藏
wikipedia-omni-zh / zh-tw数据集
图文交错版维基语料，格式对齐 MMC4 与 OBELICS 的惯例。
繁体＋简体 · 各 148 万条523次下载1个收藏
wikipedia-image-zh-tw数据集
维基百科图片，一图一条，附图说、替代文字与所在条目章节。
183 万条110次下载1个收藏