文章鏈接：https:arxiv.orgabs2501.13554GitHub代碼：https:github.combyliutao1Prompt1Story項(xiàng)目主頁(yè)：https:byliutao.github.io1Prompt1Story.github.io亮點(diǎn)直擊首次分析了語(yǔ)言模型維持固有上下文一致性的能力，能夠在一個(gè)提示中讓多個(gè)幀的描述天然指代同一主體身份。?基于上下文一致性特性，提出了一種新穎的免訓(xùn)練方法——OnePromptOneStory，用于實(shí)現(xiàn)一致的文本到圖像生成。更具體地，進(jìn)一步提出了提示加權(quán)（SVR）和交叉...

01、概述近年來(lái)，隨著人工智能的快速發(fā)展，強(qiáng)化學(xué)習(xí)（ReinforcementLearning，RL）技術(shù)逐漸成為推動(dòng)AI模型性能提升的重要工具。相比傳統(tǒng)的基于靜態(tài)數(shù)據(jù)集的訓(xùn)練方法，RL通過(guò)交互與反饋實(shí)現(xiàn)了模型性能的迭代優(yōu)化，為解決復(fù)雜任務(wù)（如數(shù)學(xué)推理、代碼生成和多模態(tài)數(shù)據(jù)理解）開辟了全新路徑。在這種背景下，由Kimi團(tuán)隊(duì)開發(fā)的下一代多模態(tài)大語(yǔ)言模型——Kimik1.5，憑借其創(chuàng)新的設(shè)計(jì)和卓越的性能脫穎而出。本文將詳細(xì)解析Kimik1.5的技...

01、概述最近，Google推出的Gemini2.0成為了科技圈的熱議話題。這款A(yù)I工具被譽(yù)為“顛覆者”，它的多模態(tài)能力、實(shí)時(shí)交互功能和多語(yǔ)言支持讓人眼前一亮。但它到底值不值得嘗試？有哪些亮點(diǎn)，又有哪些短板？作為一個(gè)已經(jīng)“深度體驗(yàn)”的人，今天我就來(lái)帶大家全面了解這款新一代AI工具的魅力，并告訴你如何用好它，讓工作事半功倍。02、Gemini2.0的三大獨(dú)特之處1）真·多模態(tài)：一次性能處理文字、語(yǔ)音、視頻相比傳統(tǒng)AI工具那種“貼補(bǔ)...

01、概述在信息快速迭代的時(shí)代，人工智能（AI）正以驚人的速度改變著我們的生活。從搜索引擎到多模態(tài)技術(shù)，AI的觸角不斷延伸，推動(dòng)著人類科技的邊界。作為AI領(lǐng)域的先鋒，GoogleDeepMind近日發(fā)布了最新的AI模型——Gemini2.0，宣告了“智能代理時(shí)代”的到來(lái)。今天，我們將為大家詳細(xì)解讀Gemini2.0的核心亮點(diǎn)、實(shí)際應(yīng)用以及對(duì)未來(lái)生活的深遠(yuǎn)影響。02、從1.0到2.0：GeminiAI的蛻變與進(jìn)化1）Gemini1.0與1.5：奠定多模態(tài)AI的基礎(chǔ)Gemi...

本文中，我們將介紹如何使用開源的AI多代理框架AG2和開源的向量數(shù)據(jù)庫(kù)ChromaDB構(gòu)建一個(gè)多代理RAG系統(tǒng)。引言近年來(lái)，檢索增強(qiáng)生成（RAG）系統(tǒng)得到了迅速改進(jìn)。理想情況下，我們可以將其演變劃分為三個(gè)階段。第一階段，即在LLM出現(xiàn)之前，信息檢索系統(tǒng)主要依賴于傳統(tǒng)的搜索算法和索引技術(shù)。這些系統(tǒng)在理解上下文和生成類似人類的響應(yīng)方面的能力是非常有限的。第二階段，出現(xiàn)了LLM（大型語(yǔ)言模型）階段，導(dǎo)致了劇烈的范式轉(zhuǎn)變。現(xiàn)在...

DeepSeek太火爆了！在這個(gè)春節(jié)檔，直接成了全民熱議的話題。DeepSeek也毫無(wú)懸念地干到了全球增速最快的AI應(yīng)用。這幾天，國(guó)內(nèi)的云計(jì)算廠家都在支持DeepSeek的API調(diào)用。現(xiàn)在，國(guó)家隊(duì)也出手了！超算互聯(lián)網(wǎng)的官微一口氣發(fā)了兩條上新DeepSeek的公告——DeepSeekR1、V3、Coder等系列模型已陸續(xù)在國(guó)家超算互聯(lián)網(wǎng)平臺(tái)上線。目前，國(guó)家超算互聯(lián)網(wǎng)平臺(tái)已推出DeepSeek–R1模型的1.5B、7B、8B、14B版本，后續(xù)還會(huì)在近期更新32B、70B等版本。...

前言本文基于凱斯西儲(chǔ)大學(xué)（CWRU）軸承數(shù)據(jù)，使用特征提取和機(jī)器學(xué)習(xí)方法進(jìn)行故障識(shí)，然后基于XGBoos模型介紹一種參數(shù)搜索策略，并通過(guò)SHAP模型可視化技術(shù)對(duì)結(jié)果進(jìn)行分析。1.數(shù)據(jù)集和特征提取1.1數(shù)據(jù)集導(dǎo)入?yún)⒖贾暗奈恼拢M(jìn)行故障10分類的預(yù)處理，凱斯西儲(chǔ)大學(xué)軸承數(shù)據(jù)10分類數(shù)據(jù)集：數(shù)據(jù)的讀取形式以及預(yù)處理思路。1.2故障信號(hào)特征提取選擇峭度、熵值、分形值、波形指標(biāo)、頻譜指標(biāo)、頻域指標(biāo)、統(tǒng)計(jì)特征、振動(dòng)特征等13種指標(biāo)...

將推理與RAG相結(jié)合仍面臨挑戰(zhàn)，例如復(fù)雜查詢需要多步分解，且LLMs難以生成精確的子查詢，導(dǎo)致檢索效率低下。人類思維過(guò)程與DeepRAG的對(duì)應(yīng)關(guān)系。具體來(lái)說(shuō)，檢索敘事確保了結(jié)構(gòu)化和自適應(yīng)的檢索流程，根據(jù)之前檢索到的信息生成子查詢，并且原子決策動(dòng)態(tài)地決定是否檢索外部知識(shí)，或者僅依賴于每個(gè)子查詢的參數(shù)知識(shí)。中科院&中科大&騰訊微信AI部聯(lián)合推出最新（2025.02）DeepRAG，讓大型語(yǔ)言模型逐步推理檢索：DeepRAG框架將檢索增強(qiáng)...

?2023年7月17日，DeepSeek正式成立，由幻方量化提供資金支持。梁文鋒憑借其在金融和AI領(lǐng)域的深厚背景，帶領(lǐng)團(tuán)隊(duì)開始探索生成式AI技術(shù)。同年11月2日，DeepSeek推出首款開源模型DeepSeekCoder，支持多種編程語(yǔ)言的代碼生成、調(diào)試和數(shù)據(jù)分析任務(wù)，為AI領(lǐng)域的應(yīng)用奠定了基礎(chǔ)，直到2024年12月，DeepSeekV3的發(fā)布引發(fā)了行業(yè)震動(dòng)和社會(huì)廣泛關(guān)注，在他們的最新技術(shù)報(bào)告《DeepSeekV3技術(shù)報(bào)告》中，團(tuán)隊(duì)詳細(xì)介紹了其最新成果——DeepSeek...

隨著人工智能（AI）和自動(dòng)化技術(shù)的快速發(fā)展，我們進(jìn)入了一個(gè)自動(dòng)化知識(shí)時(shí)代。在這個(gè)時(shí)代，知識(shí)管理工具日益依賴AI技術(shù)來(lái)幫助用戶整理、管理和處理大量的信息。然而，單純依賴這些工具并不能完全解決知識(shí)管理中的所有問(wèn)題。人類的洞察力、創(chuàng)造力和批判性思維在這個(gè)過(guò)程中依然至關(guān)重要。一、背景與挑戰(zhàn)在知識(shí)管理領(lǐng)域，AI的應(yīng)用越來(lái)越廣泛。傳統(tǒng)的RAG模型結(jié)合了檢索和生成技術(shù)，通過(guò)檢索大量數(shù)據(jù)來(lái)為生成提供上下文，從而實(shí)現(xiàn)更加...

最近，DeepSeek在國(guó)際上很火，一方面其效果比肩非開源模型ChatGPT，另一方面其運(yùn)行成本很低。可以說(shuō)，DeepSeek是目前為止最先進(jìn)的大模型之一。今天這篇文章，就帶大家梳理一下從2024年至今DeepSeek發(fā)布的V1版本到V3版本的核心技術(shù)點(diǎn)，看看DeepSeek采用了哪些技術(shù)構(gòu)建了最先進(jìn)的大模型，每一次的升級(jí)基本都伴隨著訓(xùn)練數(shù)據(jù)的優(yōu)化、模型結(jié)構(gòu)的升級(jí)、優(yōu)化方式的更新。為了方便大家閱讀，本文會(huì)用比較簡(jiǎn)潔的語(yǔ)言進(jìn)行主要技術(shù)的介紹，...

OpenAI前研究員AndrejKarpathy最近提出了一個(gè)新穎的編程概念——"vibecoding"(氛圍編程)。這是一種依托大語(yǔ)言模型(LLM)的全新編程方式,讓開發(fā)者能以更輕松自然的方式完成編程任務(wù)。這種編程方式的核心在于完全沉浸于編程的“感覺(jué)”中，甚至忘記了代碼的存在。vibecoding有以下特點(diǎn)：極簡(jiǎn)交互開發(fā)者只需通過(guò)語(yǔ)音或文字描述需求無(wú)需深入代碼細(xì)節(jié)大量使用"AcceptAll"等快捷操作LLM驅(qū)動(dòng)依托CursorComposer等AI編程工具結(jié)合SuperWhis...

這個(gè)春節(jié)是DeepSeek的狂歡節(jié)，從R1發(fā)布到席卷全球僅不到兩周，霸占140多個(gè)國(guó)家AppStore下載排行榜榜首。今日節(jié)后第一天開工，幾位朋友不約而同咨詢我大模型未來(lái)走向，這里簡(jiǎn)單分享一下我的看法，拋磚引玉?？偨Y(jié)一句話：大模型全棧都應(yīng)圍繞DeepSeek做生態(tài)重要的事情通常得說(shuō)三遍，但這件事只需說(shuō)一遍，卻無(wú)比重要，攸關(guān)資金、人力、時(shí)間等資源投入和業(yè)務(wù)創(chuàng)新與價(jià)值產(chǎn)出。大模型全棧這是筆者整理的大模型全棧：芯片>編譯器>設(shè)備>...

在人工智能飛速發(fā)展的時(shí)代，DeepSeek異軍突起，以一系列創(chuàng)新性的技術(shù)和成果，在全球AI領(lǐng)域掀起了波瀾。作為一家備受矚目的AI企業(yè)，它憑借獨(dú)特的模型架構(gòu)和先進(jìn)的訓(xùn)練方法，為行業(yè)帶來(lái)了新的活力與變革。一、技術(shù)基石：創(chuàng)新架構(gòu)與訓(xùn)練方法DeepSeek模型以Transformer架構(gòu)為基礎(chǔ)，在這個(gè)經(jīng)典架構(gòu)上進(jìn)行了一系列創(chuàng)新。例如，DeepSeekV2引入了MLA（MultiheadLatentAttention）架構(gòu)，這種架構(gòu)通過(guò)獨(dú)特的注意力機(jī)制，大幅減少計(jì)算量和...

1.引言隨著大模型在多模態(tài)理解、邏輯推理等方面的進(jìn)一步發(fā)展，Agent或?qū)⒃?025年迎來(lái)大規(guī)模落地應(yīng)用，替代人類自主解決越來(lái)越多的日常工作。人工智能（AI）專家普遍認(rèn)為，2025年將是智能體（agent）爆發(fā)之年。2024年底，Gartner也將agenticAI列入了2025年十大技術(shù)趨勢(shì)之一，并預(yù)測(cè)2028年將至少有15%的日常工作決策由agenticAI自主完成，而這一數(shù)字在2024年為0。在CES2025，黃仁勛也強(qiáng)調(diào)2025年Agent將會(huì)有許多商業(yè)化應(yīng)用。本文從...

01、概述學(xué)習(xí)是人類不斷進(jìn)步的關(guān)鍵。那么，AI能像人類一樣自學(xué)嗎？隨著技術(shù)的演進(jìn)，這一問(wèn)題的答案變得越來(lái)越清晰：AI確實(shí)能夠自主學(xué)習(xí)。就像我們?cè)趯W(xué)習(xí)C++、Java或Python時(shí)，從語(yǔ)法到實(shí)踐需要不斷練習(xí)、探索和改進(jìn)，AI的成長(zhǎng)過(guò)程也需要類似的迭代。今天，我們將以“Agentic設(shè)計(jì)模式”為核心，解讀AI如何通過(guò)模仿人類的學(xué)習(xí)與推理方式，變得更加自主和高效。02、從AI訓(xùn)練到Agentic設(shè)計(jì)模式：學(xué)習(xí)的演化1）LLM的學(xué)習(xí)路徑：從訓(xùn)練...

01、概述隨著2025年的到來(lái)，我們站在科技加速發(fā)展與地緣政治沖突的交匯點(diǎn)上。創(chuàng)新正在以前所未有的速度推動(dòng)社會(huì)進(jìn)步，然而，這種進(jìn)步既帶來(lái)了機(jī)遇，也制造了巨大挑戰(zhàn)——技術(shù)與人性的“好、壞與丑”同樣浮出水面。2025注定是個(gè)分水嶺——我們不僅面臨技術(shù)的飛躍，還需直面由此帶來(lái)的復(fù)雜問(wèn)題。如何在這一年中適應(yīng)、創(chuàng)新、監(jiān)管，將決定未來(lái)十年的走向。下面我們將深入探討2025年的8大技術(shù)趨勢(shì)，看它們?nèi)绾味x這個(gè)關(guān)鍵時(shí)刻。02、...

01、概述隨著人工智能（AI）技術(shù)的飛速發(fā)展，一種名為AgenticAI（自主智能體AI）的新型架構(gòu)正在悄然改變行業(yè)規(guī)則。它不僅讓機(jī)器具備了感知、思考和行動(dòng)的能力，還賦予了它們類似人類的自主行為。無(wú)論是自動(dòng)駕駛汽車，還是智能客服機(jī)器人，AgenticAI的出現(xiàn)正在重塑我們的未來(lái)生活。那么，什么是AgenticAI？它如何運(yùn)作？又能在哪些領(lǐng)域產(chǎn)生深遠(yuǎn)影響？今天，我們帶你深入了解這個(gè)改變游戲規(guī)則的新技術(shù)。02、什么是AgenticAI？簡(jiǎn)單...

研究背景與意義研究背景：隨著大規(guī)模語(yǔ)言模型（LLMs）的迅速發(fā)展，訓(xùn)練這些模型所需的計(jì)算資源和帶寬需求也隨之增加。傳統(tǒng)的分布式訓(xùn)練方法面臨著設(shè)備協(xié)同和通信延遲等挑戰(zhàn)，這使得在數(shù)千個(gè)加速器上進(jìn)行有效訓(xùn)練變得復(fù)雜。研究意義：本文提出的StreamingDiLoCo方法，旨在通過(guò)放寬設(shè)備協(xié)同的要求，降低訓(xùn)練過(guò)程中的帶寬需求，從而提高訓(xùn)練效率。這一方法的成功實(shí)施將為分布式訓(xùn)練提供新的思路，助力在有限的帶寬條件下實(shí)現(xiàn)大規(guī)模...

研究背景與意義在當(dāng)前推薦系統(tǒng)研究領(lǐng)域中,知識(shí)圖譜(KnowledgeGraph,KG)作為一種強(qiáng)大的數(shù)據(jù)集成和表示工具,已經(jīng)被廣泛應(yīng)用于解決數(shù)據(jù)稀疏性和可解釋性等問(wèn)題。然而,不同推薦系統(tǒng)之間知識(shí)圖譜的異構(gòu)性和集成問(wèn)題仍然是一個(gè)亟待解決的挑戰(zhàn)。本文提出了RecKG(RecommendersystemKnowledgeGraph),一個(gè)專門面向推薦系統(tǒng)的標(biāo)準(zhǔn)化知識(shí)圖譜框架,旨在實(shí)現(xiàn)異構(gòu)推薦系統(tǒng)之間的無(wú)縫集成和互操作。核心創(chuàng)新點(diǎn)標(biāo)準(zhǔn)化知識(shí)圖譜設(shè)計(jì)提出了專門針對(duì)...