AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
混沌优化算法（COA）：从理论到实践的探索之旅
混沌理论揭示了确定性系统中隐藏的复杂性和不可预测性，而混沌优化算法正是借鉴了混沌系统对初始条件的敏感性、遍历性和内在的随机性，通过模拟混沌动态过程来探索优化问题的解空间。图片这种算法不仅能够有效避免陷入局部最优，还能在全局范围内高效搜索，展现出强大的适应性和灵活性。今天，我们要揭开这个神秘而强大的智能优化算法的面纱——混沌优化算法。一、混沌理论的魅力提到混沌，你可能会想起蝴蝶效应——一只蝴蝶在...混沌优化算法Agent 是一种思想，不是技术！
最近很多人在提Agent，有人说它是大模型的下一步，有人说它是通往AGI的路径。但实际上，对于大多数做技术落地的人来说，Agent到底能干什么、适合解决哪些问题、怎么用才合适，反而是更值得关注的。我的观点“先规划，再执行，还能自查”的过程，其实就是Agent的基本思想。Agent是一种思想，不是技术！一、先说最本质的一点：为什么会需要Agent？我们先从现实出发。大模型出来之后，最开始大家用它写点文案、改代码、问点问题，...Agent技术O1模型超越FastGPT、Dify！Agentic CoT 架构实现RAG回答准确率突破94%大关
原创特定领域的QA系统不仅需要生成流畅的回答，还需确保基于专业知识的高事实准确性。尽管检索增强生成（RAG）框架改进了上下文调用能力，但在异构数据整合与推理一致性方面仍存在不足。为此，清华大学提出DORAG，一种可扩展、可定制的混合QA框架，融合多级知识图谱构建与语义向量检索技术。DORAG采用创新的AgenticCoT架构，从多模态文档中提取结构化关系，构建动态知识图谱以提升检索精度。在查询阶段，它结合图谱与向量检索结果生...FastGPTDifyAgentic CoTRAG空间智能觉醒！蚂蚁ViLaSR-7B突破人类思维屏障，让大模型首次具备人类空间思维能力！
原创当AI在测量手机尺寸时，不是依赖像素计算，而是主动寻找显示器作为参考物进行比例换算；面对迷宫导航任务，它像人类一样在图像上绘制辅助线和标记框，动态追踪空间关系。这是蚂蚁技术研究院联合中科院自动化所、香港中文大学开源的ViLaSR7B模型展现的类人空间推理能力。  这项突破标志着大模型首次跨越了抽象语义理解与具象空间认知的鸿沟，在五大空间推理基准上实现性能跃升，与谷歌Gemini1.5Pro旗鼓相当。 长...人工智能ViLaSR-7B抽象语义理解具象空间认知算家云特斯拉纯视觉Robotaxi正式上路：9年磨剑，首战公共道路
原创当地时间6月22日，酝酿10年的特斯拉Robotaxi服务正式启动，将马斯克充满野心的自动驾驶愿景首次推向公共道路。  从2015年首次吹风，用了十年光阴，这款被马斯克称为"交通革命终极形态"的产品终于正式启动运营。在自动驾驶技术屡遭寒冬的行业里，特斯拉用一场近乎"史诗级长跑"的坚持，将无人驾驶出租车从科幻概念推向现实，更将全球出行市场的战火推向白热化。 特斯拉选择在奥斯汀正式启动Robotaxi服务：10辆改装...特斯拉人工智能马斯克Robotaxi算家云连发推理模型、Agent和多模态，MiniMax不想掉出一梯队｜AI创世纪
图片来源：视觉中国蓝鲸新闻6月21日讯（记者朱俊熹）与大模型“六小龙”中趋于沉寂的其他几家同行相比，MiniMax用连续5天的上新，带来了久违的热闹场面。自6月17日起，MiniMax一周内相继发布了新的推理模型、视频生成模型、Agent、语音设计等产品。其中，MiniMaxM1是MiniMax推出的首个推理模型，官方介绍称是基于年初的MiniMaxText01模型开发得到的。一位AI算法工程师对蓝鲸科技记者表示，半年时间内从基础模型通过强化学习训练...AI马斯克放大招：Robotaxi 真的来了！首批10辆开跑，千万网友围观，全网猜测：安全监控员干啥的？
原创
社区头条编辑云昭出品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...Robotaxi安全监控员首个远程容器化Agent！手机写应用，厕所里部署！网友：比氛围编程还牛！异步编程时代来了！
原创 社区头条编辑｜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...Agent部署异步碾压开源与商业模型！腾讯开源一致性视频生成框架HunyuanCustom：可同时实现音频同步与视频编辑！
腾讯提出了一个多模态定制视频生成框架HunyuanCustom，该框架强调主题一致性，同时支持图像、音频、视频和文本条件。基于HunyuanVideo，该模型首先通过引入基于LLaVA的文本图像融合模块来增强多模态理解，以及利用时间连接来增强跨帧身份特征的图像ID增强模块，从而解决了图像文本条件生成任务。单主题视频定制一致性故事生成与最先进的方法的比较多主题视频定制多主题定制音频驱动的视频定制HunyuanCustom首次实现了音频驱动的...商业模型腾讯开源3D生成新王者！北大&小红书发布Dive3D：双引擎驱动，画面更真、创意更野、花样更多！
论文链接：https:arxiv.orgpdf2506.13594项目链接：https:ai4scientificimaging.orgdive3d效果展示与GaussianSplatting基线的比较。Dive3D可以在不同的3D表示中生成3D对象Dive3D3DGaussianSplattings亮点直击SIM损失替代KL散度：提出基于梯度匹配的SIM损失，从根本上解决KL散度导致的模式坍塌问题，显著提升多样性。统一框架：首次将扩散蒸馏和奖励引导优化统一为发散最小化问题，实现多目标协同优化。全方面性能提升：在多样性...3D图像生成模型开源新宠！IBM Granite 4.0 Tiny来袭，对话、多语言、代码生成全搞定
原创在人工智能领域，语言模型一直是研究和应用的热点。从简单的文本生成到复杂的对话系统，语言模型的性能和效率一直是开发者和研究人员关注的重点。最近，IBM发布了一个备受瞩目的新成员——Granite4.0Tiny，这是其即将推出的Granite4.0语言模型家族中最小的成员。今天，我们就来深入了解一下这个小巧而强大的模型，看看它如何在长文本任务和指令跟随场景中大放异彩。开源与高效：Granite4.0Tiny的使命IBM一直以来都致力于开发开...开源IBMGranite 4.0 TinyLLaMA 4深度解析：多模态、长文本与高效推理，AI模型的“全能战士”诞生了！
原创 精华在当今快速发展的AI领域，多模态大语言模型（MLLMs）正逐渐成为行业的焦点。这些强大的AI系统能够处理和生成多种类型的数据，包括文本、图像、音频、视频等，为各个行业带来了前所未有的机遇。而Meta在2025年初推出的LLaMA4，无疑是这一领域的重大突破，它不仅引入了多模态能力，还通过“专家混合”架构实现了前所未有的计算效率和模型规模。一、LLaMA4：多模态大语言模型的里程碑LLaMA4是Meta在大语言模型领域的最新力作，它首...LLaMA 4多模态AI模型AI Agents-8 | 构建Muti-Agent系统
原创在AI的世界里，智能体（Agent）就像是一个个拥有独立思考能力的小机器人，它们能够根据任务需求做出决策、执行操作，甚至与其他智能体协作完成复杂的任务。今天，就让我们一起走进多智能体架构的世界，看看这些“变形金刚”是如何通过不同的模式和策略，为我们的生活和工作带来巨大变革的。一、智能体的价值：从复杂任务中脱颖而出当我们思考智能体能够为哪些场景带来价值时，不妨先看看那些传统自动化方法难以触及的领域：复杂...AI AgentsMuti-Agent系统智能体AI智能体架构：模式、应用和实施指南
原创 社区头条AI智能体架构为设计可以感知环境、处理信息和执行操作的智能系统提供了结构蓝图。我对架构非常感兴趣。在探索AI智能体的过程中，我对智能体架构非常好奇。这促使我找到了IBM在其Think页面上发布的《2025年AI智能体指南》这份很棒的资料。该指南的其中一节就与架构有关。架构部分解释，智能体架构指使AI智能体能够自动执行工作流程、推理任务并利用工具实现其目标的设计和结构。该架构旨在支持自主的、目标驱动的行为...AI智能体编排器开局一把牌，怎么都能打 | 神经网络从“白痴”训练到“专家”水平，其参数并没有太大的变化
这两天重读了一篇很有趣的论文，《Effectoftheinitialconfigurationofweightsonthetrainingandfunctionofartificialneuralnetworks》（https:arxiv.orgpdf2012.02550）。它非常直白的展示了人工神经网络训练过程中的初始权重配置对网络功能和性能的影响。通俗来讲，神经网络就像是一台复杂的机器，它内部有很多“开关”（也就是权重），这些开关从一开始就有随机的初始设置。在训练过程中，这些开关的设置会一点一点调整，目标...神经网络参数训练别只盯着Suno了，腾讯端出的这盘“王炸”可能要改变游戏规则
当大家还在为Suno和Udio生成的以假乱真的旋律惊叹时，牌桌上的一个“老玩家”悄无声息地扔出了一对王炸。是的，我说的就是腾讯AILab。他们这次拿出的开源音乐大模型SongGeneration，给我的感觉就像在平静的湖面投下了一颗深水炸弹。它不仅技术上硬核，而且“开源”这两个字，直接把格局拉满了。作为一个天天泡在各种模型和代码里的人，我可以负责任地说，这不仅仅是一个新玩具，更像是一份宣言，一份要把音乐AIGC门槛彻底打下来...腾讯端AI技术Kimi变身学术“卷王”，你的论文和报告还好吗？
精华嘿，各位AI圈的朋友们，放下手中的咖啡，暂时忘掉那些复杂的Prompt指令吧。今天，咱们聊个硬核又刺激的话题。就在我们以为大模型还在“读万卷书”的时候，月之暗面（MoonshotAI）悄悄地放出了一头猛兽——KimiResearcher，一个可能要让无数研究生、分析师和报告撰写人惊呼“狼来了”的AIAgent。是的，你没看错，它不只是一个能聊天的Kimi，而是一个进化成了“研究员”形态的全新物种。这位“研究员”的工作强度，有点“离谱”想...Kimi自主探索AI图像也能通过 RAG 加入知识库啦！
我们知道，检索增强生成RAG通过整合外部知识库与生成模型，有效缓解了大模型在专业领域的知识局限性。传统的知识库以文本为主，通常依赖于纯文本嵌入来实现语义搜索和内容检索。然而，随着多模态数据需求的增长和复杂文档处理场景的增多，传统方法在处理混合格式文档（如包含文本、图像、表格的PDF）或长上下文内容时，往往面临性能瓶颈。CohereEmbedv4。CohereEmbedv4是一个能够满足企业需求的多模态嵌入模型...图像RAG知识库为什么用Qwen3 embedding和rerank
排名是真的挺好，开源闭源现在都是第一了，这个事embeddiing的，rerank应该也是第一，甚至4B的基本也除了8B以外就是它第一。它和普通的比如原来的我们常用的BGE之类的有啥区别？传统的embedding都是基于bert来弄模型，一般也就encoderonly，bert原来也就是干分类器的，给一句话到它，它给你进行embedding了，这里考虑到有些同学可以不理解整套流程，我就稍微说细点一般来讲用3层法就很好理解：第一层：词元嵌入（TokenEmbedding...Qwen3BGE开源大模型才是智能体的核心，智能体的所有操作都是基于大模型完成的——智能体的执行过程
原创“智能体的核心是LLM，方法是Prompt，重要组件是Tools。”开发智能体有一个核心原则——那就是智能体的核心是大模型，不论多么复杂的智能体都是基于这个原则开发的。为什么这么说？原因就在于很多人没有理解这句话，简单来说就没搞明白大模型的运行流程是什么样的；而且面对市面上各种开发框架和开源项目，都把智能体的核心操作封装起来了，而对于我们很多开发者来说，这些智能体的运行过程就是一个黑盒，也不懂得其中的原理。...大模型智能体LLM
