AI.x社区

unsetunset今日凌晨，OpenAI在𝕏上发布新模型o1，包括o1preview和o1mini。unsetunsetOpenAI在官方新闻中表示：我们开发了一系列新的AI模型，旨在在回应之前花更多时间进行思考。它们能够推理复杂任务，并在科学、编程和数学等领域解决比之前模型更难的问题。今天，我们在ChatGPT和API中发布了这一系列的首个模型。这是预览版，我们预计会有定期的更新和改进。随着此次发布，我们还包括了正在开发中的下一次更新的评估内容。从今...

ModelContextProtocol（MCP）模型上下文协议是一种标准化协议，它让大模型能够更便捷地与外部数据、工具相连。你可以把MCP想象成一个通用的插头或接口，就像USBC一样，不管是什么设备，只要插上这个接口，就能和电脑、充电器等连接起来。只不过，MCP连接的不是物理设备，而是AI大模型与外部的数据源、工具等。有了MCP，AI大模型就能更轻松地获取外部信息，完成更多任务。比如，通过MCP，AI大模型可以操作电脑读写文件，或者模拟...

AI的下一个重大突破是理解情感吗？HumeAI表示是的。3月27日，一家名为HumeAI的新创公司宣布，他们已经在一轮B轮融资中筹集了5000万美元。这家初创公司由前GoogleDeepMind研究员AlanCowen共同创立并担任CEO。HumeAI与其他人工智能模型提供商和初创公司的区别在于，它专注于创建一款能够理解人类情感、适当做出反应并向用户传达情感的人工智能助手。这款聊天机器人不仅基于文本，还使用语音对话作为其接口，通过听取人类用户的语...

北大和字节联手搞了个大的：提出图像生成新范式，从预测下一个token变成预测下一级分辨率，效果超越Sora核心组件DiffusionTransformer（DiT）。并且代码开源，短短几天已经揽下1.3k标星，登上GitHub趋势榜。具体是个什么效果？实验数据上，这个名为VAR（VisualAutoregressiveModeling）的新方法不仅图像生成质量超过DiT等传统SOTA，推理速度也提高了20+倍。这也是自回归模型首次在图像生成领域击败DiT。​直观感受上，话不多说...

本文首先分享AI智能体的3阶段架构设计演进：LLMAgent、AIAgent、MutiAgent。然后对比剖析AI智能体的3大关键技术：FunctionCalling、MCP、A2A。下文详细剖析之。1、AI智能体3阶段架构设计演进AI智能体架构设计阶段一、LLMAgent自2023年大模型兴起后，AI智能体作为新兴事物迅速激发了大众的浓厚兴趣。鉴于泛娱乐场景最能吸引C端用户的关注，这一阶段的智能体多以社交和娱乐为切入点。借助提示词工程为智能体注入灵魂（即设定人设...

编译伊风出品51CTO技术栈（微信号：blog51cto）在人工智能领域的竞争中，科技巨头们一直在竞相构建越来越大的语言模型。ScalingLaw信仰随着模型规模的增加，其性能会指数提升，展现出更好的泛化能力，甚至在某些情况下展现出“涌现”的能力。然而，一个令人惊讶的新趋势正在浮现：小即是新大。随着大型语言模型（LLMs）的进步显示出一些趋于平稳的迹象，研究人员和开发者越来越多地将注意力转向小型语言模型（SLMs）。这些紧凑...

RAG（检索增强生成）是企业AI大模型应用落地的主要应用形态之一，特别是在智能问答、报告生成、内容审核、Text2SQL、流程自动化和AI编程等领域大规模应用和落地RAG架构。从技术本质来分析，RAG架构设计是由两部分构成：数据工程和信息抽取。其中数据工程是最重要的部分，数据工程的最重要的工作之一是对文档进行分块（Chunking）。因为要处理的文档可能会相当大，所以第一步还包括“分块”，就是把一个大文件分成更小的、更容易...

“从训练一个小模型开始，大模型太复杂小模型刚刚好”有句老话叫眼高手低，最近发现有些人就是眼高手低的现实案例，在什么都不懂的情况下就想搞大模型，小模型还看不上。但其实最好的方式是从一个小模型开始，至于原因就是因为小模型相对比较简单一点，其次就是硬件要求较低，普通人能够玩的转。从小模型开始为什么建议大家从小模型开始，特别是一些开源小模型？之所以建议大家刚开始以小模型为主，原因就是因为从技术原理来说...

扩散模型是目前大部分AIGC生图模型的基座，其本质是用神经网络学习从高斯噪声逐步恢复图像的过程，本文用python代码从零开始构建了一个简单的扩散模型。一、理论部分DDPM(DenoisingDiffusionProbabilisticModels)是一种在生成对抗网络等技术的基础上发展起来的新型概率模型去噪扩散模型，与其他生成模型（如归一化流、GANs或VAEs）相比并不是那么复杂，DDPM由两部分组成：一个固定的前向传播的过程，它会逐渐将高斯噪声添加到图...

在2月18日，马斯克旗下的xAI公司推出新一代大语言模型Grok3。马斯克在发布会上自信满满地表示：“Grok3比Grok2强大一个数量级。”这话听起来有点夸张，但看看Grok3的表现，还真不是吹牛。根据xAI工程师的说法，Grok3的训练量是Grok2的10倍，推理能力更是直接碾压了包括ChatGPT和DeepSeek在内的其他AI模型。马斯克甚至放话：“Grok3是地球上最聪明的人工智能。”Grok3到底有多强？咱们先来看一组数据。在数学能力测试（AIME'24）...

MCP协议为AI应用提供了标准化的交互方式，但在企业级落地过程中，我们面临着诸多挑战，比如：认证鉴权受限、部署模式复杂多样以及技术债务风险等诸多问题。目前，MCPServer主要有五种架构模式，每种架构各有其独特的优势和劣势，适用于不同的业务场景。本文详细剖析之。MCP五种架构设计模式架构设计模式一：MCPClient直连RemoteServer(SSE)这种架构设计模式类似于直接给专家打电话咨询问题MCPClient通过SSE方式与远程MCPServer...

“自定义数据集既是未来人工智能技术的重点，也是人工智能技术的难点”在人工智能领域中，数据的重要性得到了充分的体现；但很多人还不知道怎么打造一个数据集，所以今天我们就用一些图片来模仿MINST数据集打造一个类MINST数据集，能够直接被神经网络加载和使用。当然，为了简单起见我们对数据就只进行简单的处理，如统一图片大小，不会按照严格的数据处理方式；比如说图片裁剪，增强等。自定义数据集实现以MINST数据集为例，其...

Anthropic推出的MCP（模型上下文协议）取得了成功，这显然激发了AI行业里的其他参与者，大家都想来定义一些开放协议，好用在AIAgent系统（AgenticSystems）的集成里。1、MCP架构设计MCP（模型上下文协议）是由Anthropic定义的一个开放协议，标准化应用程序如何为大语言模型（LLM）提供上下文。更具体地说，它试图标准化基于LLM的应用程序与其他环境集成的协议。在AIAgent系统（AgenticSystems）中，上下文可以通过多种方式提供...

整个过年期间，AI圈的头条都被被DeepSeek霸占了。2月1日，OpenAI终于按捺不住，推出了全新的推理模型系列o3mini。这个系列不仅首次对免费用户开放了推理模型，还将成本降低了多达15倍（相比之前的o1系列）。OpenAI还表示，这是其推理模型系列中最新且最具成本效益的模型：最近，AI社区非常热衷于将DeepSeekR1与其他推理模型进行对比。尤其是经典的编程挑战——模拟弹跳球：“WriteaPythonscriptthatmakesaballbouncewithinacert...

本文作者蒋楠是北京大学智能学院二年级博士生，指导教师朱毅鑫教授，与北京通用人工智能研究院黄思远博士联合开展研究工作。他的研究重点是人物交互理解和数字人的动作生成，并于ICCV，CVPR和ECCV等顶会发表多篇论文。近年来，人物动作生成的研究取得了显著的进展，在众多领域，如计算机视觉、计算机图形学、机器人技术以及人机交互等方面获得广泛的关注。然而，现有工作大多只关注动作本身，以场景和动作类别同时作为约束条件...

一、结论写在前面论文标题：xLAM:AFamilyofLargeActionModelstoEmpowerAIAgentSystems论文链接：​​https:arxiv.orgpdf2409.03215​​Models:​​https:huggingface.cocollectionsSalesforcexlammodels65f00e2a0a63bbcd1c2dade4​​GitHub:​​https:github.comSalesforceAIResearchxLAM​​介绍了xLAM系列，这是一组用于自主AIagent的大型动作模型。论文的模型参数范围从1B到8x22B，通过一个可扩展且灵活的数据管道进行训练，...

今天看到vLLM的朋友圈发布了DeepSeekR1的PP支持，立刻开始我的捣鼓之旅，假如我训练的超大MoE上线了，也得做好技术准备工作是不嘛。把踩坑经验给大家分享一下，希望能够相比于官方文档更白话一点。DistributedInferenceandServing:https:docs.vllm.aienlatestservingdistributedserving.htmlrunningvllmonmultiplenodes知乎游凯超说一定要让整个过程变得丝滑无比，我俩配合做了几个验证，现在应该只需要Step0和Step3就可以run起...

本文通过一个实际案例展示如何基于MCP（ModelContextProtocol）开发一个支持私有知识库的AIAgent问答系统。1、AIAgent问答系统整体流程AIAgent问答知识库系统整体由构建与检索流程组成。第一、知识库构建流程1、文本切分对输入的文本进行切分，确保切分后的文本段在保持完整性和语义连贯性的同时，便于后续处理和检索。2、FAQ提取从文本中提取常见问题及其答案（FAQ），作为知识库的一部分，以增强检索的准确性和效率。3、知识...

从改善广告系列的创作，到在不断演进的用户搜索体验中提升广告的有效性，生成式AI可以为广告主赋能。去年，我们宣布了​​AI赋能广告的新时代​​，同时也做出承诺，确保广告主有机会在用户的搜索历程中触达潜在客户。今天，我们将分享在这方面取得的进展。通过以Gemini赋能的对话方式制作更出色的搜索广告系列正如我们在上个月所宣布，接下来的几个月内，​​我们将把我们规模最大、能力最强的AI模型Gemini推广到更多Google核...

在办公场景中，WPS作为一款强大的办公软件，不仅提供了丰富的文档编辑功能，还支持宏（Macro）来实现自动化处理。随着人工智能技术的发展，将大模型（如ChatGPT、DeepSeek、文心一言等）集成到WPS中，可以大幅提升文档编辑、内容创作、数据分析的效率。本文介绍如何通过WPSJS宏调用DeepSeek大模型，实现自动化文本扩写功能。1.随便打开一个word文档，点击工具栏“工具”2.点击“开发工具”3.点击“查看代码”4.在打开的WPS宏编...