AI.x社区

编辑云昭出品51CTO技术栈（微信号：blog51cto）统一车费4.20美元、首发奥斯汀、仅10余辆车上线运行……马斯克的Robotaxi终于开跑了。6月23日清晨，马斯克在X上官宣：特斯拉自动驾驶出租车服务正式在德州奥斯汀启动试点，每单统一收取4.20美元，用户可以通过TeslaApp体验这一“未来交通”。并在置顶的帖子上表示：向TeslaAI的软件和芯片设计团队表示超级祝贺，Robotaxi成功上线！！这是十年辛勤努力的成果。特斯拉的AI芯片和软件...

出品51CTO技术栈（微信号：blog51cto）告别政坛，马斯克宣布要回归“主线任务”了！在YCombinator的AI创业学校演讲上，ElonMusk正式宣布要回到他真正关心的事上：AI、太空、人类的未来。他坦言AI才是影响人类最深远的要素，并抛出一句极具画面感的比喻：“我感觉，改革（美国）政府就像在清理一个满是针头、排泄物和垃圾的海滩。你本想清理这个海滩，但此时却有一堵一千英尺高的“AI海啸”正要袭来——那在这种情况下，清洁海滩...

引言在科技与艺术不断交融的时代，创意的碰撞总能带来意想不到的惊喜。Labubu，这个由香港艺术家龙家升创造的森林精灵，以其独特的“丑萌”形象和丰富的角色设定，在潮流玩具领域掀起了一阵热潮，它有着9颗尖牙、歪斜笑容与超长獠耳，看似邪恶调皮却心地善良，自2015年诞生后，迅速成为了年轻人收藏和追捧的对象。而Intel的哪吒开发套件，作为一款高性能、高扩展性的开源硬件平台，以其强大的计算能力和丰富的接口，为开发者们...

编辑｜云昭出品51CTO技术栈（微信号：blog51cto）就在今天，程序员真的要告别“打开终端敲代码”的工作方式，合上你的电脑去喝咖啡吧，回来就可以看到PR！完全不耽误！甚至，“你可以在厕所里就能部署一款应用！”凌晨，一款可实时部署环境、完全在线、容器化版本的云端编程Agent引起了数百万网友的关注！这款“混合体”版本的Agent名为Phoenix.new，一经发布就引爆了开发者社区。这个项目的主导开发者更是赫赫有名，ChrisMcCor...

论文链接：https:arxiv.orgpdf2506.10395亮点直击解耦视觉编码架构：首创分任务设计视觉编码器，解决理解与生成的固有矛盾。三阶段渐进训练：通过数据分层优化，实现细粒度多模态对齐与强指令跟随能力。任务协同效应：首次揭示图像理解与生成在统一框架中的相互增强作用。开源组件高效整合：巧妙结合CLIP、扩散模型和LLM，平衡性能与计算成本。Pisces在图像生成和理解方面都表现出色总结速览解决的问题统一多模态模型的性能差距...

1.背景1.1AI芯片设计的当前挑战与新兴计算范式概览人工智能（AI）的飞速发展，特别是以Transformer为代表的深度学习模型的广泛应用，对计算硬件提出了前所未有的要求。传统的冯·诺依曼架构在处理这些大规模、高并行的AI负载时，其性能和效率日益受到“功耗墙”（powerwall）和“架构墙”（architecturewall）的根本性制约。随着模型规模的持续膨胀，其计算复杂度和内存需求呈爆炸式增长，这迫使学术界和工业界必须跳出传统思维...

论文链接：https:arxiv.orgpdf2506.10395亮点直击解耦视觉编码架构：首创分任务设计视觉编码器，解决理解与生成的固有矛盾。三阶段渐进训练：通过数据分层优化，实现细粒度多模态对齐与强指令跟随能力。任务协同效应：首次揭示图像理解与生成在统一框架中的相互增强作用。开源组件高效整合：巧妙结合CLIP、扩散模型和LLM，平衡性能与计算成本。Pisces在图像生成和理解方面都表现出色总结速览解决的问题统一多模态模型的性能差距...

Anthropic6月13日分享了关于构建多智能体系统的架构设计，几乎是毫无保留地展示了如何从零开始打造一个强大的多智能体（MultiAgent）DeepResearch系统，也就是Claude目前内置的Research功能。整个内容干货满满，涵盖了架构设计、Prompt提示词工程、效果评估，以及在生产环境中可能遇到的各种问题，可以说毫无保留。下文对要点详细剖析。1、多智能体系统的优势为什么不用单个强大的AI智能体，而是要搞复杂的“多智能体”架构呢？...

核心速览多模态大型语言模型（MLLMs）在理解常见视觉元素（如风景、家居用品和公共事件）方面展现了令人印象深刻的能力，这主要归功于其大规模数据集和先进的训练策略。然而，由于医学场景中的数据和任务与一般领域存在固有差异，它们在医学应用中的有效性仍然有限。具体来说，现有的医学MLLMs面临以下关键限制：（1）对医学知识（超出影像学范围）的覆盖有限；（2）由于数据策展流程不佳，容易产生幻觉；（3）缺乏针对复杂医学...

前天深夜，MiniMax正式发布视频生成模型Hailuo02（海螺02），凭借惊人的物理特效，为视频生成领域带来了新的突破。  在ArtificialAnalysisVideoArena最新排名中，Hailuo02一举拿下全球第二，将谷歌Veo3、快手可灵2.0等巨头甩在身后。  值得一提的是，榜单前五名中，中国AI就占了四席——字节跳动Seedance1.0、MiniMaxHailuo02、快手可灵、生数科技。 极限物理表现惊艳全网 官方发布的预览视频呈...

2025年的RAG大反思我们的目标不是抨击RAG（它仍有其用武之地！），而是通过一个实际案例来探索2025年的技术趋势。我们将构建一个传统上会使用RAG的系统，但采用一种完全不同的、越来越流行的方法。通过本文，你将了解：•为什么“直接访问源数据”的方法（gotosource）因工具调用（toolcalling）和模型上下文协议（MCP）而逐渐受到关注。•RAG仍然适用的场景（剧透：比你想象的少）。•如何构建一个用户喜爱的实用替代方案。•...

Claude现在拥有研究功能[1]，可以在网络、GoogleWorkspace和任何集成中进行搜索，以完成复杂的任务。这个多智能体系统从原型到生产的旅程教会了我们关于系统架构，工具设计和prompt工程的关键教训。多代理系统由多个代理（LLMs在循环中自主使用工具）组成。我们的研究功能涉及一个代理，它根据用户查询计划研究过程，然后使用工具创建同时搜索信息的并行代理。具有多个代理的系统在代理协调、评估和可靠性方面引入了新的挑战。...

论文链接：https:arxiv.orgpdf2504.04158项目主页：https:cvpr2025jarvisir.github.ioGithub仓库：https:github.comLYL1015JarvisIRHuggingfaceOnlineDemo:https:huggingface.cospacesLYL1015JarvisIR背景与动机在自动驾驶等现实应用场景中，视觉感知系统常常受到多种天气退化（如雨、雾、夜间、雪）的影响。传统的单任务方法依赖特定先验知识，而allinone方法只能解决有限的退化组合同时又存在严重的领域差异，难以应对复杂的...

一、为什么你的智能音箱总像个"失忆症患者"？"嘿，Siri，推荐一部类似《星际穿越》的电影。""为你推荐《变形金刚》系列，科幻动作大片哦～"如果这样的对话让你血压飙升，别急，这不是你的错觉。现在的AI助手就像刚认识三天的室友：表面客气，实则对你的喜好只有模糊的"大众印象"。它们要么用一套模板应付所有人（比如永远推荐热门电影），要么像金鱼一样只有七秒记忆——上次你明明说过讨厌机器人题材，这次依然给你推《变形金...

编者按：AI智能体到底应该如何构建？是追求复杂的端到端解决方案，还是回归软件工程的本质思维？我们今天为大家带来的文章，作者的观点是：智能体本质上就是软件，应该用严谨的软件工程原则来构建，而非盲目追求“黑箱式”的复杂框架。文章从智能体的发展历程出发，深入剖析了从有向图到DAG编排工具，再到今天AI智能体的技术演进脉络。随后，作者系统性地提出了构建可靠LLM应用的12个核心原则。这篇文章为正在构建AI应用的开发...

大模型发展迅速，Agent发展也很迅速。但是似乎，目前还很少有对开源工具栈进行整理的。一些综述提到的可能比较旧（不更新了），或者不实用，或者内容太多了。端午整理了一下，把压箱底的AIAgent开源工具栈全部整理出来下面，我们按照构建Agent的逻辑顺序，逐一盘点。9大类型、50个实用工具合集！照旧，也做了一个网页展示（这次测试了一些比较酷的动效，需要网页源码的可以后台私信发送Agent工具栈一、计算机与浏览器操作现在比...

在2023年，提到AI，大家的第一反应大多是ChatGPT。然而，时间来到2025年，AI的世界已经发生了翻天覆地的变化。虽然大型语言模型（LLM）点燃了AI革命的导火索，但如今我们已经进入了AI模型多样化的新时代。这些模型各有神通，就像不同的交通工具，虽然都能移动，但用途截然不同。如果你是AI研究人员、初创公司创始人、产品经理，或者只是想跟上时代步伐的人，那么了解这些AI模型的差异不再是锦上添花，而是真正的竞争优势。今天...

1.背景从深度神经网络到能对话、解难题的大型语言模型，技术突破层出不穷。虽然像OpenAI的GPT4这样的模型展现出惊人的语言理解能力，但它们大多仍停留在"问答助手"阶段。真正的进化方向在于开发能自主决策并执行的通用AI智能体。2025年由中国初创公司Monica打造的ManusAI，正是这一领域的佼佼者——全球首个能像人类助手般"思考"并执行任务的真正自主AI。ManusAI的独特之处在于不仅能提供建议，更能独立规划方案、调用工具、执...

在细胞这个「工厂」中，氮氧硫（NOS）键就像一个可逆的「智能开关」，能够根据环境中的氧化还原变化调节酶活性。2021年，来自德国哥廷根乔治奥古斯特大学的团队，通过研究淋病奈瑟氏球菌的转醛醇酶，发现了存在于赖氨酸和半胱氨酸之间的NOS键。这项研究超越了单一病原体和酶的研究范畴，为跨学科的蛋白质科学、药物设计和生物工程奠定了重要基础。然而，随着蛋白质结构数据的爆炸式增长，以及科学界对蛋白质结构中化学键的持续...

1.背景从深度神经网络到能对话、解难题的大型语言模型，技术突破层出不穷。虽然像OpenAI的GPT4这样的模型展现出惊人的语言理解能力，但它们大多仍停留在"问答助手"阶段。真正的进化方向在于开发能自主决策并执行的通用AI智能体。2025年由中国初创公司Monica打造的ManusAI，正是这一领域的佼佼者——全球首个能像人类助手般"思考"并执行任务的真正自主AI。ManusAI的独特之处在于不仅能提供建议，更能独立规划方案、调用工具、执...