AI.x社区

引言在AI技术蓬勃发展的今天，大模型Agent（如GPT4、Claude等）需要频繁与外部工具、其他Agent甚至云端服务交互。如何高效、安全地完成这些通信？答案藏在JSONRPC2.0这一看似“古老”却焕发新生的协议中。本文将解析为何JSONRPC2.0成为大模型Agent传输协议的“宠儿”，并揭秘其核心优势。一、JSONRPC2.0是什么？JSONRPC2.0是一种基于JSON的轻量级远程过程调用（RPC）协议，诞生于2010年。它通过简单的请求响应机制，允许客户端...

GPT4o多模态版、Claude3.7、Gemini2.5三大顶流AI最新完整版系统提示词。通过这些AI大模型的系统提示词，我们能够清晰地了解各个AI的独特特性、核心优势以及强大功能，为我们选择、应用、和研发提供一个宝贵的参考！1.GPT4o多模态版系统提示词如果开启「memory」记忆功能，ChatGPT在聊天中记录两方面的主要信息：和用户相关的个人信息。比如性别、性格、表达风格、家庭、工作情况等等。最近的聊天记录。比如最近10次和ChatGPT聊...

在数据应用场景中，数据源属于数据管理是非常的一个环节，包括数据源、数据集成、生命周期、数据地图、数据标注、数据安全、主数据等等等，数据管理也是整个数据治理体系中最核心的部分之一，面向智算领域的数据能力，对于AI数据治理会有一些新的挑战。在过去数十年的大数据领域发展过程中，结构化数据和半结构化数据处理都是其中绝对的主角，结构化和半结构化数据由业务流程产生，与商业价值高度相关，这些数据与企业的流程业...

一、卷积神经网络（CNN）：视觉特征的自动提取器技术原理CNN通过模拟人类视觉系统的层级特征提取机制，利用卷积层、池化层和全连接层逐层抽象图像特征：卷积层：通过滤波器（如3×3矩阵）对输入图像进行滑动窗口式计算，捕捉局部特征（如边缘、纹理）。池化层：通过降采样（如最大池化）减少参数数量，增强平移不变性。全连接层：将高层特征映射到分类或回归任务。发展历程LeNet5（1998）：首次将CNN应用于手写数字识别，奠定基...

现在很多人让大模型调用外部工具，最常见的做法就是FunctionCalling。乍一看，能调起来没问题。但真要接多个服务、跑一个完整流程，FunctionCalling就显得太粗糙了——定义繁琐、结构不统一、模型换一个就得重写一遍。本质上，它解决的只是“能不能调用”，但没解决“怎么标准、高效地调用”。而MCP出现，就是为了解决这个“工程化不成体系”的问题。我认为FunctionCalling更像是“你教模型怎么用某个函数”；而MCP，是“你把这...

出品51CTO技术栈（微信号：blog51cto）昨天晚上，“DeepSeekR2提前泄露”的传言刷屏AI圈，原因尽然来自HuggingFaceCEO在推特的一条帖子，引发全网猜测。帖子表达的信息有些晦涩：三个眼睛表情，配上了DeepSeek在HuggingFace的仓库链接（https:huggingface.codeepseekai）以及相关配图。网友难免会联想猜测：也许DeepSeekR2即将上线发布。紧接着就是各种有关DeepSeekR2的离谱谣言：一位X用户“预告”：“DeepseekR2明天或周三发...

出品51CTO技术栈（微信号：blog51cto）2个多小时前，OpenAICEO奥特曼发推表示：最新版GPT4o在最近几次更新后出现了“过度谄媚”的交互个性倾向（即使其中有好的部分），并承诺将尽快在一周内推出修复方案。自3月27日吉卜力风格大火以来，GPT4o在4月25日也迎来了新一波的更新，重点改进其记忆存储时机的选择机制，并显著增强其在科学、技术、工程及数学（STEM）领域的问题解决能力。OpenAI在此期间对GPT4o的对话响应模式进行了细...

文章链接：https:arxiv.orgpdf2504.02828项目链接：https:peterljq.github.ioprojectcolanGit链接：https:github.competerljqConceptLancet亮点直击提出CoLan框架一个零样本即插即用的框架，用于在基于扩散的图像编辑中解释和操作稀疏概念表示。该框架可以精确控制概念移植的幅度，实现高质量的图像编辑。构建CoLan150K概念词典收集了包含多样化视觉概念的CoLan150K数据集，并计算对应的概念向量词典（文本嵌入或评分空间），为...

背景信息近期前线人员反馈，在使用问答系统处理PPT文件时回答效果不佳。经查发现，用户上传的PPT内容多为图文混排形式，包含大量图像和统计图表。用户提问主要聚焦于图表数据及其相互关系。我这里随意在网上找了一个PPT做尝试，这个PPT有一张图如下所示：提问："2017年大数据开发人数比2016年增加了还是减少了，具体增加或减少了多少人？"系统返回：根据提供的资源数据，2017年大数据开发职位的招聘人数大幅增加。具体来说，201...

在多模态学习领域，视觉语言模型（VLMs）的飞速发展让我们看到了不同模态之间融合的巨大潜力。然而，尽管取得了显著的进步，这些模型大多集中在短文本任务上，对于长文本的理解能力却始终是它们的“软肋”。尤其是在处理长视频理解和高分辨率图像视频理解时，如何有效处理扩展的视觉上下文，依然是一个亟待解决的难题。长文本理解的困境与挑战长文本理解的不足，很大程度上是因为现有的视觉语言模型在数据集构建、架构设计、训...

在当今信息爆炸的时代，快速准确地获取知识变得尤为重要。传统的问答系统虽然能够处理一些简单问题，但在面对复杂问题时往往显得力不从心。为了解决这一痛点，我们开发了一款基于LangGraph的RAG多智能体工具，它能够高效地处理复杂问题，整合多源信息，并通过迭代步骤得出精准答案。今天，就让我们深入了解一下这个强大的工具。一、引言：从简单的RAG到智能的多智能体RAG在项目开发初期，我们发现传统的“简单RAG”方法存在诸多...

在人工智能飞速发展的今天，多模态学习正逐渐成为研究的热点领域。视觉语言模型（VLMs）作为其中的重要分支，已经在图像和视频的整体描述生成方面取得了令人瞩目的成就。然而，当我们试图让这些模型对图像或视频中的特定区域进行详细描述时，却常常发现它们的表现不尽如人意。这种局限性在视频数据中尤为明显，因为视频不仅需要处理空间信息，还要考虑时间动态。幸运的是，NVIDIA最新发布的DescribeAnything3B（DAM3B）模型，为...

使用DockerModelRunner在本地运行Gemma3，开发人员能够实现私有且高效的GenAI开发——快速设置、离线推理和完全控制。如今，对本地化开发生成式人工智能（GenAI）的需求正在快速增长。开发人员在自己的基础设施上运行大型语言模型（LLM）能够确保隐私性、灵活性和成本效益。随着Gemma3的发布及其与DockerModelRunner的无缝集成，开发人员可以完全在本地服务器上实验、微调和部署GenAI模型。本文将探讨如何使用Docker在本地设置...

来了！文心大模型4.5今日如期上线。同时，百度还意外的带来了自家的深度思考模型文心X1。文心大模型4.5是百度的新一代原生多模态基础大模型，多模态理解能力优秀，理解、生成、逻辑、记忆能力全面提升，多项基准测试成绩优于GPT4.5、DeepSeekV3，API价格仅GPT4.5的1%。多模态能力文本能力文心大模型X1是首个自主运用工具的深度思考模型，具备更强的理解、规划、反思、进化能力，效果对标DeepSeekR1，API价格仅R1一半。目前，2款...

0前言诚信难的当下，商品评论已成连接买家卖家的重要桥梁。2022年全球主要电商平台平均每件商品收到约50条评论，热门商品评论数更轻松突破千条。充分体现商品评论在电商体系地位。1商品评论的意义Infographic:Howconsumersreadandwritelocalbusinessreviews：1.1对买家其他消费者的真实体验和反馈往往是做出购买决策的关键因素。研究显示，超过95%的在线用户会在做出购买决定前阅读商品评论。平均每次购物之间会查看至少10行评...

Phantom是一个统一的视频生成框架，适用于单主题和多主题参考，基于现有的文本转视频和图像转视频架构构建。它通过重新设计联合文本图像注入模型，利用文本图像视频三元组数据实现跨模态对齐。此外，它在人物生成中强调主题一致性，同时增强了身份保留视频生成。相关链接论文：https:arxiv.orgabs2502.11079代码：https:github.comPhantomvideoPhantom主页：https:phantomvideo.github.ioPhantomComfyUI:https:github.comkijaiC...

大语言模型（LLM）的飞速发展正深刻改变着我们与信息和技术交互的方式（想想大家有多久不用传统搜索引擎了）。它们展现出的能力令人瞩目，但要驱动它们超越模仿，在复杂推理、规划和解决未知问题等层面达到更高的“智能”水平，传统的预训练（Pretrain）和监督微调（SFT）范式显得力有不逮。强化学习（RL），特别是结合人类或规则反馈的RLHFRL，已成为关键的引擎，推动LLM智能向更高层级跃迁。RL的核心在于赋予模型一种“目标导...

4月26日，清华大学人工智能医院正式揭牌，标志着全球首个“AI+医疗+教育+科研”生态闭环的实体化医疗新物种诞生。这家医院颠覆传统“医院+AI”模式，从底层设计融入AI智能体功能，依托紫荆AI医生内测系统，通过虚拟医院加速AI医生进化。在清华AI医院的实践中，算力是驱动医疗模式变革的核心引擎：清华人工智能医院从底层设计融入了AI智能体，覆盖诊前、诊断、治疗、康复全流程。其核心系统“紫荆AI医生”基于“闭环式”医疗虚拟...

嘿，各位AI圈的弄潮儿们！最近有没有被OpenAI的新动作刷屏？没错，继那个像章鱼哥一样全能的GPT4o之后，OpenAI又悄无声息地丢下了一颗重磅炸弹——全新的图像生成模型GPTimage1！这可不是简简单单的DALL·E升级版，它可是原生多模态、API优先，直指专业级图像生成市场的新选手。作为一名AI领域的文章创作者，我可是第一时间就扒来了各种公开信息，今天就来给大家全方位解析一下这位新伙伴到底有啥本事！1.它来了，带着GPT4o的多...

模型上下文协议MCP是一种开放协议，旨在标准化AI应用程序与外部数据源和工具的连接方式。其核心目标在于简化大型语言模型LLM与各种上下文和工具的集成，从而解决将多种LLM与多种工具相集成的复杂性问题。之前的文章介绍了一个挺不错的MCP应用案例，​​用MCP让大模型自动批量下载文献，太香了！​​但你有没有想过，自己动手打造一个MCP服务呢？想象一下，亲手设计一个智能工具，无论是处理数据、调用外部API，还是生成自定义报...