AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
2025年最值得关注的十大多模态大语言模型！
原创 精华01、概述人工智能（AI）的发展速度，简直比坐火箭还快！从最初的纯文本处理，到如今能够轻松驾驭文本、图像、音频、视频的多模态大语言模型（MLLMs），AI的进步让人瞠目结舌。2025年，多模态大语言模型已经成为AI领域的“顶流”，它们不仅能够跨越不同数据模态的鸿沟，还能为我们提供更加丰富、更具情境化的见解。无论是科研、自动化客服，还是内容创作、数据分析，这些模型都在彻底改变各行各业的游戏规则。今天，我们就来盘点...多模态大语言模型AI模型AI 智能体长期记忆系统架构设计
原创大语言模型（LLM）在理解和生成连贯对话方面取得了显著成就。但是，它们存在一个内在的“记忆缺陷”，即它们拥有的上下文窗口是有限的，这严重限制了它们在多轮次、多会话的长期交互中维持一致性的能力。当对话内容超出了上下文长度时，LLM可能会像一个“健忘”的伙伴一样，忘记用户的喜好、重复提问，甚至与之前确认的事实相冲突。设想这样一个场景：你告诉一个AI助手你是一个素食者，不食用乳制品。然而，几天后当你向它询问...AI智能体系统架构设计LLM多智能体系统架构设计与代码级落地实现
原创多智能体系统（MutiAgents）是能够自己思考、计划、找出相关信息来源并从中提取信息、采取行动，甚至在出错时还能自我纠正的自动系统。OpenAI推出了Swarm开源框架，用来以一种非常灵活的方式来管理和协调多智能体系统。本文我们基于OpenAI推出的Swarm开源框架，来实现多智能体系统。内容包括：多智能体案例架构设计；多智能体案例代码级实现。下文我们详细剖析之。1、多智能体案例架构设计今天，我们来做个实际的操作演示。我们...多智能体多智能体系统LLM 评估汇总：真的吊打 LLaMA-3，媲美 GPT-4 吗？
一、背景在过去的一年多里，国内在大模型领域的发展异常迅速，涌现出上百个大模型，许多模型已经迭代了多个版本，并且各种指标不断刷新。与此同时，我们也经常在国内的一些文章中看到声称“吊打LLaMA3”或“媲美GPT4”的说法。那么，国内的大模型真的已经达到对标OpenAI的水平了吗？实际上，由于大模型的评估指标种类繁多，各种文章中所对比的模型也不尽相同，甚至有时会出现一些误导信息。因此，我们决定系统性梳理一下公认性...LLMLLaMA-3GPT-4不用魔法，直接访问微软 Copilot GPT-4
随着人工智能技术的不断发展，微软Copilot应运而生，成为现代办公环境中的智能助手。它不仅改变了我们的工作方式，还提升了工作效率和生产力。在本文中，我们将深入探讨微软Copilot的功能、优势以及它如何在多个领域中应用。什么是微软Copilot？微软Copilot是一款由微软开发的人工智能助手，旨在通过深度学习和自然语言处理技术为用户提供智能辅助。Copilot能够理解和处理用户的自然语言指令，提供实时建议和自动化工作流程，从...GPT-4Copilot微软90.2%性能提升的背后: Claude 多智能体架构设计全解析
原创
社区头条Claude现在拥有研究功能[1]，可以在网络、GoogleWorkspace和任何集成中进行搜索，以完成复杂的任务。这个多智能体系统从原型到生产的旅程教会了我们关于系统架构，工具设计和prompt工程的关键教训。多代理系统由多个代理（LLMs在循环中自主使用工具）组成。我们的研究功能涉及一个代理，它根据用户查询计划研究过程，然后使用工具创建同时搜索信息的并行代理。具有多个代理的系统在代理协调、评估和可靠性方面引入了新的挑战。...Claude多智能体架构设计AI 智能体架构设计的12条原则
原创首先我们回顾下智能体的本质是什么？如上图所示，智能体的核心在于其如何接收指令、执行任务并做出决策。以下是其关键组成部分：Prompt（提示）Prompt是指导大语言模型（LLM）如何行动的指令，它定义了LLM可以使用的“工具”。Prompt的输出是一个JSON对象，用于描述工作流程中的下一步操作，例如“工具调用”或“函数调用”。Switch语句Switch语句根据LLM返回的JSON内容决定后续操作。这是整个流程中的一个重要环节，用于解析LL...AI智能体框架设计OpenAI开源GPT-4 SAE，提供1600万个解释模式
6月7日凌晨，OpenAI在官网开源了GPT4的稀疏自动编码器（SparseAutoEncoder，简称“SAE”）。虽然现在大模型的功能越来越强，能生成文本、图片、视频、音频等内容，但是你无法控制神经网络生成的内容，例如，你问ChatGPT多个相同的问题，可能每一次回答的内容都不相同。就像我们睡觉做梦一样，无论你怎么集中注意力还是很难精准控制脑神经形成的梦境。这就会出现很多无法控制的情况，例如，大模型生成的内容带有歧视性、错误、幻...AI模型从 Manus 到 DeepSearcher，2025年最值得关注的十大 Agent 智能体架构设计
原创 精华2025年无疑是Agent智能体的元年。这一判断从DeepResearch带来搜索新范式，到Manus一夜爆火，再到MCP成为新的接口标准，已经被多次证实。与普通AI工具相比，Agent具有以下优势：更强的推理能力：基于多种推理模型，Agent不仅执行指令，还会深入思考问题。丰富的工具运用能力：Agent能够帮助用户连接API或控制硬件设备。更强的信息检索能力：通过与LLM、向量数据库以及Embedding模型等工具集成，Agent能够轻松处理海量数据集。更...ManusDeepSearcherAgent智能体14 项任务测下来，GPT4V、Gemini等多模态大模型竟都没什么视觉感知能力？
20232024年，以GPT4V、Gemini、Claude、LLaVA为代表的多模态大模型（MultimodalLLMs）已经在文本和图像等多模态内容处理方面表现出了空前的能力，成为技术新浪潮。然而，对于这些模型的评测多集中于语言上的任务，对于视觉的要求多为简单的物体识别。相对的，计算机视觉最初试图解读图像作为3D场景的投影，而不仅仅处理2D平面“模式”的数组。为响应这一情况，本文提出了BLINK，这是一个新的测试集，包含了重新构想的传统计算机...模型视觉弱智吧竟成最佳中文AI训练数据？！中科院等：8项测试第一，远超知乎豆瓣小红书
离大谱了，弱智吧登上正经AI论文，还成了最好的中文训练数据？？具体来说，使用弱智吧数据训练的大模型，跑分超过百科、知乎、豆瓣、小红书等平台，甚至是研究团队精心挑选的数据集。在问答、头脑风暴、分类、生成、总结、提取等8项测试中取得最高分。没错，论文中的Ruozhiba就是指百度贴吧弱智吧，一个充满荒谬、离奇、不合常理发言的中文社区，画风通常是这样的：最离谱的是，弱智吧AI代码能力也超过了使用专业技术问答社...模型 训练一文搞定 AI 智能体架构设计的九大核心技术
原创 精华AI智能体架构设计的9大核心技术包括：AI智能体、AgenticAI、WorkFlow、RAG、Finetuning、FunctionCalling、MCP、A2A、AGUI等，下文详细剖析之。1、AI智能体架构的9大核心技术AI智能体架构设计核心技术一：AI智能体AI智能体是一种具备自主意识的软件，它能够感知环境、进行逻辑推理和决策，并实施相应动作。它可以被比作一位高效的个人助手，不仅能够执行命令，更重要的是能够理解任务的上下文、规划执行方案，并在遇到挑战时灵...AI智能体架构设计一次性支持 200 万字无损上下文！Kimi智能助手玩了个大的——月之暗面「登月」最新进展!
让大模型一次性无损地「吃下」一本书已经不是什么稀奇的事了，但如果我告诉你是下面👇🏻这样一本近百万字的书呢？没错，这么疯狂的事竟然真的发生了——就在昨天月之暗面（MoonshotAI）召集了一次媒体沟通会，宣布在大模型长上下文窗口技术上取得新的突破：不到半年，Kimi智能助手升级十倍——从支持20万字直接到支持200万字超长无损上下文。ps：KimiChat已改名为Kimi智能助手，并已在官网（kimi.ai）开启“内测”。超长上下文...大模型Kimi 智能助手超越GPT4的Agent，我用代码实现了！
Agent开发的四种设计模式在吴恩达教授的演讲中，他提到了四种可以显著提升AI智能体性能的设计模式：反思（Reflection）：智能体审视自己的工作，并提出改进的方法。使用工具（Tooluse）：智能体利用网络搜索、代码执行等工具来收集信息、采取行动或处理数据。规划（Planning）：智能体制定并执行多步骤计划来达成目标。多智能体协作（Multiagentcollaboration）：多个智能体共同工作，通过分配任务和讨论来提出更优的解决方案。...GPT4Agent代码阿里巴巴与人民大学联合团队的成果，AgentScope提升多智能体模拟效率
多智能体系统（MAS）是一种通过多个智能体的协作来解决复杂问题的技术。这些智能体可以是软件代理、机器人或其他自主系统，能够在动态环境中进行交互和决策。MAS在许多领域有广泛的应用，包括交通管理、金融市场模拟、灾害应急响应、社会行为研究等。随着应用规模的扩大，现有的多智能体系统面临扩展性和效率问题、智能体多样性不足、管理过程复杂的问题。近日由来自阿里巴巴集团和中国人民大学组成的联合研究团队推出AgentScop...AgentScope分布式机制清楚了！一文看懂多模态大语言模型CLIP架构和 SigLIP架构
图片近年来，人工智能领域在多模态学习方面取得了显著进展，相关模型能够理解和关联图像与文本等不同数据类型的信息。OpenAI的CLIP（对比语言图像预训练）和Google的SigLIP（语言图像预训练的Sigmoid损失函数）是其中最具影响力的成果。这些模型革新了机器对视觉和文本信息的解读与关联方式，使得从图像分类到零样本学习等各类应用成为可能。本文将对CLIP和SigLIP的架构、训练范式及关键差异进行剖析。1.CLIP：对比语言图像预训...多模态大语言CLIP阿里巴巴重磅开源EasyAnimate！基于DiT的长视频制作生态系统
精华文章链接：https:arxiv.orgpdf2405.18991开源地址：https:github.comaigcappsEasyAnimate今天和大家一起学习下EasyAnimate，这是一种用于视频生成的高级方法，利用Transformer架构的强大性能实现高效成果。扩展了最初设计用于2D图像合成的DiT框架，通过引入运动模块以适应3D视频生成的复杂性。该模块用于捕捉时间动态，从而确保帧的一致性和运动过渡的平滑性。运动模块可以适应各种DiT基线方法，以生成不同风格的视频。在训练和...AI视频生成开源模型首胜GPT-4！竞技场最新战报引热议，Karpathy：这是我唯二信任的榜单
能打得过GPT4的开源模型出现了！大模型竞技场最新战报：1040亿参数开源模型CommandR+攀升至第6位，与GPT40314打成平手，超过了GPT40613。这也是第一个在大模型竞技场上击败GPT4的开放权重模型。大模型竞技场，可是大神Karpathy口中唯二信任的测试基准之一。CommandR+来自AI独角兽Cohere。这家大模型创业公司的联合创始人兼CEO，正是Transformer最年轻作者AidanGomez（简称割麦子）。这份战报一出，又掀起了一波大模型社区的热...GPT-4 开源阿里巴巴AI研究团队打破视频生成技术壁垒，EasyAnimate实现高质量长视频生成
论文标题:EasyAnimate:AHighPerformanceLongVideoGenerationMethodbasedonTransformerArchitecture论文:https:arxiv.orgpdf2405.18991.pdf项目地址:https:github.comaigcappsEasyAnimateEasyAnimate框架介绍EasyAnimate是一个先进的视频生成方法，它利用Transformer架构的强大功能来实现高性能的输出。该框架扩展了最初为2D图像合成设计的DiT框架，以适应3D视频生成的复杂性，通过整合一个运动模块块来捕捉时间...AI视频技术AI Agents-5 | AI工作流与代理的深度剖析：从原理到实战应用
原创这个系列文章旨在为AI代理（AIAgent）提供全面的概述，深入研究其特征，组成部分和类型，同时探索其进化，挑战和潜在的未来方向。在人工智能飞速发展的今天，我们常常听到“AI工作流”和“AI代理”这两个概念。但你知道它们之间有什么区别吗？又该如何选择适合自己的技术路径呢？今天，我们就来深入探讨一下。一、工作流与代理：到底有什么区别？（一）定义与区别在AI的世界里，“代理”（Agent）和“工作流”（Workflow）是两...Agent智能体AI工作流
