文章鏈接：https:arxiv.orgpdf2503.21781項目鏈接：https:jasper0314huang.github.iovideomagecustomization亮點直擊提出了VideoMage，一個統(tǒng)一框架，首次實現(xiàn)了針對多個主體身份及其交互運動的視頻概念定制。引入了一種新穎的外觀無關運動學習方法，通過改進負分類器自由引導，解耦潛在的運動模式與外觀之間的關系。開發(fā)了一種時空協(xié)作組合方案，以組合獲得的多主體和運動LoRA，從而生成所需運動模式下連貫的多主體交互。總結...

文章鏈接：https:arxiv.orgabs2503.07027項目鏈接：https:github.comXiaojiuzEasyControl亮點直擊提出了EasyControl，一種面向DiT模型的條件生成新范式。EasyControl中，每個條件通過獨立的條件分支進行處理，該分支通過條件注入LoRA模塊從預訓練DiT模型適配而來。此設計實現(xiàn)了與定制模型的無縫集成，支持靈活的條件注入與多條件高效融合。高效性：框架通過兩項關鍵創(chuàng)新實現(xiàn)高效計算。位置感知訓練范式將輸入條件標準化為固定分...

在當今數(shù)字化時代，AI技術已經(jīng)滲透到我們生活的方方面面，無論是內容創(chuàng)作、教育學習，還是市場營銷，AI都發(fā)揮著巨大的作用。然而，對于許多AI使用者來說，如何高效地管理、優(yōu)化和分享AI提示詞，一直是一個令人頭疼的問題。今天，我要給大家介紹一款專為AI提示詞管理設計的工具——PromptPro。它不僅能幫助你高效管理提示詞，還能讓你的AI創(chuàng)作更加得心應手。PromptPro：AI創(chuàng)作的得力助手PromptPro是一款專為AI提示詞管理設計的工...

這個系列文章旨在為AI代理（AIAgent）提供全面的概述，深入研究其特征，組成部分和類型，同時探索其進化，挑戰(zhàn)和潛在的未來方向。在人工智能飛速發(fā)展的今天，我們常常聽到“AI工作流”和“AI代理”這兩個概念。但你知道它們之間有什么區(qū)別嗎？又該如何選擇適合自己的技術路徑呢？今天，我們就來深入探討一下。一、工作流與代理：到底有什么區(qū)別？（一）定義與區(qū)別在AI的世界里，“代理”（Agent）和“工作流”（Workflow）是兩...

在人工智能的浩瀚海洋里，我們一直在尋找那顆能夠突破極限、整合多種能力的璀璨明珠。如今，GoogleDeepMind帶著它的新寵——Gemini2.5ProExperimental，向我們展示了AI的全新高度。這不僅僅是一個模型的升級，更是AI在推理、編碼和多模態(tài)能力上的一次質的飛躍。今天，就讓我們一起深入探索這個被譽為“最聰明”的AI模型，看看它究竟有何過人之處！一、Gemini2.5Pro：AI的“全能王”在AI的世界里，推理能力是衡量一個模型是否足...

去年在Dify還是0.x版本時，我曾用過一段時間。但就像很多技術愛好者一樣，因為工作變動不得不暫時擱置。最近收到不少讀者咨詢："Dify現(xiàn)在發(fā)展到什么程度了？還值得投入學習嗎？"帶著這些疑問，我重新審視了Dify，發(fā)現(xiàn)其已經(jīng)發(fā)展到1.x版本，從一個"有趣玩具"開始轉變成"生產級工具"。我準備深入研究一下它，并計劃寫一個系列文章，從基礎使用到核心原理，再到個性化定制開發(fā)。今天先為大家?guī)鞤ify的全面介紹，后續(xù)會持續(xù)更新深...

本文介紹如何使用Next.js、OpenAI的GPT和Whisper模型、ApacheKafka和ApacheFlink構建一個由人工智能驅動的LinkedIn帖子生成器。為了普及知識和推廣技術，人工智能專家、本文作者SeanFalconer主持著兩個播客——《SoftwareEngineeringDaily》和《SoftwareHuddle》，并經(jīng)常以嘉賓身份亮相于其他節(jié)目。無論是主持播客還是作為嘉賓，他推廣的節(jié)目都有助于凸顯其精彩的對話內容。然而對他來說，在緊張的工作和生活中騰出時間為每期節(jié)...

編輯｜云昭出品51CTO技術棧（微信號：blog51cto）很突然，Meta人工智能研究副總裁JoellePineau表示下月將離職Meta。就在發(fā)稿7小時前，她在Facebook帖子中宣布了這一消息。Pineau表示，她將在5月離職，此前她已負責管理Meta內部由YannLeCun領導的人工智能研究實驗室FAIR超過兩年。是時候掛上溜冰鞋了！“在Meta工作了近8年之后，是時候說再見了。用蒙特利爾人的話來說，就是“是時候掛上我的溜冰鞋了”。這是一段畢生難忘的職業(yè)...

在人工智能技術日新月異的今天，Embedding模型作為連接非結構化數(shù)據(jù)與機器理解的橋梁，正在悄然重塑知識管理和智能檢索的邊界。本文將帶您深入探索這一技術核心，揭示如何通過精準選型突破知識庫與RAG系統(tǒng)的性能極限。一、Embedding技術1.1從離散符號到連續(xù)空間傳統(tǒng)數(shù)據(jù)處理面臨的根本困境在于：計算機天生擅長處理結構化數(shù)字，而人類信息卻以非結構化形式（文本、圖像、音頻等）自然存在。Embedding技術通過將離散符號映射到連...

在當今數(shù)據(jù)驅動的商業(yè)環(huán)境中，存在著一個矛盾現(xiàn)象：企業(yè)一方面要應對信息過載的問題，另一方面又試圖從海量信息中提取有意義的見解以推動行動，這構成了雙重挑戰(zhàn)。存儲在技術報告、產品文檔、合同和演示文稿幻燈片中的大量商業(yè)知識，都以非結構化格式存在，傳統(tǒng)的數(shù)據(jù)分析系統(tǒng)難以對其進行解讀。包含文本、圖表、圖形和圖像的文檔蘊含著有關業(yè)務流程和決策系統(tǒng)的重要商業(yè)情報，但這些情報大多未被充分利用。想要利用機構知識的...

智能體主要由大語言模型（LLM）+提示詞（Prompt）+知識庫（RAG）+工作流（WorkFlow）+工具（Tools）等若干元素組成。今天我們開啟《人人都會做智能體》公開課第2節(jié)：智能體（Agent）的3種表現(xiàn)類型——聊天助手類型、工作流類型、對話流類型?！副疚呐鋱D主要來源于我的長篇圖文寫作助手」??讓DeepSeek聊天記錄秒變長篇圖文和PPT的智能體，Claude3.7手把手喂飯教程！??與智能體的組成不同，所謂的智能體表現(xiàn)模式，就是智能體...

文章生成的工作流由簡單的大模型直接生成文章改為按章節(jié)段落迭代生成，并在段落生成時由Claude3.7大模型根據(jù)段落內容，直接總結凝練后，繪制成一張張網(wǎng)頁版的PPT配圖，最后再拼成一個完整的網(wǎng)頁。這個工作流還是蠻大的，消耗的token數(shù)量也是肉疼，好在結果讓人欣慰，我們先來看一下智能體的實現(xiàn)效果。怎么樣？效果還是蠻不錯吧，這個智能體能很大程度上解決我們做PPT的一些難點，因為市面上一些做AIPPT的工具，都是直接套的模板...

想象一下十七世紀的歐洲，那是一個思想迷霧重重的時代。古老的經(jīng)院哲學大廈搖搖欲墜，知識的海洋里充滿了相互矛盾的學說和難以證實的觀點。就在這時，勒內·笛卡爾，像一位孤獨的燈塔看守人，點亮了近代哲學的“理性之光”。在他的著作《談談方法》中，他進行了一場驚心動魄的思想遠征：懷疑一切，直至找到那個絕對不可動搖的立足點——“我思故我在”（Cogito,ergosum）。以此為基石，他試圖用嚴謹?shù)姆椒ā⑶逦睦硇裕瑸槿祟?..

“大模型的應用是玩出來的而不是看出來的，多體驗和嘗試不同的模型之間的功能和區(qū)別才能讓你真正了解大模型的能力。”在關于大模型應用方面，雖然也了解和應用過其中的一些技術；但經(jīng)過這段時間的實踐和思考發(fā)現(xiàn)，對大模型應用的認識還很淺顯，因此在此記錄一下自己的思考。大模型應用的思考大模型作為人工智能應用的底座技術，所有應用場景和技術都是構建在大模型之上；但很多時候我們都搞錯了一件事，那就是我們沒有搞清楚大...

“意圖識別不準確只是智能體應用過程中的一個問題，在實際操作中還會有其它更多的問題存在；因此，我們不能太信任技術本身，而是需要完善的解決方案去規(guī)避技術風險。”最近在研究大模型智能體也就是Agent的過程中，遇到了一個很嚴重的問題，直接影響到Agent的質量和效果；那就是意圖識別不準確，也可以說是Agent的幻覺問題。其產生的原因就在于大模型有時無法準確識別出用戶意圖，無法準確調用相應的函數(shù)。意圖識別不準確現(xiàn)在大...

隨著科技的飛速發(fā)展，人工智能生成內容（AIGC）技術在設計行業(yè)的應用日益廣泛，引發(fā)了廣泛的討論和關注。AIGC以其高效、多樣化的生成能力，為設計行業(yè)帶來了前所未有的變革。然而，關于AIGC是否能替代真正的設計師，這一話題至今仍存爭議。AIGC對設計行業(yè)的影響AIGC技術的出現(xiàn)，無疑為設計行業(yè)帶來了深遠的影響。它極大地提高了設計效率。傳統(tǒng)的設計過程中，設計師需要花費大量時間在繪圖、修改和完善設計方案上，而AIGC技術則...

筆者在前期文章中總結了RAG的分塊《??RAG常見13種分塊策略大總結（一覽表）??》，本文介紹一個語義分段的工作，該工作解決的問題是文本語義分割，即將文檔分割成多個具有連續(xù)語義的段落。傳統(tǒng)方法通常依賴于預處理文檔以分段來解決輸入長度限制問題，但這會導致段間關鍵語義信息的丟失。RAG系統(tǒng)中的文本分塊方法主要分為基于規(guī)則和基于LLM的方法。插入一個思路，其實，語義分段的方式筆者在很早實踐過一個思路，不管是RAG分...

公式識別是文檔智能解析中的重要一環(huán)，本文筆者將介紹筆者自己的工作，供參考。問題陳述與動機核心問題：當前的數(shù)學表達式識別（MER）模型難以處理復雜公式中的層次結構和細粒度細節(jié)。數(shù)學公式是邏輯的建筑藍圖——它們在求和符號中嵌套分數(shù)，在行文中堆疊矩陣，并分支為條件分段函數(shù)。然而，盡管數(shù)學公式具有復雜的結構，當前的數(shù)學表達式識別（MER）模型甚至難以可靠解析中等復雜度的表達式。試想：當公式的視覺密度增加時，...

MCP全稱是ModelContextProtocol，也就是模型上下文協(xié)議?？蓜e小瞧它，它可不是“另一個類似API的東西”，要是你這么想，那說明還沒真正get到它的精髓。說起傳統(tǒng)API，大家應該不陌生。它就像一套固定的工具套裝，通過固定和預定義的端點來提供功能，像常見的products（產品相關接口）、orders（訂單接口）、invoices（發(fā)票接口）這些。但這也帶來了不少麻煩。比如說，你想給API添加新功能，就得新建端點或者修改現(xiàn)有端點。這一改...

摘要人工智能通過大型語言模型（LLMs）顯著改變了醫(yī)療保健領域，尤其在靜態(tài)醫(yī)學問答基準測試中表現(xiàn)出色。然而，由于醫(yī)患互動的復雜性，評估LLMs在現(xiàn)實世界臨床應用的潛力仍然具有挑戰(zhàn)性。為此，我們引入了“人工智能醫(yī)院”這一多智能體框架，模擬醫(yī)生（玩家）與包括患者和檢查員在內的非玩家角色（NPCs）之間的動態(tài)醫(yī)療互動。這種設置允許在模擬的臨床場景中更實際地評估LLMs的表現(xiàn)。我們開發(fā)了“多視圖醫(yī)療評估”（MVME）基準...