AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
大模型格式化输出问题——基于Langchain的格式化输出
原创“大模型只能输出文本数据，需要通过转换才能变成我们需要的数据对象。”在大模型的应用场景中，格式化输出是一个非常重要的环节；特别是对Agent智能体来说，没有格式化输出，智能体就是空中楼阁。但从技术的角度来说，文本类模型的输出只有一种格式，那就是文本数据，json也是文本数据的一种格式；模型本身无法生成类似于json对象，python对象等格式的数据；因此，虽然我们可以约束模型按照json格式进行输出，但它本质上输出的...大模型大模型格式化LangchainCodeRAG：AI写代码性能飙升40%，比Github Copilot强
热门内容榜 • TOP51.为什么需要CodeRAG技术？1.1现实世界代码生成的困境当前主流大语言模型（LLM,LargeLanguageModel）在生成独立代码片段时表现优异，但在处理真实项目中的代码生成任务时面临三大挑战。•首先，代码库依赖关系复杂，包括跨文件调用、继承关系等结构化关联。例如，在金融领域项目中，一个交易处理函数可能需要调用分布在56个不同文件中的验证、计算和日志记录模块。•其次，专业领域知识缺失问题突出，实验数据显示LLM在生成涉及...AICodeRAGGithub当RAG遇上了推理：一文看懂 DeepResearch 背后的灵魂
精华1.RAG与大模型推理大型语言模型正在重塑多个领域，展现出非凡能力，但其应用的发展仍受制于两大瓶颈：第一，知识以静态参数的形式存储导致频繁出现幻觉第二，应对复杂现实问题时的缺乏推理能力这两大瓶颈互为因果，知识缺失会阻碍推理，而推理缺陷又会浪费已有知识。为了突破这两大瓶颈，出现了两大技术路线：一是通过检索增强生成（RAG）引入外部知识二是提升模型内在推理能力随着大模型应用的深入，大家逐渐开始探索检索与推...RAGDeepResearch大模型2 万字总结：全面梳理大模型 Inference 相关技术
一、引言LLM的Training与Inference存在很多共性，但也有极大的不同，LLMInference涉及的变量会更加复杂，需要采用的方案也会存在明显区别，比如：：不同的模型：通常不会使用单一模型解决所有问题，可能有不同规模、类型的模型，不同垂直场景的模型等。异构硬件环境：在Inference场景可选择的GPU设备远多于Training场景，比如可以使用A100、H100、B200，也可以采用H20、L40S、A30、T4，甚至可以选择RTX5090、4080、3070等。复杂...大模型Inference技术2 万字总结：全面梳理大模型预训练相关技术
一、引言本文主要聚焦于大语言模型预训练相关阶段的技术和行业最新进展，其中包括常见的分布式策略、模型结构、常见的优化手段等。考虑到篇幅原因，暂不包含后训练、多模态等领域。二、模型结构2.1概述当前LLM基本上都是DecoderOnly的Transformer模型，只不过都会进行一些修改。比如对Attention的修改衍生出来SoftmaxAttention系列和LinearAttention系列。而对FFN的修改衍生出了Dense模型和MoE模型。这个章节我们对这些模型结...大模型预训练分布式推理链缩短60%！新一代混合推理模型如何超越DeepSeek R1？
Deepcogito发布了4个混合推理模型，参数规模分别为70B、109BMoE、405B、671BMoE，均采用开源许可证。这些模型是世界上最强大的大语言模型之一，并作为一种全新AI范式的概念验证——迭代自我改进（AI系统自我提升）。其中最大的671BMoE模型位列全球最强开源模型之列。它在性能上匹配甚至超越了最新的DeepSeekv3和DeepSeekR1模型，并接近o3和Claude4Opus等闭源前沿模型的水平。这些模型基于在使用迭代蒸馏与放大（IDA）构建超级智...推理链DeepSeekAIAnthropic 大模型人格向量研究：解码大模型"大脑"中的人格特征
Anthropic最新研究揭示了如何在AI"大脑"中追踪特定的"人格"特征（称为"人格向量"），并展示了如何识别和控制可能导致大模型表现出恶意或不安全行为的因素。1、大模型内部发生了什么？有时在与大模型对话时，它会突然表现异常——过度奉承、事实错误，甚至恶意行为。这项研究旨在理解这种现象的原因并找到解决方案。虽然AI模型并不像人类那样真正拥有人格，但在特定提示或训练数据影响下，它们有时会表现得像有人格一样。核心发...Anthropic大模型线性方向分层推理模型
此模型采用循环架构，实现了分层推理能力。核心创新•提出了一种受大脑启发的新颖架构，用循环模型取代了思维链（CoT）提示，专为深度潜在计算设计•摆脱了token级推理，采用两个耦合模块：慢速高层规划器和快速底层执行器，两个循环网络在不同时间尺度上协作解决任务图片性能•仅用2700万参数且无需预训练即可实现更深层的推理和更高效率•尽管模型小巧、训练数据极少（约1000个样本），但在ARC、极端数独、30×30迷宫导航等复...分层推理模型开源AI是个伪概念！Claude之父语出惊人：DS是否开源都不影响我们的商业价值！
原创
社区头条出品51CTO技术栈（微信号：blog51cto）硅谷很少有播客，比AnthropicCEODario更具戏剧性了。他的发言之犀利，让人听得直冒冷汗——他谈和黄仁勋的不合，直言奥特曼做AI的使命“不够真诚”，不看好Meta的AI路线，甚至主动提起了马斯克的Grok前阵子的政治翻车事件。不到一个小时，分分钟就把硅谷大半圈的人都“得罪”了个遍。但也正是这种毫不掩饰的直率，让这场访谈比以往更有火药味，也更有深度。谈到AI的未来，Dario依然语出惊...开源AIClaude告别“AI味”图像！最新开源AI模型FLUX.1-Krea实现真实光影生成
原创 社区头条 热门内容榜 • 最近上榜算法优化与人类审美的深度结合：AI图像生成进入自然美学新纪元模式。在AI图像生成领域，相信很多创作者都被一个长期存在的痛点始终困扰着：无论提示词如何精确，生成的图像总带有明显的“AI味”。 过曝的高光、不自然的色彩饱和度、塑料般的皮肤质感以及过度平滑的纹理。这些特征让观众一眼就能识别出作品的机器来源，限制了AI在专业视觉创作中的应用价值。 【图片来源于网络，侵删】 今天，这一局面迎来重大突...人工智能FLUX.1-Krea黑森林AI图像生成算家云国产视频大模型突破！阿里最新开源Wan2.2，单卡生成电影级画面
原创 精华 社区头条 热门内容榜 • 最近上榜AI创作的门槛，再次被降低了。 过去要拍出电影感的画面，需要灯光师、摄影师、调色师团队协作，耗费数天甚至数周时间。而现在，普通人输入几个关键词，五分钟内就能生成一段《星际穿越》级别的画面——这就是阿里最新开源的通义万相Wan2.2带来的变革。  就在昨晚，阿里正式开源了电影级视频生成模型Wan2.2。它最核心的突破，是把电影美学变成了普通人可操作的技术。 你不需要理解复杂的摄影理论，只需输入...人工智能Wan2.2实测AI电影算家云租算力，到算家云马斯克、吴恩达青睐，黄仁勋批评，见证百度、OpenAI内部起落，Anthropic CEO自曝式采访：每年营收十倍增长
原创 社区头条编译云昭出品51CTO技术栈（微信号：blog51cto）进入7月底，巨头们迎来了新一轮的财报周，而创业公司们也迎来了新一轮的采访和融资周。昨天，Anthropic的创始人DarioAmodei接受了知名播客TheBigTechnology的采访，主持人AlexKantrowitz事后自己走访了Dario的朋友、同事、竞争者二十余次，特别为这次含金量满满的采访写了一篇特稿：《AnthropicCEO成长之路》。可以说是Dario的半篇自传了。作者将其称为“AI世界最直言不讳的领导者...马斯克OpenAI模型构建 AI 护城河的六大常见误区分析
原创 社区头条编者按：大家都在争相构建自己的“人工智能护城河”，但究竟什么才是真正有效的竞争壁垒？是海量的历史数据、定制化的模型，还是华丽的数据看板？我们今天为大家带来的文章，系统分析了当前企业在构建AI护城河时的六大常见误区，文章的核心观点是：真正的AI护城河需要长期积累、扎实的基础能力，而不是依赖表面功夫或单点突破。希望这篇文章能为您的AI战略提供启发，帮助您避免陷入常见误区，构建可持续发展的竞争壁垒。本文系...AI人工智能LLM企业AI集成怎么做？关键不是模型，而是 MCP、A2A 和 AG-UI
原创 精华AI系统正在经历一场从“模型能力为王”向“系统协同为本”的根本性转变。过去，AI更像一个孤立的预测引擎，而今天，它正进化为具备感知、行动、协作和交互能力的完整生态系统。然而，这场进化并非自然发生，它背后有一套清晰的协议架构在支撑：MCP、A2A和AGUI。这三个协议，分别解决了智能系统落地中最关键的三大问题：工具接入与数据访问（MCP）智能体协作与任务分发（A2A）用户交互与前端表现（AGUI）我们接下来将逐一拆解这...企业AI集成MCPA2AAG-UIZhipu AI刚刚发布了GLM-4.5系列：重新定义带有混合推理的开源代理AI
原创 精华 热门内容榜 • 最近上榜2025年，AI大模型的战场已不仅限于参数规模的军备竞赛，而是逐渐转向了“谁更智能”、“谁更高效”的实用主义路线。在这个关键时间点，智谱AI（ZhipuAI）正式推出了GLM4.5系列——GLM4.5与轻量版GLM4.5Air，用一套重新设计的Agent原生架构和混合推理能力，给整个开源圈带来了一记响亮的“技术暴击”。我们不禁要问：这一次，国产模型能否在智能代理（Agent）领域真正领跑全球？1、参数不是唯一标准，“混合推理”才是杀手锏在过...开源大模型AgentRAGRAG与Agentic RAG：智能AI系统的进化之路
原创近年来，人工智能（AI）如同一股洪流，席卷了整个数字世界。从日常的搜索问答到视频生成，再到客户服务支持，AI的身影无处不在。而在AI的众多技术中，RAG（RetrievalAugmentedGeneration，检索增强生成）和AgenticRAG（智能代理RAG）无疑是两颗耀眼的明星。它们不仅提升了信息处理的效率，还为复杂任务的解决提供了全新的可能性。但问题来了：RAG和AgenticRAG到底有何不同？哪一个更适合你的业务需求？别急，这篇文章将带你深入...RAGAgentic RAG检索增强生成智能代理RAG详解Agentic AI的五种设计模式
原创 社区头条开篇最近，“AgenticAI”的热度在技术圈迅速蹿红。但我认为，这不是偶然现象，而是AI技术发展到当前阶段的一个必然产物。OpenAI、Google、Anthropic这些大公司已经将基础大模型的能力推进到了一个很高的水平——强大的理解、生成和推理能力不再是稀缺品。市场核心命题由此转变：如何将这强大的基础智能，转化为能真正解决商业痛点、创造价值的实用方案。无论是企业还是开发者，目光都已超越模型的实验室表现或炫目的演示。他...AI 技术大模型Agentic AITTD-DR：基于测试时(Test-Time)扩散的深度研究Agent突破
谷歌在扩散技术领域持续发力。这次，他们将扩散技术应用于深度研究agent，专门用于优化研究报告生成过程。该方法在长篇研究任务中对比OpenAIDeepResearch取得了69.1%的胜率。图片论文提出了测试时扩散深度研究员(TTDDR)，重新思考了深度研究agent生成长篇报告的方式。TTDDR没有依赖传统的静态推理策略（如思维链或最优N选择采样），而是将报告生成过程构建为扩散过程——从噪声草稿开始，通过检索增强的去噪过程进行迭代优化，...TTD-DRagent谷歌GLM-4.5：推理、编程与Agent能力的全面突破
GLM4.5核心特性概览：•MoE架构•混合推理模型•总参数355B（激活参数32B）•GQA+部分RoPE•多Token预测•Muon优化器+QK归一化•22TToken训练语料•SlimeRL基础设施•原生工具调用图片图片模型架构与预训练：GLM4.5总参数规模达355B（激活参数32B），采用更深但更窄的模型设计，通过增加层数和96个注意力头来优化推理能力。轻量版GLM4.5Air为106B参数（激活参数12B）。图片训练语料库规模达22TToken，其中包含15T通用数据和7T代...GLM-4.5AgentQwen-3 CodeGraph-R1全新RAG框架
社区头条 热门内容榜 • 最近上榜GraphR1：全新RAG框架，融合智能体、图RAG和强化学习技术。图片该框架提出了一种创新的RAG架构，突破了传统单次检索或基于文本块检索的局限，巧妙整合了图结构化知识、智能体多轮交互和强化学习技术。GraphR1是一个能够在知识超图环境中进行推理的智能体，通过迭代发出查询并检索子图，采用多步骤的"思考检索再思考生成"循环机制。与先前执行固定检索的图RAG系统不同，GraphR1能够根据智能体状态的演变动态探索图结构。图片检索...RAG框架Graph-R1
