AI.x社区

一、现状：理想与现实的碰撞在金融、医疗、制造等领域，AI大模型正以颠覆性姿态重塑行业格局。以Deepseek为例，其开源生态已吸引超过300家金融机构接入，覆盖信贷、风控、投研等核心场景。某股份制银行通过部署该模型，实现客户画像效率提升300%，但光鲜的数据背后暗藏隐忧：在复杂的跨境贸易融资场景中，模型对信用证条款的解析准确率仅为72%，远低于预期。这种"技术理想主义"与"产业现实主义"的碰撞，暴露出大模型在垂直领域...

近日，英伟达发布NVIDIAIsaacGR00TN1。在人工智能与机器人技术的交汇处，NVIDIAIsaacGR00TN1的诞生标志着人形机器人领域的一次重大突破。作为全球首个开放的通用人形机器人推理与技能基础模型，GR00TN1不仅能够处理包括语言和图像在内的多模态输入，还能在多样化的环境中执行复杂的操控任务。这一模型的训练基于庞大的人形机器人数据集，结合了真实捕捉数据、合成数据以及互联网规模的视频数据，使其具备了强大的适应性和可定制...

文章链接:https:arxiv.orgpdf2503.12165项目链接：https:scnuhealthy.github.ioVTON360亮点直击一种新颖的3D虚拟试衣（VTON）方法，即VTON360，能够从任意视角实现高保真度的虚拟试衣。利用3D模型与其渲染的多视角2D图像之间的等价性，将3DVTON重新定义为2DVTON的扩展，确保多视角下的一致性结果。具体而言，引入了多项新技术，包括：（i）伪3D姿态表示；（ii）多视角空间注意力机制；以及（iii）多视角CLIP嵌入。这些创新增强...

在自动驾驶公司训练一个感知模型需要消耗相当于300台高端显卡连续工作1个月的算力；某医疗AI团队分析百万级医学影像时，计算成本一度超过硬件采购费用的60%。++当全球人工智能算力需求以每年10倍速度增长时，一种名为"算力租赁"的新型服务正在重构计算资源的供给方式。++一、算力租赁的本质解析算力租赁本质上是算力资源的共享经济模式。它将分布在数据中心的高性能显卡、TPU芯片、存储阵列等硬件资源，通过虚拟化技术转化为可...

随着大模型（LLM）的广泛应用，检索增强生成（RAG）技术作为一种创新架构，因其在结合外部知识库和生成模型方面的卓越表现而备受关注。RAG技术通过将LLM与结构化或非结构化的外部数据源相结合，显著提升了生成内容的准确性、相关性和可信度。第一、RAG的优势RAG技术在多个领域表现出色，尤其是在聊天机器人、知识密集型任务和企业应用中。通过检索外部知识库，RAG能够为LLM提供更丰富的上下文信息，从而生成更准确、更相关的内...

在当今信息爆炸的时代，如何从海量数据中快速、准确地获取所需信息，成为了一个亟待解决的问题。而RetrievalAugmentedGeneration（RAG）模型的出现，就像为信息检索和生成插上了翅膀。它就像一位记者，在撰写报道时不仅依赖记忆，还会深入档案库查找资料、核实事实，从而让内容更加准确、有说服力。而在这个过程中，选择合适的嵌入方法（embedding）就如同为记者配备了强大的“搜索引擎”，能够帮助模型更高效地检索和排序相关...

在人工智能领域，中国又一次让世界瞩目！百度，这家在AI领域深耕多年的中国科技巨头，最近推出了两款大型语言模型——ERNIE4.5和X1，引发了行业的巨大震动。据称，这两款模型不仅在性能上超越了目前OpenAI最新的GPT4.5，而且在成本上更是远低于DeepSeekR1。这听起来简直不可思议——如此高质量的AI模型，却只需要极低的使用成本。今天，就让我们深入探讨一下ERNIE4.5和X1，看看它们在基准测试中的表现，以及在现实应用中的实际...

引言：人工智能的新风向在当今快速发展的人工智能领域，多模态生成式人工智能正以其独特的魅力和巨大的潜力，引领着人工智能的变革潮流。生成式人工智能的创新，尤其是在跨多种模态进行操作的能力，正深刻地改变着我们生产文本、图像、视频和音频内容的方式。以往的人工智能系统往往只能执行特定任务，并且局限于单一模态，也就是所谓的单模态人工智能。比如，基于文本的模型只能生成书面内容，图像模型则仅能创建视觉元素。而...

编者按：为什么说DeepSeekMoE的“共享专家隔离”设计，既能保留通用知识又能减少冗余？传统MoE的专家真的“专精”吗？传统MoE专家易“崩溃”，DeepSeekMoE如何通过“更细粒度的专家分割”让每个专家专注更小领域，解决负载不均衡问题？作者巧妙地用餐厅厨师的比喻，将抽象的技术概念形象化——是聘用一位熟悉多种菜系的厨师，还是聘用多位各有专长的厨师更明智？随后，文章深入剖析了DeepSeekMoE的两大创新：更细粒度的专家分割...

前几天《人人都会做智能体》社区的成员提问，OA请假可以用智能体实现吗？我第一反应是这种问题有点太简单了，但是转念一想，越是这种简单的任务，反而更有科普价值，因为很多人还没深入了解过智能体（Agent）到底是什么，我不能先入为主的将其定义为没有必要的简单。想了解智能体是什么，可以先看我之前的这篇文章。【人人都会做智能体】Agent是什么,简单中等复杂商用的智能体又是什么所以今天我们一起来实现一个基于对话流的请...

今天我将开启《人人都会做智能体》公开课的第1节课。《人人都会做智能体》公开课以智能体的小白科普和初级制作为目标，将从智能体基础认知（LLM+RAG+WorkFlow+Agent）、智能体拆解复原、开发环境部署、智能体项目实战等几个部分，按照学习习惯，迭代式递进式的，采用图文结合的方式，循序渐进带领大家一步步掌握智能体制作的方法、技巧和经验。智能体项目实战部分，现在初步定了两个，我之前的文章已经开始写了。一个是长篇图文...

大语言模型（LLM）正以前所未有的速度改变着我们的生活和工作方式。“awesomellmapps”这个精心策划的仓库，为开发者和研究者们提供了丰富多样的大语言模型应用示例。1.仓库概述“awesomellmapps”是一个汇聚了众多使用检索增强生成（RAG）和人工智能代理构建的大语言模型应用程序的仓库。它涵盖了多种基于不同大语言模型构建的应用，包括OpenAI、Anthropic、Google的模型，以及DeepSeek、Qwen、Llama等开源模型，并且用户可以...

摘要虽然大型语言模型（LLMs）在诊断对话中显示出潜力，但它们在有效管理推理方面的能力——包括疾病进展、治疗反应和安全药物处方——仍有待进一步探索。我们通过一种新的基于LLMs的代理系统推进了之前展示的ArticulateMedicalIntelligenceExplorer（AMIE）的诊断能力，该系统针对临床管理和对话进行了优化，整合了对疾病演变、多次患者就诊经历、治疗反应以及药物处方专业能力的推理。AMIE在权威临床知识的基础上进行推理，利...

金融市场复杂且动态，受经济指标、地缘政治事件和投资者行为的影响，传统线性分析方法难以捕捉其非线性特征。传统统计方法（如CAPM、ARIMA）无法有效利用非结构化数据（如新闻、经济报告）进行分析和预测。本文提出FinArena框架，结合人机协作以改善股票趋势预测和个性化投资决策。人模块通过交互界面捕捉个体风险偏好，制定个性化投资策略。机器模块利用基于大型语言模型的多代理系统整合多种金融数据源。FinArena在股票趋势预...

自动化漏洞修复已经从简单的基于模板的方法发展到由LLM、代理、无代理和RAG范例驱动的复杂AI系统。如果你有软件开发经验，就会知道调试通常是工作中最耗时且最令人沮丧的部分。试想一下，如果人工智能可以帮你处理这些烦人的漏洞呢？自动化程序修复（AutomatedProgramRepair，APR）的最新进展使这一目标日益成为现实。接下来，就让我们来探索一下这项技术是如何发展的，以及它的发展方向吧。基础：传统的漏洞修复方法早期的自动...

AI系统正逐步获得在现实世界中独立行动的能力。过去一年，我们在推理、计算机控制和记忆系统方面取得了重大进展，这些技术推动了这一转变。本文分析了这些发展的技术基础、不同领域中AIAgent的现状，以及确保其可靠性所需的基础设施。我们将探讨推动这一变革的技术进步，以及尚待解决的挑战。第一部分：巨大的转变——从模型到Agent2024年，我们见证了AIAgent关键能力的崛起。OpenAI的o1和o3模型表明，机器可以分解复杂任务。Cl...

在数字内容创作井喷式发展的今天，从影视特效到工业仿真，从元宇宙体验到建筑设计，实时渲染技术已成为数字世界的"造物主之笔"。当传统本地渲染仍在与高性能硬件、复杂部署流程作斗争时，实时云渲染技术正以摧枯拉朽之势重构整个产业生态。这项将GPU算力与云计算深度融合的技术，不仅突破了物理设备的桎梏，更开启了"云端创作、终端交互"的新纪元。一、算力解放：从笨重设备到万物互联的进化传统本地渲染的硬件桎梏令人窒息：一...

循环神经网络（RNN）是一类能够处理序列数据的神经网络，它在处理自然语言处理、语音识别、时间序列分析等任务中表现出色。RNN的独特之处在于它能够捕捉序列中的时间依赖关系，这使得它与传统的前馈神经网络（如MLP）有着显著的不同。RNN的基本原理在标准的前馈神经网络中，输入和输出之间的映射是静态的：输入通过一组层的线性变换和非线性激活函数，然后生成输出。而RNN引入了循环的概念：在处理序列数据时，RNN不仅考虑当前...

LLM代理正变得越来越普遍，似乎取代了我们熟悉的“常规”对话式LLM。这些令人难以置信的功能并不容易创建，需要许多组件协同工作。本文中提供了60多个自定义视觉对象，您将探索LLM代理领域、它们的主要组件，并探索多代理框架。什么是LLM代理要了解什么是LLM代理，让我们首先探索LLM的基本功能。传统上，LLM只做下一个标记预测。通过连续对许多tokens进行采样，我们可以模拟对话并使用LLM为我们的查询提供更广泛的答案。然而，...

DeepSeekR1、OpenAIo3mini和GoogleGemini2.0FlashThinking是通过“推理”框架将LLMs扩展到新高度的典范。它们标志着从扩展训练时计算转变为扩展测试时计算的范式转变。在这篇文章中，有超过40个自定义视觉效果，你将探索推理领域、测试时计算，并深入研究DeepSeekR1。什么是推理LLMs？与常规的LLMs相比，推理LLMs通常会在回答给定问题之前将问题分解为更小的步骤（通常称为推理步骤或思维过程）。那么，“思考过程”、“推理步...