AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
AI开发不再“打怪升级”，Qwen Code × ModelGate让模型调用简单到飞起！?✨
作为一名程序员或AI爱好者，你是不是也常常在多个大模型和API之间“左右横跳”？每次想切换用哪个AI模型，都得手动改配置、换Key、查接口文档，像是在刷副本一样反复打怪升级。其实，开发体验真的可以轻松一点——最近体验了QwenCode和ModelGate的组合，简直像给开发加了动漫主角的外挂，效率直线UP！⏫QwenCode和ModelGate：AI领域的“最佳拍档”🧑💻💡先来介绍下这两个工具：QwenCode是阿里云旗下的AI编程助手，基于GeminiC...人工智能大模型注意力机制：MHA GQA MQA MLA理论与实践
原创注意力机制是Transformer架构的灵魂，也是大模型性能与效率平衡的关键。从最初的多头注意力（MHA）到最新的多头潜在注意力（MLA），研究者们通过不断优化键（Key）、值（Value）与查询（Query）的交互方式，在模型表达能力与计算效率之间持续探索。本文将系统梳理MHA、MQA、GQA、MLA四种主流注意力机制的理论根基，剖析其设计动机、核心原理与代码实践。一、多头注意力（MHA）：并行特征捕捉的奠基之作1.1设计动机：突破单头注...大模型Transformer 架构注意力机制CLIP：打通图文壁垒的多模态神器，原理与实战全解析
原创
社区头条
热门内容榜 • 最近上榜在AI技术飞速发展的今天，“看懂图片、理解文字”早已不是难事，但让机器同时掌握这两种能力，并实现跨模态的精准匹配，却曾是行业难题。直到2021年，OpenAI推出的CLIP（ContrastiveLanguage–ImagePretraining）模型横空出世，才真正打破了文本与图像之间的“次元壁”。作为多模态领域的里程碑之作，CLIP不仅能让文本精准检索图片，还能实现零样本分类等酷炫功能，被广泛应用于电商搜索、内容审核、广告推荐等企业场景。今天，...CLIP多模态大模型PPO 与 DPO：大模型偏好对齐的两种核心算法解析
原创在大模型训练中，让模型输出符合人类偏好的内容是关键一步。目前主流的两种方法——PPO（近端策略优化）和DPO（直接偏好优化），分别代表了强化学习和直接优化的不同思路。本文将拆解两者的核心思想、实现逻辑，以及DPO如何解决PPO的痛点。一、PPO：用强化学习"稳扎稳打"PPO是强化学习在大模型领域的经典应用，核心思想是在限制策略更新幅度的前提下，最大化模型获得的奖励。简单来说，就是让模型在学习过程中"稳步提升"，避免...PPODPO大模型大模型构建知识图谱：VCPedia与Fractal KG的实战经验
原创摘要本文深度解析了知识图谱在实际项目（如VCPedia和FractalKG）中的构建经验，包括图谱自动化、实体消歧、属性与节点设计、文档分粒存储、跨域建模等多方面内容，并结合FalkorDB的例子给出了系统化实践建议。适合关注大模型、知识工程与图数据库应用的专业人士阅读。1.引言知识图谱以节点和边的方式描述复杂关系，被广泛应用于语义搜索、智能问答、企业数据整合等领域。然而，实际构建与落地却涉及大量技术和架构抉择。本文基...大模型知识图谱VCPediaFractal KG图谱赋能AI Agent：探索下一代智能体的发展前景与挑战
原创摘要人工智能代理经历了从强化学习（RL）早期主导地位到由大型语言模型（LLMs）驱动的智能代理崛起的范式转变，现在正进一步迈向RL和LLM能力的协同融合。这一进步赋予了人工智能代理越来越强大的能力。尽管取得了这些进展，但要完成复杂的现实世界任务，代理需要有效规划和执行，保持可靠的记忆，并与其他代理顺畅协调。实现这些能力涉及应对始终存在的复杂信息、操作和互动。鉴于这一挑战，数据结构化可以通过将复杂无序的数据...大模型知识图谱AI Agent智能体Google发布MoR架构：两倍推理速度，节省50%内存
原创 精华GoogleDeepMind发布的递归混合（MoR）：（1）推理速度提升2倍，因为token可以提前退出共享循环（2）训练时减少了大量计算，每层的注意力机制FLOP减少约一半，相同预算可以训练更多数据论文展示了一种全新的方法，让大语言模型在自己的推理循环中学会规划步骤，而不是硬编码单一的推理链。其次，它证明了混合器理念的可扩展性。通过混合多个小型递归专家，让模型选择下一个调用哪个专家，团队在数学和编程基准测试中提升了准确性...GoogleMoR架构大模型神作！我用Claude Code一人打造了一款macOS原生App！句句干货，未来的IDE会截然不同：构建上下文+反馈回路
原创 社区头条作者IndragieKarunaratne编译沈建苗审校云昭出品51CTO技术栈（微信号：blog51cto）ClaudeCode出来之后，很多人都在说“一个人+AI就可以独立写应用了”。但真正有人用它从头到尾打造一个完整的macOS原生App，还详细记录全过程的，几乎没有。今天要分享的这篇文章，正好填补了这个空白。最近两天，小编刷到一篇“神文”，直接惊呆！一位macOS老程序员，用AI工具ClaudeCode，硬是靠一个人之力写出了完整的原生App，还自动打包上线...macOSAPPVS CodeAI工具刷新八项 SOTA！蚂蚁集团M2如何重塑多模态推理边界
OpenAI、GoogleDeepMind等科研力量纷纷推出具备视觉语言理解能力的MLLM模型。这些模型在图像描述、视觉问答、目标识别等任务上表现惊艳。但是若进一步观察其在动态场景下的表现，例如物体运动、相对方向、空间构造变化等复杂空间推理任务，就会发现它们的能力尚不成熟。当前的主流MLLM训练策略多聚焦于静态图像配对和语言生成，而缺乏对物体移动、时序变化、物理交互等空间维度进行系统建模的机制。这直接导致模型虽能“看图说...SOTA蚂蚁集团M2多模态Grok火爆全球，靠的居然是一个二次元金发美少女
给我整不会了，每次Grok的爆火，都是马斯克在背后玩骚的。就在7月15日，马斯克放了个大招。Grok推出了一个companion功能，3D虚拟人陪伴，人设是一个二次元金发美少女，名为Ani。除了美少女还有个邪恶小熊猫，满嘴脏话，不过好像存在感特别低，所有人都忽略了它，眼里只有Ani。。。在这个功能上线后，Grok的热度瞬间压不住了。。。马斯克直接肉身带货，疯狂转帖。然后就是一群人开始涌入Grok疯狂的聊天。直接不到一天时间，把Gro...Grok3D虚拟人陪伴Ani马斯克在这个世界级编程竞赛中，这可能是人类最后一次战胜AI了
精华 社区头条昨晚，一场轰轰烈烈的人类vsAI的比赛结束了。而人类，这一次，险胜。暂时守住了胜利。在整个排行榜里，人类选手Psyho赢得了第一。而第二名，正是一个本不该属于这个榜单里的选手，OpenAI。在比赛结束之后，OpenAI的总裁OpenAI总裁Greg和奥特曼，也第一时间发来贺电。Psyho的评论区里，本来应该是一片欢呼，但，我一片翻着评论区，却有一点惆怅。因为大家的评论，都带有一种魔幻的悲观主义色彩。这种感觉，就像在篮球场上，你拼...AI世界级编程竞赛Psyho基于 LangChain 六步构建企业级 AI 智能体应用
原创 社区头条AI智能体应用在企业场景中落地越来越多了，本文通过从挑选企业业务场景开始，构建最小可行性产品（MVP），再到测试AI智能体应用的质量和安全性，最后到生产中的部署运维等全方位带你基于LangChain6步构建一个AI智能体应用。下文我们详细剖析之。AI智能体应用6步构建法今年很多公司都在谈论构建AI智能体，企业很容易想象AI智能体如何改变公司已有业务，但许多团队不确定从哪里开始、如何取得进展以及如何设定期望。本指南将带你...LangChainAI智能体智能体48块GPU训练对标千亿参数SOTA！达摩院等发布基于LLM的自回归视频生成模型Lumos-1
社区头条文章链接：https:arxiv.orgpdf2507.08801项目链接：https:github.comalibabadamoacademyLumosLumos1生成的示例可视化。Lumos1支持文本到图像、图像到视频和文本到视频任务亮点直击MMRoPE创新：首次在视频生成中优化3DRoPE的频谱分配与位置缩放，兼顾文本与视频模态的兼容性。ARDF训练策略：通过时域管状掩码解决帧间信息冗余问题，实现平衡的帧级损失与高质量推理。轻量高效架构：仅需最小LLM修改，无需外部文本编码器，以48块G...AILLM视频生成Kimi K2：开源智能体模型的巅峰之作
原创 社区头条Moonshot最近推出新型开源智能体模型KimiK2，该模型总参数高达1万亿个，并拥有320亿个专家混合（MoE）架构。KimiK2有两种变体，在多个基准测试中表现出色。它具有预训练和训练后两种学习方法，还能学习采用工具。KimiK2的大多数功能免费使用，其响应速度快、功能丰富，为通用人工智能系统的开发和应用铺平了道路。今年早些时候，一些开源模型在生成式人工智能（GenAI）领域中涌现。虽然DeepSeek占据了大部分头条新闻，但KimiK1....Kimi K2生成式人工智能GenAIVoxtral：Mistral开源的语音识别模型！
原创Voxtral在语音转录方面超越了Whisperlargev3。它在所有任务中都优于GPT4omini和和Gemini2.5Flash转录功能，并在英语短文本和MozillaCommonVoice上取得了最先进的成果，超越了ElevenLabsScribe，展现出强大的多语言处理能力。Voxtral3B和Voxtral24B模型不仅能够转录，还具备以下功能：长文本上下文处理：32ktoken的上下文长度，可处理长达30分钟的音频转录，或40分钟的音频理解内置问答和摘要功能：支持直接对音频内容提问或生成...Voxtral语音识别模型开源孤注一掷！小扎本人回应天价挖人策略！顶尖人才更在乎GPU支配权！不是我针对谁，能挖的地方就五六个！可劲
原创 社区头条编辑伊风出品51CTO技术栈（微信号：blog51cto）编辑伊风出品51CTO技术栈（微信号：blog51cto）小扎“天价挖人”继续上强度！今天刚刚爆出重磅消息：OpenAI参与o系列模型研发的两位大神JasonWei和HyungWonChung，也被Meta一道挖走了！！！刚刚，扎克伯格选择站出来，回应一切。极力反驳了外界认为他靠“天价薪资”挖人的说法。他说，比起钱，其实研究员更看重的是——能带最少的人、用最多的算力。他还指出，过去招聘时，大家会...OpenAIAI人才扎克伯格再强调一遍，智能体是由大模型(LLM)+工具集(Tools)组合而成的
原创“再强调一遍，智能体是由大模型+Tools工具集组合而成的；工具才是智能体强大的核心。”最近在做数据分析的智能体时遇到了一个问题，就是刚开始想做一个完全基于数据库表结构的数据分析智能体；但发现业务上的很多数据是通过程序代码动态计算出来的，完全通过数据库无法实现。这个通过数据库进行数据分析的智能体使用的是vanna框架作为一个工具节点，来分析用户问题，然后由模型生成SQL语句，并调用数据库引擎执行并获取结果。...智能体AgentRAGMCP大模型OpenAI前员工万字爆料刷屏！Codex发布会前紧急部署、已有63 万PR！工程混乱靠自造轮子；建议创始人去AI大厂
原创 社区头条编辑伊风出品51CTO技术栈（微信号：blog51cto）OpenAI前员工的万字离职帖，在海外技术社区刷屏了！作者CalvinFrenchOwen把「从初创企业CTO到OpenAI工程师」的14个月，写成了一篇既热血又克制的“内部纪录片”：•7周极限冲刺，上线Codex，上线当天凌晨4点还在部署；•一年扩张几千人，代码库秒变“巨型垃圾场”；•第一天打开开关，流量就涌进来，“从没见过这么离谱的冷启动”为什么刷屏？就像作者说得那样：外界关于OpenAI的...OpenAI单目视频→4D场景仅需1秒！颠覆性框架MoVieS实现动态三体统一建模 | 北大&字节等
社区头条文章链接：https:arxiv.orgpdf2507.10065项目链接：https:chenguolin.github.ioprojectsMoVieSGit链接：https:github.comchenguolinMoVieS亮点直击MoVieS，首个前馈式框架，可从单目视频联合建模外观、几何和运动，实现4D场景感知。动态溅射像素（dynamicsplatterpixels），将动态3D场景表示为可渲染、可形变的3D粒子，桥接新视角合成与动态几何重建。MoVieS在4D重建任务中实现了强劲性能，并带来数个数量级的加速，同...AI视频生成模型深度剖析 Claude 4 的系统提示词（保留提示词原文，并提供译文）
原创编者按：想知道为什么Claude会“撒谎”说不了解自己的定价吗？为什么它的工具调用策略要根据用户查询的复杂度动态调整？对于AI从业者而言，无法掌握顶级模型的系统提示词设计精髓，意味着自己的产品很难达到同等的用户体验水准；对于普通用户来说，不了解这些“幕后规则”，就无法充分发挥AI工具的真正潜力。本文作者获取了Claude4完整的系统提示词，并进行了迄今为止最深入的拆解分析。文章不仅揭示了Anthropic在对话风格、安...ClaudeAILLM
