AI.x社区

最近，国内大模型界可谓是“风起云涌”，kimik1.5和DeepSeekV3这两位“大侠”横空出世，一路“杀疯了”，不断向OpenAI和其他海外大模型的霸主地位发起挑战。这不禁让人想起了那句网络梗：“一山更比一山高，一模更比一模强！”今天，咱们就来好好对比一下这两位国内大模型界的“当红炸子鸡”，看看它们到底有何不同，顺便再和海外顶尖的OpenAIo1对比一下，看看咱们离国际顶尖水平还有多远。接下来，咱们就来详细对比一下这三位...

1.引言语言模型的发展使得用户期望能通过自然语言对数据进行查询，从而引发了Text2SQL和RAG等方法的大量研究。但在实际应用中，用户的问题往往超出这些方法的能力范围。例如，企业用户的问题常涉及领域知识、世界知识、精确计算和语义推理的复杂组合。数据库虽能提供领域知识和大规模精确计算能力，但在语义推理方面较弱；而语言模型虽擅长语义推理和利用世界知识，却在精确计算和大规模数据处理效率上存在不足。像Text2SQL方法...

一、算法介绍随机森林属于集成学习（EnsembleLearning）中的一种，它是通过构建多个决策树，并综合这些决策树的预测结果来进行最终的预测。就好比一群经验丰富的专家（各个决策树）共同商讨一件事，然后汇总大家的意见（预测结果）得出最终结论，往往这样综合考量后的结果会更加准确可靠。随机森林可以用于解决分类问题，比如判断一封邮件是垃圾邮件还是正常邮件；也能处理回归问题，例如预测某地区的房价走势等。它具有以下优...

1.Kimik1.5:ScalingReinforcementLearningwithLLMs语言模型预训练时，通过预测下一个词来提升计算量的方法效果不错，可训练数据量却限制了它的进一步发展。强化学习（RL）的拓展则为人工智能持续进步提供了新途径，让大语言模型（LLMs）有机会通过学习探索扩充训练数据。不过，之前相关研究成果都不太理想，没有特别突出的。基于这样的情况，我们来分享Kimik1.5的训练过程。这是我们新研发的多模态LLM，使用RL训练。我们会讲讲R...

1、五大AIAgent多智能体开发框架在AI大模型新时代，AIAgent多智能体系统（MultiAgent）技术正日益受到众多科技巨头的瞩目。伴随着OpenAI的Swarm、微软的MagenticOne等框架的推出，这一领域的发展变得更为错综复杂。面对众多的选项，选择一个最匹配自身需求的MultiAgent框架成为了众多开发者与企业需要解决的关键问题。本期我们将深入分析市场上最受欢迎的五款AIAgent多智能体框架，包括微软的AutoGen、CrewAI、LangChain的LangG...

在实际项目实施过程中，RAG（检索增强生成）系统的关键在于其检索阶段，这一环节直接关系到生成效果的质量。RAG系统的运作流程主要涉及数据摄取和数据查询两个步骤，而检索环节的重要性不言而喻。本文分享了一个案例，讲述了团队如何运用两大关键策略，将RAG系统的检索准确率从50%显著提升至95%。1、RAG检索召回率RAG系统的检索召回率（Recall）是评估检索系统在用户查询时能否有效检索出所有相关文档的标准。在RAG系统中，这一...

最近Distillation这个词见的非常多。前两天大火的DeepSeek团队发布的DeepSeekR1，其670B参数的大模型通过强化学习与蒸馏技术，成功将能力迁移至7B参数的轻量模型中。蒸馏后的模型超越同规模传统模型，甚至接近OpenAI的顶尖小模型OpenAIo1mini。在人工智能领域，大型语言模型（如GPT4、DeepSeekR1）凭借数千亿级参数，展现出卓越的推理与生成能力。然而，其庞大的计算需求与高昂的部署成本，严重限制了其在移动设备、边缘计算等...

截至2025年1月，ChatGPT仍然可能会一本正经地提供不准确或虚构的信息。例如，如果你向ChatGPT询问“林黛玉倒拔垂杨柳”和“林黛玉三打白骨精”，他会编造看似合理但实际上并不存在的解释，将《红楼梦》中的林黛玉与《水浒传》中的“倒拔垂杨柳”以及《西游记》中的“三打白骨精”错误地关联在一起。这种现象被称为“幻觉（Hallucination）”，即AI生成的内容虽然听起来可信，但实际上并不符合事实或现实。ChatGPT讲述林黛玉倒拔...

“神经网络模型并不是通用模型，不同的问题需要设计不同的神经网络模型，千万不要想着一个模型打天下”神经网络作为当前人工智能领域最炙手可热的技术，其技术原理也相对比较复杂；而在学习神经网络的过程中也面临着很多问题和感受，因此这里就简单记录一下。关于神经网络从本质上来说，所谓的神经网络就是一个模拟人类大脑的数学模型；而为了解决不同的问题，技术专家们也设计了多种不同的神经网络模型，比如RNN，CNN以及Trans...

各位小伙伴，最近OpenAI发布了Operator的研究预览版，这是一个可以使用自己的浏览器为你执行任务的AI代理，引起了广泛关注。今天，我们来听听AI大神AndrejKarpathy对此的看法。他不仅深度参与了OpenAI的早期项目，还对AI的发展有着深刻的见解。文章要点总结：•Operator的类比：Karpathy将OpenAI的Operator比作数字世界的人形机器人，两者都是通用的系统，能够通过接口（键盘鼠标或人体）执行各种任务。•混合自主的未来：这类A...

整理言征出品51CTO技术栈（微信号：blog51cto）大型语言模型的竞争似乎正在结束，只有少数几个明显的赢家。其中，DeepSeekV3已成为2024年的焦点，引领中国开源模型的发展。据HuggingFace称，DeepSeekV3与GPT4和Claude3.5等闭源巨头正面交锋，上个月的下载量为45,499次，与Meta的Llama3.1（491,629次下载）和谷歌的Gemma2（377,651次下载）并驾齐驱。但并非今年推出的所有LLM都能乘风破浪——有些失败了，尽管前景光明，但未能引...

编辑言征出品51CTO技术栈（微信号：blog51cto）1月23日，在冬季达沃斯论坛的“辩论技术”环节，Meta公司副总裁兼首席人工智能科学家YannLecun、麻省理工学院媒体实验室主任DavaNewman、Axios首席技术记者InaTurpenFried（主持人）就未来十年前沿科技进行了时长47分钟的“全民”大讨论，话题涵盖了LLM、智能体、消费机器人、脑机接口、跨物种、太空探索，也讨论了非常让Meta敏感的“技术作恶”、审查监管、开闭源之争。观众们更...

虽然大模型取得突破性进展，但其在多语言场景下仍具有局限性，存在很大的改善空间。那么，大模型多语言能力到底什么水平？其发展又存在什么样的挑战？来自北京交通大学、加拿大蒙特利尔大学、加拿大滑铁卢大学和清华大学的研究团队发表了题为”ASurveyonLargeLanguageModelswithMultilingualism:RecentAdvancesandNewFrontiers”（大模型的多语言能力综述）的论文，全面回顾了大模型在多语言能力上的最新进展与未来发展方向。论...

编者按：人工智能真的已经遇到发展瓶颈了吗？随着OpenAI、Google和Anthropic等顶级AI公司纷纷表示新模型开发收益在减少，这个问题引发了整个行业的深度思考。我们今天为大家带来的这篇文章，作者的核心观点是：虽然传统的模型规模扩展策略正在遭遇瓶颈，但这可能正是AI发展模式转型的重要契机。文章从多个维度深入剖析了当前AI发展面临的挑战：首先，训练数据的增长已接近极限，因为“我们只有一个互联网”；其次，简单地增加模...

编者按：在大语言模型时代，你是否也在为评估方法感到困惑？当开发周期越来越快，传统的评估思维却步履维艰——新版本刚上线，评估指标就失效了；想要建立长期基准测试，却总是事与愿违；人工评估成本高昂，全自动评估又难尽人意...我们今天为大家带来的这篇文章，作者认为在LLM时代，我们需要对评估体系进行根本性的范式转变，而不是简单地沿用传统机器学习的评估方法。文章从作者在Quora、Waymo等公司的一线实践经验出发，提...

01、概述在当今竞争激烈的商业环境中，人工智能（AI）已经从一种奢侈品转变为必需品。无论是企业希望提升运营效率，还是开发者想要打造前沿产品，深入理解AI技术栈都显得至关重要。它不仅能帮助我们构建革命性的智能应用，还能在激烈的市场竞争中脱颖而出。今天，就让我们深入探索AI技术栈的奥秘，一窥究竟。02、AI技术栈的分层架构AI技术栈是一个由多个相互依赖的层级组成的结构框架，每一层都承担着确保系统高效运行的关键功...

01、概述在现代数据库类型中，尽管关系型数据库（RelationalDB）、NoSQL数据库和图数据库（GraphDB）各有千秋，但在RAG（RetrievalAugmentedGeneration）系统中，VectorDB却成为首选。它不仅支持水平扩展，还能结合CRUD操作（Create,Read,Update,Delete）提供元数据过滤功能，大幅提升数据检索效率和智能性。本文将带你全面解析VectorDB，从基础概念、工作原理到查询加速的核心算法，帮助你更好地理解其强大功能及在RAG管道中的...

01、概述近年来，大型语言模型（LLMs）在自然语言处理领域取得了令人瞩目的进展。它们在文本理解、生成和逻辑推理等任务中表现卓越。然而，面对复杂推理任务时，这些模型仍然存在诸多挑战。例如，依赖大规模监督微调的方式虽然提升了模型性能，但限制了其可扩展性和通用性。此外，如何平衡推理的复杂性、计算效率和结果可读性，依然是研究者们需要攻克的难题。在这一背景下，DeepSeekAI团队带来了令人耳目一新的解决方案——Dee...

如今，内容审核已经成为各类数字平台的重要组成部分，堪称用户信任与安全保障的前提。尽管人工审核能够处理部分任务，但随着平台规模的扩展，AI驱动的实时审核变得愈发重要。机器学习（ML）驱动的系统能够成规模且高效开展内容审核，同时将再训练与运营成本降低至最低。本份指南将为你概述部署AI驱动型实时审核系统的方法。实时审核系统的核心属性实时内容审核系统负责评估用户提交的内容（文本、图像、视频或其他格式的数据）...

出品51CTO技术栈（微信号：blog51cto）前天，OpenAI最大的产品经理，首席产品官Weil刚剧透智能体Q1就发出。一转头，今天就把Operator推出来了？？？意料之外的速度快啊！不过，Weil在《华尔街日报》接受的这场采访仍然值得一看。记者的问题相当全面，基本把ChatGPT2025年的路线图“逼问”出来了——包括新模型和智能体计划——同时预测了计算能力、智能和监管的未来。当然，Weil还讨论了时下最热的星际之门计划——为什么OpenAI...

KwaiCoder23BA4v1是快手Kwaipilot团队最新开源的自研代码续写大模型，模型的训练依托于Kwaipilot团队提出的一种高效的模型训练方案。通过结合模型剪枝、知识蒸馏、细粒度合并等技术，相比传统方法以130的成本完成了23B宽MoE架构代码续写模型的训练，并在多个代码领域评测集上实现了新的SOTA。开源地址：​​https:huggingface.coKwaipilotKwaiCoder23BA4Bv1​​我们的路径：高质量数据：我们强调筛选和整理高质量代码、文本与合...

“神经网络本质上只是一种技术工具，在实际应用中需要根据不同的任务类型设计不同的神经网络模型”在学习神经网络的过程中，我们了解到神经网络是一种技术手段；但如果要使用神经网络解决具体问题，还需要把神经网络技术与具体的问题相结合；因此就诞生了神经网络的两大主要任务类型，自然语言处理——NLP和计算机视觉——CV。但一直说自然语言处理，那么自然语言处理到底能做哪些事情，它解决了哪些问题？这个就是我们今天要讨...

“神经网络是神经网络，具体任务是具体任务，不能混为一谈”学习了一段时间神经网络技术之后发现对很多东西理解还不够深刻，所以今天就来梳理一下神经网络的技术栈，深入了解一下不同的工具在神经网络中所处的位置，以及其扮演的角色。先说一句废话，神经网络仅仅只是神经网络，它不涉及具体的任务，只是一个神经网络模型；神经网络要解决实际问题就需要和不同的任务领域相结合。神经网络技术栈要了解或者说要学习神经网络，首...

论文链接：https:arxiv.orgpdf2501.12375git链接：https:videodepthanything.github.io亮点直击开发了一种新方法，将“DepthAnything”转换为“视频DepthAnything”，用于任意长度视频的深度估计。提出了一种简单而有效的损失函数，该函数在不引入几何或生成先验的情况下，强制执行时间一致性约束。该模型不仅在视频深度估计中（空间和时间上）获得了新的SOTA（最先进技术），而且在计算效率上也是最高的。总结速览解决的问题De...

编辑言征出品51CTO技术栈（微信号：blog51cto）10个月过去，世界“首位AI程序员”究竟如何了？近日，Answer.AI团队中经常试验AI开发工具的测试团队秉着“百闻不如一见”的精神，与最受Twitter追捧的编程神器共事了一个月，结果非常惨烈。“作为Answer.AI团队中经常试验AI开发工具的一员，Devin给人的感觉有些不同。如果它能实现承诺的一半，它就能改变我们的工作方式。但尽管Twitter上充满了热情，我们却找不到太多关于人们实际...

编辑伊风出品51CTO技术栈（微信号：blog51cto）起猛了！ChatGPT有行动能力了！OpenAI的首款智能体深夜上线，觉醒L3能力。在直播中，他们这样解读这件大事的意义：智能体可以在数字世界中移动和行动，消除了通往AGI（人工通用智能）道路上的一个瓶颈！说回Operator：AI不只能和你交流，还能帮你在线打酱油了。奥特曼是这样介绍的：“就像您使用web浏览器一样，你可以获取像素，你可以看着屏幕，Operator可以做到这一点，然后控制...

以开源技术挑战领先AI供应商而闻名的中国AI初创公司DeepSeek又投下了一颗重磅炸弹：一款名为DeepSeekR1的新型开源推理大语言模型（LLM）。除了在基准测试中性能几乎与OpenAI的o1相匹配外，新的DeepSeekR1成本也非常低。具体来说，OpenAIo1每百万输入令牌成本为15美元，每百万输出令牌成本为60美元，而基于R1模型的DeepSeekReasoner每百万输入令牌成本为0.55美元，每百万输出令牌成本为2.19美元。开源DeepSeekR1采用纯强化学习达...

1.Cline简介Cline是一款结合了AI助手与VSCode的智能工具，旨在通过其深度集成的能力协助开发者完成复杂的软件开发任务。从创建与编辑文件到执行终端命令，Cline借助Claude3.5Sonnet的代理编程能力，将开发者从繁琐的手动任务中解放出来。同时，它通过ModelContextProtocol(MCP)支持扩展能力，可以为用户创建新的工具，进一步提升开发效率。Cline还注重安全性，提供“人类审核”的交互模式，确保每一次更改和命令都获得用户批准...

Dropout现在这个操作在目前这个深度学习时代中是非常常见的一个操作。对于Dropout的好处我们也听过很多，降低过拟合，提高模型的鲁棒性，控制模型复杂度等blabla。。但我比较好奇的是，Dropout是怎么实现以上好处，经过一番了解，简单描述下。Dropout实际上我们可以先理解成给予Network结构中的一种噪音，但是我们这个噪音不是随便给，是有一定数学理论支撑，我们是选择无偏差地往网络结构中加入噪音。通常来说，训练的时候才需...

本篇文章来自Anthropic，我用大模型给翻译了一下，以下是全文。过去一年里，我们与数十个团队合作，跨行业构建大型语言模型（LLM）智能体。通常，最成功的实施案例并不是使用复杂的框架或专门的库。相反，它们是用简单、可组合的模式来构建的。在这篇文章中，我们分享了从与客户合作及自行构建智能体中学到的经验，并为开发者提供了构建高效智能体的实用建议。什么是智能体？“Agent”可以通过多种方式定义。一些客户将智能体定...

AI的第二波浪潮：推理与优化预训练模型在AI应用的首波浪潮中，早期的探索者专注于开发与训练基础模型，为变革性的AI能力奠定了基石。然而，2025年的焦点将发生转移。我们正步入AI应用的第二波浪潮，推理与微调预训练模型将成为核心所在。企业将愈发倾向于将现有模型作为可定制的工具加以利用，而非投入大量时间与资源从零开始构建新模型。这一趋势源自企业加速AIROI的务实考量。预训练模型本质上属于可定制的模板，能够使企业以...

在当今数字化的时代，图像处理技术已经成为了各行各业不可或缺的一部分。无论是自动驾驶、医疗影像分析，还是社交媒体的图像美化，图像处理都发挥着重要的作用。而Python作为一种简单易学的编程语言，结合OpenCV这一强大的计算机视觉库，能够让我们轻松实现各种图像处理任务。今天，我将带你从基础到高级，深入探讨Python与OpenCV的图像处理技术，帮助你掌握这一领域的核心技能。一、OpenCV简介OpenCV（OpenSourceComputerVisio...

序幕随着对大型语言模型（LLMs）的兴趣激增，许多开发人员和组织正忙于构建应用程序，以利用他们的力量。但是，当预训练LLMs的开箱即用没有按预期或希望执行时，关于如何提高LLM应用程序性能的问题就来了。最终，我们到了问自己的地步：我们应该使用检索增强生成（RAG）还是模型微调来改善结果？在深入研究之前，让我们揭开这两种方法的神秘面纱：RAG：这种方法将检索（或搜索）的能力集成到文本生成中LLM。它结合了一个检索器...

本文旨在探讨基于Gemini2.0和LangGraph构建一个自主型多工具AI代理的关键过程，并提供示例程序的完整代码。简介当今，LLM应用非常出色——它们可以记住大量信息、回答一般知识问题、编写代码、生成故事，甚至还可以纠正语法错误，等等。然而，它们并非没有局限性。它们会产生幻觉，知识断点可能从几个月到几年不等，并且仅限于生成文本，无法与现实世界互动。显然，这限制了它们在需要实时数据、来源引用或文本生成以外功能的任...

“自然语言处理是一门让机器理解人类语言的技术，是人和机器交流的桥梁”自然语言处理（NaturalLanguageProcessing,NLP）是人工智能（AI）的一个分支，旨在让计算机能够理解、生成和处理人类的自然语言（如中文、英文）。NLP的目标是让计算机能够像人类一样理解和使用语言，从而实现人机自然交互、自动化信息处理等功能。自然语言处理自然语言处理的技术实现原理NLP技术主要依赖于语言学知识、统计方法和深度学习技术，逐渐从基...

在人工智能技术的飞速发展中，FastGPT以其卓越的自然语言处理能力和广泛的应用场景，正逐步成为大模型应用的新标杆。本文将带您走进FastGPT的世界，了解其技术特点、应用场景以及对未来AI技术发展的影响。一、FastGPT技术概览FastGPT是一种基于LLM（大型语言模型）的知识库问答系统，它利用先进的自然语言处理技术，通过学习和训练，能够模拟人类的语言表达方式，生成流畅自然的文本内容。FastGPT不仅具备强大的文本生成能力，...

编辑云昭、伊风观点《AIGC实战派》特约嘉宾2024，大模型开始走出“不落地”的樊笼，接受“市场老大哥”的捶打与教育。跟2023年不同的是，云厂商、大模型厂商、算力厂商、大模型六小龙、新一代的AI应用创客，独立开发者，一时间群雄并起，都在为新的增长机会放手一搏，蔚为壮观。一个有意思的现象是，虽然2024年大模型的进化依旧是主旋律，但是尤其进入下半年以来，大家讨论“射程”的话题越来越多。谁能更早摘得低垂的果实？如...

01、概述随着人工智能领域的快速发展，推理能力已经成为了衡量大规模语言模型（LLMs）性能的一个重要指标。为了推动推理能力的极限，我们迎来了DeepSeekR1系列模型的诞生。这个系列包括了两个重要版本：DeepSeekR1Zero和DeepSeekR1，它们分别在强化学习（RL）和传统的监督微调（SFT）方法中找到了新的平衡，展示了前所未有的推理能力。DeepSeekR1Zero突破了传统的训练方式，直接通过大规模的强化学习进行训练，而没有依赖预先的...

01、概述在快速发展的人工智能领域中，生成式AI（GenerativeAI）与智能代理AI（AgenticAI）是两种备受瞩目的技术。它们不仅在功能上各自独立，还在应用场景和行业需求上展现出不同的优势。随着2025年的到来，企业和开发者对AI的需求逐渐从“创造”转向“决策”和“执行”，这就让我们不得不思考：在面对生成内容与自动决策时，我们应如何选择适合的AI框架？02、什么是生成式AI与智能代理AI？在深入探讨之前，我们需要明确这两种...

01、概述随着OpenAI的GPT和Meta的LLaMA等大规模语言模型（LLMs）不断突破技术瓶颈，我们已经见证了自然语言处理领域的巨大进步。然而，伴随着这些技术进步的，是对计算资源和存储空间的巨大需求。这使得许多资源有限的组织在部署和优化这些庞大模型时面临不小的挑战——如何在内存效率、推理速度和可访问性之间找到平衡，成了摆在研究人员和开发者面前的一道难题。在这种背景下，GoodFireAI提供了一种切实可行的解决方案——开...

编辑伊风出品51CTO技术栈（微信号：blog51cto）中国大厂开始发力AGI了！据媒体报道，字节跳动AGI研究团队浮出水面，揭开了字节AGI的秘密布局！报道称：1月下旬，字节正式设立代号为“SeedEdge”的研究项目，核心目标是做比预训练和大模型迭代更长期、更基础的AGI前沿研究。好家伙，感觉中国的几家大厂，字节是最先明牌要搞AGI的，有钱有资源的“宇宙厂”这下又走在最前列了。接近字节的知情人士透露，SeedEdge的目标是探索AGI的...

Hi，这里是Aitrainee，欢迎阅读本期新文章。DeepseekR1正式发布。不是之前的Light版本，而是完整的R1。性能与o1相当，还采用MIT开源协议，可以商用。现在能在Deepseekchat平台用，也提供API。模型分两个版本：主力R1，和面向研究的R1Zero。R1Zero没有监督微调，直接RL，是一个未经过对话偏好对齐监督微调的版本，专门为研究人员或希望自行微调模型的人提供。正式发布的R1还是用了SFT阶段。R1是671B参数的大模型，激活参数只有37...

文章链接：https:arxiv.orgpdf2501.08994项目链接：https:vchitect.github.ioRepVidWebpage亮点直击研究了视频扩散模型中的transformer表示，揭示了各层注意力图的显著变化导致了空间语义的碎片化和时间一致性的降低，这对视频质量产生了负面影响。提出了RepVideo，一个利用特征缓存模块和门控机制来聚合和稳定中间表示的框架，增强了空间细节和时间一致性。大量实验表明,RepVideo在时间一致性和空间质量方面都取得了竞争力的表...

GeminiAI，谷歌最新推出的多模态AI模型，凭借其强大的语言理解能力和多模态处理能力，正在彻底改变我们与音频和视频内容的互动方式。它不仅能识别和理解音频和视频中的信息，还能进行更深层的解析，提取关键信息，生成摘要，甚至进行内容创作。本文将深入探讨GeminiAI在音频和视频解析方面的强大功能，并展示其在不同场景下的应用案例。超越文字识别：理解音频和视频内容传统语音识别技术只能将语音转化为文字，而GeminiAI则更...

📜摘要检索增强生成（RAG）在开放域问答任务中表现出色。然而，传统搜索引擎可能会检索浅层内容，限制了大型语言模型（LLM）处理复杂、多层次信息的能力。为了解决这个问题，我们引入了WebWalkerQA，一个旨在评估LLM执行网页遍历能力的基准。它评估LLM系统性地遍历网站子页面以获取对应信息的能力。同时我们提出了WebWalker，一个通过explorercritic范式模拟人类网页导航的multiagent框架。广泛的实验结果表明，WebWalkerQA具有...

在人工智能的浩瀚星空中，多模态大模型正成为最为璀璨的星座之一，引领着技术发展的新潮流。商汤科技于2025年1月重磅推出的“日日新”融合大模型（SenseNova），宛如一颗耀眼的超新星，以其原生融合模态的卓越特性，在多模态信息处理领域掀起了巨大波澜。本文将深入剖析SenseNova的方方面面，从项目架构到技术内核，从功能应用到实践操作，为读者全方位呈现这一前沿技术的魅力与价值，助力大家紧跟人工智能发展的时代步伐。一、...

你有没有想过，是什么让AI模型变得如此强大？为什么有些AI能够写诗作画，有些却只能做简单的问答？这其中，ScalingLaw（规模法则）扮演着至关重要的角色，它就像AI模型的核心，揭示了模型性能提升的奥秘。ScalingLaw是什么？简单来说，ScalingLaw指的是当我们增加模型的规模（例如模型包含的参数越多，模型就越大）、训练数据量和计算资源时，模型的性能就会随之提升。（感觉这是符合直觉的，但ScalingLaw最核心的在于量化给出...

嘿，大家好！这里是一个专注于AI智能体的频道今天给家人们聊一期播客总结，四十二章经最新一期播客请到了在Meta工作了七年的应用强化学习组负责人朱哲清Bill。作为斯坦福大学强化学习专业博士，现在创业做Agent的他，抛出了一个巨大的反共识观点："LLM只是一个翻译官，真正的Agent核心应该是RL。"等等，这是什么意思？在2024年，我们见证了GPT4掀起的Agent热潮。Claude、GPTs、Copilot...几乎所有大公司都在用LLM构建Agent。但B...

AI正在深刻改变各行业，大语言模型（LLMs）更是其中的核心驱动力。例如，DeepSeekR1作为第一代推理模型，在数学、代码和推理任务上表现优异，与OpenAI的o1模型不相上下。将此类模型部署到本地，可为AI应用带来更强隐私保护、定制化和可控性。今天指导大家如何使用Ollama——一款AI模型管理和运行工具——在本地计算机上部署并运行DeepSeekR1。同时，推荐免费下载Apidog（https:apidog.com），能简化API设计与测试流程，是开发者...

1.快速总览研究人员提出了一种新颖的位置编码方法，称为上下文位置编码（下文称之为CoPE），它有别于基于标记的传统位置编码范式。它以上下文依赖的方式测量位置，在按位置寻址时会更加自由它在如下的任务中获得不错的收益：FlipFlop,SelectiveCopy,Counting,LanguageModeling,andCodeModelingtasks它优于现有方法，尤其是在域外泛化场景它有可能改善其他领域的编码，例如视频和语音。在这些领域，基于Token位置的编码不太合适...