AI.x社区

“智能体的基础是大模型的函数调用，而框架只是对其能力的封装。”我们首先要明确一个概念，即智能体是基于大模型应用设计的一套机制，其本质是大模型提供的函数调用功能(functioncall)，包括现在的MCP服务；而框架只是对这些原生能力的封装，便于开发人员进行功能开发，而不用去处理太多细节性问题。所以，在做大模型开发时，虽然要学好框架的使用，但更重要的是要搞明白智能体的运行机制，已经框架在其上做了哪些完善和增强。...

“多智能体协同将是未来智能体的主要开发形式，其相对于单智能体更灵活更强大。”技术是一项重实践而轻理论的东西，但我们很多时候容易陷入重理论轻实践；总觉得理论我懂了，做出来肯定很简单，但事实上理论很容易懂，但真正做出来却很难。知行合一，在知中行，在行中知；知行是一体的，而不是割裂的。怎么做好一个智能体之前学习过一段时间智能体的实现，使用的是Langgraph框架，但当时只是做了一些简单的Demo，并没有真正应用...

首先从源码角度看Qwen3VL的改进，核心围绕增强多模态融合深度（DeepStack）、优化视觉特征处理、提升时序建模精度（视频时间戳编码）以及精细化归一化设计（文本专用RMSNorm），整体更注重多模态任务中的特征对齐与深层交互。然后概述DeepStack用于多模态大模型的核心思想。Qwen3VL源码侧改进点代码侧改动如下：1.​​hiddenact"silu"​​​>​​hiddenact"gelupytorchtanh"​​2.Qwen3VLProcessor引入​​Qwen3VLVideoProcesso...

编者按：您是否曾感觉到，尽管精心设计了提示词，AI的表现却依然不尽如人意？甚至随着上下文越来越长，模型反而更容易“胡言乱语”？我们今天为大家带来的这篇文章，作者的核心观点是：“提示词工程”已经不够用了，下一代AI应用的核心竞争力在于“上下文工程”（ContextEngineering）。文章系统地阐述了为何在智能体（Agent）时代，单纯堆砌信息的“提示词工程”思维会导致性能下降、成本飙升。作者提出，上下文工程是一套系统...

在大模型卷性能、卷参数的2025年，“便宜又好用”才是更多企业和开发者真正关心的核心指标。毕竟，哪怕模型再聪明，如果调用一次要花掉一杯星巴克的钱，谁敢放心接入到日常业务里？就在大家还在讨论GPT5、Claude4.1这些“豪华旗舰”时，xAI带来了一个更接地气的选择——Grok4Fast。它不是“最强”，但它可能是最划算的前沿推理模型：统一推理与非推理——不再需要切换不同模型，实时应用更快更省钱；2MToken上下文——史无前例...

在人工智能的演进史上，每隔一段时间，总会出现一些具有里程碑意义的模型。2025年9月，阿里巴巴通义实验室发布的TongyiDeepResearch30BA3B，正是这样一个引人注目的存在。它不是简单的对话机器人，而是一个真正意义上的开源科研智能体（ResearchAgent），可以在复杂信息环境中进行多轮推理、跨来源检索、证据交叉验证和长文档综合。更重要的是，它在多个权威基准测试中表现出色，首次让开源模型的科研智能体能力，真正追平了Ope...

如果你是一名开发者，大概已经习惯了用GitHubCopilot或者ChatGPT来辅助写代码。但即便如此，你心里可能还是会觉得：这些工具本质上就是“更聪明的自动补全”，它们帮你省了点敲键盘的力气，却依然远远算不上真正的队友。9月15日，OpenAI发布了GPT5Codex，这是在GPT5基础上进一步优化的一个版本，专门面向“AgenticCoding”——也就是让AI能够像代理人（Agent）一样，独立承担复杂的编码任务。换句话说，Codex不再只是个“提示执...

2025年9月24日，OpenAI发布的第五代生成式预训练Transformer模型GPT5，在一项研究中取得的成就，在人工智能和基础科学领域引发了深刻的讨论。在一项由海法大学和思科主导的研究中，GPT5成功通过了专为挑战开放性数学猜想而设计的“哥德尔测试”，并解决了三大组合优化猜想。这一成果标志着，顶尖的AI正从“学习数学”的模仿者，向可能参与“真正做数学”的协作者角色迈进。然而，这是否意味着AI已经具备了人类数学家那样的创造...

文章链接：https:arxiv.orgpdf2509.18824项目链接：https:hyperbagel.github.io经过6NFE加速的BAGEL模型生成的图像生成样例经过6NFE加速的BAGEL模型生成的图像编辑样例亮点直击HyperBagel，一个统一的加速框架，旨在同时提升多模态理解和生成任务的速度。方法采用分治策略，利用推测解码进行下一token预测，并采用多阶段蒸馏过程进行扩散去噪，确保一个领域的加速不会影响另一个领域。该框架带来了显著的性能提升，在多模态理解...

Nature最新论文深度剖析：从15.6%到86.7%，这是如何实现的？DeepSeekR1论文首登《自然》封面，梁文锋团队正面回应蒸馏质疑、发布详尽安全报告9月17日，在Nature上发表的DeepSeekR1论文《DeepSeekR1incentivizesreasoninginLLMsthroughreinforcementlearning》[1]引起了业界广泛关注。这不仅仅是因为它在AIME2024数学竞赛上取得了86.7%的惊人成绩，更重要的是它展示了一条完全不同的技术路径：不依赖人工标注的推理轨迹，纯粹通...

前言2025年是AIAgent真正进入生产环境的元年。不同于早期AutoGPT式的宽泛自主Agent，现在的生产级Agent更加垂直化、范围明确、高度可控，具备定制化的认知架构。LinkedIn、Uber、Replit和Elastic等公司都在生产环境中使用LangGraph构建实际业务场景。本文将基于LangGraph框架，为应用开发者提供一套完整的Agent构建方法论，从概念验证到生产部署的全流程实战指南。核心架构：状态图驱动的Agent设计LangGraph采用有向图架构组织A...

人工智能的浪潮正以前所未有的深度和广度重塑着产业格局。对于企业而言，AI转型已不再是“做不做”的选择题，而是“如何做”的必答题。然而，在实践中，许多企业的AI探索仍停留在零散的项目制试点，缺乏系统性的规划和顶层设计。一份针对泛行业企业的调研报告显示，高达70%的企业，其AI就绪度（AIReady）仍需追赶行业平均水平。技术与业务“两张皮”（61%）、数据基础薄弱（66%）等问题，正成为阻碍企业从AI投入中获取真实商业...

摘要：最新研究证实，GPT4o等顶级AI的幽默感可能只是一种幻觉。通过一个简单的词语替换，科学家就揭示了它们理解语言的致命弱点。本文将带你深度拆解这个实验，看清AI智能光环下的真实能力边界，你对AI的认知可能会被彻底刷新。别再被AI的“幽默感”骗了。你以为它听懂了你的笑话，甚至能跟你玩梗，但最新的研究给了我们一记响亮的耳光：那很可能只是一种精密的幻觉。科学家们做了一个简单的测试。他们问GPT4o一个关于AI的经典...

摘要：一个模型，洞察视听，出口成章，甚至能与你实时语音对话！Qwen3Omni的横空出世，不仅改写了多模态大模型的定义，更以前所未有的速度和广度，预示着我们与AI交互的未来。本文将为你揭示它如何颠覆你对现有AI的想象。在人工智能的浩瀚星辰中，我们曾见证过文本大模型的奇迹，也惊叹于图像生成与语音识别的飞跃。然而，这些强大能力往往被割裂在不同的“模态”之间，就像AI拥有多重人格，却无法融会贯通。直到Qwen3Omni的到...

AI正在深刻地重塑软件的价值。过去十年，SaaS（软件即服务）的商业模式，大多建立在“按席位定价（SeatPricing）”的基础上。软件的价值，以有多少人能访问和使用系统来衡量。然而，随着AI能力的指数级增长，这套成熟的定价范式，正面临着根本性的挑战。当一个AI销售工具能够自主完成过去需要一个销售团队才能完成的工作时，我们该如何衡量它的价值？如果仍然按照“席位”来收费，那么其价值上限将被锁死。一场围绕软件价值标尺...

摘要：最新报告揭示，7亿人使用ChatGPT的首要目的并非工作，而是生活。高达70%的对话与工作无关，核心价值从“自动干活”转向“辅助决策”。本文将用一手数据颠覆你的认知，告诉你AI的真正玩法。我们可能都搞错了ChatGPT的真正用途。它最核心的价值，或许不是一个任劳任怨的“AI助理”，帮你自动完成任务，而是一个无所不知的“AI副驾”，辅助你做出更好的决策——无论在工作，还是生活中。许多人对ChatGPT的印象还停留在：一个...

算法实现了一个完整的轴承健康状态监测与剩余使用寿命预测解决方案。系统首先通过数据预处理模块加载轴承传感器数据，包括水平振动信号和垂直振动信号，并进行标准化处理和序列化组织，将连续时间序列数据划分为固定长度的数据片段。接着采用残差卷积网络从原始振动信号中提取空间特征，捕捉信号中的局部模式和特征。然后使用双向长短期记忆网络对时序数据进行建模，充分利用历史信息和未来信息，捕捉传感器数据的长期依赖关系...

你有没有过这样的经历？让手机助手帮你在购物APP里搜个耳机，它却反复点错广告弹窗；想让智能音箱联动灯光，它要么没反应，要么把空调也打开了。明明这些AI能看懂图片、听懂文字，怎么一到“动手做事”就掉链子？我们解读最新技术，文末有相关信息。最近在研究视觉语言模型（VLM）做智能体（Agent）的论文时，发现了一个让我眼前一亮的解法——来自南洋理工和阿里巴巴团队发表在ICML2025的新方法CoSo。它就像给AI装了个“智能导...

当你结束一天的工作，期待AI能自主整理杂乱的桌面、按照需求烹饪简单的餐食，甚至协助完成家电维修时，是否曾疑惑：为何现有AI多局限于屏幕交互，难以真正“走进”物理世界？这一问题的核心，指向了AI领域的关键方向——具身智能体（EmbodiedAIAgent）。Meta超级智能实验室的JianweiYang团队CVPR2025发布的教程系统梳理了多模态具身智能体从“感知环境”到“逻辑思考”再到“自主行动”的技术路径，为我们揭示了多模态具身智能...

随着人工智能尤其是大模型技术的快速发展，基于大型语言模型（LLM）的智能体（Agent）正成为研究和应用的新焦点。NeurIPS2025会议收录了大量围绕智能体架构设计、多智能体协作、具身推理、安全对齐等方向的前沿工作。这些研究不仅在理论上推动了对智能体行为与认知的建模，也在实际应用中展现出广泛潜力。本文将系统梳理会议中具有代表性的智能体相关论文，分类综述其核心贡献，并总结关键技术趋势。一、基础架构与优化方法该类...