AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
OpenTSLM：突破AI的时序盲区
原创近日斯坦福大学联合苏黎世联邦理工学院(ETHZurich)、GoogleResearch和Amazon的研究团队,推出了OpenTSLM——一个专为时间序列数据设计的语言模型家族。这一创新解决了当前大语言模型(LLMs)在处理连续医疗时间序列数据时的根本性缺陷,即使是GPT4o这样的前沿模型也难以有效处理心电图(ECG)、脑电图(EEG)和可穿戴传感器数据流。一、LLM的"时序盲点"医学诊断的本质是基于时序，准确的诊断高度依赖于追踪生命体征、生物标志物和复杂信...OpenTSLMAI时序盲区优雅谈大模型：DeepStack是什么？
原创当Qwen3VL发布，一项名为DeepStack的技术浮出水面。今天就跟随着小编一起来看看这项技术是否有过人之处。想象你在欣赏一幅画作。你的视线会从画布的纹理质感，游移到人物的表情神态，最后领会整幅画的意境氛围。这是一个自然而连贯的多层次认知过程。然而，传统的AI视觉模型却像是望远镜看画——只能看清远处的整体轮廓，却丢失了笔触、色彩过渡等近处的细腻之处。DeepStack的出现，正是尝试弥补这一缺憾。1.传统视觉语言模型在...DeepStack大模型LLaVADeepSeek团队开源新模型DeepSeek-OCR，用3B参数量实现10倍文本压缩的多模态突破
原创
社区头条
热门内容榜 • TOP22025年10月20日，DeepSeekAI团队开源的DeepSeekOCR模型凭借"上下文光学压缩"技术惊艳业界。这款参数量仅3B的模型，通过将文本转化为视觉模态进行压缩，用少量视觉token即可承载海量文本信息，不仅刷新了OCR任务的性能基准，更为大语言模型（LLM）长上下文处理难题提供了全新解法。本文将从技术原理、架构设计、性能表现到实际应用进行全方位解析。一、技术背景：为什么需要"视觉压缩"？当前LLM在处理长文档时面临致命瓶颈：文本...DeepSeek破5亿用户！国产AI模型成功逆袭，成为AI普及浪潮主角
原创 社区头条五亿用户正在拥抱智能工具，而国产模型成为了这场变革的主角。 10月18日，在2025（第六届）中国互联网基础资源大会上，中国互联网络信息中心（CNNIC）发布的《生成式人工智能应用发展报告(2025)》揭示了我国AI产业发展的新里程碑。  截至2025年6月，我国生成式人工智能用户规模已达5.15亿人，普及率达到36.5%。在短短半年时间内，用户规模激增2.66亿人，增速高达106.6%，实现了翻倍增长。 其中，中青年和高...人工智能国产大模型算家计算算家云租算力，到算家云图灵奖得主联手前谷歌CEO，发布全球首份AGI“成绩单”！GPT-5仅获58分，最大缺陷是“金鱼脑”
原创 社区头条编辑听雨出品51CTO技术栈（微信号：blog51cto）“什么是AGI？”这是所有科技公司都在喊的口号，却也是一个模糊得几乎无法定义的词。OpenAI说它要“追求AGI”；Anthropic宣称Claude是“朝向AGI的安全智能体”；谷歌和Meta则都声称自己“正在逼近AGI”。但——什么才算真正的AGI？没人说得清。直到现在。由图灵奖得主YoshuaBengio、前谷歌CEO埃里克・施密特、纽约大学教授GaryMarcus等30多位顶级科学家联合撰写的论文《ADefinitio...谷歌CEOAGIGPT-5CC成功的秘诀到底是什么？遵循Unix 哲学、核弹级生产力：我用ClaudeCode+Obsidian，造了一个“第二大脑”
原创 社区头条编辑听雨出品51CTO技术栈（微信号：blog51cto）AI工具千千万，但能让人上瘾的，只有ClaudeCode。最近，小编关注到一篇拍案叫绝的文章——作者是Alephic（一家以AI为核心的咨询公司）的联合创始人NoahBrier。他坦言：“ClaudeCode不只是一个写代码的工具，而是一种全新的操作系统思维。”他用ClaudeCode打造了一个属于自己的“AI操作系统”——它能写代码、能记笔记、能自己思考，还能帮他打理邮件、整理知识、规划行程。简单来...Unix 哲学ClaudeCodeObsidianPyTorch 如何用 “灵活” 改写 AI 框架格局
原创要是把PyTorch比作AI圈的“后起之秀”，那它的故事里藏着太多“无心插柳”和“顺势而为”的巧劲儿。从诞生时的“小透明”到如今成为顶流框架，这十几年的路，就像看一个技术极客从车库创业走到行业中心——带着点叛逆，又藏着对“好用”的极致追求。前世：从Torch到PyTorch，一场“换皮”引发的革命故事得从2002年说起。那会儿还没有“深度学习框架”的概念，纽约大学的杨立昆（YannLeCun）团队捣鼓出一个叫Torch的工具包，用Lu...PyTorch企业云+AI融合的未来图景与应对策略
社区头条作者孙杰审校重楼引言：AI浪潮驱动云战略转型随着人工智能技术的迅猛发展，尤其是大模型应用的广泛落地，企业对云计算的需求已从基础设施的“资源上云”逐步转向业务与智能不断融合的“深度用云”。据Canalys统计，2024年中国云服务总支出达400亿美元，同比增长13%，而DeepSeek于2025年初推出的高性能低成本大模型DeepSeekR1，更是进一步点燃了市场对“云+AI”融合的热情。调研显示，已有33%的中国企业认识到，云与AI的深度融...企业云AI云计算视频生成实时拖拽一切！南洋理工DragStream实现拖一下就能改大片，告别从头渲染！
论文链接：https:arxiv.orgpdf2510.03550REVEL任务示例上图所示的流式视频处理结果包括编辑和动画，并带有对象平移（"Trans"）、变形（"Defor"）和旋转（"Rot"）等拖动效果，均由我们的DragStream方法生成。亮点直击流式拖拽导向交互视频操作（REVEL），这是一项新任务，使用户能够在视频生成过程中随时拖动任何对象，从而通过拖拽式操作实现对视频生成模型（VDMs）输出的流式细粒度控制无训练范式下解决REVEL有两个关键挑战：i...AI视频生成模型AI合影毫无违和感！复旦&阶跃星辰重磅开源WithAnyone:可控、高保真多身份生成SOTA!
社区头条 热门内容榜 • TOP5论文链接：https:arxiv.orgpdf2510.14975项目链接：https:dobyxu.github.ioWithAnyone亮点直击MultiID2M：一个包含50万张包含多个可识别名人的团体照片的大规模数据集，每个名人有数百张参考图片，展现各种多样性以及额外的150万张未配对的团体照片。这一资源支持多身份生成模型的预训练和评估。MultiIDBench：一个综合性基准测试，提供标准化评估协议用于身份定制，能够系统地和内在地评估多身份图像生成方法。WithAnyone：一...AI视频生成模型智能问答的基石：为何知识库构建是RAG系统中“重中之重”的匠心工程
原创在人工智能浪潮的推动下，智能问答系统正日益成为企业服务、在线教育、智能客服等领域的核心交互工具。其中，基于检索增强生成（RetrievalAugmentedGeneration，简称RAG）的技术架构，因其能够有效结合外部知识、缓解大模型“幻觉”问题、并保持信息的实时性，而受到了广泛青睐。在探讨RAG的优化之道时，我们往往会接触到诸如问题改写、重排序、混合检索等多种精妙的技巧。这些技术方案在很大程度上是“可复用”的通用组件。然...智能问答RAG检索增强生成文本 音频 视频 多模态等不同模型之间的区别和联系
原创“大模型从任务类型分类主要分为文本，音频，视频和多模态模型。”在人工智能领域，大模型技术是目前主要的研究方向，但面对市面上各种各样的模型，很多时候我们都搞不明白这些模型都是干什么的，有什么区别和联系。其实这个就涉及到模型的分类问题，原因在于人工智能技术涉猎范围比较广，不但有各种基于深度神经网络实现的大模型各行其道，还包括传统的机器学习模型，以及各种模型的变种。并且，从不同的维度模型又有不同的分...大模型文本模型音频模型视觉模型多模态模型Dr.LLM：大语言模型中的动态层路由
论文(Dr.LLM:DynamicLayerRoutinginLLMs)介绍了一种巧妙的技术，在提高准确率的同时降低大语言模型的计算量。路由器在提高准确率的同时，每次查询可减少约3到11层的计算。论文的方法是可改装的，为冻结的大语言模型添加逐层路由器，决定跳过、执行或重复每个模块。路径通过对层编辑进行简短的蒙特卡洛树搜索进行离线监督，然后在线执行时无需搜索。在平均节省层数的同时，提高了逻辑和数学任务的准确率。啥是Dr.LLM：附加在每一...动态层路由大语言模型Dr.LLMInoculation Prompting：让大模型在训练时“学坏”，测试时更听话
论文(InoculationPrompting:InstructingLLMstomisbehaveattraintimeimprovestesttimealignment)提出了一种反直觉的对齐方法：免疫式提示（InoculationPrompting）问题：大语言模型（LLM）从训练数据中学到了不良行为。解决方案：在再训练时，明确地提示模型去“作恶”。这种方法反直觉，但效果显著：它能减少奖励黑客（rewardhacking）、拍马屁式回答（sycophancy）等问题，同时不损害模型的能力学习。假设训练数据中既有良好行...大模型免疫式提示LLM让强化学习不再烧冤枉算力：Meta提出可预测的RL扩展公式 ScaleRL
这篇来自Meta的论文(TheArtofScalingReinforcementLearningComputeforLLMs)是迄今为止关于强化学习（RL）在大语言模型（LLM）中如何随规模扩展的最深入研究之一。论文耗费了超过40万GPU小时的实验，找到了一个可预测的扩展规律和一套稳定可复现的训练配方（ScaleRL），能够在计算资源增加时持续奏效。可以将其视为一份实用指南——适用于任何想用RL训练推理或对齐模型的人。洞见：RL的进步遵循可预测的曲线：当你将模型性能与计...RLScaleRLGPUAI Agent落地必读：深度解读OpenAI 姚顺雨 的T-bench，如何评测智能体的“真功夫”
社区头条大家好，我是HxShine，今天继续来分享OpenAI姚顺雨的一篇文章，这篇文章探讨了Agent实际落地时该如何评测，他在thesecondhalf里面也提了这篇文章，是Agent真正落地到客服等领域必须要进行的一些评测工作，推荐给大家～论文名字是Title:Tbench:ABenchmarkforToolAgentUserInteractioninRealWorldDomains（Tbench：一个用于真实世界领域中工具智能体用户交互的基准测试）。现有基准大多不测试智能体与人类用户的动态交互能力，也...AIAgentOpenAI一篇92页大模型Vibe Coding技术全面综述
热门内容榜 • 最近上榜今天分享中科院计算所&杜克大学等首篇VideCoding技术最新全面综述。随着GPT4ClaudeSonnet4等模型出现，编码智能体（CodingAgent）已能端到端完成提交、测试、修复。开发者只需用自然语言描述需求，“感觉”结果对就收货，故称VibeCoding——一种以“氛围结果”为导向的AI原生开发范式。VibeCoding全面技术分类传统开发VibeCoding人写每一行代码人只写“提示”，AI自动生成逐行调试只看运行结果（vibe）代码评审看语法代码评审看...Vibe CodingAgentAIACL 2025 | GALLa：给代码大模型装上“透视眼”，看懂程序的“骨架”！
社区头条你的AI编程助手，真的“读懂”你的代码了吗？它可能只是“看”到了表面文字，却错过了代码背后真正的逻辑骨架。今天，我们带来了一项被ACL2025主会录用的创新工作——GALLa。这项由蚂蚁集团×上海交通大学合作的研究，通过一种巧妙的方式，让代码大模型（CodeLLM）学会理解程序的深层结构，实现代码理解能力的精准跃升！⚡核心亮点速览注入结构化知识代码不仅是文本，更是严谨的图结构（如AST、DFG）。我们利用图神经网络（GNN...代码大模型LLMVision-Zero：零数据VLM自我进化！陈怡然团队提出零监督训练新范式
背景介绍尽管目前VLM在多模态任务上表现突出，但训练过度依赖人工标注的数据与精心设计的强化学习奖励。这种依赖带来数据稀缺问题：多模态标注成本高昂，限制了训练数据的规模与多样性。同时存在知识天花板：模型能力受人类监督边界限制，难以突破人类已有知识和策略。曾经AlphaGo所使用的自博弈技术通过模型与自身副本竞争交互并自动获取反馈，把计算转变为数据的同时消除了对人工监督的依赖，这使得它能够持续推动模型进步并...零数据VLM零监督刚刚！AI 圈顶流 Karpathy 三连击：开源、泼冷水、AI 教育~
总结一下10月「Karpathy三连」nanochat开源→100美元复刻ChatGPT，全民LLM时代降临AGI十年论→给行业泼冷水，Agent智能体道阻且长Eureka教育→把复杂AI拆成「斜坡」，让普通人也能一路滑进核心代码我开源，冷水我泼完，课我也准备好了。下一步，轮到你上场。——AndrejKarpathy1.nanochat：「贫民窟版」ChatGPT开源了！前OpenAI联合创始人、特斯拉AI总监AndrejKarpathy在10月13日深夜扔下一颗炸弹：nanochat——一个只用100美元...AIAI 教育开源
