當AI不僅能“看”圖，還能“用圖思考”，甚至自主調(diào)用工具解決現(xiàn)實中的復雜問題，人類與機器的協(xié)作邊界正在被重新定義。今天凌晨，OpenAI發(fā)布的兩款新模型o3和o4mini，不僅刷新了多項性能紀錄，更首次將圖像深度融入推理鏈條。顛覆性突破首次實現(xiàn)圖像思維鏈整合圖片OpenAI首次展示了其模型如何嵌入圖像進行理性分析的例子。該模型不僅具備“觀察”圖像的能力，更可以“用圖像推導”。這一創(chuàng)新使視覺和文字理解能力深度結(jié)合，在...

Anthropic推出的MCP（模型上下文協(xié)議）取得了成功，這顯然激發(fā)了AI行業(yè)里的其他參與者，大家都想來定義一些開放協(xié)議，好用在AIAgent系統(tǒng)（AgenticSystems）的集成里。上周周，谷歌公開發(fā)布了一個叫A2A（Agent2Agent）的開放協(xié)議，目標是規(guī)范多AIAgent系統(tǒng)通信的實現(xiàn)方式。很多人（可能有點誤解）說這兩種協(xié)議是競爭關(guān)系，而不是互補關(guān)系。谷歌公開說A2A和MCP是互補的。這話挺合理的。但會不會有隱藏的長期競爭目標呢？我們會不...

前言本期更新推出一種基于連續(xù)小波變換（ContinuousWaveletTransform,CWT）與VGG模型的時間序列預測方法，將傳統(tǒng)時頻分析技術(shù)與深度學習相結(jié)合，有效解決了復雜時間序列的建模難題。通過將一維時序信號轉(zhuǎn)換為二維時頻圖像，充分利用卷積神經(jīng)網(wǎng)絡（CNN）對圖像特征的強大提取能力，在保證時序局部特征的同時，顯著提升模型對非平穩(wěn)信號的適應性。1.模型簡介模型核心思想（1）時頻轉(zhuǎn)換：利用CWT捕捉時序信號的時頻局部特性，生成...

OpenAI大佬姚順雨發(fā)表一篇名為“TheSecondHalf”博客，核心觀點是人工智能（AI）的發(fā)展已經(jīng)進入了一個新的階段，即“下半場”：從現(xiàn)在開始，將把重點從解決問題轉(zhuǎn)移到定義問題上；評估將比訓練更為重要，不再只是問：“我們能否訓練一個模型來解決X問題？”而是要問：“我們應該訓練人工智能去做什么，以及我們?nèi)绾魏饬空嬲倪M步？”；為了在AI的下半場取得成功，需要及時轉(zhuǎn)變思維方式和技能組合，這些思維方式和技能組合或許...

微軟研究院發(fā)布了第一個開源的、原生的1bit大型語言模型（LLM）：BitNetb1.582B4T：內(nèi)存占用：BitNetb1.582B4T的非嵌入層內(nèi)存占用僅為0.4GB，遠低于其他全精度模型。能耗：估計的解碼能耗為0.028焦耳，遠低于其他模型。解碼延遲：在CPU上，BitNetb1.582B4T的平均延遲為29ms，遠低于其他模型。BitNetb1.582B4T參數(shù)規(guī)模達到20億，在包含4Ttokens的語料庫上進行訓練，并在多個基準測試中表現(xiàn)出與同規(guī)模的領(lǐng)先全精度模型（LLaMA3.21...

在多智能體系統(tǒng)中的協(xié)作算法中，傳統(tǒng)的路徑規(guī)劃方法，例如旅行商問題求解器、粒子群優(yōu)化算法和貪婪搜索策略，通常能夠在靜態(tài)或已知環(huán)境中表現(xiàn)出色。當環(huán)境充滿不確定性且任務目標分布未知時，這些方法的局限性顯露無遺。傳統(tǒng)強化學習方法雖然能夠在部分可觀測環(huán)境中進行學習，但在多智能體場景中卻常常難以協(xié)調(diào)智能體之間的行為，導致效率低下。問題的核心在于這些傳統(tǒng)方法缺乏對智能體之間復雜關(guān)系的有效建模能力，同時也很難...

人工智能日新月異，大模型（LLM）的快速發(fā)展正以前所未有的速度重塑我們的工具箱，為各種智能應用注入全新活力。如今LLM不僅能實現(xiàn)自然語言生成和語義理解，更成為推動AI代理系統(tǒng)進步的重要引擎。越來越多的應用證明，僅憑傳統(tǒng)靜態(tài)模型已難以滿足不斷變化的任務需求，而具備更強適應性的智能代理正成為未來的趨勢。正因如此，構(gòu)建一套能夠無縫應對多種任務、具備高度協(xié)同和靈活響應能力的“超級代理系統(tǒng)”顯得尤為迫切。這樣的...

第一定律：延遲溯源核彈LangSmith不只是監(jiān)控工具，更是性能法醫(yī)！看UberEats如何用它揪出「幽靈延遲」：實戰(zhàn)代碼片段延遲熱力圖生成importloggingimportlangsmith配置日志記錄langsmithloggerlogging.getLogger("langsmith")langsmithlogger.setLevel(levellogging.DEBUG)性能指標獲取?可以獲取延遲相關(guān)指標?包括:latencyp50、latencyp99、firsttokenp50、firsttokenp99導出性能數(shù)據(jù)使用Pandas處理數(shù)據(jù)使用SeabornMatplotlib...

一、電信巨頭的數(shù)字化轉(zhuǎn)型困局作為服務歐洲與非洲3.4億用戶的通信霸主，Vodafone在全球運營著數(shù)百個數(shù)據(jù)中心。每天面對：300+TB實時性能數(shù)據(jù)5000+技術(shù)文檔庫200+類基礎設施監(jiān)測指標傳統(tǒng)模式下，工程師需要手動查詢SQL、翻查SharePoint文檔，平均每個故障診斷耗時45分鐘。直到他們祭出兩大AI殺手锏：二、雙AI引擎驅(qū)動智能運營智能儀表盤：InsightEngine自然語言→SQL自動轉(zhuǎn)換實時生成可視化圖表異常檢測準確率提升68%NL2SQL工作...

編輯云昭出品51CTO技術(shù)棧（微信號：blog51cto）繼昨天凌晨OpenAI推出滿血o3、o4mini之后，沒想到谷歌邁著“LLM王者”的步伐給出了自家的模型SOTA研究Gemini2.5Flash。如果說o3主打的是“干實事”，那么谷歌這次的新發(fā)布則是告訴我們：什么是“成本可控”的極致性價比。這次的發(fā)布以后立馬引來一眾開發(fā)者的討論，不過這次不是負面的，而是全面的好評。1.Gemini2.5Flash的最大賣點控制大模型的思考預算今天剛剛推出來的谷歌的新模...

“提示詞是大模型與外界交互的唯一通道，因此提示詞的重要性遠比我們想象中的要重要。”提示詞或者說提示詞工程，說起來可能大家多多少少都知道是怎么回事；但可能很多人并沒有意識到提示詞工程對大模型的重要性。提示詞是人與大模型溝通的橋梁，就像我們要想使用電腦就離不開鼠標鍵盤一樣；不管你是做AIGC也好，做RAG、Agent也罷，或者其它任何與大模型相關(guān)的技術(shù)或應用，都離不開提示詞的存在?？傊痪湓挘魏侮P(guān)于大模型的...

“智能體應用是大模型應用的一個重點方式，而怎么才能做出一個合格的智能體是很多人都在考慮的問題。”對大模型有過了解的人應該都知道，大模型應用目前主要還處于探索階段，而關(guān)于大模型應用的技術(shù)也是日新月異，在不斷持續(xù)的發(fā)展。而關(guān)于大模型的應用目前的主要形式是聊天，然后通過大模型的自身能力去完成一些工作；比如生成內(nèi)容，總結(jié)文檔等。但我們對大模型的期待要遠遠高于簡單的聊天，我們需要的是大模型根據(jù)我們的指令...

編輯｜云昭出品51CTO技術(shù)棧（微信號：blog51cto）4月17日凌晨1點，一半OpenAI的模型精銳都出來秀肌肉了！凌晨一點，OpenAI派出了8位新老大將齊聚今晚的直播間，一起解說OpenAI新發(fā)布的目前OpenAI最為強大、最為智能的模型：滿血o3和o4mini！可以說這次發(fā)布的重點和賣點就是：實用價值（真能代替你干活）！??????“這些是首批得到頂尖科學家和律師認可的模型，這些模型能夠產(chǎn)生真正有價值且實用的新想法。我們已經(jīng)看到了非...

文章鏈接：https:arxiv.orgpdf2504.08736項目鏈接：https:silentview.github.ioGigaTok代碼鏈接：https:github.comSilentViewGigaTok亮點直擊分詞器規(guī)模擴展中存在的重建與生成困境源于更大規(guī)模分詞器隱空間復雜度的提升。本文提出語義正則化方法，有效緩解該困境從而實現(xiàn)分詞器的規(guī)模擴展。探索了分詞器規(guī)模擴展的最佳實踐方案，包括：采用混合CNNTransformer架構(gòu)的一維分詞器、非對稱編碼器解碼器擴展策略，以及針對十億級分...

今天凌晨，微軟在官網(wǎng)開源了DeepSeekR1魔改版MAIDSR1，在保留原有推理性能的基礎上進行了大幅度增強。尤其是在響應和屏蔽詞方面有了顯著改進：MAIDSR1可以響應99.3%的敏感話題提示，比原版R1提升了2倍，這對于政治學術(shù)研究、社會問題、倫理道德研究等幫助巨大；但在安全風險大幅度降低，比原版R1降低了50%。那些想體驗一下“放飛自我”版R1的小伙伴們可以試試這個，非常有意思打開全新世界。開源地址：??https:huggingface.co...

從文本生成視頻已取得了長足的進展，但在制作更長的多場景故事時仍然會遇到瓶頸。雖然Sora、Veo和MovieGen之類的擴散模型已提高了視覺質(zhì)量的門檻，但它們通常僅限于20秒以內(nèi)的片段。真正的挑戰(zhàn)是什么？上下文。從一段文本生成一段一分鐘的故事驅(qū)動型視頻需要模型處理數(shù)十萬個token，同時保持敘事和視覺的連貫性。英偉達、斯坦福大學、加州大學伯克利分校及其他機構(gòu)的這項新研究應運而生，它引入了一種名為測試時間訓練（TTT）的...

目前，很多的使用MCP的案例都是基于Cursor，ClaudeDesktop等客戶端展開的，那么如何在現(xiàn)有的系統(tǒng)里通過代碼集成呢？今天，介紹一個很不錯的MCP客戶端庫mcpuse，集成非常簡單，僅需6行代碼即可創(chuàng)建第一個支持MCP的Agent，可與任何支持工具調(diào)用的Langchain支持的LLM（OpenAI、Anthropic、Groq、LLama等）配合使用，不僅支持本地MCPServer，還支持sse協(xié)議下的遠程MCP服務器，這樣就可以和Dify這樣框架集成（??Dify也支持MCP了！...

OpenAI發(fā)布了其最新的人工智能推理模型：o3和o4mini。o3被譽為該公司迄今“最強大的推理模型”，在數(shù)學、編程、推理、科學及視覺理解等多個基準測試中刷新了記錄，尤其擅長處理需要多角度分析的復雜查詢和視覺任務，并在實際應用中顯著減少了錯誤。與此同時，o4mini作為一款更小巧、快速的模型，旨在提供具有競爭力的價格、速度和性能平衡。它在保持低成本的同時，在數(shù)學（如AIME基準測試近乎滿分）、編程和視覺任務上表現(xiàn)卓越...

最近一直在做數(shù)據(jù)+AI方向的工作，前兩天無意中看到一個MCP的技術(shù)，經(jīng)過詳細的學習之后，了解到這個可能不僅僅應用在大模型，而更多是數(shù)據(jù)和模型之間的橋梁，最近就一直在考慮對于多模態(tài)數(shù)據(jù)如何才能實打?qū)嵉暮蛻媚Ｐ徒Y(jié)合起來的事情，MCP無疑是提供了某種思路，下面是關(guān)于MCP的一些介紹，部分內(nèi)容是參考的社區(qū)文檔。MCP（ModelContextProtocol）是一種開放協(xié)議，它標準化了應用向設備提供上下文的方式?？梢詫CP想象成AI應用...

前些日子騰訊發(fā)布了他們最新的模型，號稱這是工業(yè)界首次將混合Mamba架構(gòu)無損應用于超大型推理模型，并且顯著降低了訓練和推理成本。那么騰訊混元T1實際表現(xiàn)怎樣？和DeepSeek相比哪個更好用？今天，江樹通過六個維度的實測對比，和大家一起來看看騰訊混元與DeepSeek這兩款國產(chǎn)大模型在實際應用中的表現(xiàn)差異。這些差異背后，是技術(shù)路線的選擇，也是未來發(fā)展的方向。1.上下文窗口首先，我們來看一個技術(shù)指標：上下文窗口大小。什么...