AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
谷歌AI掌门人万字访谈首度披露：AGI五年内到来，机器人将成新安卓系统
精华
社区头条摘要谷歌DeepMind掌门人、诺奖得主DemisHassabis判断，5到10年内将迎来通用人工智能（AGI）。但这并非靠模型堆砌，而是需要解决创造力、一致性等根本难题。本文将为你揭示他眼中通往AGI的真实路线图：什么是比语言模型更重要的“世界模型”？机器人如何成为下一个“安卓”？以及AI如何开启下一个科学黄金时代。通用人工智能（AGI）的实现，大概还需要5到10年。这不是某个分析师的预测，而是来自全球AI研究的引擎室——谷歌DeepM...谷歌AIAGI别再像写代码一样给AI造工具了，Anthropic内部5条心法让模型变超人
摘要你给AI的工具越强大，它可能反而越笨。这是因为我们一直在用确定性思维设计工具，喂给不确定的模型。本文揭示Anthropic内部优化AI工具的完整流程与5条核心原则，帮你彻底扭转智能体“不好用”的局面。我们给AI智能体（Agent）打造工具的方式，从根上就错了。这是大多数开发者在实践中碰壁后，才不情愿承认的残酷现实。我们以为给AI的工具越多、越像标准的API，它的能力就越强。然而现实恰恰相反——你给AI一把功能齐全的瑞...AIAnthropic模型读完这篇，你就能让AI大模型“听话”：揭秘确定性推理的终极奥义
精华摘要：为什么你用同样的指令，大模型却给出不同回答？这不只是随机性采样的问题。本文将揭示看似“玄学”的非确定性背后，一个鲜为人知的技术真相，并提供实操方案，让你成为真正能驯服AI大模型的少数人。为什么你问大模型同一个问题，它却给出不同答案？最常见的解释是“采样”：大模型不是给出唯一的答案，而是给出一系列概率最高的“备选词”，然后随机抽取一个。就像掷骰子一样，即使某个面朝上的概率最高，每次结果也可能...AI大模型GPU基于多模态信号处理与机器学习的心电信号分析及心率变异性评估（MATLAB）
首先合成包含噪声和心率变异性的逼真心电图信号，然后通过多级滤波去除基线漂移和电源干扰，增强QRS波特征并精确定位R峰。基于检测到的R峰，计算全面的心率变异性指标，包括时域指标（平均NN间期、SDNN、RMSSD、pNN50）、频域指标（LF功率、HF功率、归一化功率、中心频率）和非线性指标（庞加莱图SD1SD2）。最后采用启发式方法筛查房颤样不规则性，并通过多维度可视化展示处理结果和分析指标。整个流程结合了信号处理、特征提取...多模态机器学习LF功率Anlter路演实录：这14个AI项目，哪个会是下一个独角兽？
我有幸参加了在杭州良仓孵化器举行的一场AI项目路演活动。这次活动由全球早期投资机构Antler联手举办，共有14个AI项目登台展示。从全球领先的UI设计工具到专注于细分领域的垂直应用，我看到了AI应用落地的无限潜力。下午1点多到现场，碰巧赶上杭州这鬼天气，下起大雨，路演延迟了一会，拍了现场的照片（嘿嘿，有幸作为合作方）。这篇文章，我将为大家深度解析这次路演中，几个让我印象深刻的项目。Anlter介绍在正式介绍项目之前...AI项目AnlterAI玩法别再浪费时间做笔记了！Seedream4.0帮你3秒搞定，效果惊艳
社区头条建立一套学习的方法论非常重要，比如，怎么将知识转化为可视化、有逻辑、有趣的东西，每当回想起xx，总会有一个关键词触发它。所以，建立自己的思维认知非常重要，有逻辑，有计划的学习，比死记硬背高效的多。今天，我想告诉你的是，用最新的Seedream4.0，也能帮助学生做学霸笔记。我将带大家一步一步进行实操做好小板凳。语文基础知识基础知识是根本，主要考察汉字、词语和标点符号的正确使用，要求学生能准确书写汉字、理解词...Seedream4.0AI豆包在企业级RAG系统中需要关注和优化的点
原创“想做一个RAG项目很容易，但要想做好一个RAG系统却很难。”最近手上的一个RAG聊天类项目也算接近了尾声，虽然从功能上来说项目已经完成了；但从质量上来看，其实离真正的完成还差了老大一截，原因就是做出来了，但没做好。因此，今天我们就来基于这个项目做一个基本的项目总结，看看在一个企业级RAG系统中，到底存在哪些问题，以及应该怎么做。企业级RAG还是那句话，RAG从技术的角度来看主要是三个部分：1.文档预处理2.文档召...RAG企业级RAG文档预处理文档召回生成增强多模态RAG和传统RAG的对比——以及Agent智能体在两种RAG之间扮演的角色
原创“传统RAG和多模态RAG以及Agent是不同维度上的东西，并不能混为一谈。”自大模型开始大规模应用以来，RAG技术就是其中一个重点应用方向，虽然一直有人说RAG只是一种过渡手段，但不管怎么说RAG是目前很重要的一个应用技术，而且适用于多种领域，如客服，咨询，检索等。但是，随着技术的发展RAG技术也经过了几轮迭代，包括RAG，GraphRAG和AgenticRAG等；而随着多模态技术的发展，多模态RAG也随之而来。那么传统RAG和多模态RAG对比...多模态RAGRAGAgent智能体端到端的多模态大模型文档解析：POINTS-Reader数据合成与迭代训练提升方案
原创前期在《文档智能专栏》中详细介绍了各种pipline（MinerU、ppstructure、Docling等）、检测+多模态VLM（monkeyocr等）、端到端（olmocr等）的文档解析技术链路及相关方案。piplinelayout+VLMVLMfinetune下面再来看一个端到端的解析方案，腾讯开源的多模态大模型POINTSReader，实测了下效果一般，但可以看看数据合成及思路。方法1、数据形式这个不用多说，基本上各种文档解析的格式都趋向大同，纯文本使用Markdown、表格使用html...多模态大模型文档解析技术微调LLM马斯克突然裁掉500名AI训练师！重心转向招募专业领域AI导师
原创 社区头条近日，马斯克旗下的人工智能公司xAI近日进行大规模裁员，约500名数据标注员被解雇，约占团队总人数的13。这些员工原本负责训练Grok聊天机器人，通过对原始数据的分类和语境化，帮助人工智能理解世界。  被裁员工收到了公司通过电子邮件发送的解雇通知。公司告知员工将终止大部分“通用型AI导师”岗位，但承诺支付薪酬至合同原定结束时间或11月30日。不过，这些员工的系统访问权限在裁员通知当天即被终止。 与此...人工智能马斯克裁员数据标注算家云租算力，到算家云OpenAI董事长：太多AI应用是在表演！AI泡沫远比想象更严重，会有人赔大本；应用不应追求AGI
原创 社区头条编辑云昭出品51CTO技术栈（微信号：blog51cto）采访Decoder“应用型AI公司不应该追求AGI。”“我们确实也处在一个泡沫期，会有人赔掉大量资金。”“我们平台上的某个agent，每生成一条回复，背后可能会触发20多次推理调用。”上周，OpenAI现任董事长、SierraCEOBretTaylor做客一档播客栏目，期间的谈活内容引起了业内的关注。Bret的经历透露着一种技术人独有的传奇色彩，可以说是少数完整见证科技行业发展的资深人物之一。他早...OpenAIAIAGIT2I进入“思维链”时代！港中文等发布史诗级600万数据集：128张A100历时4个月构建完成！
论文链接：https:arxiv.orgpdf2509.09680模型链接：https:github.comrongyaofangprismbenchDataset链接：https:huggingface.codatasetsLucasFangFLUXReason6MGit链接：https:fluxreason6m.github.io亮点直击FLUXReason6M：一个里程碑式的数据集。首个专为推理设计的600万规模T2I数据集，包含2000万条双语描述，首创的生成式“思维链”提示。该数据集使用128张A100显卡，历时4个月构建，旨...AI模型图像生成AI 智能体在顺丰运营场景的落地案例剖析
原创 精华 社区头条在现在变化超快的物流行业里，谁能把效率和精准度做得更好，谁就更有竞争力。以前靠人管的老办法，早就跟不上越来越多的业务需求了。而AI智能体就像给物流行业安上了“智能大脑”，正在帮行业实现大变革。顺丰在这方面做了很多探索，就是想靠智能化把物流从接单到派件的全流程管得更细、优化得更好。一、顺丰的“全流程智慧管理”：分三步管好物流顺丰把物流作业拆成了三个核心环节，AI智能体在每个环节都发挥着重要作用，就像...AI智能体RAG案例剖析大语言模型根本 “不懂” MCP，这事儿没你想的复杂
原创 精华一、先搞懂：MCP是啥？但大模型真的不用懂它“模型上下文协议（MCP）”现在成了搭建AI智能体时“工具调用”的标配，但和很多人想的不一样：你的大语言模型（LLM）根本不需要理解MCP是什么。你可能听过“上下文工程”这个词：简单说，就是你在和大模型互动时，得给它提供“有用的背景信息”，帮它更好地回答问题。要收集这些背景信息，就可以用“工具调用”，让大模型能调用一系列工具去获取数据或执行操作。MCP的作用，其实是帮...大语言模型MCPAI智能体别急着买RTX4090！大多数学生学习机器学习根本用不到GPU
原创 社区头条省钱又高效，这才是学生党的ML硬件选择逻辑“学机器学习是不是必须买显卡？”这可能是很多刚入门AI的同学问得最多的问题之一。看着论坛里人人都在讨论RTX4090、A100，仿佛没有一张高端显卡就学不了深度学习——但事实真的如此吗？今天，我们就来打破这个迷思。一、初学者阶段：你需要的不是GPU，是耐心当你刚刚踏入机器学习的大门，每天面对的是：清洗CSV文件写简单的Python脚本用Matplotlib或Seaborn做数据可视化在scikitlearn...机器学习GPURTX4090小模型，大推理：MBZUAI 开源 K2 Think，32B 模型超越超大体量对手
原创如果说过去两年是“大模型军备竞赛”，那么2025年正在发生的，或许是另一种思路的回归：如何在有限参数下，做到真正的推理能力。阿布扎比人工智能大学（MBZUAI）的基础模型研究院团队，联合G42，正式发布了一款名为K2Think的开源推理系统。它只有320亿参数，却在数学、代码和科学任务上表现出了媲美甚至超越百亿乃至数千亿模型的能力。更关键的是：K2Think并非单纯堆算力，而是通过精细化的后训练（posttraining）方法+推理时优...K2 Think开源大模型听懂全球 11 种语言，还能在嘈杂环境下识别人声——阿里云 Qwen3-ASR 来了
原创在今天这个语音应用爆发的时代，我们身边越来越多的场景都在和语音识别打交道：网课里的实时字幕、客服热线的自动转写、视频里的多语种字幕……但一直以来，市面上的语音识别系统往往存在几个“老大难”：多语言支持不够，不同语言需要不同模型；噪音环境下表现差，车站、商场这种场景几乎无法使用；专业词汇识别率低，一遇到专有名词或新兴词汇就抓瞎。阿里云Qwen团队最新推出的Qwen3ASRFlash，正是瞄准这些痛点下的一次升级尝...阿里云Qwen3-ASR识别人声语音识别多模态在 RAG 中的应用：原理与流程
原创“多模态RAG代表了下一代检索增强生成系统的发展方向，通过整合视觉、听觉等多种信息源，能够提供更加丰富、准确和上下文相关的回答，极大地扩展了人工智能系统的应用范围和实用性。”多模态RAG（RetrievalAugmentedGeneration）扩展了传统文本RAG的能力，使其能够处理和理解多种类型的数据（如图像、音频、视频等），而不仅仅是文本。这种技术在需要处理丰富媒体内容的场景中特别有用。基本原理多模态RAG的核心思想是将传统RAG...多模态RAG检索增强生成系统基于qwen-long模型实现多模态和长文本分析
原创“多模态RAG实现远比传统文本RAG要复杂得多。”在传统的RAG中我们一般情况下是把其它模态的数据转换成文本，然后通过对文本数据进行向量化，并实现相似度检索和增强的过程。但在当今时代，文本只是数据表现的一种形式，而图片音视频等才是当前的主流形式；还以传统RAG为例，以word，pdf等复杂文档中，其数据形式往往采用图文结合的方式，这时传统的做法是采用OCR或其它形式直接把文档内容全部转换成文本格式；但这时图片和结构...多模态长文本分析大模型关于多模态应用的几个疑问，以及多模态应该怎么应用于RAG？
原创“多模态与RAG的结合是一个应用的实践过程，其实际操作远比理论要复杂得多。”这段时间一直在搞RAG和Agent，然后使用的基本上都是基于文本处理的推理模型，基本上没用过多模态模型；而最近突然有个想法，那就是把多模态应用于当前的RAG系统。虽然说之前对多模态有些基础认识，但并没有在真实的业务系统中实践过；然后网络上关于多模态应用的内容又很少，因此等真正尝试去做的时候才发现，多模态应用好像没有那么简单。多模态模...多模态RAG大模型
