介紹S2S(語音到語音)是HuggingFace社區(qū)內(nèi)存在的一個(gè)令人興奮的新項(xiàng)目，它結(jié)合了多種先進(jìn)的模型，創(chuàng)造出幾乎天衣無縫的體驗(yàn):你輸入語音，系統(tǒng)會(huì)用合成的聲音進(jìn)行回復(fù)。該項(xiàng)目利用HuggingFace社區(qū)中的Transformers庫(kù)提供的模型實(shí)現(xiàn)了流水話處理。該流程處理由以下組件組成:聲音活動(dòng)檢測(cè)(VAD)語音識(shí)別(STT)語言模型(LLM)文本轉(zhuǎn)語音(TTS)除此之外，S2S項(xiàng)目支持多語言！目前支持英語、法語、西班牙語、中文、日語和韓語。您可以使用...

引言在人工智能技術(shù)飛速發(fā)展的今天，大語言模型（LLM）已成為推動(dòng)技術(shù)革新的核心引擎。然而，如何讓這些“聰明”的模型真正落地業(yè)務(wù)場(chǎng)景、解決實(shí)際問題？答案往往不在于模型本身的參數(shù)規(guī)模，而在于一項(xiàng)看似簡(jiǎn)單卻至關(guān)重要的技術(shù)——提示詞工程（PromptEngineering）。無論是讓模型理解用戶意圖、調(diào)用外部工具，還是生成結(jié)構(gòu)化數(shù)據(jù)，提示詞工程都像一把鑰匙，解鎖了大模型在真實(shí)場(chǎng)景中的無限潛力。本文將深入解析提示詞工程的技...

整理伊風(fēng)AnthropicCEO在最近的一個(gè)訪談中，說了一個(gè)很“炸裂”的斷言：半年內(nèi)，90%的代碼AI都能勝任了！為了查證這句話是否屬實(shí)，我們找到了整個(gè)訪談的內(nèi)容，發(fā)現(xiàn)AnthropicCEODario確實(shí)是這樣說的：我們正逐漸接近一個(gè)世界，也許在3到6個(gè)月內(nèi)，AI將能寫出90%的代碼。而在12個(gè)月內(nèi)，我們可能會(huì)進(jìn)入一個(gè)AI幾乎能寫出所有代碼的世界。不過，程序員仍然需要做一些事情，比如定義任務(wù)條件、決定整體應(yīng)用程序的架構(gòu)、設(shè)計(jì)決策、如何與...

GPT4o收取170個(gè)Token來處理在高分辨率模式512x512的圖塊。在0.75個(gè)tokensword的比例下，說明一張圖片價(jià)值約為227個(gè)Token單詞。170是一個(gè)奇怪的具體數(shù)字，OpenAI在其定價(jià)中使用“20美元”或“0.50美元”等整數(shù)，或使用2和3的冪作為其內(nèi)部尺寸。為什么在這種情況下選擇像170？OpenAI選擇170，若不是作為某種神秘定價(jià)策略的一部分，而圖像圖塊實(shí)際上真的被表示為170個(gè)連續(xù)嵌入向量？？Transformer模型對(duì)向量進(jìn)行操作，而不是離散To...

今早看到了百度文心大模型4.5和X1可以免費(fèi)使用啦！之前說4月1號(hào)免費(fèi)，這提前半個(gè)月，估計(jì)是最近大模型廠商一直都在開源，壓力太大了！話說回來，2025年是真卷，幾乎每一周都有新東西，也都有爆款。之前我是隨機(jī)更，現(xiàn)在都變成日更啦！文心4.5是個(gè)多模態(tài)大模型，可以對(duì)文字、圖片、音頻、視頻等內(nèi)容進(jìn)行綜合理解。文心X1是深度思考的推理大模型，但支持多模態(tài)和工具使用，具有更強(qiáng)的理解、規(guī)劃、反思、進(jìn)化的能力。從榜單上看效...

ViDoRAG:VisualDocumentRetrievalAugmentedGenerationviaDynamicIterativeReasoningAgentsViDoRAG——一個(gè)專為視覺文檔復(fù)雜推理設(shè)計(jì)的多智能體RAG框架。ViDoRAG采用基于高斯混合模型（GMM）的混合策略，實(shí)現(xiàn)高效多模態(tài)檢索。為進(jìn)一步挖掘模型推理潛力，我們?cè)O(shè)計(jì)了一個(gè)包含探索、總結(jié)與反思的迭代智能體工作流，為研究RAG領(lǐng)域的測(cè)試時(shí)擴(kuò)展提供了全新框架，超越現(xiàn)有方法10%以上。https:arxiv.orgabs2502.18017一、為什么需要ViDoR...

一、背景DeepSeekV3R1模型的發(fā)布，以及AIInfra相關(guān)代碼庫(kù)的開源，對(duì)大模型從業(yè)者產(chǎn)生了不容忽視的影響。從短期來看，這些工作確實(shí)推動(dòng)了業(yè)界對(duì)AIInfra建設(shè)的關(guān)注，至少促使人們開始重視算法與Infra的協(xié)同設(shè)計(jì)。這一變化也看似提升了Infra團(tuán)隊(duì)在整個(gè)大模型生成鏈路的話語權(quán)，但也為相關(guān)從業(yè)者帶來了更大的學(xué)習(xí)壓力與追趕挑戰(zhàn)，甚至看到一些公司或團(tuán)隊(duì)因而重新審視了原有的發(fā)展規(guī)劃。近期，我依然保持閱讀了一些相關(guān)文章，但由于...

在人工智能技術(shù)狂飆突進(jìn)的今天，算力正成為繼電力、網(wǎng)絡(luò)之后的第三大戰(zhàn)略資源。當(dāng)OpenAI需要數(shù)萬塊GPU芯片訓(xùn)練GPT4，當(dāng)自動(dòng)駕駛企業(yè)每天產(chǎn)生PB級(jí)數(shù)據(jù)處理需求，傳統(tǒng)自建算力模式已難以支撐創(chuàng)新速度。這種背景下，算力租賃市場(chǎng)以燎原之勢(shì)崛起——中研普華預(yù)測(cè)，到2026年中國(guó)算力租賃市場(chǎng)規(guī)模將突破2600億元，年均增速超20%。這場(chǎng)算力資源供給方式的革命，正在重構(gòu)數(shù)字經(jīng)濟(jì)的底層邏輯。二、市場(chǎng)格局的顛覆性重構(gòu)1.三類玩家競(jìng)逐萬...

Gemma3是谷歌新推出的最先進(jìn)多模態(tài)（文本+圖像）模型，有1B、4B、12B和27B四種規(guī)模?，F(xiàn)已在Unsloth支持，Gemma3擁有128K上下文窗口和多語言支持。（1）使用Unsloth的Colab筆記本微調(diào)Gemma3。Unsloth修復(fù)了一些Gemma3訓(xùn)練問題。（2）Unsloth使Gemma3（12B）微調(diào)速度提升1.6倍，VRAM使用減少60%，在48GBGPU上比使用FlashAttention2的環(huán)境能處理6倍更長(zhǎng)的內(nèi)容。（3）Unsloth在HuggingFace這里上傳了所有版本的Gemma3，包括28位GGUF...

挑戰(zhàn)LLM邏輯推理極限！新基準(zhǔn)TEXTGAMES能否揭開大模型的短板？AI.x社區(qū)1、大模型的邏輯推理能力究竟如何？近年來，大語言模型（LLMs）在自然語言理解、生成任務(wù)等方面取得了突破性進(jìn)展，甚至能在數(shù)學(xué)推理、常識(shí)推理等領(lǐng)域展現(xiàn)出不俗的表現(xiàn)。然而，這些模型是否真正具備深入的邏輯推理能力？它們能否像人類一樣，通過不斷嘗試和反思，最終解決復(fù)雜的難題？來自研究團(tuán)隊(duì)的一項(xiàng)最新研究引入了一個(gè)全新的TEXTGAMES基準(zhǔn)，該基準(zhǔn)通過...

3月13日，OpenSora2.0全面開源，再次引爆了AI圈。20萬美元的訓(xùn)練成本訓(xùn)練出來的視頻生成效果，已經(jīng)可以媲美視頻生成閉源巨頭——Sora。要知道Sora的訓(xùn)練成本是百萬美元級(jí)別！性能方面，跟Sora的差距從4.52%縮小至0.69%，幾乎可以成為“平替”，OpenSora2.0再一次見證了小博大的逆襲，續(xù)寫了低成本帶來高性能的神話。OpenSora2.0的顛覆性不僅在于技術(shù)參數(shù)，更在于它撕開了資源壟斷的鐵幕。當(dāng)一名大學(xué)生能用校園機(jī)房訓(xùn)練出自己的...

大家好，我是狂師。前陣子在知乎閑逛時(shí)，有個(gè)問題激起了大家的熱議：“DeepSeek如何顛覆傳統(tǒng)軟件測(cè)試？測(cè)試工程師會(huì)被淘汰嗎”。這看似簡(jiǎn)單的一問，激起層層思考，針對(duì)這個(gè)問題，今天簡(jiǎn)單來聊聊。測(cè)試工程師會(huì)被淘汰嗎？我的觀點(diǎn)十分明確：不會(huì)！但這絕非無條件成立，它有著關(guān)鍵前提。DeepSeek等新技術(shù)出現(xiàn)后，無疑為很多工作崗位帶來了前所未有的便利，甚至極大地改變了行業(yè)格局。在這場(chǎng)技術(shù)變革浪潮中，測(cè)試工程師不會(huì)被淘汰...

文章鏈接：https:arxiv.orgpdf2503.07598項(xiàng)目鏈接：https:alivilab.github.ioVACEPage亮點(diǎn)直擊統(tǒng)一框架：VACE是首個(gè)基于視頻DiT架構(gòu)的全能模型，支持廣泛的視頻生成與編輯任務(wù)。概念解耦與上下文適配器：通過概念解耦策略和上下文適配器結(jié)構(gòu)，實(shí)現(xiàn)了對(duì)編輯和參考任務(wù)的自適應(yīng)處理。多功能與高效性：VACE框架不僅減少了服務(wù)部署和用戶交互的成本，還通過任務(wù)組合擴(kuò)展，提供了多功能和高效的視頻合成解決方案。創(chuàng)新性與競(jìng)爭(zhēng)力：在...

昨晚，全球最大金融媒體CNBC消息，OpenAI向特朗普政府提交了一份最新的15頁(yè)報(bào)告，從監(jiān)管政策、出口限制、AI基礎(chǔ)設(shè)施等多個(gè)維度介紹了，美國(guó)該如何保持全球AI領(lǐng)導(dǎo)地位。特朗普上臺(tái)后，立刻就廢除了拜登時(shí)期發(fā)布的14110號(hào)非常嚴(yán)厲的AI監(jiān)管命令，并要求在180天內(nèi)提交一份有效的AI發(fā)展計(jì)劃。而這份報(bào)告就是計(jì)劃之一。OpenAI在原報(bào)告中寫道：“盡管美國(guó)目前在AI領(lǐng)域仍保持領(lǐng)先，但DeepSeek顯示我們的領(lǐng)先優(yōu)勢(shì)并不大，并且正在縮小。...

“文本序列化是自然語言處理任務(wù)的前置條件，而文本序列化需要經(jīng)過分詞，構(gòu)建詞匯表和序列化的幾個(gè)步驟”在神經(jīng)網(wǎng)絡(luò)或者說在機(jī)器學(xué)習(xí)領(lǐng)域中，數(shù)據(jù)主要以向量的形式存在，表現(xiàn)形式為多維矩陣；但怎么把現(xiàn)實(shí)世界中的數(shù)據(jù)輸入到神經(jīng)網(wǎng)絡(luò)中是機(jī)器學(xué)習(xí)的一個(gè)前提。而現(xiàn)實(shí)世界中的數(shù)據(jù)格式雖然多種多樣，但事實(shí)上無非以下幾種主要模態(tài)：文字圖片視頻但我們也知道，計(jì)算機(jī)只認(rèn)識(shí)數(shù)字，而不認(rèn)識(shí)文字和圖片；因此，就需要把這些數(shù)據(jù)轉(zhuǎn)換...

OpenAI剛剛舉辦了一場(chǎng)針對(duì)開發(fā)者的直播活動(dòng)，推出了全新的Agent開發(fā)套件，旨在助力開發(fā)者打造穩(wěn)定而強(qiáng)大的AIAgents。以下是該套件的核心組成部分：AgentsBlog:https:openai.comindexnewtoolsforbuildingagents1、內(nèi)置工具：套件內(nèi)置了多種工具，包括網(wǎng)頁(yè)搜索、文件搜索以及電腦操作（ComputerUse）功能。Builtintools:https:platform.openai.comdocsguidestoolsapimoderesponses2、ResponsesAPI：推出了一款新的響應(yīng)API，它融合...

想象一下，如果普通AI是一個(gè)只會(huì)機(jī)械執(zhí)行指令的機(jī)器人，那么采用ReAct策略的智能體就像是一個(gè)會(huì)先思考后行動(dòng)的偵探。在解決問題時(shí)，它不會(huì)匆忙跳入結(jié)論的深淵，而是沿著"觀察思考行動(dòng)觀察"的螺旋階梯，一步步接近真相。這就是ReAct（Reasoning+Acting）策略的魅力所在。ReAct策略：智能體的"內(nèi)心獨(dú)白"與"外在行動(dòng)"ReAct就像給AI裝上了"內(nèi)心獨(dú)白"和"行動(dòng)執(zhí)行器"兩個(gè)齒輪，讓它們交替轉(zhuǎn)動(dòng)：觀察環(huán)境：智能體睜大眼睛，感知周圍世...

一、技術(shù)背景與設(shè)計(jì)目標(biāo)當(dāng)前內(nèi)容生成系統(tǒng)普遍面臨三個(gè)技術(shù)挑戰(zhàn)：多源異構(gòu)數(shù)據(jù)處理效率低下、長(zhǎng)文本生成的結(jié)構(gòu)連貫性不足、多模態(tài)內(nèi)容協(xié)同生成能力薄弱。本研究提出一種基于LangGraph框架的解決方案，旨在構(gòu)建模塊化、可擴(kuò)展的智能文章生成系統(tǒng)，其核心設(shè)計(jì)目標(biāo)包括：實(shí)現(xiàn)端到端的自動(dòng)化內(nèi)容生產(chǎn)流水線支持動(dòng)態(tài)工作流調(diào)整與錯(cuò)誤恢復(fù)機(jī)制確保多模態(tài)內(nèi)容的一致性驗(yàn)證提供可插拔的第三方服務(wù)集成接口二、系統(tǒng)架構(gòu)設(shè)計(jì)2.1整體架構(gòu)概...

一、大模型知識(shí)庫(kù)戰(zhàn)略架構(gòu)（耗時(shí)：初始8小時(shí)月度迭代）1.知識(shí)價(jià)值密度評(píng)估四維篩選模型（Ec業(yè)務(wù)關(guān)鍵度，F(xiàn)a調(diào)用頻率，F(xiàn)h歷史價(jià)值，Ct維護(hù)成本）知識(shí)類型處理策略工具鏈配置高頻核心知識(shí)向量化+微調(diào)GPT4Turbo+PGVector中頻場(chǎng)景知識(shí)RAG增強(qiáng)檢索LlamaIndex+Pinecone低頻長(zhǎng)尾知識(shí)壓縮存儲(chǔ)ZSTD+MinIO知識(shí)熱力分析fromlangchain.analyticsimportKnowledgeHeatmapheatmapKnowledgeHeatmap(querylogsloadlogs("searchlogs.json"),docmeta...

出品51CTO技術(shù)棧（微信號(hào)：blog51cto）嘉賓周博洋、魏新宇采訪薛彥澤撰稿李美涵DeepSeekR1的發(fā)布在全球人工智能領(lǐng)域引發(fā)了巨大反響。這款由中國(guó)初創(chuàng)企業(yè)DeepSeek推出的低成本、高性能AI模型，打破了人們對(duì)AI研發(fā)“高投入、長(zhǎng)周期”的固有認(rèn)知，被西方媒體譽(yù)為“人工智能的斯普特尼克時(shí)刻”。DeepSeek的“奇跡”有目共睹。其應(yīng)用上線僅20天，日活躍用戶數(shù)就突破了2000萬，而ChatGPT達(dá)到同樣的日活量則耗時(shí)150天之余。不僅如此，D...