AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
谷歌性价比之王 Gemini 2.5 Flash-Lite发布：最快轻量版AI模型！
原创今天凌晨，谷歌更新了Gemini2.5系列模型：Gemini2.5Pro、Gemini2.5Flash发布正式版并进入稳定运行阶段，并推出Gemini2.5FlashLite预览版。  Gemini2.5FlashLite在在编程、数学、科学、推理和多模态基准测试中，全面超越了2.0FlashLite，广泛任务延迟低于2.0FlashLite和2.0Flash。谷歌称这一模型为其最经济实惠、速度最快的2.5系列模型。  并且，它在翻译和分类等高容量、延迟敏感的任务中表现尤为出色。在...谷歌Gemini 2.5AI大模型算家云租算力，到算家云28岁华裔天才身价百亿，却呼吁抵制中国AI
社区头条前不久，扎克伯格花148亿美元收购了一家初创企业——ScaleAI。手笔之大，堪称目前AI领域最大一笔投资之一。而这家公司的创始人，是一名年仅28岁的天才华裔亚历山大·王。  他出生在新墨西哥州一个学术氛围浓厚的家庭中，19岁时，已凭借超凡的计算机天赋在麻省理工学院崭露头角，成为硅谷猎头们竞相追逐的对象。但这位天才少年却如同曾经的科技神话比尔盖茨，选择了一条出人意料的道路：中断学业，创立了专注数据标注...亚历山大王Scale AIMeta中国AI算家云深度解析 Cursor（逐行解析系统提示词、分享高效制定 Cursor Rules 的技巧...）
原创编者按：我们今天为大家带来的这篇文章，作者的观点是：只有深入理解AI编程工具的底层原理和能力边界，才能真正驾驭这些工具，让它们成为提升开发效率的“外挂神器”。本文从LLM的基础工作机制出发，解释了Cursor等工具本质上是VSCode的复杂封装，通过聊天界面、工具集（如readfile、writefile等）和精心设计的提示词来实现智能编程辅助。作者还逐行解析了Cursor的系统提示词，分析了其中的工程设计细节。此外，作者还提供了制...CursorLLMAgent视频去物“魔法橡皮擦”来了！MiniMax-Remover：新SOTA方法告别CFG，六步搞定
论文链接：https:arxiv.orgpdf2505.24873项目链接：https:minimaxremover.github.io亮点直击提出了一种轻量且高效的基于DiT的视频目标移除架构。MiniMaxRemover。受到“文本提示并不适合目标移除任务”这一观察的启发，用可学习的对比tokens（contrastivetokens）替代了文本条件，用于控制移除过程。这些tokens被直接集成到自注意力流中，能够移除预训练视频生成模型中的所有交叉注意力层。在第一阶段中，本文模型参数更少，并...视频生成模型训练AI记忆革命：能否突破数据牢笼，媲美人脑的适应性？
原创 社区头条本文旨在全面介绍开源框架Titans。Titans是一种为LLM配备受人类启发的记忆的新架构，它能够在测试期间进行自我学习和更新。本文要讨论什么内容？Meta公司努力开发出的CoCoMix（ContinuousConceptMixing：连续概念混合，出自Jihoon等人2025年发表的论文，见【引文1】）框架实现了概念学习，即学习单词背后的概念而不是仅仅预测下一个标记，从而使其具有极强的可操控性和可解释性。但是，依然存在一个核心问题：即使是...LLMTitansAI亚马逊首席执行官：Agent化的未来对于亚马逊格外重要！谁能精通，谁就能在这家公司产生巨大的影响力
原创 社区头条编辑｜云昭当地时间本周二，亚马逊首席执行官AndyJassy在给员工的一份备忘录中表示：Agent化的未来，对亚马逊而言格外重要；接下来几个月，我们会进一步加码，让开发Agent变得更容易。而同时，生成式AI和Agent的落地公司的工作方式必然发生改变。“某些岗位会减少，新的岗位也会出现。具体最终会是怎样的平衡还不好判断，但可以确定的是，未来几年，随着AI大规模应用，我们的企业职能员工数量将有所下降。”Jassy表示自己在28年...Agent亚马逊人工智能AI智能体协议全面综述：从碎片化到互联互通的智能体网络
《人工智能智能体协议调研》是上海交通大学杨映璇、柴华灿、宋远逸等学者撰写的一项综合性研究报告。该报告首次对现有的AI智能体协议进行了全面分析，提出了一个系统的二维分类框架，区分了面向上下文的协议与智能体间协议，以及通用型与特定领域的协议。报告指出，随着大型语言模型(LLM)的快速发展，LLM智能体已在客户服务、内容生成、数据分析和医疗等多个行业广泛部署，但由于缺乏标准化的通信协议，使智能体之间难以有效协...AI智能体网络当大语言模型遇上强化学习：一文读懂强化预训练（RPT）如何重塑LLM的推理基因
在大语言模型（LLMs）的发展历程中，「规模效应」始终是性能提升的核心驱动力。从GPT3的1750亿参数到GPT4的万亿级架构，模型通过海量文本的「下一个token预测」任务（NTP）学习语言规律，但这种纯粹的自监督训练逐渐暴露出局限性：模型更擅长「记忆」而非「推理」，面对复杂问题时容易陷入「模式匹配」而非逻辑推导。与此同时，强化学习（RL）在对齐人类偏好（如RLHF）和提升推理能力上展现潜力，但传统RL依赖昂贵的人工标注或...语言模型预训练RPT【LLM合集】让AI别'杠精式'思考！三招让大模型能力翻倍
1.StopOverthinking:ASurveyonEfficientReasoningforLargeLanguageModels现在的大模型确实很厉害，尤其是在处理复杂任务时。最近像OpenAI的o1和DeepSeekR1这些大推理模型，通过监督微调加强化学习的方法，把那种一步一步的推理能力（也就是CoT）提升了不少。不过这里有个矛盾点——虽然更长的推理链条能提高准确率，但也会因为输出太啰嗦、重复而增加计算成本，我们管这个叫"过度思考"问题。最近我们团队做了个系统的研究综述，...AI模型SwD企业效率大提升！Agentic Workflows带来自动化新突破
原创 精华一、什么是AgenticWorkflows？先来说说背景。现在的企业都在拼命拥抱AI，为啥？因为AI是提升竞争力和效率的关键。而AgenticWorkflows，就是AI在自动化领域的一次重大突破。传统的自动化工具，比如RPA（机器人流程自动化），只能处理那些重复、规则明确的任务，稍微复杂一点的动态流程就搞不定。但AgenticWorkflows不一样，它就像是AI界的“特种兵”，能够独立完成复杂的多步骤任务，还能自主决策，简直是企业运营的“超级助手”...Agentic WorkflowAI架构AgentOpenAI o3 Pro vs Gemini 2.5 Pro：谁才是AI推理界的“全能王”？
原创在当今科技飞速发展的时代，人工智能（AI）已经成为我们生活中不可或缺的一部分。从智能家居到自动驾驶，从智能客服到医疗诊断，AI的应用场景无处不在。而在AI领域，两大巨头——OpenAI和Google，一直都在激烈竞争，不断推出更强大的AI模型。今天，我们就来深入探讨一下OpenAI的o3Pro和Google的Gemini2.5Pro，看看它们在性能、功能、成本和行业应用中的表现，究竟谁才是AI界的“全能王”！一、OpenAIo3Pro：强大的推理能力与多...OpenAI o3 ProGemini 2.5 ProAI模型MCP vs A2A：2025 年，AI 自主智能体的“左右手”如何抉择？
原创 精华在2025年，自主AI智能体已经不再是科幻小说中的概念，而是真真切切地走进了我们的生活和工作场景。它们能够通过A2A协议相互交流，并借助MCP协议连接到各种数据源和工具。对于开发者来说，构建自管理智能体网络已经成为一个热门话题。这些智能体正在逐步取代传统的独立流程，形成复杂的多智能体生态系统，它们能够实时管理操作，交换上下文和状态信息，解决比单一智能体更复杂的问题。无论是运营还是营销领域，企业都在利用智能...智能体MCPA2A入门GPT | 词的向量表示（Word2Vec和Embedding）
在自然语言处理（NLP）领域，我们面临的第一个挑战就是如何让计算机理解人类的语言。计算机不认识汉字或字母，它们只懂数字。因此，我们需要一种方法，将词语转换成计算机可以处理的数字形式。1.什么是词向量？我们不能直接把"苹果"这两个字输入到机器学习模型中。模型无法进行任何计算。我们需要先把它变成一组数字。早期的方法早期自然语言处理方法，如独热编码和词袋模型，虽然对某些机器学习任务有用，但并不能捕捉到词的意...GPTNLP语⾔结构Mem0：新一代 AI 智能体的 MCP 持久化记忆架构体系
原创当下，多数AI助手和开发工具各自独立运行，一旦会话结束，上下文就会消失，这严重影响了使用体验和效率。而OpenMemoryMCP来了，它是一款开源工具，能够解决AI工具记忆的痛点，并且实现不同工具之间共享上下文信息。比如，你可以通过OpenMemoryMCP用Claude规划路线图，再用Cursor执行任务，两个工具之间可以共享上下文信息，让数据得到延续。OpenMemoryMCP是一个由Mem0提供支持的本地内存设施，就像一个“记忆背包”，能让您把记...AI智能体MCP北森人才管理研究院：如何构建科技人才量化评价体系，激发科技人才活力？
“职级改革、人才科学落位、专家评聘需要量化的结果依据，支撑科学定级。”“增员不增资，减员不减资，存量资源确定的情况下，激励需要差异化，需要识别和激励真正的骨干人才。”“现行绩效工资、津贴中掺杂了很多不能体现价值贡献的要素，要构建常态化科学考评体系区分孰优孰劣？”“未来要发展核心技术，技术人才是否足以支撑？如何在业务中评价人才，发展人才？”随着国企改革逐步深化，越来越多的企业在科技人才科学管理方...人才管理hrAI面试系统选型HR应考虑哪些问题？
北森人才管理研究院发布的《2025企业校园招聘AI应用实用指南》数据显示：全球44%的企业已在招聘环节部署AI技术，72%的HR每周至少使用一次AI工具，87%的HR认为AI能显著提升招聘效率。虽然已经有这么多的企业率先使用AI，那么HR对于应用AI技术足够信任吗？整体来看，HR处于从基本认可AI价值向全面信任的过渡阶段。以校招中的AI应用为例，AI主要在以下四个环节进行优化提效！综合来看，AI已经是大势所趋，那么HR在选择AI面试系统时...ai面试一文搞定 AI 智能体架构设计的九大核心技术
原创 精华
热门内容榜 • TOP2AI智能体架构设计的9大核心技术包括：AI智能体、AgenticAI、WorkFlow、RAG、Finetuning、FunctionCalling、MCP、A2A、AGUI等，下文详细剖析之。1、AI智能体架构的9大核心技术AI智能体架构设计核心技术一：AI智能体AI智能体是一种具备自主意识的软件，它能够感知环境、进行逻辑推理和决策，并实施相应动作。它可以被比作一位高效的个人助手，不仅能够执行命令，更重要的是能够理解任务的上下文、规划执行方案，并在遇到挑战时灵...AI智能体架构设计实战Xinference：打造高性能私有AI推理服务
随着大模型应用的普及，越来越多的企业开始关注私有化部署。今天我们聊聊如何在海光DCUK100AI计算卡上部署Xinference推理框架，构建一套完整的私有AI推理服务。为什么选择Xinference？Xinference是一个功能强大的开源推理平台，可以理解为"本地版的OpenAIAPI"。它的优势在于：统一接口：无论是大语言模型、多模态模型还是嵌入模型，都提供统一的调用方式。硬件兼容性强：支持CPU、NVIDIAGPU、海光DCU等多种硬件平台。自...AI推理服务DCUAI 智能体架构设计的12条原则
原创首先我们回顾下智能体的本质是什么？如上图所示，智能体的核心在于其如何接收指令、执行任务并做出决策。以下是其关键组成部分：Prompt（提示）Prompt是指导大语言模型（LLM）如何行动的指令，它定义了LLM可以使用的“工具”。Prompt的输出是一个JSON对象，用于描述工作流程中的下一步操作，例如“工具调用”或“函数调用”。Switch语句Switch语句根据LLM返回的JSON内容决定后续操作。这是整个流程中的一个重要环节，用于解析LL...AI智能体框架设计Dify 知识库外接 RAGFlow 喂饭教程！附避坑指南
原创 热门内容榜 • TOP7背景在我们之前的文章中，我们对比了dify，ragflow和n8n这三个工具的使用场景及其差异。实际上，在企业中，这些工具通常会被结合起来使用，以便充分发挥各自的优势。例如，尽管ragflow也具备一些智能功能，但是与dify相比，它在这方面的表现力还有待提高。然而，当谈到解析和检索的能力时，ragflow却显著超过了dify。在今天的文章中，我们将探讨如何有效地将这两个工具结合使用。RAGFlow核心功能我觉得RAGflow最大的一个亮点就...difyragflown8n
