AI.x社区

刚刚落幕的2025世界机器人大会，无疑是具身智能的又一个高光时刻。现场27.1万人次的观众，线上5200万人次的直播流量，以及超过1500件展品共同见证了那些能跑会跳、甚至能自主换电的人形机器人如何成为全场焦点。但作为一名工程师，当我在展台前看着那些流畅动作时，脑子里却自动弹出了一个后台进程：calculatecost.sh。热潮之下，是真金白银的投入。大会期间，相关产品销售额超2亿元，产业融资金额达14.81亿元。而这仅仅是冰山...

编辑伊风出品51CTO技术栈（微信号：blog51cto）深夜更新！ClaudeSonnet4已经支持百万级上下文窗口了！这次升级，将上下文从原本的20万Token一口气提升5倍——百万上下文究竟有多大？相当于一次性放进整套《哈利·波特》全集。换算到开发场景，就是可以一次处理超过75,000行代码的完整代码库，或几十篇研究论文。这次的更新毫不意外地被技术社区热议。图片目前，这一功能已在AnthropicAPI和AmazonBedrock上已经可用。更令人关注...

随着HuggingFace联合创始人兼CTOJulienChaumond在其X账号上官宣推出「TrendingPapers」，PaperWithCode关闭的消息一锤定音，「震」得不少开发者、科研人员心痛不已。一个时代的结束从数据集标题、描述等内容乱码，到网站显示「BadGateway502」，PaperWithCode自7月初便出现了宕机、访问异常的情况，但官方迟迟没有出面回应，有用户通过GitHubIssue的形式向其运营团队询问进展，同样未有回复。网站宕机多日，网友通过Issue询问恢...

编者按：当我们对AI智能体进行能力评估时，是真的在测量它们的真实水平吗？当前广泛使用的基准测试是否如我们想象的那样可靠和准确？我们今天为大家带来的文章，作者的核心观点是：当前许多AI智能体基准测试存在严重缺陷，亟需建立更严谨的评估框架。本文提供了一套系统性的解决方案——AI智能体基准测试核查清单（ABC）。这个包含43个检查项目的创新框架，不仅能够帮助开发者识别现有基准测试的潜在陷阱，还能指导构建真正可靠...

想象一下，如果你有一个朋友，他忘记了你曾经说过的所有事情。每一次对话都从零开始。没有记忆，没有上下文，没有进展。这会让人感到尴尬、疲惫和不亲切。不幸的是，这正是今天大多数AI智能体系统的行为方式。它们确实聪明，但缺少了一样至关重要的东西：记忆。下文我们详细剖析之。一、AI智能体的记忆系统架构设计和落地实现1、引言：当今AI中的虚假记忆像GPT5或编程副驾驶这样的工具，在你发现自己不得不一遍又一遍地重复指令...

如果你最近一直在深入研究大模型，那么你很可能听说过两个术语：AI智能体和MCP（模型上下文协议）。这两个术语听起来很相似，甚至有重叠之处，但它们解决的是完全不同的问题。今天，我将深入剖析这两个概念：它们是什么，各自的优势在哪里，以及为什么理解它们的区别对我们构建更持久的AI系统至关重要。下文我们详细剖析之。一、基于MCP实现AI智能体的新架构设计1、AI智能体：思考、行动、重复AI智能体是一个利用大语言模型来思...

你只需要24GB的内存，除非你的GPU自带VRAM，否则需要相当的耐心。上周，OpenAI发布了两款流行的开放权重模型，均名为gptoss。由于你可以下载它们，因此可以在本地运行。轻量版模型gptoss20b有210亿个参数，需要大约16GB的可用内存。较大版模型gptoss120b有1170亿个参数，需要80GB的内存才能运行。相比之下，像DeepSeekR1这样的前沿模型拥有6710亿个参数，需要大约875GB的内存才能运行，因此LLM开发者及合作伙伴正在尽快构建大型...

一、生物学启发与局部感知机制卷积神经网络（CNN）的技术本质源于对生物视觉系统的深度模拟。1981年诺贝尔生理学奖得主Hubel和Wiesel发现，哺乳动物视觉皮层神经元具有局部感受野特性，即仅对视网膜特定区域刺激响应。这一发现被日本学者福岛邦彦在1980年提出的神经认知机模型首次工程化实现，其通过分层结构模拟视觉系统的特征提取机制。1998年，LeCun设计的LeNet5将卷积层、池化层与全连接层结合，形成现代CNN的雏形：卷积层...

“大模型格式化输出的原理，第一步告诉大模型我们需要什么样的格式，第二步按照我们的格式要求去解析大模型的输出；大模型的输入与输出只有一种，那就是文本数据包括格式化的文本数据。”今天在开发时遇到一个格式化输出的问题，开发框架使用的是Langchain的格式化解析器PydanticOutputParser；关于Langchain的格式化解析器就不多做介绍了，为了兼容不同的数据格式，Langchain提供了多种不同的解析器，包括StructuredOutputPars...

在人工智能的浪潮中，模型架构、数据工程与训练方式构成了技术突破的三大支柱。三者并非孤立存在，而是通过动态交互推动AI系统从实验室走向现实应用。一、概念解构：基础要素的内涵与外延1.模型架构：从算法到工程的跨越神经网络设计范式现代AI模型以深度神经网络为核心，其架构设计直接决定任务处理能力。Transformer架构通过自注意力机制，在NLP领域实现长文本依赖的突破，催生了BERT、GPT等千亿级参数模型。而卷积神经网络（...

“智能体技术与复杂业务场景的结合是大模型应用的一个难点，怎么才能在技术和业务之间找到一个合适的连接点，是我们现在亟待解决的问题。”最近在优化一个RAG系统，并且这两天又接到一个新需求，一个大场景下有三个子场景；而基于传统的RAG技术需要分三个场景来做，因此选择使用智能体来解决这个问题。而且还一个要优化的点就是，目前的RAG召回效果不太好，因此需要用智能体的方式做几个从不同维度召回数据的工具；所以需要把这...

1.免费用户也能享受「记忆」功能升级！2025年6月3日起，开始向已登录的免费用户逐步推出「记忆能力」优化升级。现在，ChatGPT可参考你最近的对话内容，从而提供更贴近你的需求、更个性化的回答。免费用户获得的是「轻量版记忆」，能在多轮对话中保留短期上下文信息。Plus和Pro用户的记忆功能则更强大，具备长期记忆能力。1.1启用方式（仅适用于欧洲地区）：对于在欧盟、英国、瑞士、挪威、冰岛或列支敦士登的免费用户，会看到提...

GroundingBooth是一个用于文本到图像的接地定制框架。首先提取文本描述和图像的特征，然后通过一种特殊的注意力机制来控制这些特征的结合。这个机制就像是一个精密的筛子，确保每个对象和背景之间的信息不会混淆。比如，如果你想要在一个特定的地方放一个玩具和一棵树，系统会确保玩具和树都被放在你指定的位置，而不会因为背景的干扰而位置错乱。这样，用户就可以得到既符合要求又美观的定制图像。GroundingBooth支持：(a)接地...

本研究针对单幅图像的6D物体姿态估计任务，提出了一种无需已知物体姿态的快速准确估计流程。首先利用单视图3D生成技术构建高保真纹理网格，通过由粗到精的对齐模块解决尺度模糊问题，结合2D3D特征与深度信息实现初始姿态估计。为解决数据稀缺问题，引入文本引导的生成式增强技术生成多样化3D模型，并通过Blender渲染合成大规模领域随机化训练数据，显著提升模型泛化能力。实验表明，该方法在多个基准测试中取得最优性能，并在新...

在ICML25上，快手、上交联合提出统一多模态生成理解模型Orthus——基于自回归Transformer的无损图文交错生成新范式。Orthus不仅在多个视觉理解指标上超越了Chameleon和Showo等竞争模型，还在图像编辑、图文交错生成等任务上展现了强大的能力。目前代码已开源。Orthus是一个统一的多模态模型，在AR建模原则下处理离散文本标记和无损连续图像特征。与现有技术不同，Orthus首次同时享有以下三大优势：单个变压器内AR和扩散的统一建...

OpenAI终于打破了自GPT2以来长达六年多的沉寂，再次拥抱开源社区，发布了两个全新的开放权重模型：gptoss120b和gptoss20b。在AI社区激起了千层浪。毕竟，上一个来自OpenAI的开源模型GPT2，几乎以一己之力点燃了全球开发者对大语言模型的热情。我花了点时间研究它之后（源代码和模型权重URL参考末尾附录），有点惊喜，但也有一点失望。惊喜的是，OpenAI确实兑现了承诺，并且模型在特定硬件上的高效表现令人印象深刻；失望的是，...

六年磨一剑，OpenAI携两大开源模型GPTOSS强势回归！这次不仅是性能的飞跃，更是对整个AI生态的重塑——免费商用、笔记本也能跑，顶级推理能力触手可及。一、历史性转折：OpenAI重返开源江湖2025年8月6日，AI界投下重磅炸弹！OpenAI终于憋了个大招，一口气推出了名为GPTOSS（OpenSourceSeries）的开源模型系列，里面有1170亿参数的gptoss120b和210亿参数的gptoss20b。这是自2019年发布GPT2以来，OpenAI已经六年没有放出过如此规...

在AI视频的赛道上，我们似乎已经习惯了在“惊艳的3秒短片”和“一分钟后画面崩坏”的冰火两重天里反复横跳。生成长视频，尤其是带有人物交互和稳定口型的长视频，一直是悬在所有模型头上的达摩克利斯之剑。直到现在，昆仑万维带着SkyReelsA3走上牌桌，似乎要告诉世界：游戏规则，该变一变了。这不是又一个炫技的玩具，而是一把意图重塑内容生产线的利刃。深入龙骨：不止于“生成”，更是“编排”要理解SkyReelsA3的颠覆性，不能...

最近，QuestMobile最新报告发布，AI搜索赛道杀出一匹黑马：微博智搜靠调用DeepSeek模型，以月人均36.6次使用频次冲上全国第二，仅次于夸克（64.9次），甚至压过腾讯新闻妹、百度等自研模型玩家。  要知道，微博没有自研大模型，却靠外部借力跑赢了多数“全栈大厂”。凭借场景融合力，微博走在了AI搜索赛道的前沿。 反观其他玩家：夸克强在场景化AI；腾讯新闻妹靠“划词提问”破圈，让新闻从单向传播变实时互动—...

编辑云昭近期，Coding赛道十足火热。然而，提高生产力，可不止于VibeCoding，上半年我们有一项非正式调查，大家持续在用半年以上的AI产品中，有一项工具类产品赫然在列：Notion。那么这款产品的魔力究竟来源于哪里？它背后都有哪些生产力哲学？先简单介绍下，与不少初创公司不同，Notion成立于2013年，总部位于美国旧金山。2023年Notion的收入达到了2.5亿美元，并且仍保持盈利。截至2025年，Notion已拥有超过1亿用户，并在全球...