AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
交错场景图用于文本和图像生成评估（ICLR2025)
原创摘要许多现实世界中的用户查询（例如，“如何制作蛋炒饭？”）都能从能够同时生成文本步骤和配套图像的系统中受益，就像烹饪食谱一样。旨在生成交错文本和图像的模型在确保这些模态内部和之间的一致性方面面临挑战。为了解决这些挑战，我们提出了ISG，这是一个用于交错文本图像生成的综合评估框架。ISG利用场景图结构来捕捉文本和图像块之间的关系，在四个粒度级别上评估生成的结果：整体、结构、块级别和图像特定级别。这种多...交错场景图交错图像文本生成评估框架Mem0 推出王炸 MCP 工具 OpenMemory，实现不同 AI 应用之间记忆共享
原创 精华当下，多数AI助手和开发工具各自独立运行，一旦会话结束，上下文就会消失，这严重影响了使用体验和效率。而OpenMemoryMCP来了，它是一款开源工具，能够解决AI工具记忆的痛点，并且实现不同工具之间共享上下文信息。比如，你可以通过OpenMemoryMCP用Claude规划路线图，再用Cursor执行任务，两个工具之间可以共享上下文信息，让数据得到延续。OpenMemoryMCP是一个由Mem0提供支持的本地内存设施，就像一个“记忆背包”，能让您把记...MCPOpenMemoryAI应用RAG与MCP：LLMs的“左右手”，谁才是你的菜？
原创 精华在当今数字化时代，大型语言模型（LLMs）已经成为我们生活中不可或缺的一部分。从简单的问答到复杂的任务处理，LLMs的应用场景越来越广泛。然而，随着技术的不断发展，我们也在不断探索如何更好地利用这些强大的工具。今天，我们就来深入探讨一下MCP和RAG——这两个在LLMs领域备受关注的技术，它们究竟是竞争对手，还是可以相互补充的伙伴呢？一、RAG：为LLMs注入新活力在LLMs的世界里，RAG（RetrievalAugmentedGeneration，检...RAGMCPLLMsRime 开源新工具！Arcana 和 Rimecaster 让语音 AI 更懂“人话”
原创在语音AI的世界里，我们常常被那些经过精心录制、完美无瑕的声音所包围。然而，现实中的语音交流远比这复杂得多。人们在日常对话中会带有口音、语调、停顿，甚至会夹杂笑声和呼吸声。这些细微之处，恰恰构成了人类语言的独特魅力。今天，我们要聊聊Rime这家致力于让语音AI更贴近真实世界的公司，以及它们最新推出的两款开源工具：Arcana和Rimecaster。一、Arcana：让语音合成更有“人味儿”想象一下，当你在和智能语音助手交流...Rime开源ArcanaRimecaster简单却强大！端到端视觉Tokenizer调优让多模态任务性能飙升！智源&卢湖川团队等发布ETT
文章链接：https:arxiv.orgpdf2505.10562亮点直击提出了一种新的视觉分词器训练范式，以释放视觉分词器在下游自回归任务中的潜力。该视觉分词器能够感知并针对下游训练进行优化。引入了一种简单而有效的端到端视觉分词器调优方法ETT。ETT利用分词器的码本嵌入而不仅限于离散索引，并应用词级描述损失来优化视觉分词器的表示。ETT显著提升了基于下一词预测范式的下游任务结果，包括多模态理解和生成任务，同时保持了分词器的重建...视觉模型训练RAG与Agentic RAG：谁才是AI检索生成的未来？
原创在人工智能的浪潮中，检索增强生成（RAG）和代理式检索增强生成（AgenticRAG）正悄然改变着我们与机器交互的方式。今天，就让我们深入探讨这两者之间的差异，看看谁才是AI检索生成的未来！一、RAG：AI检索增强的基石（一）RAG是什么？RAG，即检索增强生成（RetrievalAugmentedGeneration），是一种将生成模型与外部检索机制相结合的人工智能框架。它让AI模型不再局限于静态训练数据，而是能够从知识库或文档中检索相关信息，并...RAGAgentic RAGAI检索生成FastAPI-MCP 架构实践： 使用FastAPI一键转化MCP服务器
原创
社区头条你是否遇到过这样的情况：你希望聊天机器人使用一个工具回答问题？虽然这听起来有些复杂，但现在，MCP（模型上下文协议）提供外部工具中的方法，不仅让LLM能够轻松调用工具，还可以基于不同应用场景使用工具。本文将深入探讨使用FastAPI完成Web应用转换过程，该应用程序由MCP服务器提供支持，使用FastAPIMCP。FastAPI与MCPFastAPI是由Python提供的工具，帮助用户构建API应用从而协助完成Web应用程序的开发。由于其使用方便、上...MCP模型上下文协议FastAPI人工标注太贵，合成数据不够好？看OS-Genesis如何破解数据困局
从1920年的小说《R.U.R》到《钢铁侠》中的JARVIS，在过去的一个世纪里，人们一直梦想着构建能够自动化日常工作的DigitalAgents（数字代理）。如今，随着视觉语言模型（VLMs）的蓬勃发展，构建这样的Agents成为了可能。11AgentforGUIControl想要构建一个有效的ComputerUseAgents，其必须拥有两个能力：（1）Planning能力，即规划Computeruse任务的能力，能将用户给定的（高阶）指令分步划分为多个子目标（2）Action能力，即根据...合成数据GUI控制首次全面复盘AI Agents记忆系统：3大类，6种操作！
记忆是AI系统的基本组成部分，尤其是对于基于LLMs的Agents。首次将记忆表示分为三类：参数化记忆、上下文结构化记忆和上下文非结构化记忆，并介绍了六种基本的记忆操作：巩固、更新、索引、遗忘、检索和压缩。盘点了几十种记忆框架、产品、应用！通过将这些操作系统地映射到长期记忆、长上下文记忆、参数修改和多源记忆等最相关的研究主题中，从原子操作和表示类型的视角重新审视记忆系统，为AI中与记忆相关的研究、基准数据集...AIAgentsLLMsDeepSeek 自爆低成本高性能的秘密，展示DeepSeek-V3 如何用 2048 枚 GPU 实现规模化智能
精华要训练一个性能卓越的LLM，计算资源是首要门槛。从数千颗GPU到优化的内存管理，再到高速网络互连，每个环节都决定着模型的最终表现。传统的AI计算架构无法轻松支持如此庞大的计算负载，内存容量不足、计算效率受限、网络带宽瓶颈成为横亘在AI发展道路上的三座大山。5月14日，DeepSeekAI团队发表技术论文《InsightsintoDeepSeekV3:ScalingChallengesandReflectionsonHardwareforAIArchitectures》，公布了DeepSeekV3相关技术内容...DeepSeekGPU智能预测、决策、优化——SmartPilot用于自适应和智能制造的多智能体 CoPilot
制造业正处在数据驱动转型的关键阶段，人工智能、自动化和数字技术的进步让生产流程变得更灵活、更精准。但是真正的挑战并不只是引入技术，而在于如何让技术深度融合，使工厂具备智能决策能力，而不仅仅是自动化执行。智能制造的驱动力来自多方面：市场变化要求生产具备更强的适应性，供应链的不确定性需要更精准的预测，设备维护与优化依赖数据分析。而要让这些流程真正智能化，仅靠传统AI远远不够。当前的AI解决方案仍然面临...智能预测SmartPilot效率飙升10倍！Cisco黑科技如何将1周工作压缩至1小时？
Outshift：Cisco的创新引擎Outshift是Cisco专注于孵化前沿技术的创新部门，涵盖领域包括互联网智能体（InternetofAgents）、量子计算和下一代基础设施等。其平台工程团队主要负责构建和维护复杂的云原生SaaS环境，支持各种内部孵化项目。然而，随着系统规模日益庞大，他们面临着越来越棘手的挑战：请求响应缓慢：简单开发者请求也可能需要数天处理。认知负荷高：频繁在不同工具和流程之间切换，影响专注力。运维效率低：高价值...CiscoAI智能体Agent 部署全解析：LangGraph团队实战洞察
一、Agent部署的独特挑战在传统Web或移动应用的部署场景中，我们关注的是短平快的请求响应流程，而智能Agent通常具有以下几大不同：长时执行有的Agent需要在后台持续运行（如定时调度、环境触发），完成复杂的多步任务，可能耗时数分钟甚至数小时。中途失败风险高，必须依赖持久化机制保证任务能够断点续跑。异步协同Agent往往需与人或其他Agent协同：等待人类审批、监听外部事件或调用下游服务。人员响应可能即时，也可能延迟...Agent部署LangGraph用知识蒸馏从LLM中提取多模态知识提升时序预测模型效果
今天给大家介绍一篇使用大语言模型结合知识蒸馏方法，构建高效轻量级时间序列预测模型的方法。文中基于大语言模型通过多模态建模优化适配到时间序列数据，并进一步通过优势知识蒸馏将大模型信息蒸馏到小模型中，实现模型尺寸不变而具备大模型知识的目的，提升时序预测效果。论文标题：EfficientMultivariateTimeSeriesForecastingviaCalibratedLanguageModelswithPrivilegedKnowledgeDistillation下载地址：https:arxiv.org...LLM多模态模型抛弃 OCR，抛弃文本提取，抛弃分块！提升RAG性能的新方法！
在最近的文章中，笔者介绍了影响Context高质量供给的关键因素有记忆的存用和记忆的连贯性。而对记忆源信息（尤其是复杂文档）的深度理解是高质量Conext供给的又一大关键。传统的文本提取和分块方法，在面对图文混排、表格遍布的文档时，往往力不从心，生成的Context质量堪忧，这已成为提升RAG应用性能的一大瓶颈。我们都曾经历过这样的“噩梦”：精心构建的RAG系统，因为OCR识别错误、表格内容丢失、或者图片信息被忽略，导致LL...文本提取RAG性能刚刚，OpenAI丢出最强编程智能体Codex！倒反天罡——新上线功能竟是微软Copilotb鼻祖？
社区头条OpenAI在本周末尾丢出重磅炸弹！新的AI编程智能体Codex的研究预览版现身。这是该OpenAI迄今为止最强大的AI编程代理，不夸张地说，这就是雇佣最会编程的AI来帮助我们敲代码。图片Codex最大的亮点之一是可以将多个编程任务并行处理。图片OpenAI曾在媒体简报中说，“Codex是一个基于云的AI软件工程智能体，能够并行处理多个任务，并在一台属于它自己的计算机上安全、独立地运行。”Codex有多强？不妨看看今天直播中的一个真实案例...OpenAI智能体Codex惊现狠人手搓Agent心经！LLM的Tool Use逻辑曝光！简单到爆炸：仅9行代码！网友直呼：难以相信！
原创 社区头条作者云昭出品51CTO技术栈（微信号：blog51cto）一款Agent究竟是怎样让大模型具备“ToolUse”，即工具调用的能力？今天，有一位正在创建编码Agent的狠人出来曝光了这个算法逻辑。这位狠人，名为PhilipZeyliger，过去几个月，他和他的团队一直在开发一款名为“Sketch”的AI编程助手。然后，他写了几篇博客，总结了开发过程中的经验。其中最让Zeyliger震惊的是：其实大模型在搭配“ToolUse”使用时，根本没我们想象的复杂！它的主...AgentLLM代码10 大医学数据集汇总：覆盖问答/推理/真实临床记录/超声图像/CT 影像……
原创随着人工智能技术在医疗领域的深度融合与医学影像技术的持续革新，作为解锁生命奥秘的关键钥匙，医学数据正以爆发式的速度累积增长。它突破了传统医学研究的边界，为疾病诊疗与健康管理带来了革命性的变革。在医学研究从经验驱动迈向数据驱动的进程中，基础研究工具的迭代速度逐渐放缓，医学数据集质量成为决定模型能否从理论构想走向临床实用的核心要素。高质量的医学数据不仅能精准捕捉疾病特征，更能为个性化医疗方案的制定...医学数据集医疗计算AI for Science超声图像医学推理马斯克的Grok突然“失心疯”！不停发推“南非白种人灭绝”官方回应来了：有员工擅自修改了系统提示词
原创 社区头条编辑云昭出品51CTO技术栈（微信号：blog51cto）昨天其实发生了一件很“荒唐+滑稽”的事情，小编忍住没有报道。但忽然发现不对劲，得报。事情是这样的：5月15日，Grok自己疯狂输出有关“南非白人种族”的暴论。事情闹得挺大的，引来了129万人的围观。其实网友们自然猜想道Grok应该是出问题，大概率得了“失心疯”，于是乎在评论纷纷质问Grok：isthistrue？这是真的吗？小编当时心想，这不跟此前另外某家大厂的多模态作图时...马斯克Grok系统提示词屠榜多模态！谢赛宁团队用"先理解后生成"策略打造BLIP3-o：60k指令集+DiT双杀VAE！
文章链接：https:arxiv.orgpdf2505.09568代码链接：https:github.comJiuhaiChenBLIP3o模型链接：https:huggingface.coBLIP3oBLIP3oModel预训练数据：https:huggingface.codatasetsBLIP3oBLIP3oPretrain优化数据：https:huggingface.codatasetsBLIP3oBLIP3o60k亮点直击创新架构设计:首次采用扩散Transformer生成CLIP语义特征，突破传统VAE局限，实现高效训练与高质量生成。分阶段训练策略:通过“理解优先，生成扩展”的序列化训...模型AI训练
