凌晨1點，OpenAI的技術(shù)直播再次點燃了AI圈的熱情！這一次，OpenAI帶來了三款全新的語音模型，專為開發(fā)語音AIAgent而生。無論是開發(fā)者還是普通用戶，這場直播都值得你關(guān)注。相關(guān)地址API地址：https:platform.openai.comdocsguidesaudio展示地址：https:www.openai.fm三款語音模型，各有所長OpenAI此次發(fā)布的三款語音模型分別是：GPT4oTranscribe、GPT4MiniTranscribe和GPT4oMiniTTS。它們各司其職，為語音AIAgent的開發(fā)提供了強...

在人工智能的浪潮中，每一次技術(shù)的突破都可能引發(fā)行業(yè)的巨變。2024年11月，Anthropic推出了一項名為MCP（ModelContextProtocol）的開放協(xié)議，這一協(xié)議旨在為大型語言模型（LLM）與外部數(shù)據(jù)和行為的連接提供一個通用的開放標(biāo)準(zhǔn)。今天，我們就來深入探討MCP的架構(gòu)、功能及其對未來AI發(fā)展的潛在影響。MCP的核心架構(gòu)MCP的設(shè)計理念是通過一個開放的協(xié)議，為外部工具或數(shù)據(jù)源提供與LLM交互的統(tǒng)一接口。其系統(tǒng)架構(gòu)主要包含以下幾個關(guān)鍵...

文章鏈接：https:arxiv.orgpdf2503.12885項目鏈接：https:limuloo.github.ioDreamRenderer亮點直擊DreamRenderer，一種無需訓(xùn)練的方法，使用戶能夠在深度條件或邊緣條件生成中控制每個區(qū)域和實例的生成內(nèi)容。引入了一種新穎的HardTextAttributeBinding（硬文本屬性綁定）技術(shù)，確保文本嵌入在聯(lián)合注意力過程中綁定正確的視覺屬性。針對多實例生成，首次深入分析了FLUX模型中每一層的隱空間功能，明確了哪些層處理全局操作，哪些...

論文全文：https:arxiv.orgabs2503.14501項目主頁：https:github.comMiaoQiaoweiAwesome4D4D生成：AIGC領(lǐng)域的新革命！擴散模型已經(jīng)在2D、視頻乃至3D內(nèi)容生成方面取得了巨大成功，而現(xiàn)在，研究人員的目光已轉(zhuǎn)向4D生成，通過多樣化的控制條件生成時空一致性4D資產(chǎn)。讓用戶可以身臨其境創(chuàng)造、操控自己的4D世界，體驗如電影《頭號玩家》中描繪的沉浸式元宇宙！本文全面綜述了4D生成領(lǐng)域，系統(tǒng)性地總結(jié)了其基礎(chǔ)技術(shù)、發(fā)展脈絡(luò)、面臨...

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??上一篇文章??中，我們深入探討了AI智能體的特性、組成、演變、挑戰(zhàn)以及未來可能性。今天，我們要更進一步，手把手教你用Python從零搭建一個AI智能體。這個智能體可以根據(jù)用戶輸入做出決策，選擇合適的工具，并執(zhí)行相應(yīng)任務(wù)。話不多說，讓我們立刻開始吧！一、什么是AI智能體？簡單來說，AI...

每年的英偉達GPU技術(shù)大會（GTC）都是AI領(lǐng)域的重頭戲，全球的科技從業(yè)者、投資者和愛好者們都翹首以盼，希望從中窺探到人工智能未來的方向。今年的GTC2025更是備受矚目，英偉達CEO黃仁勛在會上一口氣拋出了諸多重磅消息，從新一代AI芯片到機器人領(lǐng)域的突破，從軟件平臺的升級到跨行業(yè)的技術(shù)合作，可以說是一場科技盛宴。然而，令人意外的是，這場盛會之后，英偉達的股價卻遭遇了“滑鐵盧”，這讓很多人不禁疑惑：英偉達到底怎么...

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。在科技飛速發(fā)展的今天，人工智能（AI）已經(jīng)從一個遙遠的概念逐漸走進我們的生活。而隨著大語言模型（LLM）的出現(xiàn)，AI的發(fā)展更是迎來了巨大的飛躍。這些強大的系統(tǒng)徹底改變了自然語言處理的方式，但它們的真正潛力，卻是在與“自主性”相結(jié)合時才被完全釋放。今天，就讓我們一起深入探索AI智能體的...

“任何一項技術(shù)的出現(xiàn)，都需要長時間的研究和積累才有可能小有成就；而且學(xué)習(xí)需要講究方式方法，而不是想到那學(xué)到哪。”最近一年多來開始轉(zhuǎn)行做人工智能，從剛開始一點都不懂的小白到現(xiàn)在對人工智能有了初步的認識；中間過程可以說是相當(dāng)不容易。因此，經(jīng)過這段時間的應(yīng)用和學(xué)習(xí)，也慢慢有了一點心得體會，因此在此記錄一下。人工智能心得體會關(guān)于什么是人工智能，什么是機器學(xué)習(xí)，什么是神經(jīng)網(wǎng)絡(luò)，什么是大模型，以及各種模型...

++在數(shù)字經(jīng)濟高速發(fā)展的今天，算力已成為驅(qū)動社會進步的核心引擎。從智慧城市的實時交通調(diào)度到工廠車間的智能質(zhì)檢，從醫(yī)療影像的AI輔助診斷到元宇宙的沉浸式體驗，算力正在以全場景融入的方式重塑人類社會的運行邏輯++。IDC數(shù)據(jù)顯示，全球算力市場規(guī)模預(yù)計在2025年突破2000億美元，而中國算力產(chǎn)業(yè)正以年均30%的增速領(lǐng)跑全球。這場靜默的革命背后，是算力應(yīng)用場景的多元化拓展與生態(tài)體系的協(xié)同進化共同織就的數(shù)字化圖景。一、全...

編輯伊風(fēng)出品51CTO技術(shù)棧（微信號：blog51cto）深夜，騰訊開直播發(fā)布了T1的正式版。騰訊在架構(gòu)上大膽棄用了Transformer，首個基于混合Mamba架構(gòu)的超大型推理模型就誕生了！這樣做有啥好處呢：簡單地說，混合Mamba架構(gòu)通過降低計算復(fù)雜度、緩存占用，同時發(fā)揮其在處理長序列和捕捉復(fù)雜上下文方面的優(yōu)勢，成功應(yīng)對了大規(guī)模強化學(xué)習(xí)訓(xùn)練的挑戰(zhàn)，顯著提升了系統(tǒng)的整體效率和吞吐量。還實現(xiàn)了實現(xiàn)了訓(xùn)練跟推理成本的雙下降！從此，模...

本文對代理知識蒸餾中的金字塔搜索方法進行了深入分析，并通過實際案例展示了基于這種技術(shù)可以較好地克服文檔提取和RAG策略失敗問題。簡介當(dāng)下，許多生成式AI應(yīng)用場景仍然圍繞檢索增強生成（RAG）展開，但始終未能滿足用戶的期望。盡管對RAG改進的研究越來越多，甚至在流程中添加了代理技術(shù)，但許多解決方案仍然無法返回詳盡的結(jié)果，遺漏了文檔中很少提及的關(guān)鍵信息，需要多次搜索迭代，并且通常難以協(xié)調(diào)多個文檔中的關(guān)鍵主題。...

位置編碼（PostitionalEncoding）是Transformer架構(gòu)中的關(guān)鍵技術(shù)之一。不同于卷積神經(jīng)網(wǎng)絡(luò)利用局部感受野、共享權(quán)重和池化操作等機制，可以自然地感受輸入數(shù)據(jù)的空間位置信息，也不同于循環(huán)神經(jīng)網(wǎng)絡(luò)憑借循環(huán)結(jié)構(gòu)和隱藏狀態(tài)的記憶與更新機制，能夠隱式地捕捉輸入序列中的時間順序信息，Tranformer架構(gòu)并未顯式地建模輸入序列中的絕對或相對位置信息，故需通過位置編碼技術(shù)顯式地注入位置信息，以使模型能更好地理解序列中不同位...

EfficientPersonalizationofQuantizedDiffusionModelwithoutBackpropagation20250319｜SNU,INMC&IPAI??18???http:arxiv.orgabs2503.14868v1????????https:huggingface.copapers2503.14868????????https:ignoww.github.ioZOODiPproject???研究背景與意義當(dāng)前擴散模型在圖像生成領(lǐng)域表現(xiàn)出色，但其訓(xùn)練、微調(diào)和推理過程需要大量的計算和內(nèi)存資源。盡管量化技術(shù)成功減少了推理時的內(nèi)存使用，但訓(xùn)練和微調(diào)這...

背景大型語言模型（LLMs）如GPT4和LLaMA3憑借Transformer架構(gòu)的強大情境學(xué)習(xí)（InContextLearning,ICL）能力，能夠從有限的示例中快速學(xué)習(xí)并適應(yīng)新任務(wù)。然而，ICL的泛化邊界和脆弱性一直缺乏系統(tǒng)性的理解，這限制了其在實際應(yīng)用中的潛力發(fā)揮。清華大學(xué)的研究團隊通過定義一個以任務(wù)為中心的框架，從三個維度系統(tǒng)地研究了Transformer架構(gòu)在ICL下的泛化能力，并提出了優(yōu)化訓(xùn)練數(shù)據(jù)設(shè)計的重要指導(dǎo)原則。研究框架：三維泛化能力分析...

融合地理定位與對話能力的新型多模態(tài)模型圖像地理定位技術(shù)在過去幾年取得了顯著進展，但傳統(tǒng)模型僅限于提供GPS坐標(biāo)，缺乏對位置的深入理解和與用戶進行有意義對話的能力。中佛羅里達大學(xué)的研究團隊最近提出了一種創(chuàng)新解決方案——GAEA（GeolocationAwareConversationalModel），這是首個將精確地理定位能力與豐富對話功能相結(jié)合的開源多模態(tài)模型。GAEA不僅能確定圖像的拍攝位置，還能提供關(guān)于該位置的詳細信息，包括附近的地標(biāo)...

我們在寫Prompt可能經(jīng)常遇到不準(zhǔn)確或者無法獲得外部知識，因此本文講述CoT和ReAct如何運作并提高大語言模型準(zhǔn)確性。第一部分：CoT（思維鏈）1、什么是CoT通用的Prompt：問題：Roger有5個網(wǎng)球。他買了2罐網(wǎng)球。每罐有3個網(wǎng)球。他現(xiàn)在有多少個網(wǎng)球？答案：答案是11個。問題：自助餐廳有23個蘋果。如果他們用了20個來做午餐，又買了6個，他們現(xiàn)在有多少個蘋果？輸出答案：答案是29個。CoT的Prompt：問題：Roger有5個網(wǎng)球。他買了2...

AI智能體（AIAgent）近年來發(fā)展迅猛，展現(xiàn)出廣闊的應(yīng)用前景和巨大的商業(yè)潛力。不少優(yōu)秀企業(yè)也都推出了自己的AI智能平臺，每一家都各具特色，可滿足不同用戶的需求。本文將深入對比三大熱門智能體平臺：Dify、Coze和AWSAIAgent，幫助選型人員快速了解各自的優(yōu)勢和適用場景。1、Dify：國際化開發(fā)者的高效平臺Coze由字節(jié)跳動推出，主打低門檻、強對話體驗，適合C端用戶常用的對話類應(yīng)用場景，如客服和語音助手。該平臺功能全面，涵...

強化學(xué)習(xí)代表了我們對人工智能思考方式的深刻轉(zhuǎn)變——從僅僅識別模式的系統(tǒng)，轉(zhuǎn)變?yōu)橥ㄟ^交互學(xué)習(xí)并通過經(jīng)驗改進的智能體。正如我們將在本系列中看到的，這種范式正在推動當(dāng)今一些最令人印象深刻的人工智能成就，并開辟機器學(xué)習(xí)研究的新前沿。強化學(xué)習(xí)的基礎(chǔ)擊敗圍棋世界冠軍的算法可不只是按程序設(shè)定運行，它還會學(xué)習(xí)。在復(fù)雜城市環(huán)境中自動駕駛的汽車，并非遵循著明確指令，而是在不斷適應(yīng)。重塑我們數(shù)字體驗的突破性語言模型...

送孩子上補習(xí)班的路上，孩子突然和我說起來白馬是不是馬的問題。我驚異于這個問題的來源，她說是看到了雜志上關(guān)于公孫龍子的“白馬非馬”和“離堅白”的介紹和討論，才有這樣的問題。我拼湊著腦袋里的蛛絲馬跡，試圖解釋公孫龍子的學(xué)說。雖然沒有給孩子解釋明白這個如何抽象出來的閉環(huán)邏輯，但是自己卻突然意識到名和實之間的邏輯關(guān)聯(lián)不就是現(xiàn)在的大語言模型所正在探索的領(lǐng)域嗎？于是歸納思路，便有此文?；仡櫼幌?，歷史上的抽...

AI大佬賈揚清創(chuàng)立僅兩年的LeptonAI要被巨頭收購了。3月27日，據(jù)外媒TheInformation報道，芯片巨頭英偉達即將把賈揚清的創(chuàng)業(yè)公司LeptonAI收入囊中。據(jù)透露，Nvidia正在就收購LeptonAI進行深入談判，此次交易價值將高達數(shù)億美元。這場交易看似低調(diào)，卻可能改寫AI基建規(guī)則。LeptonAI不囤積GPU，而是以“云原生+多云整合”技術(shù)調(diào)度全球分散資源，用戶租用GPU每小時僅多花幾分錢，還能用23行代碼部署AI模型，500行代碼打造對話式搜索...