AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
别只盯着Suno了，腾讯端出的这盘“王炸”可能要改变游戏规则
当大家还在为Suno和Udio生成的以假乱真的旋律惊叹时，牌桌上的一个“老玩家”悄无声息地扔出了一对王炸。是的，我说的就是腾讯AILab。他们这次拿出的开源音乐大模型SongGeneration，给我的感觉就像在平静的湖面投下了一颗深水炸弹。它不仅技术上硬核，而且“开源”这两个字，直接把格局拉满了。作为一个天天泡在各种模型和代码里的人，我可以负责任地说，这不仅仅是一个新玩具，更像是一份宣言，一份要把音乐AIGC门槛彻底打下来...腾讯端AI技术Kimi变身学术“卷王”，你的论文和报告还好吗？
精华嘿，各位AI圈的朋友们，放下手中的咖啡，暂时忘掉那些复杂的Prompt指令吧。今天，咱们聊个硬核又刺激的话题。就在我们以为大模型还在“读万卷书”的时候，月之暗面（MoonshotAI）悄悄地放出了一头猛兽——KimiResearcher，一个可能要让无数研究生、分析师和报告撰写人惊呼“狼来了”的AIAgent。是的，你没看错，它不只是一个能聊天的Kimi，而是一个进化成了“研究员”形态的全新物种。这位“研究员”的工作强度，有点“离谱”想...Kimi自主探索AI【深度学习】批归一化（BatchNorm）与层归一化（LayerNorm）：技术背景、原理及基于Pytorch的代码详解
批归一化（BatchNormalization）和层归一化（LayerNormalization）是深度学习中广泛应用的两种数据归一化方法，用于改善神经网络的训练性能。本文将从提出这两种技术的原论文出发，详细阐述技术背景、原理及基于Pytorch的实现方式。1.批归一化（BatchNormalization）批归一化由谷歌的SergeyIoffe和ChristianSzegedy于2015年在论文“BatchNormalization:AcceleratingDeepNetworkTrainingbyReducingInternalCovariateShift”中提...批归一化层归一化LayerNorm增加定位能力提升图表问答性能，新的图表理解框架-RefChartQA
原创现有工作主要包括图表问答（ChartQA）基准、图表理解模型和视觉答案定位（VAG）。ChartQA基准如FigureQA、DVQA、PlotQA和ChartQA等，主要集中在图表问答任务上，但缺乏显式的视觉定位，从而忽略了VLMs在ChartQA上的可解释性。RefChartQA通过将ChartQA与视觉定位相结合，并提供了一个新的基准测试，使模型能够引用图表图像中的多个粒度元素。该基准扩展了现有的ChartQA资源，专注于涉及算术或逻辑推理的问题。RefChartQA框架：将...图表问答图表理解框架RefChartQA多模态跨领域强化学习样本数据集；符号表达的分层推理基准
REIMAGINE:SymbolicBenchmarkSynthesisforReasoningEvaluation20250618｜MSRCUK,MicrosoftResearchIndia｜ICML2025🔺2http:arxiv.orgabs2506.15455v1https:huggingface.copapers2506.15455研究背景与意义问题定义与现状当前大型语言模型（LLMs）在多种推理基准测试中表现出较高准确率，但仍存在争议，即这些结果是否源自真正的推理能力，还是仅仅是训练数据的统计记忆。推理作为一种认知过程，涉及基于事实...符号表达分层推理LLMs【TVM 教程】在 TVM 中使用 Bring Your Own Datatypes
原创ApacheTVM是一个深度的深度学习编译框架，适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→作者：[GusSmith](https:github.comgussmith23),[AndrewLiu](https:github.comhypercubestart)本教程将展示如何利用BringYourOwnDatatypes框架在TVM中使用自定义数据类型。注意，BringYourOwnDatatypes框架目前仅处理数据类型的软件模拟版本。该框架不支持开箱即用地编译自定义加速器数据类型。数据类型库[](https:tvm...TVM人工智能机器学习在线教程开源项目入选ICML 2025！哈佛医学院等推出全球首个HIE领域临床思维图谱模型，神经认知结果预测任务上性能提升15%
原创在人工智能技术突飞猛进的当下，大型视觉语言模型（LVLMs）正以惊人的速度重塑多个领域的认知边界。在自然图像与视频分析领域，这类模型依托先进的神经网络架构、海量标注数据集与强大算力支持，已能精准完成物体识别、场景解析等高阶任务。而在自然语言处理领域，LVLMs通过对TB级文本语料的学习，在机器翻译、文本摘要、情感分析等任务上达到专业级水准，其生成的学术摘要甚至能精准提炼医学文献的核心结论。然而当技术浪潮涌...机器学习大型视觉语言模型临床思维图谱模型AI for ScienceAI Agent落地桌面！Manus Windows版正式推出，免码安装：代码/报告一键生成
原创
社区头条 就在今天凌晨，曾经一码难求的ManusAI，宣布向所有Windows用户敞开了大门。之前还需要蹲守邀请码、甚至被炒至上万元的神秘Agent，现在只需轻点安装，就能常驻桌面，接管从PPT制作、数据分析到代码编写的繁杂工作。  作为国内团队打造的全球首款通用AI智能体，Manus自今年3月问世便引爆科技圈。 与传统聊天式AI最大的区别在于，它不仅能回答问题，更能直接交付完整成果：只需丢给它一个执行目标，他就能在...ManusAIWindowsMicrosoftStoreAI Agent算家云为什么说大家低估了 AI 的实际使用规模？实际情况如何？
原创编者按：人工智能真的已经深入我们的日常生活了吗？当我们还在讨论AI技术的潜力时，是否忽略了一个更为重要的事实——AI的实际使用量可能远超我们的想象？以Google为例，其AI交互处理的token数量从2024年4月的9.7万亿激增至2025年4月的480万亿以上，月处理量正快速逼近1千万亿的惊人规模。与此同时，微软AzureAI服务单季度处理超过100万亿token，同比增长5倍，而OpenAI、字节跳动、百度等公司也都达到了日均万亿token的处理量级...AILLMAI 大模型应用落地到底选用单智能体架构还是多智能体架构？
原创最近关于AI大模型应用落地到底选用单智能体架构还是多智能体架构？业界争论很多，特别是Anthropic公司和Devin公司分别主张和使用了不同的智能体架构设计路线，Anthropic公司认为多智能体架构才是AI大模型应用扩展性能的关键，详见《性能提升90%，Anthropic首次公开多智能体架构构建全流程》，而Devin公司认为：“Don'tBuildMultiAgents.”，并直接批评OpenAI和微软的开发框架Sarm和AutoGen方向搞错了，详见《...AI大模型大模型应用单智能体多智能体AI视觉重大突破！Meta等发布Pisces「双脑架构」：一个模型通吃20+榜单
社区头条论文链接：https:arxiv.orgpdf2506.10395亮点直击解耦视觉编码架构：首创分任务设计视觉编码器，解决理解与生成的固有矛盾。三阶段渐进训练：通过数据分层优化，实现细粒度多模态对齐与强指令跟随能力。任务协同效应：首次揭示图像理解与生成在统一框架中的相互增强作用。开源组件高效整合：巧妙结合CLIP、扩散模型和LLM，平衡性能与计算成本。Pisces在图像生成和理解方面都表现出色总结速览解决的问题统一多模态模型的性能差距...AI视觉模型企业级语言模型自托管优秀实践
原创 社区头条开篇大型语言模型（LLMs）随处可见，从日常应用到高级工具都可以看到他们的身影。虽说使用起来很容易，但如果要运行自己的模型就是另外一回事了。比如对模型进行微调并处理了一些隐私敏感数据，复杂性就会增加。在这篇文章中，我们将分享在构建我们自己的LLM推理系统时所学到的知识。我们将涵盖存储和部署模型、设计服务架构以及解决路由、流式传输和管理微服务等现实问题。这个过程涉及挑战，但最终，我们建立了一个可靠的系统...大型语言模型LLMsRAG循环LLM的突破：基于块的推理如何解决记忆溢出问题
近年来，大语言模型(LLM)领域出现了一个引人注目的发展趋势：研究人员开始转向具有亚二次复杂度的循环模型架构，如Mamba、RWKV和RecurrentGemma等。这些模型在处理长上下文时展现出显著的效率优势，相比传统Transformer架构的二次方复杂度，它们能够以更低的计算成本处理更长的序列。然而，这些循环模型存在一个关键的局限性：固定大小的循环记忆容量。来自特拉维夫大学、IBM研究院和MITCSAIL的研究团队在最新论文《溢出预防增...LLM记忆溢出OPRMChatGPT | AI自制编程语言-从0开始
最近在看编译器的书籍，想从0开始写一个简单的自制编程语言练练手，但是同时想到自己现在手头有ChatGPT，于是萌生想法：如果我了解编译器整个设计过程，为什么我还需要重头开始写编译器呢？为何不直接将整个实现思路给到GPT，让GPT帮我实现代码，我只需要考虑如何设计词法和语法，如何优化等过程即可，说干就干，于是开始《ChatGPTAI自制编程语言》系列文章。1、试验在验证《AI自制编程语言》之前，我在想整个流程是否按照想法...ChatGPTAI编程语言微软重磅发布三大AI推理算法：突破大模型数学与逻辑推理瓶颈
6月18日凌晨，微软研究院发布三篇突破性论文，正式公开rStarMath、LIPS、CPL三大算法，直击大语言模型（LLM）的核心痛点——数学推理与逻辑链能力不足。这些算法不仅适用于百亿参数大模型，也能显著提升小模型的推理性能，被业界称为“推理增强三件套”。一、rStarMath：用蒙特卡洛树搜索实现“深度思考”核心思想：将蒙特卡洛树搜索（MCTS）与代码验证结合，让大模型像人类一样“反复推演再下结论”。技术亮点：代码增强的思维...AI推理算法构建多代理系统：从架构设计到落地实践的完整指南（附代码解析）
在人工智能从单一模型走向复杂协作的时代，多代理系统（MAS）正成为破解高难度任务的关键钥匙。本文聚焦从理论到代码的全流程实践，深度解析如何通过模块化设计让多个智能体协同完成复杂目标。你将学会：三大核心组件（模型选型、工具集成、指令配置）如何支撑代理逻辑；两种经典架构模式（Supervisor集中管理与Swarm分布式协作）的适用场景与代码实现；消息流转、层级管理、流式输出等工程化细节的落地技巧；隐藏挑战与行业标...多代理系统架构如何让AI Agent在多轮对话中保持长期记忆？7种关键优化方法解析
原创在基于大模型的Agent中，长期记忆的状态维护至关重要，在OpenAIAI应用研究主管LilianWeng的博客《基于大模型的Agent构成》中，将记忆视为关键的组件之一，下面我将结合LangChain中的代码，分享7种不同的Agent记忆维护方式在不同场景中的应用。获取全量历史对话在电信公司的客服聊天机器人场景中，如果用户在对话中先是询问了账单问题，接着又谈到了网络连接问题，ConversationBufferMemory可以用来记住整个与用户的对话历史，可...AI AgentAgent大模型InPK：将先验知识注入视觉语言模型提示的技术思路
电子科技大学研究人员的论文《InPK:InfusingPriorKnowledgeintoPromptforVisionLanguageModels》提出了一种新颖的方法，即通过将先验知识融入到视觉语言模型（VLM）的提示中，以提升模型在零样本和少样本视觉识别任务中的性能。本文将结合论文详细介绍InPK的技术原理、实现方法、实验结果及其在视觉语言模型领域中的意义。背景近年来，在大型图像文本数据集上预训练的视觉语言模型（VLM），例如CLIP，已经在各种下游任务中展现...视觉语言模型技术关于智能体开发范式之——ReAct(Reasoning and Acting)到底是什么？
原创“ReAct思考和行动，既是一种方法论，也是一种范式，更是一种提示词模板，还是一种Agent智能体的开发方式。”目前基于大模型构建上层应用，其中很大的一个问题就是大模型的能力不足，特别是在复杂场景下的逻辑思维能力，明显存在严重的缺陷；而且由于安全性问题，大模型整体运行过程是一个黑盒模型，我们并不知道其内部到底是怎么运作的。因此，这时就需要一种方式让大模型给出具体的思考和行动过程，一是为了弄明白大模型是怎...智能体智能体开发ReAct不要再构建多 AI 智能体架构系统
原创在构建多AI智能体系统架构时，许多现有的框架并不理想，通过我们自己的实践经验和试错，提出了一些构建AI智能体的原则，并解释了为什么一些看似吸引人的想法在实际中可能并不好用。在这篇文章中，我将分享以下内容：上下文工程的原则构建长期运行AI智能体的架构设计应用这些架构设计原则下文详细剖析之。1、上下文工程的原则我们先来谈谈以下原则：共享上下文行为隐含决策为什么需要原则？HTML于1993年问世。2013年，Facebook向...AI智能体Agent
