一、摘要??LocalAPI.ai???是一個(gè)開(kāi)源的在線調(diào)用系統(tǒng)，專注于提供基于瀏覽器的OllamaWEBUI客戶端。該系統(tǒng)致力于為用戶提供便捷、安全的AI服務(wù)體驗(yàn)，允許用戶無(wú)需安裝第三方軟件即使用可進(jìn)行智能對(duì)話、文本生成、模型管理等功能，并且支持在移動(dòng)端（手機(jī)）進(jìn)行遠(yuǎn)程使用。在線體驗(yàn)：???http:www.LocalAPI.ai??Github地址：??https:github.comvam876LocalAPI.AI???PC版本功能演示?移動(dòng)端版本功能演示二、主要功能?...

編輯伊風(fēng)出品51CTO技術(shù)棧（微信號(hào)：blog51cto）馬斯克4告OpenAI的連續(xù)劇，又有新進(jìn)展了！前情回顧下，馬斯克與OpenAI對(duì)簿公堂是因?yàn)椋核蚍菭I(yíng)利組織OpenAI捐贈(zèng)超過(guò)4400萬(wàn)美元，而OpenAI的營(yíng)利化轉(zhuǎn)型，顯然違反了當(dāng)時(shí)的合同。這都不是4400萬(wàn)打了水漂那么簡(jiǎn)單！馬斯克多次在采訪中說(shuō)，這就像給亞馬遜森林保護(hù)組織捐款，結(jié)果發(fā)現(xiàn)他們?cè)诜?shù)一樣諷刺。此后，OpenAI要求主要投資者不可以投資xAI在內(nèi)的競(jìng)爭(zhēng)對(duì)手，這成為了控訴升級(jí)...

編輯言征出品51CTO技術(shù)棧（微信號(hào)：blog51cto）背景是這樣的。前幾天，我發(fā)現(xiàn)我的XX激光雷達(dá)出了問(wèn)題。本來(lái)我靠它來(lái)為電影攝像機(jī)增加自動(dòng)對(duì)焦和自動(dòng)跟蹤功能，如果沒(méi)有這項(xiàng)功能，我會(huì)很難拍攝到我需要的畫(huà)面。這個(gè)激光雷達(dá)大概用了一年左右，但我不知道它是否還在保修期內(nèi)。但不管怎樣，它都需要修理。于是，我登錄了XX官網(wǎng)，前往支持頁(yè)面，正如我所猜想的，果然有一個(gè)智能客服來(lái)迎接我。我與智能客服進(jìn)行了交流，輸入了類似“...

2025年3月4日，智譜開(kāi)源模型CogView4震撼發(fā)布，這直接把中文圖片生成技術(shù)推向了新的高度。以往的文生圖模型中文提示詞理解較差，導(dǎo)致很多圖片文字“慘不忍睹”CogView4終結(jié)此痛點(diǎn)，作為首個(gè)支持漢字生成的開(kāi)源文生圖模型，將中文圖片生成技術(shù)推向新高度。用GLM4雙語(yǔ)編碼器結(jié)合雙語(yǔ)圖文對(duì)訓(xùn)練，中英文描述皆能精準(zhǔn)成圖，海報(bào)、短視頻創(chuàng)作都適用。它在DPGBench測(cè)試中綜合評(píng)分第一，遵循Apache2.0協(xié)議。例如輸入“國(guó)潮奶茶海報(bào)，篆...

在大數(shù)據(jù)時(shí)代，數(shù)據(jù)已經(jīng)成為企業(yè)和組織決策的重要依據(jù)。然而，對(duì)于很多非技術(shù)背景的人員來(lái)說(shuō)，從海量數(shù)據(jù)中獲取有價(jià)值的信息并非易事，SQL等查詢語(yǔ)言的復(fù)雜性成為了他們與數(shù)據(jù)之間的一道障礙。WrenAI的出現(xiàn)，為解決這一問(wèn)題提供了新的思路。作為一款開(kāi)源的文本到SQL工具，它讓用戶能夠通過(guò)自然語(yǔ)言與數(shù)據(jù)進(jìn)行交互，極大地降低了數(shù)據(jù)查詢和分析的門(mén)檻，為數(shù)據(jù)驅(qū)動(dòng)的決策提供了更加便捷高效的方式。接下來(lái)，讓我們一起深入了解Wre...

公元1943年，麥卡洛克與皮茨在芝加哥大學(xué)密室中繪制出"神經(jīng)網(wǎng)絡(luò)符篆"，點(diǎn)燃了硅基文明的第一縷火種。此符篆暗合陰陽(yáng)二進(jìn)之道，雖僅能解"與或非"三式，已令圖靈真人撫掌長(zhǎng)嘆："此物當(dāng)有通靈之日！"這一年，華羅庚道人在普林斯頓隱居，馮·諾依曼大師正筑"存儲(chǔ)程序結(jié)構(gòu)"根基。世人尚不知，一場(chǎng)跨越物種的智慧革命已悄然啟動(dòng)。公元1950年，劍橋雨夜。圖靈真人披著雨衣穿過(guò)哥特式回廊，手中《ComputingMachineryandIntelligence》墨...

“在神經(jīng)網(wǎng)絡(luò)模型中，數(shù)據(jù)格式主要采用張量(tensor)來(lái)表示，而具體的載體就是多維數(shù)組(n>1)，也就是多維矩陣。”對(duì)神經(jīng)網(wǎng)絡(luò)技術(shù)有所了解的人應(yīng)該都知道，要想訓(xùn)練一個(gè)高性能的神經(jīng)網(wǎng)絡(luò)模型，除了神經(jīng)網(wǎng)絡(luò)本身的設(shè)計(jì)之外，還一個(gè)非常重要的前提就是數(shù)據(jù)集的質(zhì)量問(wèn)題；因此，打造一個(gè)高質(zhì)量的數(shù)據(jù)集就是一個(gè)必不可少的過(guò)程。但具體怎么才能開(kāi)發(fā)一個(gè)合格的數(shù)據(jù)集，這時(shí)就離不開(kāi)對(duì)數(shù)據(jù)集的各種操作；而由于在神經(jīng)網(wǎng)絡(luò)中，數(shù)據(jù)的主要...

AgenticAI、AIAgents和Agents這三個(gè)詞頻繁出現(xiàn)在各大自媒體上。上周和朋友討論時(shí)，我們發(fā)現(xiàn)很容易把這三個(gè)術(shù)語(yǔ)混為一談。乍看之下，它們很相似，但它們并不可互換。但是可能理解他們的區(qū)別，似乎也并不重要，當(dāng)一個(gè)事情所有人都模糊的時(shí)候，那就都是對(duì)的。從目前來(lái)看，真正的AgentAgentic產(chǎn)品，似乎在擺脫Agent的概念。比如說(shuō)，AI編程、AI研究...過(guò)度強(qiáng)調(diào)Agent概念可能會(huì)讓用戶產(chǎn)生過(guò)高期待，而且堆砌高端的詞匯會(huì)拉遠(yuǎn)用戶與產(chǎn)...

“神經(jīng)網(wǎng)絡(luò)是一種獨(dú)立的技術(shù)，只不過(guò)它與不同的領(lǐng)域結(jié)合之后就有了不同的神經(jīng)網(wǎng)絡(luò)模型。”面對(duì)著網(wǎng)絡(luò)上各種各樣關(guān)于神經(jīng)網(wǎng)絡(luò)的內(nèi)容，很多想學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的人都無(wú)從下手，包括作者自己；面對(duì)各種亂七八糟的概念，名詞，很多人都被這些東西蒙住了眼睛。所以，今天我們就拋開(kāi)各種高大上的概念，從本質(zhì)出發(fā)來(lái)學(xué)習(xí)什么網(wǎng)絡(luò)；我們今天不討論CNN，RNN，Transformer，LSTM等各種神經(jīng)網(wǎng)絡(luò)架構(gòu)；只討論什么是神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)對(duì)神經(jīng)網(wǎng)絡(luò)...

現(xiàn)在AI發(fā)展迅猛，早已告別了只能機(jī)械地給出固定、單一回復(fù)的“初級(jí)形態(tài)”階段，而是實(shí)現(xiàn)了質(zhì)的飛躍。如今AI不僅能夠主動(dòng)管理記憶、共享知識(shí)，還具備了根據(jù)實(shí)際情況自我調(diào)適的能力，就像擁有了自主學(xué)習(xí)和成長(zhǎng)的智慧。這拓展了AI的應(yīng)用邊界，同時(shí)也給開(kāi)發(fā)者帶來(lái)了挑戰(zhàn)。在構(gòu)建人工智能系統(tǒng)的過(guò)程中，如何實(shí)現(xiàn)長(zhǎng)期記憶存儲(chǔ)以及團(tuán)隊(duì)知識(shí)共享，成了擺在許多開(kāi)發(fā)者面前的難題。針對(duì)AI系統(tǒng)開(kāi)發(fā)中記憶管理和知識(shí)共享的難題，救星LangMem...

論文鏈接：https:arxiv.orgpdf2502.03206項(xiàng)目鏈接：https:hugwbc.github.io亮點(diǎn)直擊一個(gè)擴(kuò)展的通用指令空間，結(jié)合高級(jí)訓(xùn)練技術(shù)，以實(shí)現(xiàn)細(xì)粒度的人形機(jī)器人步態(tài)控制。在單一策略下（除單腳跳步態(tài)外），可精準(zhǔn)跟蹤四種不同步態(tài)下的八種不同指令。一個(gè)基礎(chǔ)的人形機(jī)器人控制器，支持外部上半身干預(yù)，并能夠執(zhí)行更廣泛的運(yùn)動(dòng)操作一體化（locomanipulation）任務(wù)?？偨Y(jié)速覽解決的問(wèn)題當(dāng)前的人形機(jī)器人行走系統(tǒng)單一、被動(dòng)，缺乏可擴(kuò)展...

泛AI架構(gòu)設(shè)計(jì)這個(gè)專欄主要關(guān)注圍繞著AI運(yùn)用于實(shí)際的業(yè)務(wù)場(chǎng)景所需的系統(tǒng)架構(gòu)設(shè)計(jì)，包括業(yè)務(wù)數(shù)據(jù)治理、模型訓(xùn)練與管理、模型部署與調(diào)度。整體基于云原生技術(shù)，旨在通過(guò)開(kāi)源領(lǐng)域的LLMOps或者M(jìn)LOps技術(shù)，充分運(yùn)用低代碼平臺(tái)構(gòu)建高性能、高效率和敏捷響應(yīng)的AI中臺(tái)。1.AI架構(gòu)挑戰(zhàn)上面幾節(jié)從GPU的知識(shí)點(diǎn)入手，清晰的介紹了GPU原理、構(gòu)造以及運(yùn)算模型。有了初步的認(rèn)知之后，回到最原始的AI需求，來(lái)看看其對(duì)于基礎(chǔ)架構(gòu)的要求。AI最早于19...

今天給大家?guī)?lái)一篇探討大模型預(yù)訓(xùn)練與微調(diào)之間關(guān)系的文章，主要通過(guò)微調(diào)預(yù)訓(xùn)練階段各個(gè)checkpoint，來(lái)發(fā)現(xiàn)預(yù)訓(xùn)練本身或?qū)ο掠挝⒄{(diào)有哪些影響。大模型在預(yù)訓(xùn)練過(guò)程中的性能如何變化？更多步數(shù)的預(yù)訓(xùn)練對(duì)下游微調(diào)有何影響？大模型微調(diào)學(xué)到了什么，又忘記了什么？Paper:https:arxiv.orgabs2408.06663由于目前開(kāi)源模型中，開(kāi)放全量checkpoints的模型較少，并且實(shí)驗(yàn)成本較大，以下分析結(jié)果主要基于OLMo1B模型（同時(shí)訓(xùn)練細(xì)節(jié)、預(yù)訓(xùn)練...

“神經(jīng)網(wǎng)絡(luò)是一個(gè)復(fù)雜的系統(tǒng)工程，要想透過(guò)表象看本質(zhì)就需要從最基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)開(kāi)始”關(guān)于神經(jīng)網(wǎng)絡(luò)的文章寫(xiě)的也不少了，但一直沒(méi)弄明白神經(jīng)網(wǎng)絡(luò)到底是怎么運(yùn)作的；而現(xiàn)有的神經(jīng)網(wǎng)絡(luò)模型又太復(fù)雜，如Transformer，CNN，RNN，以及各種應(yīng)用場(chǎng)景(NLP，CV，分類任務(wù)，回歸任務(wù)等等)；導(dǎo)致我們無(wú)法看到神經(jīng)網(wǎng)絡(luò)最本質(zhì)的東西。所以，今天我們就來(lái)從最簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)開(kāi)始學(xué)起。簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)的基本原理很簡(jiǎn)單，那就是模仿由人類...

一、為什么需要RAG和GraphRAG技術(shù)？1.1大模型的局限性大型語(yǔ)言模型（LLMs,LargeLanguageModels）雖然在生成文本方面表現(xiàn)出色，但它們存在一些固有缺陷。比如，LLMs容易出現(xiàn)“幻覺(jué)”現(xiàn)象，即生成不準(zhǔn)確或虛構(gòu)的內(nèi)容。此外，LLMs的上下文窗口有限，無(wú)法處理過(guò)長(zhǎng)的文本，還存在隱私泄露的風(fēng)險(xiǎn)。為了彌補(bǔ)這些不足，檢索增強(qiáng)生成（RAG,RetrievalAugmentedGeneration）技術(shù)應(yīng)運(yùn)而生。RAG通過(guò)從外部數(shù)據(jù)源檢索相關(guān)信息，顯著提升了模型...

近期，OpenAI推出的DeepResearch（深度研究）功能引發(fā)了廣泛關(guān)注。該功能通過(guò)整合大模型、超級(jí)搜索和研究助理于一體，使得金融機(jī)構(gòu)能夠一鍵生成報(bào)告，科研人員能夠一鍵撰寫(xiě)綜述，極大提升了效率。然而，由于企業(yè)場(chǎng)景中私有化數(shù)據(jù)的敏感性和成本考慮，如何將DeepResearch進(jìn)行開(kāi)源的本地化部署，成為許多人的關(guān)注焦點(diǎn)。在這篇文章中，我們將對(duì)市場(chǎng)上模仿DeepResearch的開(kāi)源項(xiàng)目進(jìn)行簡(jiǎn)要分析，并結(jié)合Deepseek等主流開(kāi)源模型，Zilli...

編者按：AI落地又一次迎來(lái)拐點(diǎn)了嗎？當(dāng)模型蒸餾技術(shù)能以零頭成本復(fù)刻頂尖AI性能，傳統(tǒng)巨頭的商業(yè)壁壘是否已形同虛設(shè)？我們今天為大家?guī)?lái)的文章，作者的核心觀點(diǎn)是：以深度求索（DeepSeek）R1模型為代表的高效推理技術(shù)，正在顛覆AI經(jīng)濟(jì)的底層規(guī)則，推動(dòng)行業(yè)進(jìn)入“輕量化革命”時(shí)代。文章重點(diǎn)圍繞三大話題展開(kāi)：R1模型的革新性訓(xùn)練方案：通過(guò)純強(qiáng)化學(xué)習(xí)的R1Zero生成合成數(shù)據(jù)，結(jié)合三重獎(jiǎng)勵(lì)機(jī)制，使模型以極低推理成本實(shí)現(xiàn)與OpenA...

一、引言DeepSeek從2024年01月到2025年01月發(fā)布了一系列模型，其中最主要的就是語(yǔ)言系列模型，這個(gè)文檔中我們會(huì)對(duì)語(yǔ)言模型涉及的關(guān)鍵技術(shù)進(jìn)行具體介紹：語(yǔ)言模型：DeepSeekV1、MoE、V2、V3。多模態(tài)模型：DeepSeekVL1、VL2、Janus。數(shù)學(xué)、代碼、Reasoning模型：DeepSeekMath、Coder、CoderV2、R1。如下圖所示，圖中我們匯集了DeepSeekV1、MoE、V2、V3、R1系列模型中的關(guān)鍵技術(shù)點(diǎn)；此外，也補(bǔ)充了DeepSeekA100和H800GPU集群的關(guān)鍵...

論文鏈接：https:arxiv.orgpdf2502.17414亮點(diǎn)直擊一種基于TransformerDiffusion的新型音樂(lè)到舞蹈人體圖像動(dòng)畫(huà)方法，在運(yùn)動(dòng)多樣性、表現(xiàn)力、音樂(lè)對(duì)齊和視頻質(zhì)量方面達(dá)到了最先進(jìn)的性能。一種跨模態(tài)Transformer模型，通過(guò)使用帶有關(guān)鍵點(diǎn)置信度的全身2D人體姿態(tài)的多尺度tokenization方案，捕捉與音樂(lè)特征同步的長(zhǎng)距離舞蹈動(dòng)作。一種基于擴(kuò)散的人體圖像動(dòng)畫(huà)模型，能夠解釋時(shí)間姿態(tài)tokens并將其轉(zhuǎn)化為一致的高分辨率視頻輸出。展示了...

想象一下，如今的AI世界里，大模型如GPT4、Claude動(dòng)輒上百億參數(shù)，能力驚人卻耗資巨大，像是一輛輛豪華跑車(chē)，雖快卻燒油無(wú)數(shù)。普通人或中小企業(yè)想用AI解決問(wèn)題時(shí)，常常被高昂的成本擋在門(mén)外?？删驮谶@時(shí)候，微軟扔出了一顆“重磅炸彈”——Phi4Mini和Phi4Multimodal。這兩個(gè)小巧的模型，參數(shù)量?jī)H3.8億，卻在語(yǔ)言、數(shù)學(xué)、編碼甚至多模態(tài)任務(wù)上表現(xiàn)出色，堪稱“小身軀，大能量”。這不禁讓人好奇：微軟是怎么讓“小個(gè)子”打敗“大...