AI.x社区

在人工智能技术突飞猛进的当下，大型视觉语言模型（LVLMs）正以惊人的速度重塑多个领域的认知边界。在自然图像与视频分析领域，这类模型依托先进的神经网络架构、海量标注数据集与强大算力支持，已能精准完成物体识别、场景解析等高阶任务。而在自然语言处理领域，LVLMs通过对TB级文本语料的学习，在机器翻译、文本摘要、情感分析等任务上达到专业级水准，其生成的学术摘要甚至能精准提炼医学文献的核心结论。然而当技术浪潮涌...

近日，快手推荐模型团队提出了一个端到端生成式推荐系统OneRec，该系统采用EncoderDecoder架构，引入了基于奖励机制的偏好对齐方法，借助强化学习增强模型效果，可在奖励模型引导下直接生成契合用户偏好的视频内容。通过极致的性能优化，OneRec在推荐模型FLOPs提升10倍的同时，大幅削减了通信和存储等运营成本近90%。目前，OneRec已在快手快手极速版双端承接25%的线上流量，带动APP停留时长分别提升0.54%和1.24%。当生成式架构...

出品51CTO技术栈（微信号：blog51cto）告别政坛，马斯克宣布要回归“主线任务”了！在YCombinator的AI创业学校演讲上，ElonMusk正式宣布要回到他真正关心的事上：AI、太空、人类的未来。他坦言AI才是影响人类最深远的要素，并抛出一句极具画面感的比喻：“我感觉，改革（美国）政府就像在清理一个满是针头、排泄物和垃圾的海滩。你本想清理这个海滩，但此时却有一堵一千英尺高的“AI海啸”正要袭来——那在这种情况下，清洁海滩...

 就在今天凌晨，曾经一码难求的ManusAI，宣布向所有Windows用户敞开了大门。之前还需要蹲守邀请码、甚至被炒至上万元的神秘Agent，现在只需轻点安装，就能常驻桌面，接管从PPT制作、数据分析到代码编写的繁杂工作。  作为国内团队打造的全球首款通用AI智能体，Manus自今年3月问世便引爆科技圈。 与传统聊天式AI最大的区别在于，它不仅能回答问题，更能直接交付完整成果：只需丢给它一个执行目标，他就能在...

编者按：人工智能真的已经深入我们的日常生活了吗？当我们还在讨论AI技术的潜力时，是否忽略了一个更为重要的事实——AI的实际使用量可能远超我们的想象？以Google为例，其AI交互处理的token数量从2024年4月的9.7万亿激增至2025年4月的480万亿以上，月处理量正快速逼近1千万亿的惊人规模。与此同时，微软AzureAI服务单季度处理超过100万亿token，同比增长5倍，而OpenAI、字节跳动、百度等公司也都达到了日均万亿token的处理量级...

最近关于AI大模型应用落地到底选用单智能体架构还是多智能体架构？业界争论很多，特别是Anthropic公司和Devin公司分别主张和使用了不同的智能体架构设计路线，Anthropic公司认为多智能体架构才是AI大模型应用扩展性能的关键，详见《​​性能提升90%，Anthropic首次公开多智能体架构构建全流程​​​​》，而Devin公司认为：“Don'tBuildMultiAgents.”，并直接批评OpenAI和微软的开发框架Sarm和AutoGen方向搞错了，详见《​​​...

论文链接：https:arxiv.orgpdf2506.10395亮点直击解耦视觉编码架构：首创分任务设计视觉编码器，解决理解与生成的固有矛盾。三阶段渐进训练：通过数据分层优化，实现细粒度多模态对齐与强指令跟随能力。任务协同效应：首次揭示图像理解与生成在统一框架中的相互增强作用。开源组件高效整合：巧妙结合CLIP、扩散模型和LLM，平衡性能与计算成本。Pisces在图像生成和理解方面都表现出色总结速览解决的问题统一多模态模型的性能差距...

开篇大型语言模型（LLMs）随处可见，从日常应用到高级工具都可以看到他们的身影。虽说使用起来很容易，但如果要运行自己的模型就是另外一回事了。比如对模型进行微调并处理了一些隐私敏感数据，复杂性就会增加。在这篇文章中，我们将分享在构建我们自己的LLM推理系统时所学到的知识。我们将涵盖存储和部署模型、设计服务架构以及解决路由、流式传输和管理微服务等现实问题。这个过程涉及挑战，但最终，我们建立了一个可靠的系统...

近年来，大语言模型(LLM)领域出现了一个引人注目的发展趋势：研究人员开始转向具有亚二次复杂度的循环模型架构，如Mamba、RWKV和RecurrentGemma等。这些模型在处理长上下文时展现出显著的效率优势，相比传统Transformer架构的二次方复杂度，它们能够以更低的计算成本处理更长的序列。然而，这些循环模型存在一个关键的局限性：固定大小的循环记忆容量。来自特拉维夫大学、IBM研究院和MITCSAIL的研究团队在最新论文《溢出预防增...

最近在看编译器的书籍，想从0开始写一个简单的自制编程语言练练手，但是同时想到自己现在手头有ChatGPT，于是萌生想法：如果我了解编译器整个设计过程，为什么我还需要重头开始写编译器呢？为何不直接将整个实现思路给到GPT，让GPT帮我实现代码，我只需要考虑如何设计词法和语法，如何优化等过程即可，说干就干，于是开始《ChatGPTAI自制编程语言》系列文章。1、试验在验证《AI自制编程语言》之前，我在想整个流程是否按照想法...

OpenAI即将发布搜索引擎产品的消息，一经曝出便霸榜多日，各种分析文章纷至沓来。在媒体报道中，这是一款可能叫作SearchGPT或Sonic的基于ChatGPT的AI搜索引擎。更多的解读则是OpenAI也盯上了搜索引擎这块蛋糕，即将攻入谷歌搜索腹地。以大语言模型重构搜索引擎不只是科技巨头的坚持，也是创业公司的新领地，更是大模型落地的场景首选。创业型AI搜索产品，国外已经有Perplexity、ArcSearch、AndiSearch、Metaphor、Brave、Phind...

6月18日凌晨，微软研究院发布三篇突破性论文，正式公开rStarMath、LIPS、CPL三大算法，直击大语言模型（LLM）的核心痛点——数学推理与逻辑链能力不足。这些算法不仅适用于百亿参数大模型，也能显著提升小模型的推理性能，被业界称为“推理增强三件套”。一、rStarMath：用蒙特卡洛树搜索实现“深度思考”核心思想：将蒙特卡洛树搜索（MCTS）与代码验证结合，让大模型像人类一样“反复推演再下结论”。技术亮点：代码增强的思维...

在人工智能从单一模型走向复杂协作的时代，多代理系统（MAS）正成为破解高难度任务的关键钥匙。本文聚焦从理论到代码的全流程实践，深度解析如何通过模块化设计让多个智能体协同完成复杂目标。你将学会：三大核心组件（模型选型、工具集成、指令配置）如何支撑代理逻辑；两种经典架构模式（Supervisor集中管理与Swarm分布式协作）的适用场景与代码实现；消息流转、层级管理、流式输出等工程化细节的落地技巧；隐藏挑战与行业标...

在基于大模型的Agent中，长期记忆的状态维护至关重要，在OpenAIAI应用研究主管LilianWeng的博客《基于大模型的Agent构成》中，将记忆视为关键的组件之一，下面我将结合LangChain中的代码，分享7种不同的Agent记忆维护方式在不同场景中的应用。获取全量历史对话在电信公司的客服聊天机器人场景中，如果用户在对话中先是询问了账单问题，接着又谈到了网络连接问题，ConversationBufferMemory可以用来记住整个与用户的对话历史，可...

电子科技大学研究人员的论文《InPK:InfusingPriorKnowledgeintoPromptforVisionLanguageModels》提出了一种新颖的方法，即通过将先验知识融入到视觉语言模型（VLM）的提示中，以提升模型在零样本和少样本视觉识别任务中的性能。本文将结合论文详细介绍InPK的技术原理、实现方法、实验结果及其在视觉语言模型领域中的意义。背景近年来，在大型图像文本数据集上预训练的视觉语言模型（VLM），例如CLIP，已经在各种下游任务中展现...

“ReAct思考和行动，既是一种方法论，也是一种范式，更是一种提示词模板，还是一种Agent智能体的开发方式。”目前基于大模型构建上层应用，其中很大的一个问题就是大模型的能力不足，特别是在复杂场景下的逻辑思维能力，明显存在严重的缺陷；而且由于安全性问题，大模型整体运行过程是一个黑盒模型，我们并不知道其内部到底是怎么运作的。因此，这时就需要一种方式让大模型给出具体的思考和行动过程，一是为了弄明白大模型是怎...

在构建多AI智能体系统架构时，许多现有的框架并不理想，通过我们自己的实践经验和试错，提出了一些构建AI智能体的原则，并解释了为什么一些看似吸引人的想法在实际中可能并不好用。在这篇文章中，我将分享以下内容：上下文工程的原则构建长期运行AI智能体的架构设计应用这些架构设计原则下文详细剖析之。1、上下文工程的原则我们先来谈谈以下原则：共享上下文行为隐含决策为什么需要原则？HTML于1993年问世。2013年，Facebook向...

Anthropic6月13日分享了关于构建多智能体系统的架构设计，几乎是毫无保留地展示了如何从零开始打造一个强大的多智能体（MultiAgent）DeepResearch系统，也就是Claude目前内置的Research功能。整个内容干货满满，涵盖了架构设计、Prompt提示词工程、效果评估，以及在生产环境中可能遇到的各种问题，可以说毫无保留。下文对要点详细剖析。1、多智能体系统的优势为什么不用单个强大的AI智能体，而是要搞复杂的“多智能体”架构呢？...

在当今快速发展的AI领域，多智能体架构正逐渐成为解决复杂任务的强大工具。从简单的单智能体系统到复杂的多智能体协同，我们看到了AI在任务管理、资源分配和决策效率上的巨大潜力。今天，就让我们深入探讨多智能体架构的魅力，看看它是如何通过不同的模式和策略，为我们的生活和工作带来变革的。一、单智能体与多智能体架构：选择适合的路径在AI的世界里，单智能体架构就像是一个“全能型选手”，它试图用一个智能体来完成所有...

1.背景1.1AI芯片设计的当前挑战与新兴计算范式概览人工智能（AI）的飞速发展，特别是以Transformer为代表的深度学习模型的广泛应用，对计算硬件提出了前所未有的要求。传统的冯·诺依曼架构在处理这些大规模、高并行的AI负载时，其性能和效率日益受到“功耗墙”（powerwall）和“架构墙”（architecturewall）的根本性制约。随着模型规模的持续膨胀，其计算复杂度和内存需求呈爆炸式增长，这迫使学术界和工业界必须跳出传统思维...