在AI的世界里，數(shù)學(xué)推理一直是個讓人又愛又恨的難題。為啥呢？因為它不僅需要理解抽象的概念，還得精準(zhǔn)地進(jìn)行多步邏輯推理。以前的語言模型，雖然生成文本很流暢，但遇到復(fù)雜的數(shù)學(xué)問題，就像讓一個文科生去解奧數(shù)題，常常無從下手。不過，最近NVIDIA發(fā)布的OpenMathNemotron系列模型，直接把這個問題給解決了！今天，咱們就來好好聊聊這個厲害的AI新星。數(shù)學(xué)推理，為啥這么難？數(shù)學(xué)推理就像是AI領(lǐng)域的一座高山。它需要AI不僅要...

在自然語言處理（NLP）的浩瀚宇宙中，嵌入技術(shù)（Embedding）無疑是其中最閃耀的星辰之一。從最初的簡單計數(shù)方法，到如今的多模態(tài)深度學(xué)習(xí)模型，嵌入技術(shù)的演進(jìn)不僅推動了NLP的發(fā)展，也為我們理解和處理語言提供了全新的視角。今天，就讓我們一起踏上這場奇妙的旅程，探索14種定義嵌入技術(shù)演進(jìn)的強大方法！一、初窺門徑：基礎(chǔ)的嵌入方法（一）計數(shù)向量器（CountVectorizer）在NLP的世界里，一切都要從最基礎(chǔ)的計數(shù)開始。計數(shù)向量...

編者按：Google新推出的A2A與Anthropic的MCP到底有何區(qū)別？它們是競爭關(guān)系還是互補的技術(shù)？本文通過一個規(guī)劃夏威夷旅行的生動案例，清晰拆解了這兩大協(xié)議的本質(zhì)區(qū)別：MCP更像是為單個AIAgent賦能的“超能力工具箱”，而A2A則是構(gòu)建了AIAgent專家團(tuán)隊間的“協(xié)作網(wǎng)絡(luò)”。作者基于實際項目經(jīng)驗，揭示了影響實際應(yīng)用這兩種協(xié)議的3項技術(shù)差異，同時還解讀了二者互為補充而非競爭的真實關(guān)系。作者ZacharyHuang編譯岳揚01引言：協(xié)作式...

文章地址：https:arxiv.orgabs2504.19724項目鏈接：https:reptext.github.ioGit鏈接：https:github.comShakkerLabsRepText亮點直擊RepText，一個用于可控多語言視覺文本渲染的有效框架。創(chuàng)新性地引入了字形隱空間變量復(fù)制技術(shù)，以提高排版準(zhǔn)確性并實現(xiàn)顏色控制。此外，采用區(qū)域掩碼來保證良好的視覺保真度，避免背景干擾。定性實驗表明，本方法優(yōu)于現(xiàn)有開源方案，并與原生多語言閉源模型取得了可比的結(jié)果?？偨Y(jié)速覽解決的問題現(xiàn)...

從構(gòu)思到設(shè)計原型，只需要短短幾秒。OpenUI讓你僅使用自然語言就可以構(gòu)建、編輯和導(dǎo)出UI，無需任何設(shè)計技能！不妨先從一個簡單的例子開始。很多時候，我設(shè)想一件看起來很棒的裙子，但當(dāng)我真正找到類似的裙子時，卻發(fā)現(xiàn)效果不如預(yù)期。這不僅僅是我個人的問題，在編程中也會遇到。客戶可能在腦海中構(gòu)思一個很棒的UI，但最終構(gòu)建出來的卻不如預(yù)期。這不僅浪費了時間和資源，還可能導(dǎo)致客戶不滿。幸運的是，這個問題現(xiàn)在有了解決方...

如何開發(fā)一個通用算法，使其能夠在不同任務(wù)領(lǐng)域中不依賴大量人工調(diào)參，甚至無需人類先驗數(shù)據(jù)即可實現(xiàn)“開箱即用”的效果？這種通用性的重要性不言而喻。它不僅意味著AI能夠更廣泛地適應(yīng)真實世界的復(fù)雜場景，還將顯著降低應(yīng)用AI技術(shù)的門檻，讓開發(fā)者得以聚焦于更高層次的創(chuàng)新。在這一背景下，“世界模型”（WorldModels）成為了重要突破口。通過學(xué)習(xí)環(huán)境的緊湊表示并預(yù)測未來情景，世界模型為AI提供了一種類似人類“想象力”的能...

ModelContextProtocol（MCP）模型上下文協(xié)議（如下圖所示）是Anthropic發(fā)布的一種標(biāo)準(zhǔn)化協(xié)議，使得Agent智能體應(yīng)用可以更快捷地與下游異構(gòu)的數(shù)據(jù)或者工具進(jìn)行交互，還不熟悉的同學(xué)可以看這里《??王炸！MCP架構(gòu)設(shè)計深度剖析&使用SpringAI+MCP四步教你實現(xiàn)Agent智能體開發(fā)???》。最近，兩大關(guān)鍵事件標(biāo)志著MCP已從事實標(biāo)準(zhǔn)邁向行業(yè)標(biāo)準(zhǔn)：一方面，OpenAI正式宣布跟進(jìn)Anthropic的MCP協(xié)議，另一方面，Anthropic發(fā)布了新版本MCP協(xié)...

前幾天SpringAI迎來了其1.0.0版本的第七個里程碑（Milestone7）的發(fā)布。緊接著下個月，我們將迎來RC1（ReleaseCandidate1）版本，隨后便是正式版（GA，GeneralAvailability）的發(fā)布。對于Java開發(fā)者社區(qū)而言，這無疑是一個備受期待的喜訊！1、SpringAI框架介紹SpringAI是一個用于AI工程的應(yīng)用框架。它的目標(biāo)是將Spring生態(tài)系統(tǒng)中的一些設(shè)計原則，比如：可移植性和模塊化設(shè)計，應(yīng)用到AI領(lǐng)域。它還推動在AI領(lǐng)域使用簡單的Java對象...

本文通過一個實際案例展示如何基于MCP（ModelContextProtocol）開發(fā)一個支持私有知識庫的AIAgent問答系統(tǒng)。1、AIAgent問答系統(tǒng)整體流程AIAgent問答知識庫系統(tǒng)整體由構(gòu)建與檢索流程組成。第一、知識庫構(gòu)建流程1、文本切分對輸入的文本進(jìn)行切分，確保切分后的文本段在保持完整性和語義連貫性的同時，便于后續(xù)處理和檢索。2、FAQ提取從文本中提取常見問題及其答案（FAQ），作為知識庫的一部分，以增強檢索的準(zhǔn)確性和效率。3、知識...

通義千問3（Qwen3），通義千問大語言模型家族的最新成員。作為阿里巴巴的旗艦?zāi)Ｐ?，通義千問3235BA22B在編碼、數(shù)學(xué)、通用能力等基準(zhǔn)評估中，與DeepSeekR1、o1、o3mini、Grok3、Gemini2.5Pro等其他頂級模型相比，取得了極具競爭力的成績。此外，小型混合專家（MoE）模型通義千問330BA3B，其激活參數(shù)僅為QwQ32B的十分之一，卻超越了后者的表現(xiàn)；甚至像通義千問34B這樣的微型模型，也能與通義千問2.572BInstruct相媲美。通義千問3...

（OpenAI指南中的觀點，引發(fā)了行業(yè)思考）當(dāng)前的討論充斥著炒作、空談和噪音，卻鮮有對智能體框架的精確分析或深入思考。別擔(dān)心！這篇文章將為你撥開迷霧，帶你深入理解智能體框架的核心問題，助你構(gòu)建更可靠、更強大的智能體應(yīng)用。本文核心看點：智能體(Agent)到底是什么？（告別模糊定義?。?gòu)建可靠Agent的真正難點在哪？（直擊痛點?。㎜angGraph是什么？它為何與眾不同？智能體框架大比拼：工作流vs智能體、聲明式vs命令式、...

加州大學(xué)洛杉磯分校與MetaAI的研究團(tuán)隊聯(lián)合發(fā)布了革命性的強化學(xué)習(xí)框架d1【文獻(xiàn)1】。該框架顯著提升了基于擴(kuò)散原理的LLM（dLLM）的推理性能——在某些場景下將響應(yīng)時間從超過30秒縮短至僅需3秒。當(dāng)AI界普遍聚焦于GPT這類逐詞生成結(jié)果的自回歸模型時，dLLM另辟蹊徑，其設(shè)計靈感源自DALL·E2和StableDiffusion等圖像生成模型。這類模型并非順序構(gòu)建答案，而是通過多輪迭代優(yōu)化被遮蔽的文本版本，在每一階段都能實現(xiàn)更快速的并行化...

今天給大家介紹一篇ICLR2025中關(guān)于時間序列異常檢測的工作。這篇文章采用基于MemoryBank和Prototype的異常檢測方法，提出在此基礎(chǔ)上引入多尺度patch和多周期性的建模方法，進(jìn)一步提升時間序列異常檢測效果。論文標(biāo)題：LEARNHYBRIDPROTOTYPESFORMULTIVARIATETIMESERIESANOMALYDETECTION下載地址：??https:openreview.netpdfid8TBGdH3t6a??1.研究背景時間序列異常檢測的主流方法，是使用正常的時間序列訓(xùn)練一個自編碼器，序列...

近一階段，強化學(xué)習(xí)成為進(jìn)一步提升大模型能力的共識路徑，這時候，你是不是也覺得，給大模型套上強化學(xué)習(xí)（RL）的韁繩，再用上那些能自動驗證對錯的獎勵機制（RLVR），就能讓它們像打了雞血一樣，推理能力蹭蹭往上漲，實現(xiàn)模型自我進(jìn)化，“左腳踩右腳”不斷飛升。然而，清華大學(xué)近期的一項研究《DoesReinforcementLearningReallyIncentivizeReasoningCapacityinLLMsBeyondtheBaseModel（強化學(xué)習(xí)真的會激勵LLMs基模型之外的推理...

還記得2023年初ChatGPT剛出來時，讓它30秒寫一個“冒泡排序”都覺得很新鮮？彈指之間，今天的AIagent已經(jīng)能自主幾分鐘內(nèi)啃下人類程序員需要一小時乃至一天才能完成的需求了。感覺AI進(jìn)步太快跟不上？這可不是錯覺。專注于AI能力評估的METR機構(gòu)扔出重磅研究：AI系統(tǒng)能搞定的編碼任務(wù)復(fù)雜度（以人類所需時間衡量）正以驚人的指數(shù)速度增長，其“時間范圍”（TimeHorizon）——即AI能達(dá)到50%成功率的任務(wù)時長——大約每7個月就翻一番...

DeepSeekV3的MultiTokenPrediction到底在做什么？這個問題在大模型面試中經(jīng)常被問到，屬于DeepSeek的高頻面試題。所以這篇文章我們就來看看，如果你在面試現(xiàn)場被問到這個問題，應(yīng)該如何作答？1.面試官心理分析首先老規(guī)矩，我們還是來分析一下面試官的心理，面試官問這個問題，它其實主要是想考察你3個方面：第一，為什么要做MTP？你是否知道這個算法背后的動機？第二，之前的工作MTP是怎么做的？DeepSeek肯定不是這個方法的首創(chuàng)...

一、A2A協(xié)議的核心原理A2A協(xié)議的設(shè)計基于五個核心原則，這些原則確保了協(xié)議的靈活性、安全性和廣泛適用性。以下是對這些原則的詳細(xì)解析，并結(jié)合技術(shù)機制進(jìn)行說明。1.擁抱智能體特性（EmbraceAgenticCapabilities）A2A協(xié)議專為具有自主性和復(fù)雜推理能力的AI智能體設(shè)計。不同于傳統(tǒng)的工具調(diào)用（如API或數(shù)據(jù)庫查詢），A2A允許智能體以自然、結(jié)構(gòu)化的方式進(jìn)行協(xié)作，而無需共享內(nèi)存、工具或上下文。這種設(shè)計支持智能體在分布式環(huán)境中...

2025年4月29日凌晨，阿里巴巴正式開源了其新一代通義千問大模型Qwen3系列，這一發(fā)布不僅登頂全球開源模型性能榜首，更以創(chuàng)新的"混合推理"架構(gòu)重新定義了大型語言模型的效率邊界。作為國內(nèi)首個集成"快思考"與"慢思考"能力的開源模型，Qwen3在性能全面超越DeepSeekR1、OpenAIo1等頂尖模型的同時，將部署成本降低至競品的13。阿里巴巴還公開了兩個MoE模型的權(quán)重：Qwen3235BA22B和Qwen330BA3B。前者是一個具有2350億總參數(shù)和2200億...

摘要最近的研究表明，預(yù)訓(xùn)練的擴(kuò)散變換器（DiTs）具備inherentincontext生成能力，能夠通過最小或無需架構(gòu)修改即可適應(yīng)多種視覺任務(wù)。這些能力通過連接多個輸入和目標(biāo)圖像的自注意力token，并結(jié)合分組和掩碼生成pipeline來實現(xiàn)。基于這一基礎(chǔ)，我們提出了ChatDiT，這是一個零樣本、通用、交互式的視覺生成框架，利用預(yù)訓(xùn)練的擴(kuò)散變換器，無需額外的調(diào)整、適配器或修改。用戶可以與ChatDiT交互，創(chuàng)建交錯的圖文文章、多頁圖畫書...

摘要大型語言模型在各種自然語言處理任務(wù)中取得了令人矚目的性能。然而，它們主要在所有輸入上下文信息都與任務(wù)相關(guān)的情況下進(jìn)行評估。在本研究中，我們探討了大型語言模型的分心問題，即模型解決問題的準(zhǔn)確性如何受到無關(guān)上下文的影響。具體而言，我們引入了帶有無關(guān)上下文的小學(xué)數(shù)學(xué)（GSMIC），這是一個包含無關(guān)信息的算術(shù)推理數(shù)據(jù)集。我們利用這一基準(zhǔn)測試來衡量大型語言模型的最新提示技術(shù)，并發(fā)現(xiàn)當(dāng)包含無關(guān)信息時，模型性...

摘要多模態(tài)大型語言模型（MLLMs）在視覺理解和生成任務(wù)中取得了顯著進(jìn)展。然而，生成交錯的圖文內(nèi)容仍然是一個挑戰(zhàn)，這需要集成多模態(tài)理解和生成能力。盡管統(tǒng)一模型的進(jìn)展提供了新的解決方案，但現(xiàn)有基準(zhǔn)由于數(shù)據(jù)規(guī)模和多樣性的限制，不足以評估這些方法。為了填補這一空白，我們引入了OpenING，這是一個綜合基準(zhǔn)，包含56個真實世界任務(wù)的5400個高質(zhì)量人工標(biāo)注實例。OpenING涵蓋了旅游指南、設(shè)計和頭腦風(fēng)暴等多樣化的日常場景，...

FoundationAgent不再將智能體視為LLM的簡單應(yīng)用，而是將其看作一個由認(rèn)知、記憶、學(xué)習(xí)、感知、行動等多個核心組件構(gòu)成的復(fù)雜、有機的系統(tǒng)。其核心意義在于提供了系統(tǒng)性框架，強調(diào)了自主性，關(guān)注協(xié)作與生態(tài)，并突出了安全與對齊。然而，實現(xiàn)這一愿景也面臨著技術(shù)復(fù)雜度高、需要龐大計算資源、評估困難、自進(jìn)化可控性問題以及安全與對齊的根本性難題等巨大挑戰(zhàn)。論文鏈接：https:arxiv.orgabs2504.01990擁有完善的認(rèn)知架構(gòu)只是第...

大型語言模型（LLMs）憑借其在自然語言理解、多模態(tài)處理、推理和內(nèi)容生成方面的卓越能力，為AI領(lǐng)域帶來了革命性變革。這些模型通過海量數(shù)據(jù)集訓(xùn)練后，展現(xiàn)出推理、上下文學(xué)習(xí)乃至基礎(chǔ)規(guī)劃等自發(fā)能力。盡管LLMs代表了智能機器發(fā)展的重要里程碑，但它們尚未完全具備智能生物的全部特性。自人工智能研究初期以來，研究者們一直致力于開發(fā)真正"智能"的系統(tǒng)——能夠?qū)W習(xí)、規(guī)劃、推理、感知、交流、行動、記憶，并表現(xiàn)出類人的能力與...

“數(shù)據(jù)召回是RAG技術(shù)的重要領(lǐng)域，而不同的召回策略甚至?xí)a(chǎn)生完全不同的效果。”RAG技術(shù)的核心原理很簡單，本質(zhì)上就是在外部維護(hù)一個資料庫，在進(jìn)行大模型問答之前，先從資料庫中找到相關(guān)的內(nèi)容，然后一起輸入到大模型中。但由于文檔的復(fù)雜性，在進(jìn)行文檔處理時很難真正做到高質(zhì)量的數(shù)據(jù)處理；因此，在做數(shù)據(jù)召回時就會面臨著各種各樣的問題。所以，怎么進(jìn)行高質(zhì)量的數(shù)據(jù)召回，就成為RAG必須要研究的一個課題；而今天，我們就來...

“構(gòu)建一個合格好用的智能客服是很多中小企業(yè)急需的市場需求。”客服系統(tǒng)在現(xiàn)代商業(yè)體系中扮演著重要的角色，不論任何領(lǐng)域任何行業(yè)都離不開客服的存在；雖然客服系統(tǒng)經(jīng)過多年的實踐與發(fā)展，但依然存在各種各樣的問題。而隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，特別是目前基于自然語言處理的大模型技術(shù)的發(fā)展，為客服系統(tǒng)提供了新的解決方案；其主要優(yōu)勢就在于基于大模型的智能客服系統(tǒng)能夠快速響應(yīng)，快速回復(fù)，能夠做到724小時不間斷待命狀態(tài)，...

MCP協(xié)議盡管標(biāo)準(zhǔn)化了AI代理通信，但也帶來了共享內(nèi)存污染、工具投毒及版本失控等漏洞威脅生態(tài)安全問題。為此，需要構(gòu)建訪問控制與沙盒防護(hù)框架。引言目前，Anthropic公司推出的多代理上下文協(xié)議（MCP）備受業(yè)界關(guān)注。MCP通常被稱為“AI代理的USBC”，它承諾將標(biāo)準(zhǔn)化代理之間的通信方式。這個想法很簡單：通過一個通用接口連接不同的AI代理和工具，讓它們共享內(nèi)存，并跨任務(wù)重用功能。無需膠水代碼，無需RAG。只需插入即可，它們...

編輯伊風(fēng)出品51CTO技術(shù)棧（微信號：blog51cto）源神Qwen3趕在五一假期前重磅上線！這次Qwen3直接放出了一整個“全家桶”——總共8個模型，包括2個MoE（稀疏專家）模型和6個稠密模型，規(guī)模從0.6B到235B不等，陣容堪稱豪華。圖片其中，旗艦?zāi)Ｐ蚎wen3235BA22B強勢登頂，成為新一代開源之王！在編碼、數(shù)學(xué)、通用能力等多個基準(zhǔn)評測中，表現(xiàn)可與DeepSeekR1、o1、o3mini、Grok3和Gemini2.5Pro等頂尖模型媲美。圖片不僅大模型強，小型...

筆者近日在朋友圈發(fā)了如下感慨：“現(xiàn)在太多科幻敘事下的公司AI戰(zhàn)略，看了讓人觸目驚心，可以判斷這些做AI戰(zhàn)略的人幾乎不看paper的?，F(xiàn)在的大模型做個六七十分的demo非常擅長，對企業(yè)生產(chǎn)場景卻缺乏精準(zhǔn)控制的手段。再強大的工具也有能力的邊界，研究數(shù)理原理可以推演出這些邊界：?大模型的數(shù)理認(rèn)知框架v2”。問題這并非刻意標(biāo)新立異或危言聳聽：隨著大型生成模型能力的不斷提升及日益廣泛應(yīng)用，人們對其可靠性、安全性及潛在濫...

在當(dāng)下流行的幾種大模型微調(diào)方法中，大家經(jīng)常會看到談?wù)揝FP與Unsloth的文章，那我們應(yīng)該如何了解它們？它們的技術(shù)特點又有哪些？各自應(yīng)用在哪些模型微調(diào)的場景呢？本篇我們帶著這些問題，一起來了解一下。一、SFT微調(diào)技術(shù)介紹監(jiān)督微調(diào)（SupervisedFinetuning,SFT）是一種遷移學(xué)習(xí)（TransferLearning）技術(shù)，指的是在已經(jīng)預(yù)訓(xùn)練好的模型（例如大語言模型中的GPT、BERT等）基礎(chǔ)上，使用帶有人工標(biāo)注標(biāo)簽的監(jiān)督數(shù)據(jù)，對模型進(jìn)行進(jìn)...

在機器學(xué)習(xí)領(lǐng)域中，ChainofThought（思維鏈）技術(shù)是一種在大語言模型（LLM）推理任務(wù)中非常重要的方法，它誕生的目的是使模型能夠像人類一樣，通過一系列中間推理步驟來得出最終答案，而不是簡單地給出一個直接的答案。這種能力對于提升模型的解釋性、可信度和解決復(fù)雜問題的能力至關(guān)重要，尤其是在涉及邏輯推理、數(shù)學(xué)計算、問答等需要多步推理的應(yīng)用場景中。本篇我們一起來了解一下CoT技術(shù)。一、什么是思維鏈技術(shù)1.基本概念思...

引言隨著大模型技術(shù)的爆發(fā)，AIAgent（智能代理）逐漸成為落地應(yīng)用的核心載體。它不僅能理解語言，還能自主規(guī)劃、調(diào)用工具、執(zhí)行任務(wù)，真正讓大模型從“語言模型”升級為“行動助手”。然而，面對市面上眾多的Agent開發(fā)框架，開發(fā)者該如何選擇？本文梳理了9大主流框架，解析其核心特性與差異，助你快速找到適合的工具！一、主流Agent開發(fā)框架盤點1.LangChain核心定位：行業(yè)標(biāo)桿級框架，支持復(fù)雜任務(wù)鏈設(shè)計，集成能力極強。特點：...

引言在AI技術(shù)蓬勃發(fā)展的今天，大模型Agent（如GPT4、Claude等）需要頻繁與外部工具、其他Agent甚至云端服務(wù)交互。如何高效、安全地完成這些通信？答案藏在JSONRPC2.0這一看似“古老”卻煥發(fā)新生的協(xié)議中。本文將解析為何JSONRPC2.0成為大模型Agent傳輸協(xié)議的“寵兒”，并揭秘其核心優(yōu)勢。一、JSONRPC2.0是什么？JSONRPC2.0是一種基于JSON的輕量級遠(yuǎn)程過程調(diào)用（RPC）協(xié)議，誕生于2010年。它通過簡單的請求響應(yīng)機制，允許客戶端...

GPT4o多模態(tài)版、Claude3.7、Gemini2.5三大頂流AI最新完整版系統(tǒng)提示詞。通過這些AI大模型的系統(tǒng)提示詞，我們能夠清晰地了解各個AI的獨特特性、核心優(yōu)勢以及強大功能，為我們選擇、應(yīng)用、和研發(fā)提供一個寶貴的參考！1.GPT4o多模態(tài)版系統(tǒng)提示詞如果開啟「memory」記憶功能，ChatGPT在聊天中記錄兩方面的主要信息：和用戶相關(guān)的個人信息。比如性別、性格、表達(dá)風(fēng)格、家庭、工作情況等等。最近的聊天記錄。比如最近10次和ChatGPT聊...

在數(shù)據(jù)應(yīng)用場景中，數(shù)據(jù)源屬于數(shù)據(jù)管理是非常的一個環(huán)節(jié)，包括數(shù)據(jù)源、數(shù)據(jù)集成、生命周期、數(shù)據(jù)地圖、數(shù)據(jù)標(biāo)注、數(shù)據(jù)安全、主數(shù)據(jù)等等等，數(shù)據(jù)管理也是整個數(shù)據(jù)治理體系中最核心的部分之一，面向智算領(lǐng)域的數(shù)據(jù)能力，對于AI數(shù)據(jù)治理會有一些新的挑戰(zhàn)。在過去數(shù)十年的大數(shù)據(jù)領(lǐng)域發(fā)展過程中，結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化數(shù)據(jù)處理都是其中絕對的主角，結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)由業(yè)務(wù)流程產(chǎn)生，與商業(yè)價值高度相關(guān)，這些數(shù)據(jù)與企業(yè)的流程業(yè)...

一、卷積神經(jīng)網(wǎng)絡(luò)（CNN）：視覺特征的自動提取器技術(shù)原理CNN通過模擬人類視覺系統(tǒng)的層級特征提取機制，利用卷積層、池化層和全連接層逐層抽象圖像特征：卷積層：通過濾波器（如3×3矩陣）對輸入圖像進(jìn)行滑動窗口式計算，捕捉局部特征（如邊緣、紋理）。池化層：通過降采樣（如最大池化）減少參數(shù)數(shù)量，增強平移不變性。全連接層：將高層特征映射到分類或回歸任務(wù)。發(fā)展歷程LeNet5（1998）：首次將CNN應(yīng)用于手寫數(shù)字識別，奠定基...

現(xiàn)在很多人讓大模型調(diào)用外部工具，最常見的做法就是FunctionCalling。乍一看，能調(diào)起來沒問題。但真要接多個服務(wù)、跑一個完整流程，F(xiàn)unctionCalling就顯得太粗糙了——定義繁瑣、結(jié)構(gòu)不統(tǒng)一、模型換一個就得重寫一遍。本質(zhì)上，它解決的只是“能不能調(diào)用”，但沒解決“怎么標(biāo)準(zhǔn)、高效地調(diào)用”。而MCP出現(xiàn)，就是為了解決這個“工程化不成體系”的問題。我認(rèn)為FunctionCalling更像是“你教模型怎么用某個函數(shù)”；而MCP，是“你把這...

出品51CTO技術(shù)棧（微信號：blog51cto）昨天晚上，“DeepSeekR2提前泄露”的傳言刷屏AI圈，原因盡然來自HuggingFaceCEO在推特的一條帖子，引發(fā)全網(wǎng)猜測。帖子表達(dá)的信息有些晦澀：三個眼睛表情，配上了DeepSeek在HuggingFace的倉庫鏈接（https:huggingface.codeepseekai）以及相關(guān)配圖。網(wǎng)友難免會聯(lián)想猜測：也許DeepSeekR2即將上線發(fā)布。緊接著就是各種有關(guān)DeepSeekR2的離譜謠言：一位X用戶“預(yù)告”：“DeepseekR2明天或周三發(fā)...

出品51CTO技術(shù)棧（微信號：blog51cto）2個多小時前，OpenAICEO奧特曼發(fā)推表示：最新版GPT4o在最近幾次更新后出現(xiàn)了“過度諂媚”的交互個性傾向（即使其中有好的部分），并承諾將盡快在一周內(nèi)推出修復(fù)方案。自3月27日吉卜力風(fēng)格大火以來，GPT4o在4月25日也迎來了新一波的更新，重點改進(jìn)其記憶存儲時機的選擇機制，并顯著增強其在科學(xué)、技術(shù)、工程及數(shù)學(xué)（STEM）領(lǐng)域的問題解決能力。OpenAI在此期間對GPT4o的對話響應(yīng)模式進(jìn)行了細(xì)...

文章鏈接：https:arxiv.orgpdf2504.02828項目鏈接：https:peterljq.github.ioprojectcolanGit鏈接：https:github.competerljqConceptLancet亮點直擊提出CoLan框架一個零樣本即插即用的框架，用于在基于擴(kuò)散的圖像編輯中解釋和操作稀疏概念表示。該框架可以精確控制概念移植的幅度，實現(xiàn)高質(zhì)量的圖像編輯。構(gòu)建CoLan150K概念詞典收集了包含多樣化視覺概念的CoLan150K數(shù)據(jù)集，并計算對應(yīng)的概念向量詞典（文本嵌入或評分空間），為...

背景信息近期前線人員反饋，在使用問答系統(tǒng)處理PPT文件時回答效果不佳。經(jīng)查發(fā)現(xiàn)，用戶上傳的PPT內(nèi)容多為圖文混排形式，包含大量圖像和統(tǒng)計圖表。用戶提問主要聚焦于圖表數(shù)據(jù)及其相互關(guān)系。我這里隨意在網(wǎng)上找了一個PPT做嘗試，這個PPT有一張圖如下所示：提問："2017年大數(shù)據(jù)開發(fā)人數(shù)比2016年增加了還是減少了，具體增加或減少了多少人？"系統(tǒng)返回：根據(jù)提供的資源數(shù)據(jù)，2017年大數(shù)據(jù)開發(fā)職位的招聘人數(shù)大幅增加。具體來說，201...

在多模態(tài)學(xué)習(xí)領(lǐng)域，視覺語言模型（VLMs）的飛速發(fā)展讓我們看到了不同模態(tài)之間融合的巨大潛力。然而，盡管取得了顯著的進(jìn)步，這些模型大多集中在短文本任務(wù)上，對于長文本的理解能力卻始終是它們的“軟肋”。尤其是在處理長視頻理解和高分辨率圖像視頻理解時，如何有效處理擴(kuò)展的視覺上下文，依然是一個亟待解決的難題。長文本理解的困境與挑戰(zhàn)長文本理解的不足，很大程度上是因為現(xiàn)有的視覺語言模型在數(shù)據(jù)集構(gòu)建、架構(gòu)設(shè)計、訓(xùn)...

在當(dāng)今信息爆炸的時代，快速準(zhǔn)確地獲取知識變得尤為重要。傳統(tǒng)的問答系統(tǒng)雖然能夠處理一些簡單問題，但在面對復(fù)雜問題時往往顯得力不從心。為了解決這一痛點，我們開發(fā)了一款基于LangGraph的RAG多智能體工具，它能夠高效地處理復(fù)雜問題，整合多源信息，并通過迭代步驟得出精準(zhǔn)答案。今天，就讓我們深入了解一下這個強大的工具。一、引言：從簡單的RAG到智能的多智能體RAG在項目開發(fā)初期，我們發(fā)現(xiàn)傳統(tǒng)的“簡單RAG”方法存在諸多...

在人工智能飛速發(fā)展的今天，多模態(tài)學(xué)習(xí)正逐漸成為研究的熱點領(lǐng)域。視覺語言模型（VLMs）作為其中的重要分支，已經(jīng)在圖像和視頻的整體描述生成方面取得了令人矚目的成就。然而，當(dāng)我們試圖讓這些模型對圖像或視頻中的特定區(qū)域進(jìn)行詳細(xì)描述時，卻常常發(fā)現(xiàn)它們的表現(xiàn)不盡如人意。這種局限性在視頻數(shù)據(jù)中尤為明顯，因為視頻不僅需要處理空間信息，還要考慮時間動態(tài)。幸運的是，NVIDIA最新發(fā)布的DescribeAnything3B（DAM3B）模型，為...

使用DockerModelRunner在本地運行Gemma3，開發(fā)人員能夠?qū)崿F(xiàn)私有且高效的GenAI開發(fā)——快速設(shè)置、離線推理和完全控制。如今，對本地化開發(fā)生成式人工智能（GenAI）的需求正在快速增長。開發(fā)人員在自己的基礎(chǔ)設(shè)施上運行大型語言模型（LLM）能夠確保隱私性、靈活性和成本效益。隨著Gemma3的發(fā)布及其與DockerModelRunner的無縫集成，開發(fā)人員可以完全在本地服務(wù)器上實驗、微調(diào)和部署GenAI模型。本文將探討如何使用Docker在本地設(shè)置...

來了！文心大模型4.5今日如期上線。同時，百度還意外的帶來了自家的深度思考模型文心X1。文心大模型4.5是百度的新一代原生多模態(tài)基礎(chǔ)大模型，多模態(tài)理解能力優(yōu)秀，理解、生成、邏輯、記憶能力全面提升，多項基準(zhǔn)測試成績優(yōu)于GPT4.5、DeepSeekV3，API價格僅GPT4.5的1%。多模態(tài)能力文本能力文心大模型X1是首個自主運用工具的深度思考模型，具備更強的理解、規(guī)劃、反思、進(jìn)化能力，效果對標(biāo)DeepSeekR1，API價格僅R1一半。目前，2款...

0前言誠信難的當(dāng)下，商品評論已成連接買家賣家的重要橋梁。2022年全球主要電商平臺平均每件商品收到約50條評論，熱門商品評論數(shù)更輕松突破千條。充分體現(xiàn)商品評論在電商體系地位。1商品評論的意義Infographic:Howconsumersreadandwritelocalbusinessreviews：1.1對買家其他消費者的真實體驗和反饋往往是做出購買決策的關(guān)鍵因素。研究顯示，超過95%的在線用戶會在做出購買決定前閱讀商品評論。平均每次購物之間會查看至少10行評...

Phantom是一個統(tǒng)一的視頻生成框架，適用于單主題和多主題參考，基于現(xiàn)有的文本轉(zhuǎn)視頻和圖像轉(zhuǎn)視頻架構(gòu)構(gòu)建。它通過重新設(shè)計聯(lián)合文本圖像注入模型，利用文本圖像視頻三元組數(shù)據(jù)實現(xiàn)跨模態(tài)對齊。此外，它在人物生成中強調(diào)主題一致性，同時增強了身份保留視頻生成。相關(guān)鏈接論文：https:arxiv.orgabs2502.11079代碼：https:github.comPhantomvideoPhantom主頁：https:phantomvideo.github.ioPhantomComfyUI:https:github.comkijaiC...

大語言模型（LLM）的飛速發(fā)展正深刻改變著我們與信息和技術(shù)交互的方式（想想大家有多久不用傳統(tǒng)搜索引擎了）。它們展現(xiàn)出的能力令人矚目，但要驅(qū)動它們超越模仿，在復(fù)雜推理、規(guī)劃和解決未知問題等層面達(dá)到更高的“智能”水平，傳統(tǒng)的預(yù)訓(xùn)練（Pretrain）和監(jiān)督微調(diào)（SFT）范式顯得力有不逮。強化學(xué)習(xí)（RL），特別是結(jié)合人類或規(guī)則反饋的RLHFRL，已成為關(guān)鍵的引擎，推動LLM智能向更高層級躍遷。RL的核心在于賦予模型一種“目標(biāo)導(dǎo)...

4月26日，清華大學(xué)人工智能醫(yī)院正式揭牌，標(biāo)志著全球首個“AI+醫(yī)療+教育+科研”生態(tài)閉環(huán)的實體化醫(yī)療新物種誕生。這家醫(yī)院顛覆傳統(tǒng)“醫(yī)院+AI”模式，從底層設(shè)計融入AI智能體功能，依托紫荊AI醫(yī)生內(nèi)測系統(tǒng)，通過虛擬醫(yī)院加速AI醫(yī)生進(jìn)化。在清華AI醫(yī)院的實踐中，算力是驅(qū)動醫(yī)療模式變革的核心引擎：清華人工智能醫(yī)院從底層設(shè)計融入了AI智能體，覆蓋診前、診斷、治療、康復(fù)全流程。其核心系統(tǒng)“紫荊AI醫(yī)生”基于“閉環(huán)式”醫(yī)療虛擬...

嘿，各位AI圈的弄潮兒們！最近有沒有被OpenAI的新動作刷屏？沒錯，繼那個像章魚哥一樣全能的GPT4o之后，OpenAI又悄無聲息地丟下了一顆重磅炸彈——全新的圖像生成模型GPTimage1！這可不是簡簡單單的DALL·E升級版，它可是原生多模態(tài)、API優(yōu)先，直指專業(yè)級圖像生成市場的新選手。作為一名AI領(lǐng)域的文章創(chuàng)作者，我可是第一時間就扒來了各種公開信息，今天就來給大家全方位解析一下這位新伙伴到底有啥本事！1.它來了，帶著GPT4o的多...