AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
用好云服务，托起GenAI：从数据准备到部署的全流程梳理
原创事实证明，云已经成为大规模AI部署的主要阵地，其提供的快速原型设计、弹性计算及存储等AI原生API，正是攻克扩展问题的利器。本文将助你快速梳理如何在云端构建并扩展生成式AI应用程序。云在生成式AI中的重要作用云在当代生成式AI应用中的核心作用，在于其能够容纳AI模型所需要的巨大处理能力、数据存储与分布式流程需求。相比之下，传统部署往往无法在灵活性和性能等方面，适应不断变化的业务挑战。以AzureAI为例，其提供现...云服务GenAI生成式AI多模态故障诊断！基于1D-GRU+2D-MTF-ResNet-CBAM的分类模型
1.模型简介与创新点介绍1.1模型简介将时频图像和一维时序信号相结合，并使用CBAM注意力机制优化的ResNet和GRU多模态特征融合模型，来进行故障信号分类，能够有效地结合时频图像空间特征和一维信号时间序列特征，能够充分利用多模态特征的优势。1.2创新点介绍创新一：多模态融合本模型将时频图像和一维时序信号进行多模态融合，充分利用这两类数据的互补性。时频图像通过马尔可夫转移场MTF，将信号的频率和时间特征可视化。而一...多模态CBAMGRUDeepSeek-R1的风吹到了多模态，Visual-RFT发布，视觉任务性能飙升20%
尽管DeepSeekR1风格的模型在语言模型中已经取得了成功，但其在多模态领域的应用仍然有待深入探索。上交大等提出并开源VisualRFT，将RFT扩展到视觉任务，通过设计针对不同视觉任务的可验证奖励函数，提升LVLMs在视觉感知和推理任务中的性能。视觉强化微调（VisualRFT）的概述。与（a）数据驱动的视觉指令微调相比，（b）视觉强化微调（VisualRFT）在有限数据下更具数据效率。（c）成功地将RFT应用于一系列多模态任务，并在底部展...DeepSeekVisual视觉任务大模型系列：一文带你梳理Large Language Model发展历程
在这个系列文章中，我会用通俗的语言，为大家介绍学习大模型的核心知识点。读完这个系列的文章，你会深入理解语言大模型、多模态大模型的核心技术点，包括模型结构、训练方式、数据处理、多模态融合等。大模型的前身是语言模型，圆圆是很早就开始在工业界研究和应用语言模型的一批人，因此对整个深度学习时代语言模型的发展历程都有见证。当时还没有Transformer、BERT，只有LSTM、Attention这种结构。工业界效果最好、应用最稳...DeepSeek模型语言单GPU最强模型来了！谷歌Gemma 3发布，或重新定义AI竞赛规则
3月12日，谷歌Gemma3系列开源模型发布，号称“单GPU最强AI模型”。最大参数的27B模型仅需一张H100显卡即可运行！核心特点：单GPU最强战力：仅需一张H100显卡，27B参数模型即可流畅推理，效率吊打DeepSeekV3（671B）、Llama405B等大模型，LMArena得分仅次于DeepSeekR1。多模态+128K长文本：支持图像、文本、短视频分析，上下文窗口扩至128Ktoken，处理复杂任务更轻松。开源轻量化：提供1B27B四档模型，手机、PC均能部署，1B量化...算家云算力租赁Gemma 3GoogleDeepSeekAI 大模型：从产业阵痛到轻量高效的未来之路
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...AIGC云算力算力AI大模型Deepseek耗时一年半！谷歌新定义具身通用最强SOTA，轰动硅谷！物理世界的原生推理能力、灵活性让人惊掉下巴！
原创
社区头条出品51CTO技术栈（微信号：blog51cto）想知道世界SOTA级别的模型用在物理世界中有多震撼吗？GoogleDeepMind做了一件破天荒的事情。大模型自爆火以来，已经过去两年多，但在物理世界中真正能转化为机器人行为，还是一个世界级难题。如何让机器人理解物理世界，并能与之安全、高效地交互也是各大科技巨头一直在研究的两大前沿命题。图片这一次，以GoogleDeepMind为主导的研究团队投入了近120名研究人员，耗时一年半，一次性给这两...谷歌SOTA机器人谷歌开源Gemma-3：媲美DeepSeek，算力暴降10倍
精华昨晚，谷歌CEOSundarPichai宣布，开源最新多模态大模型Gemma3，主打低成本高性能。Gemma3共有10亿、40亿、120亿和270亿四种参数。但即便最大的270亿参数，只需要一张H100就能高效推理，同类模型要达到这个效果最少要提升10倍算力，也是目前最强小参数模型。根据盲测LMSYSChatbotArena数据显示，Gemma3仅次于DeepSeek的R1671B，高于OpenAI的o3mini，Llama3405B等知名模型。DeepSeek的R1是相当有排面，国内外发布高性能低成本模型...模型开源谷歌一文读懂 DeepSeek使用的 MoE 架构到底是什么
原创 精华你有没有想过，为什么当红炸子鸡DeepSeek这样的大语言模型能够又快又好地回答各种问题，而且成本又那么低？秘密之一就在于它使用的"混合专家"（MixtureofExperts，简称MoE）架构。本文将用通俗易懂的语言，解释MoE是什么，它如何工作，以及为什么它如此重要。MoE是什么？想象一下一所大学：传统模型就像一位超级教授，必须精通所有学科，从文学到物理，从历史到计算机科学。每个问题都由这位教授独自解答。MoE模型则像一所设有...DeepSeekMoEMoE架构Python极简LangChain智能体开发入门指南
原创引言：LangChain的背景与意义在人工智能快速发展的时代，大型语言模型（LLM）如OpenAI的GPT系列，已成为生成自然语言文本的核心技术。然而，将这些模型应用于实际应用（如聊天机器人或虚拟助手）时，开发者常常面临提示管理、外部数据集成和上下文保持的挑战。LangChain作为一个开源框架，旨在简化这些复杂性，提供模块化工具，帮助开发者高效构建LLM驱动的应用。LangChain于2022年10月由HarrisonChase在RobustIntelligence启动...LangChainAgent智能体手把手教你使用Qwen-Agent开发智能体应用实战教程
原创一、环境准备1.1安装框架全功能安装（RAG代码解释器GUI支持）pipinstallU"qwenagent[rag,codeinterpreter,pythonexecutor,gui]"简约安装版本pipinstallUqwenagent1.2模型服务配置方法1：官方服务exportDASHSCOPEAPIKEY'yourapikey'方法2：本地部署（vLLM示例）fromvllmimportLLM,SamplingParamsllmLLM(model"Qwen27BChat")二、核心功能开发2.1工具定义与使用fromqwenagent.tools.baseimportBaseTool,registertoolimportjson5reg...Qwen-Agent智能体AgentDeepSeek-R1的方法迁移到多模态大模型-开源Vision-R1实现方法思路
原创刚开始琢磨使用DeepSeekR1风格训练多模态R1模型，就看到这个工作，本文一起看看，供参考。先提出问题，仅靠RL是否足以激励MLLM的推理能力？结论：不能，因为如果RL能有效激励推理能力，VisionR1Zero应该表现出生成复杂CoT的能力，并在基准测试中提升准确率。如下图D和E所示：方法：从未经专门推理优化的原始MLLM（例如Qwen2.5VL7BInstruct）开始，直接应用RL训练。使用与VisionR1相同的奖励函数，即硬格式结果奖励函数（HFRRF）...DeepSeek-R1多模态大模型大型语言模型是否解决了搜索问题？
原创 社区头条尽管LLM在内容生成方面表现出色，但需要采用语义分块和向量嵌入等技术来解决复杂数据环境中的搜索问题。大型语言模型（LLM）的涌现推动了信息检索和人机交互的范式转变。这些模型在大量的文本语料库上进行训练，并针对预测语言任务进行了优化，在响应查询、总结文本内容和生成上下文相关信息方面展现出了显著成效。然而，尽管LLM具有令人印象深刻的生成能力，但它们并不能从本质上解决结构化和非结构化数据环境中搜索和检索的复...LLM大型语言模型搜索架构五分钟读懂Manus平替：深度解析OpenManus 如何重新定义Multi Agent?
原创最近，AI圈子里有个词儿特别火——Agent（智能体）。随着大模型在推理与生成上的能力不断提升，Agent技术也迎来了它的“高光时刻”。特别是3月初，Manus展示的多智能体Demo，直接让整个行业沸腾了。紧接着，国内的DeepWisdomMetaGPT团队和CAMELAI团队也迅速跟进，开源了OpenManus和OWL，瞬间在社交媒体和GitHub上掀起了一股多智能体技术的热潮。今天，我们就来聊聊这个开源项目OpenManus，看看它到底有什么魔力，能在短短几天内...ManusOpenManusAgent智能体DeepSeek vs. OpenAI：2025年，哪家AI更适合小企业的编程需求？
原创01、引言：AI编程的时代变革嘿，各位小伙伴！如今的软件开发领域，正经历着一场翻天覆地的大变革，而这一切都得益于人工智能（AI）的飞速发展。AI早已不是停留在科幻电影里的概念，它实实在在地走进了开发者和各种规模企业的工作流程中。在这场AI革命的浪潮里，DeepSeek和OpenAI可是当之无愧的领军者，它们不断突破着AI辅助编程的可能性边界。对于小企业来说，AI的魅力简直无法抵挡。它能自动处理那些重复繁琐的编程任务，提升...DeepSeekOpenAI即插即用！腾讯&港中文发布影视后期黑科技！VideoPainter：视频编辑修复8项SOTA!
文章链接：https:arxiv.orgpdf2503.05639项目链接：https:yxbian23.github.ioprojectvideopaintergit链接：https:github.comTencentARCVideoPainter亮点直击提出了VideoPainter，首个支持即插即用背景控制的双分支视频修复框架。设计了一个轻量级上下文编码器，用于高效且密集的背景控制，并引入了修复区域ID重采样技术，以在任意长度的视频修复和编辑中保持ID一致性。推出了VPData，这是最大的视频修复数据集，包含超过390K个...模型生成AI解锁多模态大语言模型：从原理到实战，一文全掌握！
原创引言：人工智能领域的新焦点在人工智能飞速发展的大环境下，近年来备受瞩目的一个领域便是多模态大语言模型（MLLMs）。这些具有变革性的工具不仅能够处理和生成文本，还能处理图像、音频和视频等其他形式的数据。通过借助机器学习和深度学习算法的强大力量，多模态大语言模型能够捕捉人类在多种模态下交流的细微差别，为自然语言处理、计算机视觉和多媒体分析等领域的应用开辟了新的可能性。随着我们不断拓展多模态大语言模型的...多模态大语言模型QwQ-32B 大战 DeepSeek-R1：小参数量模型能否逆袭？
原创01、概述在大语言模型（LLMs）的江湖里，长久以来存在着一种固有观念：模型参数越多，实力就越强。不过，最近Qwen推出的最新模型QwQ32B，却向这一观念发起了挑战。它虽参数远不及DeepSeekR1，却被视作后者的强劲对手。这不禁让人好奇：一个仅有320亿参数的模型，真能与拥有6710亿参数的巨无霸抗衡吗？接下来，咱们就从逻辑推理、数学解题以及编程挑战这三个关键领域，对QwQ32B和DeepSeekR1来一场全方位的对比，看看它们在实际应...QwQ-32BDeepSeek-R1AI 模型Vision-R1：多模态领域的DeepSeek R1-Zero，7B参数比肩OpenAI O1
DeepSeek在领域内获得广泛关注的核心在于R1Zero仅通过强化学习（RL）便成功实现了推理能力的涌现，即发现Ahamoment。那么，在多模态领域，是否也能获得借鉴R1Zero的思路呢？今天介绍的VisionR1就是这一方面的探索的代表，其目的就是研究如何有效利用RL来增强多模态大型语言模型（MLLM）的推理能力。然而，研究团队发现，由于缺乏大规模、高质量的多模态推理数据，直接应用RL训练MLLM在激发其深层推理能力（如提问和反思）方面面...Vision-R1多模态7B参数AI挑西瓜：每一口都是甜蜜暴击
在这个科技飞速发展的时代，AI人工智能已经悄然走进了我们生活的方方面面。今天，我们要聊一个既有趣又接地气的话题—AI挑西瓜。传统挑西瓜的困境夏季马上到来，来一块清凉爽口的西瓜，实在是人生一大乐事。然而，挑选西瓜却一直是个技术活。在菜市场或水果店，我们常常看到人们抱着西瓜，轻轻拍打，竖起耳朵倾听声音，再左瞧右看西瓜的纹路、形状，仿佛在施展一场神秘的“选瓜仪式”。传统的挑西瓜方法，更多依赖人的经验和感...AI应用场景挑西瓜
