AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
MCP 协议为何不如你想象的安全？从技术专家视角解读
原创 精华编者按：模型上下文协议（MCP）究竟安全可靠吗？当你通过MCP插件让AIAgent访问公司文档、员工聊天记录或客户信息时，你真的了解潜在的安全风险吗？文章详细剖析了MCP存在的四大问题：协议自身的安全性不足，包括缺乏标准化的身份认证机制及存在可能执行恶意代码的风险；用户体验方面的局限，如缺乏工具风险分级和成本控制；大语言模型安全方面的挑战，特别是提示词注入和敏感数据泄露的风险；以及LLM本身的技术局限，导致在比较...MCPAI Agent大语言模型在知识增强复杂问题求解中的综述
原创 精华摘要：问题求解一直是人类在众多领域取得进步的根本驱动力。随着人工智能的发展，大语言模型（LLMs）已成为能够解决跨多个领域复杂问题的强大工具。与传统计算系统不同，大语言模型将原始计算能力与近似人类推理能力相结合，使其能够生成解决方案、进行推理，甚至利用外部计算工具。然而，将大语言模型应用于实际问题求解面临重大挑战，包括多步推理、领域知识整合和结果验证。本综述探讨了大语言模型在复杂问题求解中的能力...大语言模型LLMs思维链推理知识增强UniversalRAG：跨多种模态和粒度语料库的检索增强生成
原创摘要检索增强生成（RAG）通过将模型响应与查询相关的外部知识相结合，在提高事实准确性方面展现出巨大潜力。然而，大多数现有的RAG方法仅限于纯文本语料库。尽管最近的研究努力将RAG扩展到图像和视频等其他模态，但它们通常仅在单一模态特定的语料库上运行。相比之下，现实世界中的查询对知识类型的需求差异很大，单一类型的知识源无法满足这些需求。为了解决这一问题，我们引入了通用检索增强生成（UniversalRAG），这是一种新...UniversalRAGRAG检索增强生成支付宝搜索中基于LLM的生成式检索幻觉缓解技术方案
原创基于LLM的生成式检索（GR）在进行文档知识检索时或多或少的会引入幻觉，在一些对精度要求比较高的场景（如：金融等）如何缓解幻觉，下面来看下支付宝生成式检索缓解幻觉方案，供参考。方法技术框架如上图所示，框架分为两部分：知识蒸馏推理和决策Agent知识蒸馏推理目的：通过利用更大规模的LLM生成显式的推理数据，增强较小规模的LLMbasedGR模型的训练。知识蒸馏推理模块提升了GR模型的检索精度，减少了幻觉现象。思路如下：推...支付宝搜索LLM生成式检索微软全球大血洗6000人：资深老员工48岁生日被裁，妻子发帖怒斥算法裁人，AI是否正在取代人类？
微软近日宣布全球裁员6000人，不仅波及中层管理和非技术岗位，连技术核心人才也未能幸免——25年老员工在48岁生日当天被算法随机选中裁退，曾修复数百万美元bug的功臣黯然离场，他的妻子沉痛地发帖，讲述了自己丈夫被裁的故事。微软声称裁员是为了简化管理层和优化资源，但背后实则是向AI战略的全面倾斜：Azure云与OpenAI合作推动业务增长，20%30%代码由AI生成，甚至计划用AI工具替代基础岗位。然而，如果忠诚与贡献被算法判定...微软裁员潮AI算法人工智能算家云租算力，到算家云AI和语言翻译的未来：人机协作的新时代
原创
社区头条人工智能正以史无前例的速度重塑着各行各业，翻译领域同样也深受其影响。随着由人工智能驱动的语言模型不断发展，其复杂程度与日俱增，一个备受关注的问题也随之而来：人工智能是否会取代人类翻译？在RWS（一家全球知名的翻译和本地化、知识产权支持及生命科学语言服务解决方案提供商），我们坚信答案是清晰明确的：人工智能永远无法替代人类所具备的专业知识，但它将从根本上改变人类与人工智能之间的协作模式。这一信念源自我...AI人工智能语言模型用这个提示词，一句话生成思维导图
大模型，很早就能画思维导图，这并不奇怪。但让我意外的是，现在的大模型竟然能直接生成这样的图。全过程没有任何修改，直接“口喷”出图。这是思维导图。提示词：梳理《三体》小说罗辑的人物关系，用Mermaid生成一张人物关系的思维导图。架构图。提示词：梳理《三体》ETO的组织架构，用Mermaid生成一张架构图。泳道图。提示词：我想开发一款AIChatbot应用，帮我用Mermaid生成一张泳道图。状态机图。提示词：我想了解trosformer...提示词思维类图让 LLM 既能“看”又能“推理”！
DeepSeekR1会推理，GPT4o会看。能否让1LLM既能看又能推理？DeepSeekR1取得很大成功，但它有个问题——无法处理图像输入。1.1DeepSeek模型发展自2024.12，DeepSeek已发布：DeepSeekV3（2024.12）：视觉语言模型（VLM），支持图像和文本输入，类似GPT4oDeepSeekR1（2025.1）：大规模推理模型（LRM），仅支持文本输入，但具备更强的推理能力，类似OpenAIo1我们已领略视觉语言模型（VLM）和大规模推理模型（LRM），下一个是谁？我们...LLM视觉VRM通用RAG：通过路由模块对多源异构知识库检索生成问答思路
原创如何在多个语料库（多源异构知识库，如：文本、图片、视频）中检索和整合来自不同模态和粒度的知识？UniversalRAG：一个多模态RAG框架，用于从多个模态和粒度的语料库中检索和整合知识。下面来看看思路，供参考。方法(A)单一模态的RAG仅检索一种模态的数据。(B)单一语料库的RAG专注于检索数据模态，而忽略语义。(C)UniversalRAG使用路由器和多个语料库有效地支持多样化的查询，涵盖不同的模态和粒度。从上图可以看到，Universal...RAGUniversalRAG多模态RAG框架MCP：AI 时代的工具接口标准？
1.前言自从OpenAI在2023年推出函数调用（FunctionCalling），我一直思考，咋能真正解锁AIAgent与工具的生态系统。随基础模型越来越智能，AIAgent与外部工具、数据和API的交互方式却变得越来越碎片化——开发者需针对每一个系统单独编写业务逻辑，让Agent能够适配不同环境。2.标准化显然，我们需要一个标准化的接口来执行任务、获取数据并调用工具。在互联网时代，API让不同软件之间可以相互通信，成为了软件的通用语言。但对AI...MCPAIAgent在线教程｜支持 19 种语言，生成速度快 15 倍！ACE-Step 音乐生成模型上线
原创当前的音乐生成模型在生成速度、音乐连贯性和可控性之间面临着固有的权衡。例如，基于LLM的模型（例如Yue、SongGen）在歌词对齐方面表现出色，但推理速度慢且存在结构性伪影。另一方面，扩散模型（例如DiffRhythm）虽然能够实现更快的合成速度，但通常缺乏长距离的结构连贯性。对此，人工智能公司阶跃星辰（StepFun）与数字音乐平台ACEStudio联合推出了一款音乐生成基础模型ACEStepv13.5B，于2025年5月7日开源。该模型在NVIDIAA...音乐生成基础模型多语言支持歌词编辑机器学习构建企业级高可靠 AI Agent 系统架构设计的关键要素
原创本文从以下4个方面详细剖析：AIAgent到底是什么？构建AIAgent的难点是什么？AIAgent框架种类和选型AIAgent架构设计模式1、AIAgent到底是什么？并没有一个一致的AIAgent定义，它们通常通过不同的视角来定义。OpenAI采用了一种更高层次、更思想引领式的方法来定义AIAgent：AIAgent是独立为您完成任务的系统。这是一个模糊的表述，它并没有真正帮助理解什么是AIAgent。这只是一种思想引领，并不实用。与之相比，Anthropic的定义是...AI AgentOpenAILLM告别传统 RAG，私有知识库 + DeepSeek，打造本地版 Deep Research
原创 精华近期，OpenAI推出的DeepResearch（深度研究）功能引发了广泛关注。该功能通过整合大模型、超级搜索和研究助理于一体，使得能够一键生成报告，科研人员能够一键撰写综述，极大提升了效率。然而，由于企业场景中私有化数据的敏感性和成本考虑，如何将DeepResearch进行开源的本地化部署，成为许多人的关注焦点。在这篇文章中，我们将对市场上模仿DeepResearch的开源项目进行简要分析，并结合Deepseek等主流开源模型，Zilliz推出一...RAGDeepSeekDeep Research万字长文剖析基于 MCP 构建 AI 大模型新架构体系的落地实践
原创 精华本文提供了一个全面的视角，来看待如何利用模型上下文协议（MCP）实现AI应用架构设计新范式的落地实现，核心内容主要是以下5点：MCP概念与机制。MCP与FunctionCalling区别。MCP本质与挑战：挑战包括系统提示词的准确性、Client与Server协同、快速构建Server、自建Dify的痛点等。解决MCP挑战的方法：通过MCPRegister、统一管理Server和Prompt、建立效果验证体系与安全保障、设置MCP网关、动态服务发现、StreamableHTTP、弹性效率...MCP大模型AI Agent85倍速的视觉革命：苹果发布 FastVLM，让你的 iPhone ‘看图说话’，快到飞起！
精华哈喽各位AI圈的老铁们，最近有个消息简直炸裂！我们的“牙膏厂”苹果，竟然也悄悄地在端侧AI领域扔下了一颗重磅炸弹——FastVLM！这可不是什么云里雾里的概念，而是个实打实、能直接在我们手里的iPhone、iPad、Mac上跑起来的视觉语言模型（VLM）。而且，它的名字里带着个大写的“Fast”，那速度，真的是快到让你惊掉下巴！FastVLM是啥？简单来说，它让你的设备有了“眼睛”和“嘴巴”想象一下，你拍了张照片，或者屏幕上有一张...FastVLM视觉token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的出现为这些挑战提供了创新解决方案，其多模态嵌入能力和长上下文...RAG图像生成模型你理解的控制LLM幻觉的方法可能是错的
那什么是粗暴的控制LLM的幻觉的方法呢？正常你们大家学到的应该是temperature0topk1topp0.1类似这种的但是这种是不是能解决幻觉呢？很显然在做的各位试过，应该是没什么效果的。为什么呢正常来讲，我们不是把生成nexttoken的概率放到最大的那个token上了吗？今天先回忆个概念LLM是靠什么来决定nexttoken生成的，就是Logit，就是softmax你的前向计算的最后一层（这么表达不精确，但是你可以认为就算最后一层了）过了output之后呢...LLM幻觉OAI分类模型性能度量：错误率与精度、查准率与查全率、P-R曲线与平衡点及F1度量的联系与区别
对模型的泛化性能进行评估，不仅需要有效可行的试验估计方法，还需要具有衡量模型泛化能力的评价标准，即性能度量。且在不同的任务中对比模型的性能时，使用不同的性能度量往往会导致不同的评判结果。在分类任务中，最常用的性能度量有错误率、精度、查准率、查全率、F1分数及AUCROC曲线。本文将首先介绍错误率、精度、查准率、查全率、PR曲线与平衡点及F1分数的详细原理。1.错误率与精度(1)错误率(errorrate)是分类错误的样本...分类模型性能行业首创！快手开源短视频内容质量评测标准KuaiMod！
在短视频成为亿万用户日常生活标配的当下，它不仅是一种娱乐方式，更是人们获取信息、表达观点、构建社交的主要媒介。随着内容量的井喷式增长，平台面临着前所未有的挑战：一方面，需要更高效地识别和管理内容；另一方面，必须精准地将优质内容推送给真正感兴趣的用户。大模型技术，尤其是多模态大模型，正迅速成为人工智能领域的新引擎，具备强大的图文音视频理解能力。但在短视频生态这一复杂、高速演化的场景中，如何将这些...大模型席卷全球！世界首个设计Agent Lovart发布，对传统设计行业将产生什么影响？
刚刚，全球首个设计类AI智能体平台Lovart正式开放Beta测试，短短数小时便引爆设计圈。这款被用户戏称为“赛博设计师”的工具，仅凭一句指令，就能从LOGO设计、品牌视觉系统到广告成片全链路输出，甚至主动追问用户需求细节。它打破了传统AI工具的单点突破模式。不同于文生图工具被动接收指令，Lovart更像一位拥有自主决策能力的专业设计师。Lovart集成了GPTimage1、FluxPro、GeminiImagen3等12款顶尖模型，把这些能生成图片、视...首个设计AgentLovartAI大模型租算力，到算家云算家云
