AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
维特根斯坦 -> 格罗滕迪克 -> 大语言模型
天才应当是被允许不谙世事的。孤独到死是一个天才最好的归宿，毕竟，他所处的那个时代配不上他。维特根斯坦就是这样一位天才。一、维特根斯坦：语言是事实的逻辑图像维特根斯坦是通过《逻辑哲学论》走入哲学的。《逻辑哲学论》的核心命题，是一种“逻辑几何学”的世界观：世界是事实的总和，而非事物的总和。维特根斯坦提出“意义图像理论”：每个命题是一个事实的图像，命题与事实共享相同的逻辑形式，因而命题能够以结构映射...维特根斯坦格罗滕迪克大语言模型谁说DeepSeek 2025年的创新降速了？
原创要是说DeepSeek2025年的创新降速了，那大概是对"创新"有什么误会——这一年他们简直像踩着AI领域的"跑步机"加速跑，每一步都踩在技术突破的鼓点上。从模型架构到落地效率，从学术突破到生态建设，全是实打实的硬货，压根没给"减速"留半点余地。一、架构创新：把"大模型"玩成"巧模型"的魔法如果说2024年的大模型还在比拼"谁的参数更多"，2025年的DeepSeek已经学会了"如何让参数更聪明"。这一年他们的核心突破全围绕着混合专家（M...Deepseek梁文锋小白自己用PyTorch驯小语言模型
原创
社区头条训练语言模型就像教一个懵懂的小家伙学说话——先给他喂足够的书，再教他理解词语的关联，最后让他学会顺着话头往下接。这个过程既有代码的严谨，更藏着数据与逻辑碰撞的灵性。下面咱们一步步拆解，每步都带技术细节，保证真实可落地。一、准备阶段：给模型搭好"学习环境"在开始前，得先把工具备齐。这就像给学说话的孩子准备好纸笔和绘本，缺一不可。1.硬件与库的基础配置硬件选择：CPU不是不能练，但就像用自行车追高铁——入...PytorchLLM训练AI爆发不会带来GDP爆涨！AI大神罕见暴论：强化学习糟透了！互联网数据很烂！
原创 社区头条编辑｜云昭出品51CTO技术栈（微信号：blog51cto）“现在的互联网训练数据烂到离谱！”“强化学习远比人们想象要糟糕得多！”“AGI仍然还有十年之遥！现在我们只不过是具备了搭建智能体的基础”这可以说是Karpathy今年以来对于大模型进展现状最尖锐的批评，没有之一。几个小时前，AI大神Karpathy的最新的一场播客访谈，又被公开了出来。这场播客的背景非常新，前两天，他的第一个教育项目：nanochat刷屏国内外。访谈中，他几乎直...AI强化学习自动驾驶阿里巴巴的机器学习发展历程
原创 社区头条阿里巴巴的机器学习研究史是一部技术探索与商业实践深度融合的产业创新史，其发展脉络紧密围绕电商、金融、物流等核心业务需求展开，同时通过开源生态和前沿研究持续引领行业变革。以下从技术演进、关键突破和产业影响三个维度，系统梳理阿里机器学习的发展历程：一、技术探索期（2000年代初2015年）：从业务痛点到基础能力构建1.早期数据驱动实践（2000年代初2010年）推荐系统萌芽：2003年淘宝成立后，早期推荐依赖基于用户行...阿里巴巴机器学习AGIAI圈正陷入命名地狱！Claude Skills上线，却遭开发者集体吐槽：LLM生态要爆炸了！
原创 社区头条编辑听雨还记得当年大家调侃ChatGPT：“它什么都会，就是不会干正事。”现在，Anthropic把Claude往前推了一大步——它不仅能「干活」，还开始「学技能」。今天，Anthropic发布全新功能ClaudeSkills，让Claude能调用特定“技能”完成专业任务。它不是插件、不是命令，而是一种「让AI会用工具」的新方式。官方定义：Skill一个带有指令、脚本与资源的文件夹，Claude在需要时自动加载。功能上线后，HackerNews评论区直接炸锅——有...ClaudeAILLMAICoding减慢了软件交付！旧金山创始人警告：AI改变了节奏，压力更大！团队七成时间耗在外环；AI泡沫非坏事
原创 社区头条编辑云昭出品51CTO技术栈（微信号：blog51cto）“AI是未来的新生产力，但现在还是差点意思。”我们看到越来越多的AICoding产品，但不管是企业高管、还是我们评论区的开发大佬，近期都不约而同的抛出了一个业内真相：“我们确实在用AI写代码，但速度并没有更快。”“我们只是写出了更多代码，却没能更快交付！”一周前，一家知名智能体平台公司CEO毫不掩饰地揭露出这一点。“AI参与代码生成没问题，但AI交付代码，没人敢这么干...AIAICodingMCP李飞飞最新成果RTFM世界模型震撼问世，单块GPU就能跑
原创 社区头条想象一下，仅用一张GPU，就能实时生成永不消失的3D世界——这不再是科幻小说，而是李飞飞团队带给我们的现实。 今天，李飞飞及其团队正式发布了全新的世界模型RTFM（ARealTimeFrameModel），凭借其实时运行、持久性和3D一致性三大特性，成功实现了仅靠单张H100GPU即可流畅运行的技术突破。  这不仅解决了长期困扰世界模型发展的算力瓶颈问题，更意味着曾经只属于科技巨头的世界模型技术，即将进入更广阔的应用场...李飞飞世界模型空间智能算家计算算家云基于机器学习的伺服电机的预测性维护技术探索
原创 社区头条要实现伺服电机的寿命预测与预测性维护，需围绕“失效机理分析→数据全链路采集→AI模型预测→智能维护决策”构建闭环技术方案，核心是通过多维度数据捕捉早期故障信号，结合物理机理与数据驱动模型预测剩余寿命（RUL），最终替代传统“定期维护”或“故障后维修”，降低停机损失。一、方案前提：伺服电机失效机理与关键监测参数在设计方案前，需先明确伺服电机的核心失效部件与诱因，这是“监测什么、预测什么”的基础。1.核心...预测性维护机器学习AI 推理服务是否真的无利可图？从第一性原理看 AI 推理成本
原创 精华编者按：你是否也曾认为，AI推理服务注定是一场烧钱的无底洞？我们今天为大家带来的这篇文章，作者的核心观点是：OpenAI和Anthropic等公司在推理环节的实际成本远低于外界普遍认知，甚至在某些场景下已具备大幅盈利能力。文章通过第一性原理，以H100GPU集群为例，详细拆解了输入与输出token的成本结构，指出输入处理成本极低（每百万token约0.001美元），而输出生成成本较高（每百万token约3美元）。作者进一步分析了不同用户场...LLMAIAI推理如何打造一个文档解析的多模态大模型？MinerU2.5架构、数据、训练方法
原创前期，笔者在《文档智能》专栏中介绍了pipline式、两阶段式和端到端的多个文档解析相关方案及技术点。如：piplinelayout+VLMVLMfinetune下面再来看一个两阶段（一个VLM既做layout，也做OCRformat）的VLM文档解析模型MinerU2.5。方法MinerU2.5的框架，在第一阶段，MinerU2.5对下采样后的页面执行快速的全局布局分析。在第二阶段，MinerU2.5利用布局分析结果从原始高分辨率文档中裁剪出关键区域，并在这些原始分辨率的局部区域内...文档解析多模态大模型MinerU2.5架构大模型知识图谱GraphRAG才是未来？
原创 精华 社区头条
热门内容榜 • 最近上榜在大模型浪潮中，知识图谱与RAG的结合（GraphRAG）正展现出超越传统扁平化RAG的巨大潜力，它很可能代表着未来的发展方向。一、传统RAG传统RAG是一个拥有优秀记忆，但缺乏逻辑的助手，它将文档切分成片段，为每个片段创建向量索引。当用户提问时，它通过语义相似度检索出最相关的几个片段，然后交给大模型生成答案。它的核心局限在于：“碎片化”理解：文档被切分后，篇章级的逻辑结构、实体间的深层次关系随之丢失。它能看到“...大模型知识图谱GraphRAG20款办公AI工具：让你的工作效率提升10倍
社区头条 热门内容榜 • 最近上榜译者晶颜审校重楼毫不讳言地说，在当前的数字化职场中，若仍未将人工智能纳入工作体系，实则已处于竞争劣势。这一判断并非基于主观臆断，而是源于AI技术对工作模式的颠覆性影响。无论你的职业身份、行业领域如何，AI都能成为高效协作的伙伴：它可检索海量数据，将你原本需耗费数小时乃至数天的信息搜集工作压缩至分钟级；更能整合复杂需求，快速生成媲美团队协作水准的成果。而实现这一切的核心，在于一套由顶尖AI工具构成的“...办公AI工具AI生成式AI用合成数据评测 RAG 系统：一份可直接上手的 DeepEval 实操指南
原创在构建RAG（RetrievalAugmentedGeneration，检索增强生成）系统的过程中，很多人都有这样的困惑：“模型看起来能回答问题，但到底是不是在胡说八道？”“Retriever到底找得准不准？”“我该怎么知道系统整体是不是可靠的？”这些问题的根源在于——我们缺乏系统化的评测方法。尤其在项目早期，还没有真实用户数据时，想要验证RAG流程的效果就更加困难。今天，我们就来深入拆解一个实用方案：👉用DeepEval生成合成数据，系统性评...RAGDeepEval检索增强生成思考不是免费的，大型语言模型推理的收益与代价
精华对于人工智能智能体，谈判是一场最接近人类智慧的“角斗”，它不仅仅是语言的堆砌，更是策略的博弈、心理的揣摩和利益的权衡。人类社会和经济活动中，谈判无处不在，从商场里的价格讨价还价，到国际政治的桌面博弈，都是智慧与策略的交锋。对于AI代理来说，能否在谈判中表现出色，直接决定了它们能否真正走向自主决策的未来。现实并不总是那么光鲜。大型语言模型（LLMs）在谈判场景中常常“翻车”，它们会偏离最优策略，时而表...大型语言模型人工智能智能体少即是多：LIMI 用 78 个样本，重新定义智能体训练效率
原创 精华 社区头条 热门内容榜 • 最近上榜一、AI模型训练的“数据幻觉”在人工智能领域，有一个近乎铁律的共识：数据越多，模型越聪明。这条逻辑支撑了过去十年的AI爆发——从GPT到Claude，再到DeepSeek，所有巨头都在堆算力、卷数据、拼参数。但当DeepSeek以130成本训练出高性能模型后，这条铁律开始动摇。如今，一篇来自LIMI团队的新论文再次颠覆认知——他们仅用78个高质量训练样本，就让模型在智能体评测中超越了使用10,000个样本训练的对手。是的，你没看错：128倍...LIMI智能体AI模型训练当“7M小模型”逆袭巨头：三星TRM如何击败DeepSeek、Gemini与o3-mini？
原创 社区头条 热门内容榜 • 最近上榜一、当小模型掀翻大模型，AI推理的天平被重新校准在AI的竞技场上，我们已经习惯了“大力出奇迹”——模型越大、参数越多、算力越猛，表现就越强。然而，2025年10月，来自三星SAIT（蒙特利尔研究院）的一篇论文，彻底打破了这一逻辑。他们发布了一个名叫TinyRecursiveModel（TRM）的小模型，参数量仅7M——几乎是DeepSeekR1（671B）的百万分之一。但就是这样一个“袖珍模型”，在ARCAGI1和ARCAGI2推理测试中，硬是干翻了多个巨头...小模型三星TRMDeepSeekGeminio3-mini加州大学伯克利分校团队：训练大模型AgentS，要从“替代”到“赋能”
精华 热门内容榜 • 最近上榜从“替代”到“赋能”的转变过去几年，大语言模型（LLM）几乎成了科技圈的“超级明星”。它们能写代码、能写文章、能帮忙做决策，甚至还能在会议上给你提炼要点。无论是程序员、作家还是企业高管，似乎都能从中找到一个“万能助手”。但问题也随之而来。现有的训练方法大多依赖两条路径——模仿学习和强化学习。模仿学习让模型学会“照葫芦画瓢”，模仿专家的操作；强化学习则通过奖励机制逼着模型不断优化。听起来很合理，但结...训练大模型AgentSLLM人格化人工智能的实验探索——精神分析框架下的语言模型意识设计
社区头条意识是什么？它是人类最复杂、最神秘的特质之一。科学家们至今没有统一的定义，而工程师们则在思考，如果机器能模仿人类的语言与行为，是否也能在某种程度上“拥有”意识？如何让大语言模型不仅仅是一个“高级文本生成器”，而是能模拟出类人意识的存在？更进一步，心理学中的精神分析与人格理论，能否成为AI意识建模的框架？这项研究的意义不言而喻。它不仅是一次跨学科的尝试，把心理学、人格理论与LLM融合在一起，还可能为未...人格化人工智能语言模型不只是另一个 Workflow Builder：LangChain 的不同选择
在AI智能体开发领域，“可视化工作流构建器（VisualWorkflowBuilder）”似乎成了新宠。当OpenAI刚刚发布AgentKit，众多工具如雨后春笋般进入这一赛道时，LangChain却选择了另一条路。为什么我们始终没有推出自己的可视化工作流构建器？答案或许与你想的不一样。一、从Day0开始的呼声自LangChain创立以来，我们收到最多的用户请求之一，就是：“能不能出个可视化工作流构建器？”但直到今天，我们仍未推出，而是让其他工具——La...AgentAILLM
