AI.x社区

大家好，我是九歌。最近刷到最多的AI相关文章，就是一路好评的DeepWiki了！手痒难耐的我，也早早就上手体验了一下。整体体验下来，确实不错，对于想了解一个Github项目的新人来说，确实非常有帮助。但是有一说一，DeepWiki的缺点也是很明显的，一是只能局限于Github项目，对于个人私有代码仓库却爱莫能助！二是时间具有滞后性，项目代码不是最新的！如果公司有传承已久的代码库，新入职的同事看到那山一样高的代码，内心肯定是...

大家好，我是九歌。今天我们聊一聊使用大模型进行数据分析。AI数据分析作为大模型应用的刚需，在各大平台上的表现却大相径庭。阿里百炼的析言、ChatGPT、商汤的小浣熊、豆包，用了一圈，发现能打的只有豆包。但是豆包只提供大模型接口，AI数据分析却没有对应的接口。首先定义一下“AI数据分析”，本文所说的AI数据分析，专指大模型对数据表格的处理能力，默认数据超过2000行！2000行的表格直接喂给大模型让其分析，可想而知，这...

摘要奖励反馈学习（ReFL）最近在各种生成任务中展现出了巨大的潜力，能够使模型输出与人类偏好保持一致。在这项工作中，我们首次将ReFL框架引入盲脸修复任务，称之为DiffusionReward。DiffusionReward有效地克服了基于扩散的方法的局限性，这些方法通常无法生成逼真的面部细节，并且身份一致性较差。我们框架的核心是面部奖励模型（FRM），它使用精心注释的数据进行训练。FRM提供反馈信号，在指导修复网络的优化过程中起着关键...

字节最新发布了一个强悍的闭源多模态大语言模型Seed1.5VL，其技术报告内容简非常坦诚，值得一读。笔者将在本文带大家按文章的写作顺序，一步步精读这篇技术报告。概述​​https:arxiv.orgabs2505.07062​​Seed1.5VL由一个拥有532M参数的视觉编码器和一个拥有20B活跃参数的MoELLM构成，在60个多模态视觉语言模型的Benchmark中有38个达到了SOTA。在GUI、视频理解、视觉推理中表现出了极强的性能。目前Seed1.5VL是一个商用模型，...

今天分享一篇来自HarvardUniversity和KempnerInstitute的文章，标题为EchoChamber:RLPosttrainingAmplifiesBehaviorsLearnedinPretraining(RL后训练放大预训练中学到的行为)。这篇文章旨在系统性地研究强化学习（RL）微调对语言模型行为的影响，特别是其与预训练数据组成、超参数和模型规模的相互作用。该研究通过从头开始训练模型，并使用完全公开的数据集混合物进行预训练和RL微调，揭示了RL微调如何放大预训练数据中的特定模...

前言本期新增GAF+Vgg16、GAF+Resnet18、GAF+SwinTransformer，来作为与创新模型GAF+SwinCNNGAM的对比与学习。1创新模型相关解释●数据集：CWRU西储大学轴承数据集●环境框架：python3.9pytorch2.1及其以上版本均可运行●时频图像变换：提供5种时频图像变换方法●模型：创新模型和三种对比模型●准确率：测试集100%●使用对象：论文需求、毕业设计需求者●代码保证：代码注释详细、即拿即可跑通。提供马尔可夫转换场MTF、递归图R...

语言并不总是推理的最自然或最有效的模态，特别是在涉及空间和几何信息的任务中。基于此，剑桥&Google等提出并开源了一种新的范式——视觉规划（VisualPlanning），它通过纯视觉表示进行规划，独立于文本。在这个范式中，规划是通过图像序列来执行的，这些图像序列在视觉领域编码了逐步推理的过程，类似于人类如何绘制草图或可视化未来的行动。推理范式的比较。传统方法（上两行）会生成冗长且不准确的文字计划，而视觉规划范式...

LRMs在通过强化学习（RL）提升了推理能力，但，扩展到长文本场景（如120Ktokens）仍然是一个未解决的挑战，为此，阿里提出并开源了QwenLongL1框架，首个通过强化学习训练用于长文本情境推理的长文本情境大型推理模型（LRM）。QwenLongL132B优于OpenAIo3mini和Qwen3235BA22B等旗舰LRMs，其性能与Claude3.7SonnetThinking相当，展现出在最先进的LRMs中领先的性能。QwenLongL1是一个新颖的强化学习(RL)框架，旨在促进LRM从短上下文...

众所周知，目前的多模态推理系统大多依赖于静态的视觉信息处理方式，即在推理开始时模型提取全局视觉信息，然后完全依靠文本推理进行后续决策。这种方法存在明显的缺陷。随着推理链的延展，模型往往逐渐丧失对视觉内容的关注，导致最终结论缺乏准确的视觉依据。例如，在处理数学视觉题目或科学图表时，当前模型仅使用一次性的视觉输入，而无法在推理过程中动态调整焦点，这使得许多细节被忽略，推理质量受限。更进一步，现有的...

当前大多数智能体框架沿袭自顶向下（TopDown）的设计思路——人类事先定义目标、拆解任务，并构建工作流供智能体执行。这种方法在封闭环境中表现卓越，但当智能体需要在开放、非结构化环境中自主适应和学习时，它们往往力不从心。问题的症结在于传统的智能体设计过于依赖人工干预，无法自主进化。在自顶向下工作流中，智能体的能力主要依赖预定义的API、任务提示和专家设计的执行路径。但现实世界并非一个由任务明确、结构清晰...

在AI模型卷出“天际”的今天，仅有强大还不够。Anthropic最新发布的Claude4系列，不仅在能力上刷新高度，更在安全性与负责任AI实践上，交出了一份令人瞩目的答卷。这篇文章将带你深入解读Claude4Opus与Sonnet的真实能力，从“混合推理”到“屏幕操控”、从智能体化到安全机制，每一项突破背后都藏着Anthropic对AI边界的深思与创新。一、Claude4是什么？它比以往更聪明了吗？Claude4系列包括ClaudeOpus4和ClaudeSonnet4，被称为...

今天给大家介绍一篇最近东南大学发表的长周期时间序列预测工作。这篇文章的侧重点也是多尺度建模，但和以往工作侧重对输入进行多尺度处理不同，本文的核心是引入多尺度的预测，并对不同尺度预测结果进行变量粒度个性化的加权融合。论文标题：AMultiscaleRepresentationLearningFrameworkforLongTermTimeSeriesForecasting下载地址：​​https:arxiv.orgpdf2505.08199​​1、研究背景多元长周期时序预测是时间序列预测中比较有挑...

在模型性能越来越强且趋同的大背景下，知识库、工具成为了AI应用的差异性壁垒。MCP就是规范Agent与工具的交互而产生。但MCP协议本身还比较简单，在实际生产中，Agent如何与海量的、异构的外部软件和服务进行有效、安全的连接与操作以及如何管理海量的MCPServer就是一大挑战。传统上为每个Agent单独开发和维护工具接口及认证逻辑的方式，其复杂性和低效性已成为制约AIAgent能力规模化扩展的因素之一。因此，针对这一挑战，很多公...

前言电商数据分析在现代商业中具有重要的战略价值，通过对消费者行为、销售趋势、商品价格、库存等数据的深入分析，企业能够获得对市场动态的精准洞察，优化运营决策，预测市场趋势、优化广告投放、提升供应链效率，并通过竞争分析帮助商家发现潜在机会和风险。但是这些电商平台（如亚马逊）往往有反爬机制，因此通过代理IP进行数据爬取成为一种常见的策略，能够有效避免IP被封禁或限制请求频率，从而保证数据的连续性和稳定性...

随着全球气候变化和自然灾害频发，精确可靠的地球系统预测对于减轻灾害影响、支持人类社会进步都至关重要。传统的数值模型虽然功能强大，但计算成本极高，限制了其广泛应用。近年来，人工智能在环境预测领域展现出巨大潜力，特别是在提高预测性能和效率方面。然而，在地球系统多个关键领域，AI的潜力仍未得到充分探索。为了应对这一挑战，微软研究院及其合作者推出了首个大规模大气基础模型Aurora，通过在超过一百万小时的多样...

出品51CTO技术栈（微信号：blog51cto）DeepSeek于5月28日晚间在微信平台低调宣布——R1模型完成“小版本试升级”！图片这波有多低调呢？DeepSeek又是“0宣发”出手，连一句英文公告都没有。海外网友想知道发生了什么，只能翻译我们在微信上这则小通知。图片今天凌晨，新的R1已经上线抱抱脸了，同样采用的是MIT协议。​​https:huggingface.codeepseekaiDeepSeekR10528​​不过大家期待的模型卡部分仍然是空白，目前也没有官方的...

文章链接：https:arxiv.orgpdf2505.20275Git链接：https:github.comPKUYuanGroupImgEdit亮点直击稳健的流程。引入了一个高质量的数据生成流程，确保数据集具有多样性、代表性，并具备足够的质量以支持图像编辑模型的开发。新数据集。构建了ImgEdit，一个大规模、高质量的数据集，包含110万单轮样本（涵盖10种代表性编辑任务）和11万多轮样本（包含3种新颖的交互类型）。可靠的基准。发布了ImgEditBench，该基准在三个关键维度（...

谷歌DeepMind推出的AlphaEvolve旨在自主发现算法和科学解决方案。它基于进化计算原理，通过LLM驱动的独立进化流程，不断优化代码。AlphaEvolve不仅超越人类专家设计的算法，还在数学和谷歌基础设施优化上取得突破。其自主创造力和持续自我改进能力，为迈向通用人工智能（AGI）和超级人工智能（ASI）提供了新方向。谷歌DeepMind最近发布了​​AlphaEvolve​​​，这是一种进化式编码代理，旨在自主发现新算法和科学解决方案。在...

物理人工智能系统需要感知、理解并在物理世界中执行复杂动作，NvidiaCosmosReason1【文献1】就是为此而设计。一、CosmosReason1CosmosReason1模型系列宣称可以通过长链思维推理过程理解物理世界，并以自然语言生成相应的具身决策。该模型将物理AI推理的核心能力，锁定在物理常识和具身推理：1.采用分层本体论来捕捉关于空间、时间和物理学的基础知识。分层本体将物理常识划分为空间、时间和基础物理三大类16个子类；2.基于二维...

人工智能（AI）领域对多智能体系统的潜力充满期待——这种框架允许多个专业化AI智能体协作，以比单一模型更高效地解决复杂问题。这一转变预示着更精细的自动化、复杂的问题解决能力以及自主化工作流程。近期，Google推出了其智能体开发工具包（AgentDevelopmentKit，ADK），进入这一领域。然而，面对Microsoft的Autogen、灵活的Langchain和以协作为核心的CrewAI等成熟框架，开发者需要做出关键选择：哪款框架最适合他们的需求？...