AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
揭开知识图谱的真相：挑战、误解与成功策略以及大模型能取代知识图谱吗？
摘要知识图谱作为连接和分析复杂关系数据的强大工具，正引领企业实现数据价值。然而，其落地面临高技术门槛、领域知识依赖及维护难题。本文系统解读挑战本质、主流误区与优化策略，助力专业人员释放最大价值。知识图谱的承诺与难题知识图谱因能以结构化、互联的方式表达和管理实体及其复杂关系而备受瞩目，被誉为革新搜索引擎与数据管理的重要技术。从客户360度视图到反欺诈、供应链等场景，知识图谱正推动各行业实现数据融合...知识图谱大模型LLM研报复现：技术分析算法、框架与实战
《破解“看图”之谜：技术分析算法、框架与实战》是中泰证券于2021年8月发布的一份金融工程报告，旨在以科学方法系统化、自动化地识别技术图形，并验证其在实际市场中的有效性。研报简读一、研究背景与意义技术分析长期被视为主观性强、缺乏统一标准的分析方法。报告指出，其不被广泛接受的主要原因有二：一是缺乏固定算法，导致不同分析者对同一图表解读不一；二是多数文献未系统论证技术分析适用的市场环境与实践效果。为此，...技术分析算法告别低效对话：MCP 与 ACP/A2A 的 AI 聊天新思路
社区头条引言在之前我们聊过MCP革命的宏观话题，这篇文章咱们来聚焦一下，专门对比一下ModelContextProtocol(MCP)和AgentCommunicationProtocol(ACP)以及AgenttoAgent(A2A)协议的核心区别。我们的目标是聊聊这几个框架各自的独特优势，并且说明在很多应用场景下，MCP提供的抽象层级刚刚好，不需要ACP或A2A那种更复杂的结构。我们会深入探讨MCP如何通过把工具看作无状态的函数（这些函数本身也可以是智能体）来实现这一点，从而构建动态...MCPMCP服务器写给小白看的使用LangChain构建基于知识图谱的RAG系统实战教程
在构建基于知识图谱的RAG系统或使用LangChain的智能体时，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...LangChainRAG系统MCP开发从入门到实战，少走99%弯路
模型上下文协议（ModelContextProtocol，MCP）正在彻底改变我们与人工智能的交互方式，它让从数据科学家到业余爱好者的每个人都能轻松地为AI助手接入真实世界的数据，从而大幅提升其能力。举个例子，你可以像和同事聊天一样与AI对话，毫不费力地让它深入分析复杂数据集、发现隐藏模式、进行数值计算，甚至实时抓取网络上的市场趋势——整个过程自然流畅，就像普通对话一样。MCP就像一个通用连接器，弥合了现代AI模型强大能力与...MCPAI模型DeepSeek-V3.1技术选型参考：MoE架构与代码能力深度解析
社区头条近期，深度求索（DeepSeek）开源了其最新一代大模型DeepSeekV3.1，在技术社区引发了广泛关注。作为一个参数规模达到6700亿（670B）的强大模型，它不仅在多个关键指标上实现了显著提升，更在核心的代码生成能力上，首次在权威评测中超越了业界顶尖的闭源模型Claude4Opus。本文旨在提供一份客观、深入的技术解析，围绕DeepSeekV3.1的核心架构、关键特性和性能表现进行详细阐述，并最终通过七牛云大模型推理服务，提供一份详尽的实...DeepSeek-V3.1 MoE架构 代码生成 开源模型 七牛云OpenAI 开源模型 gpt-oss 是在合成数据上训练的吗？一些合理推测
原创编者按：OpenAI首次发布的开源大模型gptoss系列为何在基准测试中表现亮眼，却在实际应用后发现不如预期？我们今天为大家带来的这篇文章，作者推测OpenAI的新开源模型本质上就是微软Phi模型的翻版，采用了相同的合成数据训练路线。本文给出了支持这个推测的三个理由：首先，作者通过对比Phi模型系列的发展历程，揭示了基于合成数据训练的模型普遍存在“基准测试表现优异但实际应用效果不佳”的现象；其次，文章探讨了OpenAI选择...AILLM字节跳动开源Seed-OSS-36B：512K上下文，多个领域刷新纪录！
原创 社区头条昨晚，字节跳动Seed团队正式宣布开源SeedOSS系列大语言模型，此次开源的SeedOSS系列包括三个版本： SeedOSS36BBase：含合成数据SeedOSS36BBase：不含合成数据SeedOSS36BInstruct：指令微调版  所有模型均采用Apache2.0许可证发布，为研究人员和开发者提供了极大的使用、修改和再分发自由度。 SeedOSS36B模型拥有360亿参数，仅使用12万亿token进行训练，却在多个主流开源基准测试中表现出色。模型支持原生51...Seed-OSS-36B字节跳动大语言模型算家云租算力，到算家云OpenAI联手谷歌，开源 agents.md，正式统一Agent规则！
今天有个大新闻，OpenAI和Google这两大巨头，罕见地联手了，协同Factory、Sourcegraph、Cursor等一众厂商，共同推出了一个简单、开放的Agents标准。背景是，随着现在AI编程Agent圈子神仙打架。为了让AI按项目规范行事，我们的代码库里被硬塞进了.cursorrules,AGENT.md,CLAUDE.md等五花八门的配置文件。项目目录越来越乱，昨天，来自大厂们联手推出的AGENTS.md出来了，目标只有一个：用一个...agents.mdOpenAI谷歌AI 助力高效生物制造，从 β-苯乙醇和谷胱甘肽研究探索智能生产新范式
原创生物制造是支撑生物经济发展的核心驱动力，通过利用活体细胞的代谢活动生产各类产品，是社会可持续发展的重要保障。合成生物学的兴起为高效菌株构建提供了强大工具，而作为生物制造核心环节的生物反应器工程，与智能技术的结合成为产业化落地的关键。近年来，AI、大数据、先进传感等技术的发展，为生物制造过程的高效优化与精准调控带来新突破。近日，在2025年第3届AIforBioengineering暑期学校上，华东理工大学生物反应器工程...生物制造合成生物学生物反应器AI4S华东理工大学大意了啊，生产就应该用vLLM部署大模型部署！
精华 社区头条大型语言模型（LLMs）正在改变我们与技术的互动方式，从聊天机器人到代码助手，功能无所不包。但要高效运行这些模型可不是件小事，尤其是在需要速度、可扩展性和高吞吐量应用的稳定性时。如果你一直在用Ollama进行本地LLM实验，现在想转向vLLM以获得生产级性能，这篇文章的主要目的是讲解这两个框架的区别，探讨选择正确框架的重要性，并提供一步步的指导。1.为什么选择合适的LLM框架很重要把部署LLM想象成开餐厅。如果只是给小...vLLM部署大模型算力投入超阿波罗登月！Anthropic联创：Claude没有刷榜水军！CC击败Cursor、MCP成功，秘诀在于把模型当用户
社区头条编辑伊风出品51CTO技术栈（微信号：blog51cto）ClaudeCode为什么能在市场上战胜Cursor？对于创业者来说，如何在API之上构建自己的产品，又不担心被大模型干掉？在最新一期播客里，Anthropic联合创始人TomBrown分享了ClaudeCode的成长故事。这款最初只是工程师BorisCherny为了方便自己和团队写的内部工具，如今却成长为一款年化营收约4亿美元的AI编程明星。“我们的转折点在于：把Claude本身当作用户来设计工具。就像我早期做社...AnthropicMCP模型什么是神经网络—神经网络基本思想：曲线拟合器
一句话总结，神经网络的基本思想就是一个曲线曲面拟合器。图片中的左上角的绿色曲线是我们想要通过神经网络拟合的曲线。图片右下角蓝色和橙色的曲线就是神经网络拟合过程。假设我们在Dosage输入一个点0，我们看蓝色这条线。经过wx+b得到一个线性变换的数值。其中，w是34.4，b是2.14，x是0，wx+b2.14。线性变换在神经网络中的作用是什么呢？在神经网络中，线性变换主要有以下作用：首先，线性变换可以对输入数据进行特...神经网络曲线拟合器零外部数据自我进化大模型训练框架-R-Zero框架训练思路
原创现有自进化LLMs的训练严重依赖人类标注的任务和标签（通过微调或强化学习等方式），成本高、难以扩展。（左）：RZero在挑战者和求解者之间采用了协同演化环。（右）：RZero在没有任何预定义任务或人类标签的情况下实现了显著的基准提升。提出了RZero框架，从零外部数据出发，通过初始化具有不同角色的Challenger（挑战者）和Solver（求解者），让两者独立优化并协同进化：Challenger因生成接近Solver能力边缘的任务而获得奖励，...大模型大模型训练框架R-Zero框架干掉 90% 的 BI 工程师：自动生成 SQL、洞察、预测，连图表都帮你画好
社区头条今天看到了一个特别有意思的产品，基于大语言模型（LargeLanguageModel，LLM）和RAG（RetrievalAugmentedGeneration，检索增强生成）的结构化数据问答系统。其实就是根据prompt给定的schema数据结构，将查询转化成SQL语句，再去数据库里执行查询，然后生成数据图表及分析。比较新颖的是后面的看板用法:在获得基础图表结果后，支持进一步分析、解释、验证以及预测，把多个问答对话构建成一个数据看板.从产品体验上，感觉非常惊艳...语言模型SQL代码打工人狂喜，能替你点外卖和上班的手机Agent来了
精华 社区头条你有没有过这样的时刻：手机内存总是告急，想下个新App却没空间；后台跑着一堆任务，手机变得卡顿发烫；想同时做几件事，却要在不同App之间来回切换，手指都快抽筋了……我们手中的智能手机，虽然功能强大，但在处理复杂任务和跨App协作时，依然显得有些力不从心。直到我最近内测到智谱的新玩意——AutoGLM，我的大脑里仿佛被打开了一扇新大门。这玩意儿不是一个简单的App，而是智谱推出的一款“云端数字分身”，号称是全球首个...手机AgentAutoGLM深度解析OpenAI的 PPO 算法
强化学习旨在让智能体通过与环境进行交互，不断试错并学习到最优的行为策略，以最大化长期累积奖励。传统的策略梯度方法在优化策略时，常常面临训练不稳定的问题。直接对策略进行大幅度更新，可能导致模型在训练过程中崩溃或陷入局部最优解。为了解决这些问题，OpenAI于2017年提出了PPO算法。它专注于简化训练过程，克服传统策略梯度方法（如TRPO）的计算复杂性，同时保证训练效果，力求在复杂任务中既实现性能的提升，又确保算...OpenAIPPO算法Ragas：专为RAG系统打造的高效评估工具
Ragas是一个专为检索增强生成（RAG）系统设计的开源评估框架。它通过多维度指标，系统性评估检索与生成质量，支持无参考自动化评测，帮助开发者精准定位性能瓶颈，提升RAG系统的准确性与可靠性，适用于各类知识密集型应用场景。Ragas：专为RAG系统打造的高效评估工具1.RAG与评估的必要性2.RAGAS是什么3.Ragas关键评估指标详解3.1检索质量指标3.1.1上下文精确度(ContextPrecision)3.1.2上下文召回率(ContextRecall)3.2生成质量指...RAG系统工具神经概率语言模型（NPLM）：让机器学会“理解”语言
精华本文介绍了神经概率语言模型（NPLM）的基本原理、结构与实现方法。通过对比传统Ngram模型，阐述了NPLM如何利用神经网络自动学习词语间的深层关系，有效提升语言建模的泛化能力。内容涵盖数据准备、模型搭建、训练流程及推理预测。1.什么是神经概率语言模型NPLM2.为什么需要神经语言模型2.1传统语言模型的问题2.2神经概率语言模型（NPLM）的诞生3.模型架构详解4.完整代码实现4.1构建语料库4.2生成训练数据4.3模型定义4.3实例化NP...NPLM语言模型NPLM从“聊天”到“干活”，这六大智能体范式正在重塑AI应用
大家好，作为大模型技术的深度玩家，你是否已经厌倦了单纯的问答和对话？当LLM（大型语言模型）的推理能力遇上各种外部工具，我们正迎来一个全新的时代——智能体（Agent）时代。智能体，顾名思义，就是能像人一样思考、规划、行动，并根据环境反馈进行调整的AI实体。它不再是被动回答问题的工具，而是能够主动执行复杂任务的“大脑”。今天，我们就来一起深入探讨六种当下最前沿的智能体设计范式，看看如何用它们真正释放GPU的...智能体AI应用智能体
