社會涌現(xiàn)的研究是社會科學的核心，傳統(tǒng)的基于規(guī)則的代理模型（ABMs）難以捕捉人類行為的復雜性和多樣性。大型語言模型（LLMs）作為模擬工具，能夠更好地反映認知偏差和情感波動，適用于社會科學和角色扮演應用。TwinMarket是一個新穎的多代理框架，利用LLMs模擬股票市場中的投資者行為，強調(diào)微觀行為如何驅(qū)動宏觀市場動態(tài)。TwinMarket采用信念欲望意圖（BDI）框架，提供透明的代理認知過程建模，并研究信息傳播和社會影響的動態(tài)...

在當前生成式模型與信息檢索技術(shù)快速發(fā)展的背景下，如何有效結(jié)合二者，提升問答系統(tǒng)的準確性與實用性成為技術(shù)探索的焦點。為了尋找最佳解決方案，我嘗試了18種不同的RAG（RetrievalAugmentedGeneration）技術(shù)，從最基礎(chǔ)的方法到復雜的多模型融合。經(jīng)過大量實驗，數(shù)據(jù)表明AdaptiveRAG憑借動態(tài)調(diào)整策略和出色的檢索效果，以最高得分0.86成為本次實驗中的大贏家。接下來，我將詳細介紹每種RAG技術(shù)的核心思想、實現(xiàn)細節(jié)以及優(yōu)缺點，...

LightGBM是一個快速、高效的梯度提升框架，他由微軟開發(fā)，在數(shù)據(jù)挖掘和機器學習領(lǐng)域應用廣泛。接下來詳細介紹下他的原理1.梯度提升框架：LightGBM基于梯度提升決策樹（GBDT）算法，通過迭代地訓練決策樹來逐步減少預測誤差。它將弱學習器（如決策樹）組合成一個強學習器，不斷地根據(jù)之前模型的誤差來調(diào)整新模型的訓練，從而提高整體模型的準確性。舉例：假設(shè)有一個預測房價的任務(wù)，我們有一些房屋的特征數(shù)據(jù)，如面積、房間數(shù)、...

AutoAgent是將智能體開發(fā)過程從傳統(tǒng)的編程模式轉(zhuǎn)變?yōu)橐环N自然語言驅(qū)動的自動化過程。通過模擬現(xiàn)代計算機操作系統(tǒng)的工作方式，將復雜的智能體開發(fā)任務(wù)分解為多個模塊化的組件通過自然語言接口實現(xiàn)這些組件之間的交互和協(xié)調(diào)。這種方法不僅降低了智能體開發(fā)的門檻，還提高了開發(fā)效率和系統(tǒng)的靈活性。AutoAgent架構(gòu)AutoAgent框架基于其四個關(guān)鍵組件：智能體系統(tǒng)工具（AgenticSystemUtilities）提供了基礎(chǔ)的多智能體架構(gòu)，其中包含專...

在現(xiàn)實世界，地圖導航服務(wù)作為連接虛擬與現(xiàn)實世界的關(guān)鍵紐帶，正變得愈發(fā)重要。MCP（ModelContextProtocol）協(xié)議的出現(xiàn)，為地圖服務(wù)與AI大模型的深度融合提供了全新的契機。近期，百度、高德、騰訊這三大地圖服務(wù)巨頭紛紛在MCPServer領(lǐng)域發(fā)力，推出了一系列創(chuàng)新功能與服務(wù)，為開發(fā)者和企業(yè)帶來了前所未有的便利與機遇。首先是這三家的MCPServer介紹。百度地圖MCPServer：持續(xù)拓展功能邊界作為國內(nèi)首家兼容MCP協(xié)議的地圖服務(wù)商，...

我們都知道智能體開發(fā)的平臺非常多，Dify是開源的智能體開發(fā)平臺中用戶比較多的一款。但是跟Coze平臺相比，很多想使用Dify的用戶，第一個難關(guān)就是Dify的本地部署。很多小白可能對Linux、Docker一竅不通，所以我之前寫過一篇怎么借助WSL完成windows下Dify的部署，其實沒有解決痛點，Dify的主要用戶還是只局限于程序員這個群體。?為了能夠更好的完成智能體的科普，讓更多人無門檻使用Dify這種開源的智能體開發(fā)平臺，經(jīng)過這兩天的...

隨著生成式人工智能（GenAI）的迅猛發(fā)展，基于大模型的應用已經(jīng)悄然融入我們的日常工作和生活，它們在眾多領(lǐng)域顯著提升了生產(chǎn)力和工作效率。為了更便捷地構(gòu)建這些基于大模型的應用程序，開源社區(qū)和產(chǎn)品開發(fā)者們正以前所未有的速度推進創(chuàng)新。在這些創(chuàng)新中，面向智能體（Agent）的應用，即所謂的AgenticAI，已經(jīng)嶄露頭角，成為近年來生成式AI系統(tǒng)中最具潛力的領(lǐng)域。眾多構(gòu)建智能體應用的框架如雨后春筍般涌現(xiàn)，為開發(fā)者提供了強大...

本文首先介紹模型上下文協(xié)議（MCP）的系統(tǒng)構(gòu)架，然后基于MCP+LangChain+LangGraph組合框架開發(fā)了一個比較完整的基礎(chǔ)代理客戶端。簡介什么是模型上下文協(xié)議（ModelContextProtocol）？讓我們深入了解MCP背后的概念。以下是官方MCP文檔對MCP的介紹：“MCP是一種開放協(xié)議，它標準化了應用程序向LLM提供上下文的方式?？梢詫CP視為AI應用程序的USBC端口。正如USBC提供了一種將你的設(shè)備連接到各種外圍設(shè)備和配件的標準化方式一樣，M...

MCP、RAG、Agent這些概念最近熱度飆升，成了AI領(lǐng)域的熱門話題。然而，我發(fā)現(xiàn)身邊不少朋友對這些概念還是一知半解。為了幫助大家更好地理解，精心繪制了12張簡單易懂的架構(gòu)圖解。這些架構(gòu)圖解涵蓋了從MCP的提示混合機制，到RAG的知識檢索增強，再到Agent的自主決策框架等多個方面。1、MCP、RAG、Agent概念與關(guān)系第一、核心概念1.RAG（檢索增強生成）定義：RAG將信息檢索與文本生成相結(jié)合，創(chuàng)造更準確、信息更充分的回應。功能：...

作者：艾薩克·舒爾茨，來源：gizmodo.com由數(shù)百名人工智能研究人員組成的小組表示，目前該領(lǐng)域正在以錯誤的方式追求通用人工智能。這一見解是在人工智能促進協(xié)會(AAAI)的2025年人工智能研究未來總統(tǒng)小組會議上披露的。這份《AAAI2025人工智能研究未來研究報告》由24名人工智能研究人員共同編寫，他們的專業(yè)知識涵蓋人工智能基礎(chǔ)設(shè)施現(xiàn)狀和人工智能的社會方面。該報告包括每個部分的主要內(nèi)容，以及社區(qū)意見部分，受訪者被問及對...

簡介使用協(xié)程調(diào)用DeepSeek的API，發(fā)現(xiàn)效果并不明顯，沒有加速的效果。但如是本地部署DeepSeek，本地部署需要支持異步調(diào)用，我使用llamafactory部署，發(fā)現(xiàn)協(xié)程加速的效果還是很顯著的。代碼實戰(zhàn)調(diào)用官方APIDeepSeek官方文檔https:apidocs.deepseek.comzhcnpython的調(diào)用代碼如下，該調(diào)用方式為同步調(diào)用速度很慢。PleaseinstallOpenAISDKfirst:pip3installopenaifromopenaiimportOpenAIclientOpenAI(apikey"<DeepSeekAPIKey>",base...

技術(shù)背景NL2SQL的發(fā)展與挑戰(zhàn)自然語言到SQL的轉(zhuǎn)換任務(wù)，旨在讓用戶能夠用日常的自然語言從數(shù)據(jù)庫中獲取所需數(shù)據(jù)，而無需掌握復雜的SQL語言。隨著大語言模型（LLMs）的興起，這一領(lǐng)域取得了顯著進展。像GPT4這樣強大的LLMs出現(xiàn)后，催生出了CHASESQL和XiYanSQL等先進框架，它們在性能上達到了新的高度。但這些基于LLMs的方法存在明顯的局限性。主流方法大多依賴閉源模型，并且需要調(diào)用外部API，這在醫(yī)療、金融等對數(shù)據(jù)隱私極為敏感...

隨著GPT4O生圖的橫空出世，圖像生成領(lǐng)域再次掀起了巨浪。許多人猜測其背后運用了自回歸模型，那么自回歸模型究竟是什么？它與擴散模型生圖又有何不同？今天，就讓我們深入探討這兩種模型的奧秘，一窺它們在圖像生成領(lǐng)域的優(yōu)勢與局限，看看誰才是未來圖像生成的真正王者！1.自回歸模型概述1.1定義與原理自回歸模型（AutoregressiveModel，簡稱AR模型）是一種用于時間序列分析和預測的統(tǒng)計模型。它假設(shè)當前值與之前若干個值存在線...

在數(shù)據(jù)科學和機器學習領(lǐng)域，聚類分析是一種重要的無監(jiān)督學習方法，用于發(fā)現(xiàn)數(shù)據(jù)中的潛在模式和結(jié)構(gòu)。高斯混合模型（GaussianMixtureModel，簡稱GMM）作為一種強大的概率模型，在聚類分析中具有廣泛的應用。本文將詳細介紹GMM聚類的算法原理、數(shù)學基礎(chǔ)，并通過一個案例分析展示其實際應用。一、GMM算法簡介高斯混合模型（GMM）是一種基于概率的聚類方法，假設(shè)數(shù)據(jù)集由多個高斯分布（也稱為“成分”或“簇”）混合生成。與KMeans...

1.LongContextAutoregressiveVideoModelingwithNextFramePrediction在語言生成領(lǐng)域，長上下文自回歸模型已取得顯著進展，但視頻生成卻一直難以有效利用長時間序列信息。為解決這一難題，我們提出了一種名為FrameAutoRegressive的全新視頻生成方法。。FAR借鑒了語言模型逐幀學習的思路，通過捕捉視頻連續(xù)幀之間的時序因果關(guān)系，顯著提升了模型的收斂效率，表現(xiàn)優(yōu)于現(xiàn)有主流方法（如TokenAR和視頻擴散模型）。然而，長視頻生成仍...

RAG（檢索增強生成）是一種很厲害的技術(shù)，能幫助企業(yè)開發(fā)更智能的AI應用。這類AI不僅能結(jié)合實時數(shù)據(jù)，還能利用企業(yè)自己的數(shù)據(jù)，生成更自然、更有互動感的對話。RAG的核心思路是讓AI在回答問題時，不是光靠自己“想”，而是先去查找外部的、可靠的專業(yè)知識，把這些信息當作參考，讓回答更準確、更有依據(jù)。但問題在于，AI找到的資料是否靠譜，直接決定了它給出的答案是否可信。所以，優(yōu)化RAG的搜索過程非常重要，能有效提升AI生成...

RAG標準化流程階段步驟技術(shù)方法索引構(gòu)建（Indexing）文檔分割采用滑動窗口（SlidingWindow）或語義分割算法（如SentenceBERT）進行文本切分，確保每個文本塊（Chunk）具有連貫的語義，同時避免信息缺失；結(jié)合層次分割（HierarchicalChunking）優(yōu)化不同粒度的索引結(jié)構(gòu)，提高檢索匹配度向量編碼使用高效嵌入模型（如OpenAI??textembedding3small??、BGE、E5Large）將文本塊轉(zhuǎn)換為高維向量，確保向量表示具有足夠的語義區(qū)分度...

今天，智譜在中關(guān)村發(fā)布會推出了全球首個能邊想邊干的智能體AutoGLM沉思，它不僅能像人類一樣刷網(wǎng)頁、比價下單，甚至在小紅書孵化了出5000粉的賬號，連打工人的摸魚技能都學會了……作為全球首個實現(xiàn)“感知決策執(zhí)行”閉環(huán)的通用智能體，AutoGLM的突破在于將大語言模型的邏輯推理能力與實時操作系統(tǒng)進行深度融合。過去AI只會傻等指令，現(xiàn)在AutoGLM沉思卻進化出職場老油條級操作。同時，智譜還宣布4月14日開源所有核心模型：320億...

“智能體肯定會成為未來人工智能應用的主要方向，而MCP就是智能體的HTTP，它的影響深遠且長。”大模型技術(shù)的發(fā)展日新月異，但關(guān)于大模型的應用卻步履維艱；自從2024年開始市場開始把大模型應用提上日程，但到底怎么把大模型應用于各行各業(yè)是很多人都在思考的問題。隨著時間的推移，RAG，Agent智能體的概念被提出，特別是智能體技術(shù)被稱為人工智能的未來，也是大模型被應用于其它領(lǐng)域的途徑。但到底怎么打造智能體，卻是業(yè)界一直...

編輯云昭3月31日上午消息，智譜在2025中關(guān)村論壇上發(fā)布最新Agent產(chǎn)品：AutoGLM沉思。作為首個集深度研究能力和操作能力于一體的Agent，AutoGLM沉思能一邊進行復雜思考，一邊執(zhí)行操作。像人類一樣打開并瀏覽網(wǎng)頁，完成從數(shù)據(jù)檢索、分析到生成報告。“沉思”背后的全棧自研智譜CEO張鵬在發(fā)布會上，公布了沉思智能體背后的兩大核心能力：全棧自研模型GLMZ1Air和大模型智能體技術(shù)框架AuoGLM。前者為“沉思”提供了強大推理能力的基...