AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
GLM4.5正式开源，真实测，全栈开发能力封神，免费可玩。对话刘昊然：南京照相馆PPT着实震撼！
原创
社区头条
热门内容榜 • 最近上榜编辑云昭出品51CTO技术栈（微信号：blog51cto）今天凌晨，智谱新开源了自家的最强模型GLM4.5。从官方发布了的博客看，这次发布聚焦在了三项能力：推理、coding和Agentic任务。圈里一些朋友反馈看，说它拿下了新一轮的卷王宝座，小编反而觉得GLM这次发布没那么简单，有几项新的功能，可以说市面上仅此一家。这里还是先“省流”地的说几点官方公开的功能亮点，然后就开始实测一波。在智能体任务基准测试中，GLM4.5拿下了媲美Claud...GLM4.5Kimi-K2Qwen3LLM+KG+Agent的Text2SPARQL多语言KBQA智能体框架—mKGQAgent
原创 社区头条前面笔者介绍了《大模型在知识图谱问答上的核心算法详细思路及实践》，一般的Text2SparqlText2SQL技术路线图如下，目标是奖自然语言转话为可查询的SQL语句。目前基于KG+LLM+Agent的KBQA方案，在多语言场景未得到充分探索。下面来看一个智能体框架mKGQAgent，通过模拟人类推理过程将自然语言问题转化为SPARQL查询。mKGQAgent架构mKGQAgent工作流演示（在线阶段）。在评估阶段，mKGQAgent利用经验池中的实例来优化规...LLMKGText2SPARQLAgentLumina-mGPT 2.0横空出世：自回归模型终结扩散时代？媲美DALL·E 3，更自由、更全能！
论文链接：https:arxiv.orgpdf2507.17801代码链接：https:github.comAlphaVLLMLuminamGPT2.0亮点直击LuminamGPT2.0，一种独立的、仅使用解码器的自回归模型，旨在重新审视并振兴自回归范式，以实现高质量图像生成及更多应用。完全从零开始训练，实现了架构设计上的无限自由和许可上的完全开放。该模型在生成质量方面可与最先进的扩散模型（如DALL·E3和SANA）相媲美，同时保留了自回归建模所固有的灵活性和组合性。统一分词方案...AI模型图像生成如何在体育数据分析中使用机器学习？
原创 社区头条本文对机器学习在体育运动中的主要应用与实现进行了探讨。通过整合赛事统计、可穿戴设备及视频追踪等多个来源数据，机器学习可以实现比赛结果预测、球员表现评估、伤病风险预警及战术优化，还能够分析球员和比赛的数据，以识别隐藏的模式，帮助球队确定更科学的训练方法。你有没有想过，体育解说员如何能在赛事中快速准确地判断球员的竞技状态或总结关键数据？体育数据分析让球队能够收集数据、评估队员表现并做出深入决策以提...数据分析机器学习人工智能通过这样分析，我读懂了Transformer架构的输出层
输出层（OutputLayer）是Transformer框架的最后一部分，负责生成最终的输出序列。它是Transformer框架中连接“模型理解”与“实际应用”的桥梁，决定了模型是否能够适配具体任务并产出有意义的结果。因此它在整个模型中起着至关重要的作用。下面我们一起来详细了解输出层的关键作用和工作原理。一、如何理解输出层1.输出层作用：Transformer架构的输出层是整个模型中将编码得到的语义信息转化为目标任务结果的部分。它的目的是...Transformer架构序列探索 RAG-Anything：开启多模态 RAG 的新纪元，让文档“活”起来！
精华 热门内容榜 • 最近上榜项目简介：打破模态壁垒的智能引擎RAGAnything是一款综合性多模态文档处理RAG（检索增强生成）系统。想象一下，你面对的复杂文档包含了文字、图片、表格、公式……传统RAG对此束手无策？RAGAnything正是为此而生！它基于强大的[LightRAG](https:github.comHKUDSLightRAG)框架构建，致力于解决传统文本RAG的短板，为处理富含多模态内容的文档提供了一套完整的端到端解决方案。项目链接：https:github.comHKUDSRAGAnything整体架...RAG-Anything多模态RAGClaude Code 绝对是当下最强AI编程神器，拉爆CC性能的使用指南来了！
社区头条只要用对了ClaudeCode，一定会让你感到哇塞！这一刻，提示工程正式转向上下文工程。今年又一个震撼时刻，没用上的朋友一定要去亲自体验一下！不要用来写贪吃蛇、网页小游戏了，浪费了ClaudeCode这把牛刀。不要用DeepSeek模型平替了，免费的才是最贵的。之前因为网络的原因一直没体验上原生的ClaudeCode，最近得空又研究了一下，这次真的被震撼到了，直接给我写了一整个系统！编程的门槛再次降低！江树的ClaudeCode用法，分享给...AI编程CC性能线性代数：人工智能背后的隐形引擎
在人工智能的快速发展中，线性代数如同空气般无处不在却常被忽视。从手机相册的智能分类到语音助手的即时响应，从自动驾驶的路径规划到医疗影像的精准诊断，这项看似抽象的数学工具正以润物细无声的方式重塑着我们的生活。数据世界的翻译官：向量与矩阵的魔法当我们用手机拍摄一张照片时，图像在计算机内部被转化为由像素组成的矩阵。每个像素的亮度值构成矩阵中的元素，彩色图像则通过三维张量（红、绿、蓝三个矩阵的叠加）来...人工智能线性代数神经网络训练中的迭代机制：从数学原理到工程实践
神经网络的训练本质是一个优化问题，其核心目标是通过迭代调整参数，使模型在给定任务上的表现逐步逼近最优。这一过程包含前向传播、损失计算、反向传播和参数更新四个核心环节，通过循环迭代实现模型性能的持续提升。图片一、前向传播：数据流动与特征提取1.1数据流动路径前向传播是神经网络将输入数据转换为预测结果的过程。输出层：生成最终预测结果。对于分类任务，通常采用Softmax函数将输出转换为概率分布1.2激活函数的作...神经网络训练数学原理循环预训练模型：让AI像人类一样“通识学习”的奥秘
精华传统AI训练如同“填鸭式教学”——直接用标注好的数据教模型完成特定任务。这种方法效率低下，且模型难以应对未见过的新场景。2018年，谷歌推出的BERT模型颠覆了这一模式：它先在海量无标注文本中“自学”语言规律，再针对具体任务微调。这种“先通识教育，后专业培训”的模式，让AI首次展现出接近人类的语言理解和创造能力。一、技术本质：AI如何构建“语言世界地图”？1.自监督学习：用数据本身创造“谜题”预训练模型的核心...AI预训练模型2025 年国产大模型淘汰赛：DeepSeek、阿里、字节跳动、清华智谱谁将称王？
热门内容榜 • 最近上榜今天想聊一下经过2024百模团战的洗礼，DeepSeek横空出世之后，2025年国产大模型会进行加速淘汰，那么最终还会留下哪些国产大模型呢？我个人看法最终留下来的国产大模型可能是DeepSeek、阿里的通义千问、字节跳动的豆包、清华智谱就这四家。其他的像百度的文言一心、月之暗面的Kimi等其他大模型可能都是陪跑了。DeepSeek最近的热点依旧居高不下，首先是国内三大运营商接入DeepSeek接着国家超算互联网平台宣布接入DeepSeek并对外...DeepSeek阿里字节跳动大模型的“Tomcat”：一文读懂AI推理引擎（Inference Engine)
精华1.推理引擎是啥？从熟悉的“服务器”说起，想象你用Java写好了一个业务应用，如订单处理服务，打成一个JAR或WAR包。这包能直接运行吗？显然不能。你需要一个“东西”来运行它：Java应用，这就是JVM。JVM负责解释执行你的Java字节码，管理内存，处理线程等等Web应用，你可能还需一个应用服务器，如Tomcat或WebLogic。它在JVM基础，提供HTTP服务、Servlet容器、连接池等一系列能力，让你的Web代码能对外提供服务现在我们把主角换...TomcatAI推理引擎OpenAI音频与语音API全解析：从功能到实战指南
原创 精华 社区头条OpenAI音频与语音API全解析：从功能到实战指南在人工智能快速发展的今天，音频与语音交互已成为许多应用的核心能力。OpenAIAPI提供了丰富的音频处理功能，无论是构建语音代理、实现语音转文字还是文字转语音，都能找到对应的解决方案。本文将详细介绍OpenAI音频API的核心功能、使用场景及实战代码，帮助开发者快速上手。音频功能概览OpenAIAPI的音频能力覆盖了从音频输入处理到音频输出生成的全流程，主要包含三大核心方向：构...openAI,人工智能从2025世界人工智能大会，看AI与算力的临界点突破
原创 社区头条 热门内容榜 • 最近上榜最近，上海世博中心，2025世界人工智能大会（WAIC）现场人潮涌动。800余家企业携3000余项前沿展品集结亮相，80余款首发首秀产品密集登场。这场以“智能进化·共生未来”为主题的科技盛会，成为观察AI与算力发展的绝佳窗口。 【图片来源于网络，侵删】 从算力、AI硬件到具身智能，这场盛会呈现了技术突破、产业融合与全球治理的多元亮点，勾勒出行业未来发展的清晰脉络。 算力突破：从堆叠到融合的硬件革命 ...人工智能2025世界人工智能算力AI技术算家云阿里云王坚：中国AI不惧R2迟发！靠「群体智能」破局：算力不是瓶颈，但AI应用层急需炸开OpenAI想象围墙！
原创 社区头条编辑伊风出品51CTO技术栈（微信号：blog51cto）刚刚，阿里云创始人王坚的最新采访上线，聊透了中国AI的节奏、方向和人才观。这场采访在WAIC（世界人工智能大会）之后录制，话题也极具分量：中国的AI未来。从基础研究到商业落地，从技术节奏到人才争夺，王坚几乎是一次性梳理了他对当前AI浪潮的核心判断。其中，王坚有一句话特别有代表性：“中国不是传统意义上的市场，而是技术的试验场。很多项目五到十年后可能都会消失，但...AIOpenAIWAIC基于 1.3 万个视频片段，北京大学施柏鑫团队联合贝式计算提出全景视频生成框架 PanoWan，兼顾零样本视频编
原创 社区头条全景视频是虚拟现实（VR）的重要内容形态之一，其以真实世界为基础，通过360°沉浸视角增强用户的代入感和互动体验，在内容生产、产业落地和用户普及等多个方面，为VR的发展提供了关键支撑。尽管如此，当前的全景视频制作通常需要依赖专业设备，这在很大程度上限制了内容创作的广泛性。近年来，随着生成式视频模型的快速发展，研究人员也开始尝试将其应用于全景视频领域，从而降低全景内容创作的门槛，推动VR内容的大规模扩展，...贝式计算北京大学消融实验视频编辑人工智能Claude Code官方揭秘！内部使用指南曝光：员工都是这样用CC的！把 AI 当老虎机，不改错直接重来！
原创 社区头条出品51CTO技术栈（微信号：blog51cto）Claude团队，你是懂“写教程”的！昨天，Claude官方发布了一篇实打实的案例报告，标题相当直白：《Anthropic团队是怎么用ClaudeCode的？》标题越朴素，内容越干货。看上方的“CaseStudy（案例研究）”标注就知道——这不是草草列出的使用心得，而是一份带着强烈Claude学术风格的CC研究报告。这个报告是咋写的呢：他们通过走访内部的数据基础设施、产品开发、安全工程、推理（Inference）、...AIClaude监控GRPO强化学习缓解多模态大模型OCR任务的幻觉思路及数据生成思路
原创 社区头条多模态大模型在“看不清”文字时瞎编答案，称为“OCR幻觉”，如下图，主要有几点：（1）预训练阶段缺乏相关数据：关键信息提取（KIE）数据以及退化视觉场景的清晰标注显著不足，限制了模型处理复杂视觉输入的能力。指令微调阶段忽视退化场景：现有研究通常假设OCR任务输入为非退化图像，导致模型缺乏处理真实世界退化文档（如模糊、遮挡、低对比度）所需的推理能力。Qwen2.5VL7B（左）与GPT4o（右）在解读退化文本图像中的表现...多模态大模型强化学习大模型在知识图谱问答上的核心算法详细思路及实践
原创 热门内容榜 • 最近上榜前言本文介绍了一个融合RAG（RetrievalAugmentedGeneration）思路的KBQA（KnowledgeBasedQuestionAnswering）系统的核心算法及实现步骤。KBQA系统的目标是通过自然语言处理技术，从知识图谱中提取和生成精确的答案。系统的实现包括多个关键步骤：mention识别、实体链接及排序、属性选择及排序、文本拼接以及最终的Text2SQL生成。通过这些步骤，系统能够准确识别用户提出的问题中的关键实体和属性，并生成相应的查询语句，从而从...大模型知识图谱RAGtext2sqlLLMAgent设计12要素：构建可靠的AI Agent
原创本文仅做记录译自：rawrepo:https:github.comhumanlayer12factoragents因素1.自然语言到工具调用在构建智能体时最常见的模式之一是将自然语言转换为结构化工具调用。这是一种强大的模式，它允许你构建能够推理任务并执行它们的智能体。当原子化地应用此模式时，它可以将类似以下的短语你能为Terri创建一个750美元的支付链接，用于赞助二月的AITinkerers聚会吗？转换为描述StripeAPI调用的结构化对象，例如{"function":{"name":"...AgentAI Agent
