關於
我是 Yuhuan，一個對人工智慧領域充滿興趣的大學生。
我在 AI 領域的實踐從 Dataset、LLM 基座模型、Inference Infra、API 聚合平台，一路延伸到 AI Agent 與 AI News 等應用。在其他領域，我也擁有 macOS 應用的開發經歷、前端網站的設計，以及 Minecraft 伺服器的架設經歷與 Discord Bot 的基礎經驗。
相較於構建出贏過別人、精美的 Demo，或是易於變現的產品，我更希望做出能對社群產生貢獻的項目，以及解決實際問題的應用。
技術能力
程式語言
Python・TypeScript・Swift・C/C++・SQL・Shell
機器學習
PyTorch・Transformers・Apple MLX
資料工程
Hugging Face Datasets・pandas・NumPy・PyArrow
網站開發
Next.js・React・Tailwind CSS・Radix UI・Framer Motion・MDX
後端與 API
FastAPI・SQLAlchemy・PostgreSQL・MongoDB・Redis・MinIO・WebSockets
基礎設施
Docker・GitHub Actions・GHCR・Trivy・Ubuntu・Cloudflare・uv・pnpm
macOS 應用
Swift・SwiftUI・Core Audio・Core ML
數位內容
Unreal Engine・Unity・DaVinci Resolve・Premiere Pro
經歷
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
學歷
元智大學 電機工程學系乙組
學士班
國立中央大學附屬中壢高級中學
75th
專案
- Pocket 3 ControllerPocket 3 的原生 macOS 控制 App：USB 預覽、持續雲台控制、本機 AI，以及 MCP 接入。
- YunAudiomacOS 音訊路由器，自帶虛擬音訊裝置，整條訊號路徑可證明位元精確。
- YunNEWS每天把全球 AI 動態整理成繁體中文摘要，每則附原始出處。
- YunAgent通用 Agent 工作台，LLM／Plan／Agent 三種模式共用同一套 durable runtime：事件、checkpoint、pause／resume／replay、MCP 工具。
- Yunshu為 Apple Silicon 打造的快速本地 LLM / VLM 推論引擎。單一進程，相容 OpenAI 與 Anthropic API，透過 MLX 在裝置端執行：首字快、無損解碼快，並重用已經算過的前綴。
- YunUI一套不喧嘩的 React 19 + Tailwind v4 設計系統。權杖驅動、三套主題、與框架無關的轉接層——每個細節都被在意過，卻沒有一個在喧嘩。
- Yunmo-Next從零預訓練繁體中文語言模型，基於 GQA + Kimi Delta Attention 混合架構，靠逐層成長把 0.44B 推到 1.01B 參數、原生上下文推到 32K。
- Yunxin將 24+ LLM 供應商聚合在單一 API 之後的統一閘道，支援 Chat Completions API、Responses API 與 Messages API。一組 API key，所有模型。
- Yunmo一個持續存在的數位個體——有自己的時間感、情緒邊界、和不依賴任何人的內在生命。基於 LinOSS 與 8 維情緒向量，讓計算產生真正值得被稱為「陪伴」的東西。
- WikiZH_Dataset維基百科中文語料處理工具，用於生成預訓練與多模態資料集，一次解析同時產出純文字、圖文交錯與圖文配對三種形態。
- Yunmo V1基於 minimind 架構從零預訓練的繁體中文小型語言模型，v0 到 v1。
- AI-Friend一個本地運行的 AI 聊天角色，基於 LangChain、Ollama、ChatTTS，並可串接至 VTube Studio 驅動角色。
- Guizhong功能豐富的 Discord 機器人，涵蓋音樂、AI 整合、抽獎等。
模型與資料集
Yunmo-Next-1B-Instruct模型
Yunmo-Next-1B-Base 的指令微調版：1.76B packed tokens 的 SFT，學會含可選推理通道、四段推理強度與工具呼叫的對話協定。研究用檢查點。
1.008B · 16K 上下文 · 單張 RTX 4070 Ti 約 5.3 天12次下載
Yunmo-Next-1B-Base模型
從零預訓練的繁體中文優先混合模型：GQA → KDA → KDA → KDA 四層一格，低秩 Attention Residuals，訓練中深度從 24 層成長到 60 層。
1.008B · 60 層 · 65,536 詞表 · 19.76B tokens80次下載
Yunmo-Next-Tokenizer分詞器
65,536 詞的 byte-level BPE，繁體中文、英文、程式碼與數學；無 UNK、任何 UTF-8 可無損往返，18 個分詞器的壓縮比較中 9 個領域第一。
65,536 · byte-level BPE · 無損
Yunmo-V1模型
基於 MiniMind v3（Qwen3 架構：RMSNorm、SwiGLU、RoPE、GQA、QK-Norm）從零預訓練，層數 8 → 24、詞表換成 24,000 的繁體特化分詞器。
195M · 24 層 · 768 hidden · 8 heads / 4 KV · 24k 詞表 · RoPE 32k16次下載
Yunmo v0.1模型
基於 MiniMind v2 從零預訓練，詞表換成 25,600 的繁體特化分詞器。
0.1B · 16 層 · 768 hidden · 25.6k 詞表 · RoPE 32k需申請存取
Yunmo v0模型
基於 MiniMind v2 從零預訓練，沿用上游的 6,400 詞表。
0.1B · 16 層 · 768 hidden · 6.4k 詞表 · RoPE 2k需申請存取
wikipedia-zh / zh-tw資料集
中文維基百科純文字語料，一個條目一筆並保留章節結構，可直接用於預訓練。
繁體＋簡體 · 各 148 萬筆2,185次下載15個收藏
wikipedia-omni-zh / zh-tw資料集
圖文交錯版維基語料，格式對齊 MMC4 與 OBELICS 的慣例。
繁體＋簡體 · 各 148 萬筆523次下載1個收藏
wikipedia-image-zh-tw資料集
維基百科圖片，一圖一列，附圖說、替代文字與所在條目章節。
183 萬筆110次下載1個收藏