AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
从2025世界人工智能大会，看AI与算力的临界点突破
原创
社区头条最近，上海世博中心，2025世界人工智能大会（WAIC）现场人潮涌动。800余家企业携3000余项前沿展品集结亮相，80余款首发首秀产品密集登场。这场以“智能进化·共生未来”为主题的科技盛会，成为观察AI与算力发展的绝佳窗口。 【图片来源于网络，侵删】 从算力、AI硬件到具身智能，这场盛会呈现了技术突破、产业融合与全球治理的多元亮点，勾勒出行业未来发展的清晰脉络。 算力突破：从堆叠到融合的硬件革命 ...人工智能2025世界人工智能算力AI技术算家云阿里云王坚：中国AI不惧R2迟发！靠「群体智能」破局：算力不是瓶颈，但AI应用层急需炸开OpenAI想象围墙！
原创 社区头条编辑伊风出品51CTO技术栈（微信号：blog51cto）刚刚，阿里云创始人王坚的最新采访上线，聊透了中国AI的节奏、方向和人才观。这场采访在WAIC（世界人工智能大会）之后录制，话题也极具分量：中国的AI未来。从基础研究到商业落地，从技术节奏到人才争夺，王坚几乎是一次性梳理了他对当前AI浪潮的核心判断。其中，王坚有一句话特别有代表性：“中国不是传统意义上的市场，而是技术的试验场。很多项目五到十年后可能都会消失，但...AIOpenAIWAIC基于 1.3 万个视频片段，北京大学施柏鑫团队联合贝式计算提出全景视频生成框架 PanoWan，兼顾零样本视频编
原创 社区头条全景视频是虚拟现实（VR）的重要内容形态之一，其以真实世界为基础，通过360°沉浸视角增强用户的代入感和互动体验，在内容生产、产业落地和用户普及等多个方面，为VR的发展提供了关键支撑。尽管如此，当前的全景视频制作通常需要依赖专业设备，这在很大程度上限制了内容创作的广泛性。近年来，随着生成式视频模型的快速发展，研究人员也开始尝试将其应用于全景视频领域，从而降低全景内容创作的门槛，推动VR内容的大规模扩展，...贝式计算北京大学消融实验视频编辑人工智能Claude Code官方揭秘！内部使用指南曝光：员工都是这样用CC的！把 AI 当老虎机，不改错直接重来！
原创 社区头条出品51CTO技术栈（微信号：blog51cto）Claude团队，你是懂“写教程”的！昨天，Claude官方发布了一篇实打实的案例报告，标题相当直白：《Anthropic团队是怎么用ClaudeCode的？》标题越朴素，内容越干货。看上方的“CaseStudy（案例研究）”标注就知道——这不是草草列出的使用心得，而是一份带着强烈Claude学术风格的CC研究报告。这个报告是咋写的呢：他们通过走访内部的数据基础设施、产品开发、安全工程、推理（Inference）、...AIClaude监控GRPO强化学习缓解多模态大模型OCR任务的幻觉思路及数据生成思路
原创 社区头条多模态大模型在“看不清”文字时瞎编答案，称为“OCR幻觉”，如下图，主要有几点：（1）预训练阶段缺乏相关数据：关键信息提取（KIE）数据以及退化视觉场景的清晰标注显著不足，限制了模型处理复杂视觉输入的能力。指令微调阶段忽视退化场景：现有研究通常假设OCR任务输入为非退化图像，导致模型缺乏处理真实世界退化文档（如模糊、遮挡、低对比度）所需的推理能力。Qwen2.5VL7B（左）与GPT4o（右）在解读退化文本图像中的表现...多模态大模型强化学习大模型在知识图谱问答上的核心算法详细思路及实践
原创前言本文介绍了一个融合RAG（RetrievalAugmentedGeneration）思路的KBQA（KnowledgeBasedQuestionAnswering）系统的核心算法及实现步骤。KBQA系统的目标是通过自然语言处理技术，从知识图谱中提取和生成精确的答案。系统的实现包括多个关键步骤：mention识别、实体链接及排序、属性选择及排序、文本拼接以及最终的Text2SQL生成。通过这些步骤，系统能够准确识别用户提出的问题中的关键实体和属性，并生成相应的查询语句，从而从...大模型知识图谱RAGtext2sqlLLMAgent设计12要素：构建可靠的AI Agent
原创本文仅做记录译自：rawrepo:https:github.comhumanlayer12factoragents因素1.自然语言到工具调用在构建智能体时最常见的模式之一是将自然语言转换为结构化工具调用。这是一种强大的模式，它允许你构建能够推理任务并执行它们的智能体。当原子化地应用此模式时，它可以将类似以下的短语你能为Terri创建一个750美元的支付链接，用于赞助二月的AITinkerers聚会吗？转换为描述StripeAPI调用的结构化对象，例如{"function":{"name":"...AgentAI AgentClaude Code 遭深度逆向工程！ AI 编程智能体核心架构设计曝光
原创ClaudeCode是Anthropic公司的AI编程方面最拿出手的AI智能体产品。最近ClaudeCode被一个民间高手做了深度逆向工程，曝光了ClaudeCode的核心多层AI智能体技术架构、实现机制和运行逻辑等，为理解现代AI智能体系统的工程架构设计实现提供了宝贵的技术参考。下文从ClaudeCode整体架构设计、ClaudeCode十三大关键技术详细剖析之。一、ClaudeCode整体架构设计剖析1、ClaudeCode系统架构全景图ClaudeCode系统架构由用户交互层、Agent核...AI 编程智能体估值准确率超99%！基于YOLOv11的陶瓷分类智能框架融合视觉建模与经济分析，实现文物分类及价值估测
原创在保利香港拍卖2025春季拍卖会中，「清雍正粉彩及珐琅彩梅竹先春祝寿图碗」的拍卖估价飙破880万港币，「明永乐青花竹石芭蕉图梅瓶」更是在佳士得2025年香港春季拍卖会以7812.5万港币的高价成交。此前，在2017年香港苏富比的秋季拍卖会上，「北宋汝窑天青釉洗」在经过30多次叫价后以2.6亿港币落槌，加上佣金后总计拍出了2.94亿港币的天价，被匿名亚洲私人藏家投得，刷新了当时中国瓷器的世界拍卖纪录。不难窥见，陶瓷文物在全球...AI for scienceYOLO目标检测视觉建模深度学习九种 MCP 架构设计模式剖析
原创 精华MCP是AI应用与能力（tools、prompts、resources）之间的通用连接器，类似于USBC为电子设备之间的连接提供了标准化接口。MCP把原来获取数据的M×N集成问题，通过统一、标准化的接口打破了这种模式，优化为M+N集成问题，大大简化了架构设计和提升了效率。在企业级实际落地中，MCP有9种常见的架构设计模式，下文我们详细剖析之。一、MCP9种架构设计模式1、架构设计模式一：完全本地的MCPClientMCPClient是AI应用（比如：Cursor）中...MCP让SDXL实现50倍加速！中山&字节最新对抗训练+双空间判别，单步生成新标杆！性能狂飙
文章地址：https:arxiv.orgpdf2507.18569亮点直击对抗分布匹配（ADM）：提出一种新的对抗学习框架，利用扩散判别器在隐空间对齐真实和伪造分数估计器的预测，替代传统显式散度度量（如KL散度），避免模式崩溃，提升生成多样性。混合判别器对抗蒸馏：在一步蒸馏任务中，结合隐空间+像素空间的混合判别器，优化预训练生成器，通过ODE轨迹分布损失提供更好的初始化，提升训练稳定性。DMDX统一流程（预训练+微调）：将对抗蒸馏预训...模型训练图像生成从 DeepSeek R1 到 Kimi K2 八种大模型架构设计剖析
原创 社区头条从最早的GPT到现在，已经过去7年了。回头看看GPT2（2019年），再看看最新的DeepSeekV3和Llama4（20242025年），你可能会惊讶：这些大模型在结构上居然还是那么像！当然，细节上还是有不少改进的，比如：位置编码从固定的变成了旋转的（RoPE），注意力机制从多头注意力（MultiHeadAttention）换成了更省算力的分组查询注意力（GroupedQueryAttention），激活函数也从GELU换成了更高效的SwiGLU。但说到底，这些只是小修小补，底层...DeepSeek R1Kimi K2大模型AI疲劳来袭？如何应对过度依赖AI的非技术威胁
原创 精华如今，人工智能（AI）就像一股不可阻挡的浪潮，席卷了我们生活的方方面面。从Siri、Alexa这样的智能助手，到扫地机器人、智能音箱，AI已经无处不在，仿佛成了我们日常的“标配”。但你有没有发现，当AI的热潮铺天盖地而来时，我们却隐隐感到一丝疲惫？这种感觉有个名字——AI疲劳。AI疲劳并不是说AI不厉害、不实用，而是当我们过度依赖它、被它的各种消息和应用淹没时，内心开始感到疲惫、迷茫甚至抗拒。为什么会这样？我们又该...AI疲劳AI工具AI模型企业RAG项目的五大隐形杀手：别让AI项目在生产环境中翻车！
原创在刚刚结束的SSON智能自动化周2025大会上，分享了一些关于企业RAG（检索增强生成）项目的“残酷真相”，让不少资深从业者都感到震惊。今天，我就把这些内容分享给大家，尤其是那些正在为公司开发AI项目的团队。因为这些内容可能关乎你们项目的生死存亡！RAG项目的“残酷现实”先给大家讲个故事。你的工程团队在周末加班加点，终于搭建好了一个RAG原型。它能完美地索引公司文档，嵌入效果很棒，LLM（大型语言模型）也能给出智能...RAG检索增强生成大型语言模型LLM2025顶流RAG重排器盘点：告别“信息噪音”，让AI回答更精准！
原创当咱们在RAG（RetrievalAugmentedGeneration，检索增强生成）的世界里摸爬滚打时，是不是经常遇到这样的困惑：明明已经“海量”检索了相关文档，为啥LLM（大语言模型）给出的答案还是“差强人意”？这背后，其实藏着一个容易被忽视，但又至关重要的环节——初次检索的“噪音”问题！为什么初次检索总是“差强人意”？你是不是也觉得，RAG的第一步——根据用户查询找到相关文档，听起来挺简单的？现在常用的方法，比如关键词搜索...RAG检索增强生成大语言模型LLM超强 RAG 工作流实战：LangGraph + Elasticsearch 强强联手，让 AI 检索效率飙升 300%！
为什么选择LangGraph+Elasticsearch？Elasticsearch原生集成主流生成式AI工具，而LangGraph检索代理模板是由LangChain开发的开源RAG应用框架。两者结合，不仅能快速构建基于多模态检索的问答系统，还能通过可视化流图显著提升开发效率。快速搭建指南（5步上手）前置条件Elasticsearch8.0+（支持本地或云端）Python3.9+LLM接入密钥：如中Cohere中、中OpenAI中、中Claude中Step1：安装&初始化项目pipinstallupgrade"langgraphcli[...软件研究人员发现奇怪现象：思考时间越长，大模型越笨
原创 社区头条Anthropic一项最新研究表明，AI模型耗费更长时间“思考”后表现未必更好，在某些情况下性能甚至会显著下降。这一发现，挑战了AI行业推理浪潮的理论根基。这项由Anthropic公司AI安全研究员AryoPradiptaGema及其他几位研究人员主导的项目，发现了所谓“测试时计算反比例”迹象，即延长大语言模型的推理长度实际上会降低其在多种任务中的表现。这一发现可能对当前强调模型推理能力的技术浪潮产生巨大冲击。研究人员在周二发表的论...AI系统AnthropicAI模型面向智能医疗的边缘计算与云计算融合架构的设计与实现
社区头条随着人工智能（AI）技术的发展，边缘计算与云计算的结合在多个领域中发挥着越来越重要的作用。特别是在人工智能物联网（AIoT）和医疗领域，边缘+云混合部署为数据处理、存储和分析提供了灵活的解决方案。本文将探讨边缘+云混合部署的架构设计，并在AIoT与医疗应用场景中进行深入分析，介绍其优势、挑战以及具体实现。1.边缘+云混合部署概述1.1什么是边缘计算？边缘计算是一种分布式计算架构，将数据处理和存储从集中式的数据中...方法开源多模态生成模型新标杆！OmniGen2：支持视觉理解、文生图、图像编辑等任务，探索高级多模态生成！
由北京人工智能研究院提出的OmniGen2是一个统一的多模态生成模型，它将强大的视觉理解、文本到图像的合成、基于指令的图像编辑以及主题驱动的上下文生成功能整合在一个框架内。它基于解耦架构，在保留高质量语言模型的同时，实现了细粒度且一致的视觉输出。除了生成功能之外，OmniGen2还集成了多模态反射机制，使其能够分析、评估并迭代优化其输出，从而将推理和自我修正功能引入图像生成过程。凭借在生成和理解任务中均表现出...开源多模态OmniGen2AI生成电影新革命！字节&港中文等提出Captain Cinema，当「无限记忆」打破〈盗梦空间〉的第四面墙
由约翰霍普金斯大学、字节跳动，斯坦福大学、香港中文大学联合提出的CaptainCinema旨在创作具有专业电影级品质的多场景电影，同时通过超长上下文记忆保持角色和场景的一致性。你可以成为导演，用您的想法、场景和角色重新制作任何电影。创建你自己的宇宙CaptainCinema可以将故事线分支成截然不同的路径，每条路径都保持着内在的一致性，同时又能探索不同的创意想象。这部电影短片讲述了布鲁斯·韦恩、小丑和阿尔弗雷德·潘尼沃...AI字节Captain
