AI.x社区

大家好，我是九歌，一个智能体科普和实践者。做智能体最难的事情，并不是如何怎么学会做智能体，工具的学习往往是简单的，如何找到智能体真正有用的应用场景和业务需求才是核心能力。我们目前在各大智能体开发平台上的智能体，说实话，更多是玩具的属性。在AI大模型领域，企业端正在探索的方向主要有：1.企业的知识管理与数据治理老生常谈的方向2.垂域模型打造利用企业私有的数据、知识、通用大模型，训练极速的垂域模型3.智能...

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，...

Anthropic推出的MCP（模型上下文协议）取得了成功，这显然激发了AI行业里的其他参与者，大家都想来定义一些开放协议，好用在AIAgent系统（AgenticSystems）的集成里。1、MCP架构设计MCP（模型上下文协议）是由Anthropic定义的一个开放协议，标准化应用程序如何为大语言模型（LLM）提供上下文。更具体地说，它试图标准化基于LLM的应用程序与其他环境集成的协议。在AIAgent系统（AgenticSystems）中，上下文可以通过多种方式提供...

最近，AIAgent和外部工具之间的互动变得越来越流行。从OpenAI最先推出的FunctionCalling功能，到各种插件和框架，大家都在努力让AI模型能更有效地调用外部的功能。不过，目前这些集成方式还是比较分散，开发者需要为每个服务手动设置接口、处理认证和逻辑，而且不同平台之间还互不兼容，确实挺麻烦的。就在这种情况下，Anthropic在2024年底推出了一个叫做模型上下文协议（ModelContextProtocol，简称MCP）的新东西。这个协议的...

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...

这篇文章将从代码能力、推理表现、多模态能力、开发工具集成、价格策略等维度，带你深入比较这两款旗舰模型，并给出不同使用场景下的选择建议。编程表现：Claude4系列遥遥领先在AI编程领域，Anthropic新发布的ClaudeOpus4被认为是目前最强的编程模型。根据官方数据：模型SWEbench准确率并行推理下的准确率ClaudeSonnet472.7%80.2%ClaudeOpus472.5%79.4%Gemini2.5Pro63.2%OpenAIo369.1%GPT4.154.6%ClaudeSonnet4在SWEbench上比Ge...

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...