AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
图像编辑物理真实性评估；视觉自回归推理时扩展；图像编辑后训练框架，奖励信号稀疏
PICABench:HowFarAreWefromPhysicallyRealisticImageEditing20251020｜SJTU,ShanghaiAILab,CUHKMMLab,KreaAI,BUAA,AlibabaTongyiLab,USTC,HKU🔺53http:arxiv.orgabs2510.17681v1https:huggingface.copapers2510.17681https:picabench.github.io研究背景与意义随着指令驱动的图像编辑技术迅速发展，现代模型已能较好地理解复杂编辑指令并生成语义连贯的图像。然而，当前主流研究和基准测试主要...DIT图像编辑MM-DiTVLM进行上下文长度扩展和压缩；长文本多模型集成框架
DeepAnalyze:AgenticLargeLanguageModelsforAutonomousDataScience20251019｜RUC,THU🔺52http:arxiv.orgabs2510.16872v1https:huggingface.copapers2510.16872https:github.comrucdatalabDeepAnalyze研究背景与意义背景简述当前数据科学领域追求实现从数据源到分析报告的全流程自动化，即“自主数据科学”。这一目标旨在减少人工干预，提高数据处理和洞察的效率与质量。然而，传统方法多依赖预...VLM多模型集成框架快手推出“工具+模型+平台”AI编程生态！大厂挤占AI赛道，中小企业如何突围？
原创
社区头条 今天，快手智能计算品牌StreamLake正式发布了“工具+模型+平台”三位一体的AI编程产品矩阵，全面布局智能开发生态。这一生态包括智能开发工具CodeFlicker、多个自研大模型KATCoder以及大模型平台快手万擎（Vanchin），旨在为企业与开发者构建一个闭环、高效、普惠的AI编程新生态。  快手AI编程生态的三大支柱 快手此次推出的AI编程产品矩阵覆盖了开发全流程。 首先是智能开发工具CodeFlicker，可以为...AI编程快手KAT-Coder算家计算算家云独立开源大佬的疯狂实验：Claude Code蛮力出奇迹！40 分钟跑通 DeepSeek-OCR，我一行代码都没写
原创 社区头条编辑听雨出品51CTO技术栈（微信号：blog51cto）当AI不再只是“写代码”，而是开始自己装环境、跑模型、记笔记——那种感觉，像是它在学会独立思考。最近，开源工具Datasette创建者、Django框架联合创始人SimonWillison做了一个疯狂实验：他让ClaudeCode全权接管，把DeepSeekOCR在NVIDIASpark上跑了起来。听起来像是“让AI去安装另一个AI”，但结果却令人震惊——部署成功、过程全自动、连错误都能自我修复。这不仅是一场技术实...DeepSeek-OCRClaude CodeAI生产级ClaudeCode子代理团队实施手册公开！30天，发布速度提3倍，bug减少73%
社区头条作者Max编辑云昭出品51CTO技术栈（微信号：blog51cto）今天为大家带来一篇成功使用Agent实现为团队赋能的真实故事。有具体的背景和心路历程、也有转型前后的账单对比和效率对比，更有期间的种种挑战和思考心得，而作者也把用Agent进入生产级环境的实施手册也公开了出来，非常值得一读。真实环境中，用AI来解决生产级任务，究竟效果如何？经验全在本文中。一、初创公司，不卷速度等于死上个月，我做了一件大多数CTO会称之为疯狂...ClaudeCodeAgentAI 代理速度狂飙12倍！清华FlashVSR：首次实现超高清视频实时超分辨率，超越所有扩散VSR模型
社区头条文章链接：https:arxiv.orgpdf2510.12747项目链接：https:zhuang2002.github.ioFlashVSR代码链接：https:github.comOpenImagingLabFlashVSR模型链接：https:huggingface.coJunhaoZhuangFlashVSR高分辨率视频修复的效率和性能比较与最先进的VSR模型（如DOVE和SeedVR23B）相比，FlashVSR能还原更清晰的纹理和更细致的结构。它使用单个A100GPU在768×1408视频上实现了接近实时的17FPS性能，与最快的一步扩散VSR模型相比，速度提高...AI视频生成模型告别 AI “失忆” 与循环陷阱：AI 智能体 2.0 架构全解析
原创大家好，我是玄姐。过去一年，提到AI智能体，很多人脑海里会浮现一个简单的“循环”逻辑：接收用户需求、调用大语言模型（LLM）、执行工具、返回结果，然后重复这个过程。行业内把这种架构称为“智能体1.0”或“浅层智能体”。它处理“查东京天气”、“算本月账单”这类简单事务时，效率很高。但面对“分析10个竞品定价、生成对比表并写战略建议”这种需要50步、耗时3天的复杂任务，就会暴露明显缺陷，要么记不住初始目标，要么...AI智能体循环陷阱大语言模型LLM用AI交差，让同事擦屁股？警惕工作中的“AI垃圾”
原创 社区头条在过去的两年里，生成式AI像一阵龙卷风，席卷了几乎所有企业的办公桌。从写周报、做PPT，到写代码、出方案，AI似乎无所不能。公司高管们高呼“拥抱AI”，员工们也纷纷下载各种工具，生怕落后一步。但奇怪的是——用得越多，回报越少。麻省理工学院最新研究显示：95%的组织在AI投资上看不到可衡量的回报。一边是热火朝天的AI使用潮，一边是悄无声息的价值塌方。这中间，到底发生了什么？麻省理工学院和斯坦福社交媒体实验室、Bet...workslopAI垃圾AIManus：三大核心策略，破解AI Agent上下文膨胀难题
精华当一个AIAgent完成一次任务平均要调用50次工具，海量工具结果不断涌入上下文窗口时，LLM的性能会不可避免地遭遇滑铁卢。Chroma的“上下文衰减”研究与Anthropic提出的“注意力预算耗尽”理论，都印证了这一痛点。Manus作为当下热门的通用消费级AIAgent，其联合创始人兼首席战略官Yichao“Peak”Ji在webinar中，首次系统拆解了Manus的上下文工程核心逻辑。以下是我整理出了这份能直接复用的实践指南。一、为什么上下文工程是AIAg...AIAgent工具文档级知识图谱: RAKG(95.91%) VS GraphRAG(89.71%)
本次分享一种名为RAKG（DocumentlevelRetrievalAugmentedKnowledgeGraphConstruction）的框架，旨在解决传统知识图谱构建（KGC）方法在文档级知识图谱构建中的局限性。一、GraphRAG的局限性传统KGC方法主要依赖于专家系统和基于规则的模式匹配，虽然能够保证一定的知识准确性，但面临高昂的人力成本和较差的可扩展性。随着深度学习的发展，基于神经网络的端到端构建方法显著提高了关系抽取的效率。然而，这些方法大多依赖于复杂...GraphRAGRAKGLLMNanonets OCR2 八大核心能力，重新定义OCR技术
NanonetsOCR2以Qwen2.5VL3B型号作为视觉语言模型（VLM）的基础模型，为了训练新的视觉语言模型（VLM）以进行高精度光学字符识别（OCR），汇集了超过300万页的数据集。该数据集包含广泛的文档类型，包括研究论文、财务报告、法律合同、医疗记录、税表、收据和发票。它还包括包含嵌入图像、绘图、方程式、签名、水印、复选框和复杂表。此外，还纳入了流程图、组织结构图、手写材料和多语言文档，以确保全面覆盖现实世界的文档变体...OCRVLM基础模型Uber&WisdomAI揭露95%AI Agent落地失败的真相 ！
在AI创业圈，有一个残酷的现实被反复验证：95%的AI智能体（AIAgents）在生产环境中难逃失败命运。2025年10月，一场在旧金山举办的“BeyondthePrompt”技术论坛上，来自Uber、WisdomAI、EvenUp等企业的工程师与机器学习负责人，共同揭开了AI智能体落地难的核心症结。这场吸引600+创业者、工程师参与的论坛，没有重复老生常谈的提示词工程技巧，而是直指AI落地的“冰山之下”——那些支撑智能体稳定运行的上下文工程、推理架构、...AIAgentWisdomAI面向 Agentic AI 的编程基础知识
人工智能（AI）正在从简单的聊天机器人进化成自主代理（autonomousagents）——这些AI系统能够进行推理、规划并采取行动来实现目标。构建这样的AgenticAI应用需要扎实的编程基础，以及对正确工具、库和框架的了解。在本文中，我们将探讨AgenticAI的编程基础，带你了解入门所需的核心技能和技术。1.Python—AI开发的支柱Python因其简单易读、丰富的库生态系统，依然是AI开发的首选编程语言。为什么选择Python？拥有海量的AIML库...AgenticAI人工智能AI 不再“乱跑”：LangChain × LangGraph 打造可控多阶段智能流程
社区头条一个使用最新LangChain+LangGraphAPIs创建多步骤、有状态LLM管道的实践指南引言大型语言模型（LLMs）功能强大——但在现实世界的系统中使用它们通常需要结构。你很少只需要调用一次模型；你需要多步骤推理、有状态的数据传递和可靠的编排。这正是LangGraph为LangChain带来的东西。它是一个用于定义结构化、有状态工作流的框架，每个步骤都建立在上一步的基础上。在本指南中，你将学习如何使用LangChain和LangGraphAPIs构建一个...AILangChainLangGraphRAG 调优核心：文本切分决定 70% 的性能表现
分块（Chunking）是构建高效RAG（检索增强生成）系统的核心。从固定分块、递归分块到语义分块、结构化分块和延迟分块，每种方法都在优化上下文理解和准确性上扮演了关键角色。这些技术能大幅提升检索质量，减少“幻觉”（hallucination），并充分发挥你的RAGpipeline的潜力。在我近一年构建可扩展AI系统的经验中，我发现RAG系统的成功大多取决于检索（retrieval）。你如何切分和存储文档——也就是分块（chunking）——往往是成...RAGLLM生成器Anthropic 重磅推出Claude AI for life science：生命科学领域革命性加速器，从药物发现到临床应用
本文展示了Anthropic公司的ClaudeAI如何在生命科学领域发挥关键作用，通过与制药公司、生物技术初创企业和研究机构的深度合作，在药物毒性预测、生物信息学分析、文献综述、临床数据处理等方面实现突破性进展，为生命科学研究和药物开发带来前所未有的效率提升。Claude在生命科学领域的核心价值Claude作为Anthropic开发的先进AI大语言模型，正在生命科学领域掀起一场技术革命。该平台专门为制药公司、生物技术初创企业和研究机...ClaudeAnthropic加速器突破性技术：DeepSeek-OCR通过光学压缩解决大语言模型长上下文挑战
精华DeepSeekOCR提出了一种革命性的方法，通过将文本转换为图像并使用专门的视觉编码器进行光学压缩，解决了大语言模型在处理长文本时面临的计算成本爆炸性增长问题，实现了10:1的压缩比下97%的准确率。https:github.comdeepseekaiDeepSeekOCR大语言模型的致命瓶颈大语言模型虽然功能强大，但它们有一个显著的阿喀琉斯之踵：记忆能力限制。当我们向LLM输入长文档（如书籍或详细报告）时，模型开始出现困难。计算成本呈爆炸性增长，...DeepSeek大语言模型光学压缩大模型的脑子会烂掉！而且不能自愈！华人研究论文火了：连续喂垃圾内容，再聪明的模型也变笨，而且自恋
社区头条编辑云昭出品51CTO技术栈（微信号：blog51cto）我们每天刷到的那些情绪化标题、碎片化内容、互怼式评论，可能不只是让人变蠢。最新研究发现——连续几个月让AI刷这些数据，AI也会被带坏。什么是“AI脑腐”？美国德州大学研究团队最近提出了一个大胆的新假说：大语言模型脑腐假说！LLMBrainRotHypothesis意思是：如果一个大模型长期训练在“垃圾互联网文本”上：比如标题党、吵架贴、情绪宣泄文、AI自动生成的废话，它的思考能力...大模型AI数据重磅！OpenAI正式入局浏览器大战，首款AI浏览器能否取代Chrome？
原创 社区头条OpenAI首款浏览器，能否撼动全球超30亿用户的Chrome？ 今天凌晨，OpenAI正式加入了浏览器市场的竞争，推出了其首款AI浏览器ChatGPTAtlas。这款产品目前已率先在macOS平台上线，Windows、iOS和Android版本也将陆续推出。  Atlas浏览器的发布，标志着OpenAI不再满足于仅仅作为一个AI对话工具，而是要成为用户连接互联网的主要入口。它深度整合了ChatGPT能力，未来，可能会重新定义人们浏览网页和获取信息的方式。&...ChatGPT AtlasOpenAIAI浏览器算家计算算家云LLM 应用评估综合指南（多轮对话系统、RAG、AI Agent）
原创编者按：随着大语言模型应用从简单的文本生成，发展到复杂的多轮对话机器人、检索增强生成（RAG）系统乃至智能体（Agent），我们应如何科学、有效地评估它们的性能，确保其稳定可靠？我们今天为大家带来的文章，作者的观点是，对现代LLM应用的评估，必须超越传统的NLP评估指标，转向一个分场景、系统化的评估体系，综合运用新兴的评价指标与自动化框架，从而全面地衡量系统的综合表现。作者系统梳理了从传统NLP评估指标（如BLEU...AILLMAI应用评估
