AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
字节的这个新模型，牛了！
社区头条
热门内容榜 • 最近上榜“用AI画一张‘穿着汉服的猫在月球上打太极’？”放在过去，这得先找参考图、调风格、修细节，没个半小时搞不定。现在，我只用了一句话+3秒，Seedream4.0就给我出了张能直接当海报的2K高清图。这不是魔法，是我上周在Seedream4.0里真实体验到的画面。1.Seedream4.0是什么？简单说，它是字节跳动Seed团队刚发布的新一代多模态图像创作模型，支持：✅文生图图生图多图合成✅4K直出，秒级生成✅支持中文提示词，甚至能写对“螺蛳粉...字节模型Seedream 4.0字节 RhythmRL：基于投机采样+长度预测的 RL 加速
一、背景最近一直在关注RLInfra相关的工作，尤其是RL性能优化，后续会逐渐介绍一下该领域的相关文章，本文先简单介绍一下字节新发布的RhymeRL。对应的论文为：[2508.18588]HistoryRhymes:AcceleratingLLMReinforcementLearningwithRhymeRL二、摘要RL成为提升LLMReasoning能力的关键方法，与传统预训练不同，RL包含多个阶段：Rollout、Reward、Training，需要多种类型的Worker协同配合；除此之外，为了效率也可能引入异步训练方...字节RhythmRL投机采样机器学习 | 大模型为什么会出现"幻觉"？
最近OpenAI发表了一篇文章《WhyLanguageModelsHallucinate》，解释为什么会出现"幻觉"，周末我读了一下，总结这篇文章。什么是"幻觉"？幻觉是语言模型生成了似是而非的答案，即使很简单的问题，但是模型可能给出一些不符合事实的答案，比如：问题：请用一句话回复，其中第三个词是“dog”回答：Ihaveadog.词列表：I,have,dog,a.以上就是一个"幻觉"错误，dog并不是第三个词。幻觉分类：内在幻觉（IntrinsicHallu...大模型机器学习预训练数据《2025机器精度与人类直觉的融合：人机理解新纪元》研究报告
社区头条一份来自全球咨询巨头凯捷（Capgemini）的最新报告指出，人工智能的下一次浪潮将不再仅仅是内容生成，而是向更深层次的“人机理解”（HumanMachineUnderstanding,HMU）演进。这项变革预示着一个新时代的到来：机器将不再仅仅是执行命令的工具，而是能够实时感知、理解并适应人类行为、意图乃至情感状态的真正“队友”。这不仅将重塑产业格局，也将对人类的工作与生活方式产生深远影响。自生成式人工智能（GenerativeAI）展现出...人工智能AI系统HMU如何实现大模型的降本增效？浅析LLMs场景中缓存的作用
首先缓存这个词大家应该都比较清楚了，无论是在应用服务、数据处理等技术中都会用到缓存技术，用于加速数据查询效率，减少底层额外计算资源的消耗，是一个非常重要且强大的技术。简单来说：用于将频繁访问的数据或计算存储在更快、更易于访问的位置。这使得信息检索更加迅速，减少了重复执行相同操作或获取相同数据的需要。本质上，缓存充当一种短期记忆，有助于提高系统性能和效率。通常意义上，缓存对服务带来的好处有几点：...LLM缓存RAG从单一场景到复杂场景，聊聊LLMs中Function calling到MCP的技术演进
对于使用大模型（LLMs）的人来说，可能更熟悉的是MCP多一些，而对于Functioncalling其实更偏于技术层面的东西，但是从应用场景上二者还是有些相似之处。或者简单来说，在没有MCP协议之前，想要通过构建一个AI应用需要依赖的就是Functioncalling，简单来说它就是函数调用，这个函数可以是你所期望读取信息的任何接口，比如要调用微信公众号的开放接口，就可以定一个Functioncalling来通过http来调用。Functioncalling的核心能力...LLMsMCPJSONReddit高赞：氛围编程这台老虎机，正在制造脑残程序员！
原创 社区头条编辑｜云昭“AI编程的体验，本质上是一个老虎机式奖励系统！”半年多来，VibeCoding几乎重写了开发者的工作方式。盯着屏幕苦思冥想似乎成了过去式，现在只需要把需求丢进Claude、GPT或Cursor，然后在几分钟后就得到能运行的结果。生产力看似翻倍，GitHub提交曲线一片碧绿。但另一个问题却悄悄浮现：没有挣扎，没有洞见，没有成长。我们是不是正在变“脑残”？近日，一篇名为“氛围编程正在制造脑残程序员”的文章在Reddit上引起...RedditAICursor你被LLM“忽悠”过吗？代码报错、史实乱编、一本正经的胡扯
前段时间，我专程前往杭州阿里云谷的人工智能研发中心，与阿里大模型团队的架构师们展开了一场深度技术交流。从模型训练的数据治理到落地场景的风险控制，我们聊了很多行业痛点，其中“大模型幻觉”被反复提及——它不是某类模型的“小毛病”，而是所有大模型从实验室走向产业应用时，都绕不开的核心挑战。今天，我们就结合这次交流的一手信息，聊聊幻觉的本质、行业应对思路，以及普通开发者能用上的避坑方法。你有没有过这种...AI幻觉吴恩达发帖：编程Agent确实会作妖！奖励黑客模型、甚至直接删掉了整个项目代码
原创 社区头条编辑云昭出品51CTO技术栈（微信号：blog51cto）“首先要承认，编程Agent确实会‘作妖’！”今天一早，AI大佬吴恩达针对目前火热的编程Agent产品发表了自己的观点。虽然这个赛道很热，但吴恩达丝毫没有掩饰自己内部团队的真实使用体验。一个代理在工作目录中执行了rm.py，直接删除了整个项目的所有代码（幸好我们有GitHub备份）。最气人的是，当我们追问时，代理还道歉并承认“这是一个极其愚蠢的错误”。虽然这让我们心里稍微好...AgentAgentic模型可灵AI数字人来了！快手重磅发布Kling-Avatar，面向多模态指令理解与控制的数字人长视频生成新范式
精华 社区头条 热门内容榜 • 最近上榜让数字人的口型随着声音一开一合早已不是新鲜事。更令人期待的，是当明快的旋律响起，它会自然扬起嘴角，眼神含笑；当进入说唱段落，它会随着鼓点起伏，肩膀与手臂有节奏地带动气氛。观众看到的不再只是嘴在动，而是整个人在表演。这种表现不仅限于几个片段，而是能够稳定地延续到分钟级长视频中，在整段时间里保持动作自然、镜头流畅。近日，快手可灵团队把这一构想带到了现实。全新数字人功能已在可灵平台正式上线（h...数字人人工智能可灵可灵AIAI 大语言模型LLM局限性评估
原创 社区头条一、LLM发展现状及局限性1.1LLM发展现状近年来大语言模型（LLM）进入爆发期，20232025年呈现三大核心特征：技术突破：参数规模从“千亿级”迈向“万亿级”——GPT4参数约1.8万亿，GoogleGeminiUltra达1.5万亿；多模态能力成为标配，GPT4V、GeminiPro能同时理解图片、文字，比如看到一张机械图纸就能生成维修文案，识别手写笔记后直接转换成代码。行业应用：已深度融入日常生产，据Gartner《2025AI技术成熟度曲线》，92%的营销文...LLM大模型局限性具体计划细节流出！英伟达50亿美元入股英特尔，都要搞什么飞机？股价暴涨30%背后，双英打算如何双赢？
原创 社区头条编辑云昭一觉醒来，又是amazing的一天！芯片三巨头，一家竟然入股另一家了！昔日竞争对手，一朝握手成盟友！妥妥一件芯片界的地震级大事。三国叙事，不断上演。双英这次可以说是破天荒的要做一件双赢的事！1.50亿美元合作，两家股价飙涨就在几个小时前，英伟达黄仁勋与英特尔CEO陈立武，两位相交30年的老朋友宣布了一个地震级的大事：英伟达将投资英特尔50亿美元！图片在双方宣布合作后的一次电话会上，黄仁勋非常兴奋：“我们...英伟达英特尔AI快手端到端生成式搜索框架OneSearch，让搜索“一步到位”！
还有一个月，一年一度的“双十一”就要来了！作为消费者，你平时是怎样寻找心仪商品的呢？？当你满怀期待在搜索框输入关键词，却发现商品列表并不符合心意——这背后到底是什么原因导致的？这一切，还要从电商平台常用的传统搜索架构说起。目前主流系统采用召回>粗排>精排”的级联式架构。召回层：比如你搜索“红色连衣裙”，系统会迅速从数亿商品中筛选出上万个包含“红色”“连衣裙”关键词的商品。这步追求快和全，但精度不...生成式强化学习大模型onesearch每周七亿人使用 ChatGPT！他们究竟在用它做什么？
原创 社区头条当你听到“ChatGPT”这个词时，脑海中会浮现出什么画面呢？是能高效撰写邮件、梳理报告、编写代码的专业数字助手，还是可倾诉日常烦恼、陪伴交流的智能伙伴？这款由OpenAI研发的对话式人工智能产品，自2022年11月正式推出后便展现出惊人的增长势能——上线仅五天，用户规模便突破100万；截至2025年7月，其每周活跃用户数已超7亿，这一数字约占全球成年人口总量的10%，堪称人工智能领域的现象级产品。【ChatGPT用户量增长趋势】...ChatGPT人工智能OpenAI可信AI的七大特征和数据可信空间
原创早期AI发展主要关注“能不能做”（能力），例如：“算法准确率能否更高？”“模型能否处理更大数据？”。但随着AI深度融入社会，人们发现仅仅有能力是不够的，还必须关注“应不应该做”（责任）。不可信的AI会带来巨大风险：偏见与歧视：招聘AI可能歧视女性，司法评估AI可能对特定种族更苛刻。黑箱决策：AI拒绝你的贷款申请，却无法给出令人信服的理由。安全漏洞：自动驾驶汽车因一个不起眼的贴纸（对抗性攻击）而误判，引发事...可信AI人工智能数据可信空间阿里通义重磅开源 DeepResearch：让 AI 具备 “人类级研究能力” 的技术架构全景解析
原创 精华 社区头条 热门内容榜 • 最近上榜当AI从“信息检索工具”向“自主研究者”进化时，阿里通义实验室推出的TongyiDeepResearch（以下简称“DeepResearch”）给出了突破性答案。作为基于WebAgent演进的下一代深度研究智能体，它不仅能像人类专家一样拆解复杂问题、规划研究路径，还能通过动态学习持续优化结论——这背后，是一套围绕“类人研究逻辑”构建的全栈技术架构。Github地址：https:github.comAlibabaNLPDeepResearch本文将从底层设计、核心技术、...阿里通义开源DeepResearch通过强化学习让多模态大模型自主决策图像token压缩的新思路-VisionThink实现思路及奖励函数设计
原创VLMs性能的持续提升，视觉token的消耗呈指数级增长。例如，一张2048×1024的图片在LLaVA1.5中需要576个视觉token，而在Qwen2.5VL中则需2678个视觉token。因此，避免过度使用视觉token显得尤为重要。大多数方法使用预定的Threshold来修剪或合并固定数量的视觉Token。然而，不同问题和图像中的冗余程度各不相同。因此，是否真的应该在所有场景中应用统一的Token压缩比例？下图探讨了简单地降低了图像分辨率以减少视觉token的数量...强化学习多模态大模型VLMs【OpenAI】 GPT-4o-realtime-preview 多模态、实时交互模型介绍+API的使用教程！
一、什么是GPT4orealtimepreview模型？GPT4orealtimepreview是OpenAIGPT4系列的升级版，主打多模态全能性和实时交互能力。它不仅能处理文本，还支持音频、图像、视频四种模态的混合输入输出，且响应速度快到令人惊讶。1.多模态全能性传统AI模型通常只能处理单一模态，比如文本或语音。而GPT4orealtimepreview打破了这个限制，我们可以直接用语音提问，模型不仅能理解语音内容，还能感知语气、情绪，甚至结合图片进行解释，真正...GPT-4oAPI模型大模型推理瓶颈的新解法：MoonshotAI 开源 Checkpoint-Engine，让权重更新快到离谱
原创 精华 社区头条在部署大语言模型（LLM）的时候，有一个常常被忽视但致命的问题：如何快速更新模型权重。尤其是在强化学习（RL）和人类反馈强化学习（RLHF）的场景里，模型更新非常频繁，如果每次更新都需要几分钟甚至更久，那么整个系统的吞吐量就会被拖垮。MoonshotAI最近开源的CheckpointEngine，就是针对这个痛点的轻量级中间件。它的目标很直接：在数千张GPU上同步更新超大规模模型权重，而且几乎不影响推理服务的连续性。更夸张的是，它...大模型推理开源大语言模型LLM深度揭秘 MobileLLM-R1：训练效率惊人，轻量化模型真的能取代大模型吗？
原创 社区头条最近，圈子里总有人在讨论“大模型究竟还要多大才够用”。参数量一个比一个夸张，从百亿到千亿，仿佛没有“大”就没有未来。但就在这个大家都在比拼规模的时代，MetaAI悄悄扔出了一枚“小炸弹”——MobileLLMR1。它没有走传统的大模型路线，不追求什么“万能通用”，而是专注于一个核心目标：在边缘设备上，把数学、代码和科学推理这些硬核任务做到极致。最让人震惊的是，MobileLLMR1家族中最大的模型，参数量还不到10亿。但它...轻量化模型大模型Meta AI
