AI.x社区

Google前两天正式推出了新的原生图像生成和编辑功能，官方名称是Gemini2.5flashimagepreview，但社区都叫它"NanoBanana"。Google宣称这是"世界排名第一"的图像生成模型，并且免费向所有人开放。图片图片功能特点这个模型主要有几个亮点：风格转换：一句话就能把照片改成emo、goth、学院风等不同风格背景编辑：可以在自拍中添加各种背景元素，包括外星人发型预览：尝试不同发型效果，比如波波头和刘海照片修复：给老照片"重新焕...

目前，在人工智能高速发展的背景下，AI已经成为我们在工作与生活中的日常依赖，经历着一场深刻的价值蜕变。大模型的调用成本两年内降到原来的几十分之一，ChatGPT、DeepSeek等超级应用的周活用户以亿为单位飙升。 这种发展背后，算力作为人工智能的核心引擎，支撑着各种数字化应用。尤其是智能算力，专门服务于人工智能领域，是人工智能技术不断迭代的关键基础。 近日，国务院印发《关于深入实施“人工智能+”行动的...

​编辑云昭就在几个小时前，黄仁勋预告的“机器人芯片”，终于揭开谜底了。这可是继B300、Rubin芯片后，老黄释放出的另一个重要的动作信号：机器人开发赛道，英伟达要认真搞起来。当天晚间，Nvidia官方X账号放出了一条非常模型的新品宣传视频。老黄罕见穿着白色休闲裤出境，在黑金卡片上留下了金灿灿的“to签”。图片不过，这次“to”的对象，是竟然不是大金主，不是马斯克、奥特曼、也不是纳德拉，而是咱们人类未来的空间好助...

论文链接：https:arxiv.orgpdf2508.10881项目链接：https:lgli.github.ioprojecttooncomposer亮点直击后关键帧阶段（postkeyframingstage），一种新的卡通制作范式，将中间帧补全与上色整合为一个由AI驱动的流程，显著减少了人工工作量。ToonComposer，首个基于DiT的卡通生成模型，专为后关键帧阶段设计，结合稀疏草图注入与区域控制功能，能够从稀疏输入生成高质量的卡通视频。设计了一种基于SLRA的卡通适配机制，一种新颖的低...

2024年的政府工作报告中首次提出「人工智能+」，而后的2025年政府工作报告中再次提出要持续推进「人工智能+」行动。如今，我国首部「人工智能+」行动政策出炉，规划出了清晰的时间线与发展重心。在不足2年的时间里，从行动概念的提出，到形成明确规划指引，我国推动AI普惠全行业的决心与行动力无需赘述，而此次行动意见的提出更是全面拉开了加速AI应用落地的序幕。值得关注的是，其中明确提出要加快实施「人工智能+」科学技术这...

出品51CTO技术栈（微信号：blog51cto）赢了OpenAI一步，没想到是Claude率先杀入AI浏览器赛道！Anthropic已经启动“ClaudeforChrome”内测，让AI直接在网页里替你“点点点”，帮你订外卖、筛房源、甚至处理企业表单。图片加入waitlist：https:claude.aichrome产品没成熟，就被Claude端上了桌，这无疑是一场抢占先机的豪赌。Anthropic在公告中直言：由前沿模型驱动的浏览器AIAgent已经出现，使得这项工作格外紧迫。通过解决安全问...

橘生淮南则为橘，橘生淮北则为枳。同一颗种子落在不同的土壤和气候中收获的果实也大相径庭，这一自然界的成长规律在材料化学领域同样凸显——新材料面向不同的应用场景所激发的性能也不尽相同。有研究表明，科学家每年都会创建出数十万种新材料，它们就像无数颗潜力巨大的「种子」，需要植根于与之匹配的环境中才能茁壮成长。尽管目前的新材料设计往往是针对特定应用而合成的，但是其在不同领域往往也有潜在用途，而如何快速确...

构建AI智能体应用市面上有很多工具，本文根据我们的实践落地经验，给大家推荐一份经过筛选的靠谱开源技术栈，包括：开发&编排框架、记忆、文档理解、计算机控制、语音功能、测试与评估、监控与可观测性、模拟环境、垂直智能体等9个方向，如下图所示：下文我们详细剖析之。一、构建AI智能体技术栈1、构建AI智能体的技术栈总览构建和协调AI智能体的框架如果你是从零开始构建AI智能体，就从这里入手。这些工具可以帮助你构建AI智能...

2025年7月，广义智能体理论的一项重要推论：“宇宙是动态演化的智能体，而智能体是宇宙的基本构成单元”，作为论文《Agent:RedefiningtheFundamentalUnitsofUniverse》的核心观点发表在第十六届国际群体智能大会（ICSI'2025）。（论文预印本完整版本地址：​​https:doi.org10.20944preprints202507.2295.v1​​）这一推论不仅为认知宇宙提供了新的范式，更重要的是，它构建了一个系统性的分析框架，为探索"宇宙的智能水平"如何...

改进点概述：InternVL3.5系列缝合最新开源模型：主要是语言模型侧的替换，如：qwen3和GPTOSS引入视觉分辨率路由器（ViR）模块，该模块可动态选择视觉token的最小分辨率，从而实现更好的推理效率解耦视觉语言部署（DvD），提升推理速度级联强化学习，提升模型性能InternVL3.5模型架构延续了InternVL的“ViT–MLP–LLM”范式，同时针对性能增强和效率优化目标，衍生出基础版InternVL3.5和高效版InternVL3.5Flash两个分支。本文仅...

随着大语言模型（LLM）的快速发展，如何让AI系统更智能地解决复杂问题成为了研究热点。从简单的问答到复杂的多步骤任务执行，LLMAgent思考框架正在重塑我们对AI能力的认知。本文将深入探讨几种主流的Agent思考框架，包括ChainofThought（CoT）、ReAct、以及PlanandExecute等，并提供基于LangChain和LangGraph的具体实现代码，帮助您理解这些框架的原理、优势和实际应用场景。无论您是想快速上手Agent开发，还是希望深入理解不同...

今天，我们将进一步深入，探索如何使用Python和OpenCV来操作和处理图像。目录01开篇：为什么是OpenCV？02准备起航：环境搭建与第一行代码03核心基础操作：图像的“读、写、显”04图像处理入门：像素、色彩与几何变换05动手实战：综合小案例“照片编辑器”1.开篇图像处理在当今数字化的世界里，图像和视频无处不在。从社交媒体上的照片分享，到自动驾驶汽车的视觉系统，图像处理技术正深刻地改变着我们的生活。而在这个领域中，O...

在机器学习中，支持向量机（SVM）是一种非常强大的分类算法。它不仅能够有效地处理高维数据，还能在许多实际应用中取得优异的性能。今天，我们就来深入探讨支持向量机的硬间隔版本，从原理到公式，一步步推导，让你彻底理解这个算法的精髓。一、为什么需要SVM在分类问题中，我们的目标是找到一个决策边界，将不同类别的数据分开。假设我们有一组二维数据，其中每个数据点都有一个标签，表示它属于类别A或类别B。最直观的想法是...

朋友圈被一份文件刷屏了。《关于深入实施“人工智能+”行动的意见》。人工智能+，等了好久，他来了。我耐着性子读下去，越读越兴奋，到最后甚至有点血脉偾张的感觉。这是大时代啊，兄弟们，作为一个半AI行业从业者，真的感觉在最好的年纪，遇到了最棒的时代。很多朋友跟我说，第一个问题就是，一头雾水，感觉每个字都认识，但连在一起就不知道它到底要干嘛。然后第二个问题就来了：这跟我有啥关系？所以我也斗胆，做一篇通俗易...

大家好，我是袋鼠帝这篇又是喂饭级教程AI编程最近挺火的，大家喜欢冠以一个貌似更高级的词：vibecodingVibeCoding（氛围编程）是一种由大语言模型（LLM）驱动的全新编程范式，开发者通过自然语言描述需求，让AI自动生成代码。其核心理念是完全投入到氛围中，拥抱技术的指数级发展，并忘记代码的存在。我觉得目前AI编程工具分成了3类：NativeCli：比如Geminicli、ClaudeCode等..AIIDE：Cursor、Trae、codebuddy、Kiro等等..通用A...

大家好，我是袋鼠帝。上周五，我买了一张高铁票，耗时7小时，从昆明赶到了成都。这是我第一次受冷总（冷逸）邀请，去参加沃垠AI一周年线下活动，做一个关于VibeCoding的分享。说实话，接到邀请时我还有点忐忑，我是个I人，是那种小时候被老师点名起来回答问题，都会发抖的人。现在倒是啥都无所谓了，但是临场的语言表达还是稍弱。不过，我内心是有点兴奋的。前几天，看到一位朋友的朋友圈，我特别认同其中一句话：体验世间的未...

在构建基于知识图谱的RAG系统或使用LangChain的代理时，最大的挑战之一是从非结构化数据中准确提取节点和关系。特别是当使用较小的、量化的本地LLM时，这一点尤其困难，结果往往是AI系统表现不佳。LangChain提取功能的一个关键问题是它依赖严格的JSON解析，即使使用更大的模型或非常详细的提示模板，也可能失败。相比之下，BAML使用一种模糊解析（fuzzyparsing）方法，即使LLM的输出不是完美的JSON格式，也能成功提取数据。在这...

了解HierarchicalNavigableSmallWorld(HNSW)算法如何为当今的RAG系统提供动力RetrievalAugmentedGeneration(RAG)是为LargeLanguageModels(LLMs)添加外部知识的重要工具。几乎每个RAG系统都包含一个向量数据库，用于执行semanticsearch。在这种搜索中，存储在向量数据库中的documentembeddings会与用户的queryembedding进行比较。一个基本的RAG系统包括一个embeddingmodel、一个vectordatabase和一个LLM。文档的embeddings会提前...

当我们在搜索框里输入一句话，背后可能牵扯的是数百万甚至上亿条数据的检索。机器是怎么从如此庞大的信息海洋里，挑出“最相关”的那几条结果的？答案就是——Embeddings（向量表示）。Embedding技术把文本、图像、音频等信息压缩成一个个向量（Vector），并映射到一个高维空间中。相似的内容会被放在相邻位置，距离越近，语义越接近。这样，检索系统就能根据向量的“相似度”来判断哪些结果最值得推荐。但问题来了：Embedding...

大家把AI说得比实际复杂多了。他们总爱抛出一些高大上的词，比如“提示工程”啊，“多模态微调”啊（这些词到底啥意思？）。但对我来说，真正改变游戏规则的？一个听起来超无聊的小技能：JSON提示。不，这不是写代码。你也不需要啥技术背景。简单来说，就是用一种超级明确的方式告诉AI你想要啥，不留一点猜的空间。啥是JSON提示简单点说：别用普通英语写你的需求，换成一种结构化的格式。就像这样：{"task":"总结这篇文章","aud...