AI.x社区

Manus是蝴蝶效应公司（ButterflyEffect）推出的全球首款通用型AI智能体产品，其名称源自拉丁语“MensetManus”（意为“手脑并用”），强调将思考转化为实际行动的能力；近期，该公司因投资方压力撤离中国，引发广泛关注。2025年AIAgent赛道涌现大量同类产品，但多数存在"Demo能飞、落地常摔"的现象。用户试用一次即放弃的比例居高不下，市场存在过度炒作现象。例如，内测邀请码曾被炒至数万元高价，但团队否认参与炒作。Manus作...

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“...

自动驾驶的四大核心技术是支撑车辆实现自主驾驶的基础模块。环境感知、精准定位、路径规划和线控执行共同构成完整的技术闭环，分别负责识别周围环境、确定车辆位置、规划行驶路线以及控制车辆执行动作。这些技术协同工作，确保自动驾驶的安全性和可靠性。一、感知模块：环境信息的实时获取与处理1.功能定义与核心任务感知模块是智能驾驶系统的“感官”，负责通过传感器实时捕捉车辆周围环境信息，包括道路结构、障碍物、交通标...

智能辅助驾驶模型的训练是一个融合多学科技术的系统工程，涉及数据采集、算法设计、仿真测试与持续优化等多个环节。一、数据闭环：模型训练的基石1.多模态数据采集传感器组合：车辆搭载激光雷达（厘米级点云建模）、摄像头（纹理识别）、毫米波雷达（恶劣天气感知）等，每秒处理超150万条数据，延迟控制在200ms内；时空对齐：所有传感器数据需统一时间戳（GPSIMU同步），并映射到全局坐标系，避免时空错位。2.数据标注与增强标...

基于多模态大模型为智驾场景模型训练生成视觉数据，是当前自动驾驶领域一个非常前沿且富有潜力的方向。它能够以极低的成本、极高的效率创造海量、多样化的长尾场景数据，突破真实数据收集的瓶颈。传统的智驾数据依赖于昂贵的传感器和车队路采，而多模态大模型的方法核心在于：利用大模型对世界知识的理解和强大的生成能力，将文本或简单草图等“抽象描述”转化为高度逼真和结构化的“视觉数据”。常用的做法是使用3d建模软件虚...

可信人工智能指的是人工智能系统的设计、开发、部署和使用的整个生命周期都符合伦理、法律和技术标准，从而能够赢得用户、消费者、监管机构和社会公众信任的一系列方法和实践。简单来说，它回答了一个关键问题：“我们为什么要相信这个AI系统？”可信AI的目标是确保AI不仅是强大的、高效的，更是负责任、可靠且有益于人类的。可信AI并非一个遥远的概念，它正在全球各个行业的具体场景中加速落地。除了生活娱乐之外，这些落地场...

智能辅助驾驶模型的训练是一个融合多学科技术的系统工程，涉及数据采集、算法设计、仿真测试与持续优化等多个环节。一、数据闭环：模型训练的基石1.多模态数据采集传感器组合：车辆搭载激光雷达（厘米级点云建模）、摄像头（纹理识别）、毫米波雷达（恶劣天气感知）等，每秒处理超150万条数据，延迟控制在200ms内。时空对齐：所有传感器数据需统一时间戳（GPSIMU同步），并映射到全局坐标系，避免时空错位。2.数据标注与增强标...

早期AI发展主要关注“能不能做”（能力），例如：“算法准确率能否更高？”“模型能否处理更大数据？”。但随着AI深度融入社会，人们发现仅仅有能力是不够的，还必须关注“应不应该做”（责任）。不可信的AI会带来巨大风险：偏见与歧视：招聘AI可能歧视女性，司法评估AI可能对特定种族更苛刻。黑箱决策：AI拒绝你的贷款申请，却无法给出令人信服的理由。安全漏洞：自动驾驶汽车因一个不起眼的贴纸（对抗性攻击）而误判，引发事...

Python是大模型应用开发的首选语言，这得益于其丰富的生态系统和强大的社区支持。要开发一个成熟的大模型应用，你需要掌握一系列核心技术，这些技术可以大致分为以下几个层面：1.核心基础：Python编程与软件工程这是所有开发的基础，对大模型应用同样重要。Python高级特性：熟练使用异步编程（​​asyncio​​）、装饰器、上下文管理器等，以构建高性能、可维护的应用。面向对象编程（OOP）：设计良好的代码结构，便于模块化和...

一、可信AI为什么重要当前，可信人工智能（TrustworthyAI）的重要性远超技术本身，它直接关系到人工智能能否安全、健康、可持续地融入人类社会，并真正为人类造福。其重要性可以从以下几个核心维度来深入理解：1.建立社会信任：AI被广泛接受的基石核心问题：如果公众不信任AI，他们就会抵制它，无论其技术多么先进。不信任会扼杀创新和市场应用。为什么重要：a.用户接纳度：人们不会愿意使用一个他们认为是“黑箱”、有偏见或不...

知识图谱可视化工具是一类专门用于将知识图谱中的数据（实体、关系、属性）以图形化的、直观易懂的方式呈现出来的软件或平台。您可以把它想象成知识图谱的“地图绘制器”和“交互式浏览器”。它把枯燥的结构化数据变成了一张充满节点和连线的网状图，让人们能够一眼看清数据之间的关系和整体结构。知识图谱本身是由“三元组”（头实体关系尾实体）构成的大规模语义网络，存储在数据库里（如Neo4j,NebulaGraph等）。直接查询数据...

寒武纪股价封死20%涨停，市值冲破5200亿；中芯国际单日暴涨14%，创十个月最佳纪录；半导体板块指数飙升7.31%，这一切，始于8月21日DeepSeek官微上那行短短的文字：“UE8M0FP8是为即将发布的下一代国产芯片设计”。资本市场用真金白银为国产AI芯片的未来投票，这场狂欢的核心，正是DeepSeekV3.1模型与国产芯片的深度绑定。它用一次技术升级，撕开了国产算力长期被“卡脖子”的裂缝。DeepSeekV3.1最颠覆性的动作，是抛弃国际通用...

大模型训练框架大模型训练框架通常涵盖以下关键内容：自动微分与计算图优化支持梯度自动计算和高效的反向传播，优化计算图结构以提高训练效率。分布式训练策略提供数据并行、模型并行、流水线并行及混合并行等多种方式，允许在多GPU或多机环境下协同训练大模型。内存与计算优化通过混合精度训练、梯度累积、零冗余优化等技术，降低内存消耗并加速训练过程。高效数据加载与预处理包含高性能的数据管道，支持大规模数据集的实时预...

当前，RAG已经成为业内公认的大模型知识库关键技术路线最佳落地范式之一。RAG为生成式大模型与外部信息交互提供了良好的解决方案。RAG通常包括两个阶段：检索上下文相关信息和使用检索到的知识指导生成过程，其基本流程可以分为知识文本准备、文本切分转换、向量数据存储、问题理解及检索、生成问题解答，如下图所示：RAG概念最早由Facebook提出，但受限于当时语言模型的能力，并未引发更多的关注。在大模型性能取得巨大进展的...

我们已经了解了知识图谱的基本概念，以及现在知识图谱发展状况，与前沿AI结合方向。现在就差真正实践构建知识图谱这临门一脚，基本上就会对知识图谱这一产品有更加清晰的认识。那么工欲善其事必先利其器，就像我们对编程语言的掌握程度，更高级的用法和熟练度能更进一步提高我们做出项目产品的质量，在本篇文章将从开发环境部署写到初级知识图谱搭建实践，完成从无到有的知识图谱构建过程。知识图谱有自顶向下和自底向上两种构...

目前，随着智能信息服务应用的不断发展，知识图谱已被广泛应用于智能搜索、智能问答、个性化推荐、情报分析、反欺诈等领域，它在技术领域的热度也在逐年上升。从一开始的Google搜索，到现在的聊天机器人、大数据风控、证券投资、智能医疗、自适应教育、推荐系统，无一不跟知识图谱相关。通过知识图谱能够将Web上的信息、数据以及链接关系聚集为知识，使信息资源更易于计算、理解以及评价，并且形成一套Web语义知识库。知识图谱...

自动驾驶AI训练场景智能驾驶正在重塑交通格局，为人们带来更舒适高效的驾驶体验。当下，智能驾驶融合了先进的传感技术、大数据和人工智能算法，为了确保车辆能够在各种复杂环境中安全、高效地运行，智能驾驶AI训练涉及大量的数据处理、算法开发和模型训练。自动驾驶技术的发展离不开海量且高质量的数据集，而数据集的质量和一致性管理则是推进这一领域发展的关键。dgp（DatasetGovernancePolicy）项目正是为此而生，它为ToyotaR...

HDmap真值反投是指在自动驾驶开发过程中，利用高精地图（HDmap）作为参考，将传感器采集到的真实数据（如摄像头图像、激光雷达点云等）与地图中的精确信息进行对比和校准，从而生成用于算法训练和验证的“真值”数据。这一过程通常在自动驾驶仿真和测试阶段使用，目的是通过高精地图提供的精确环境信息，来验证和优化自动驾驶系统的感知、定位和决策模块。核心概念解析HDMap（高精地图）包含车道线、交通标志、路缘石等厘米级精...

在评估AI知识库（尤其是RAG类型）时，确实面临一些挑战，因为其输出的正确性和相关性难以像数据抽取或Text2SQL系统那样直接通过标准答案来衡量。以下是一些推荐的评估指标和方法，可以帮助你更全面地评估RAG系统的性能：1.检索质量评估召回率k（Recallk）：衡量检索到的相关文档占所有相关文档的比例。精确率k（Precisionk）：衡量检索到的前k个文档中相关文档的比例。平均倒数排名（MRR）：衡量第一个正确答案的倒数排名的平均...

所谓“端到端”，其实是来自深度学习中的概念，英文为“End—to—End（E2E）”，指通过一个AI模型，只要输入原始数据就可以输出最终结果。应用到自动驾驶领域，意味着只需要一个模型，就能把摄像头、毫米波雷达、激光雷达等传感器收集到的感知信息，转换成车辆方向盘的转动角度、加速踏板的踩踏深度以及制动的力度等具体操作指令，让汽车实现自动驾驶。“端到端自动驾驶”（EndtoEndAutonomousDriving）是指直接从原始传感器输...