AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
大模型提示词，事实上就是一种聊天技巧
原创“提示词的作用有两个，一个是清楚表达自己的意思，二个是让大模型能听懂”关于提示词，大部分人很多时候都把提示词想的太复杂了；特别是一些没怎么了解过大模型技术的，一些营销号或者培训班上来就告诉你一套提示词模板，然后让你按照这个模板来写提示词。你说他们提供的提示词模板有没有用？当然是有用的，但有一个前提是在某些场景下是有用的。为什么这么说？因为，提示词模板只是一种写提示词的套路，但这个套路并不是所有...神经网络大模型Meta公布BLT新架构：告别token，拥抱patch
原创
社区头条Meta发布的BLT架构为大模型扩展找到又一条出路，也开启了用patch方法取代token的全新可能性。开篇先提问：我们为什么非得把文本拆分成token？直接用原始字节怎么就不行？要回答这个问题，我们得先从大语言模型的文本处理方式入手。它们需要用关于常用词块的规则将文本拆分成一个个token，而这个标记化过程也一直面临质疑。无论模型的其余部分在训练期间如何学习和适应，标记化阶段的初始规则都始终保持不变。因此一旦相关语言的...BLT架构大模型token奥特曼在OpenAI「经济蓝图」画下的大饼，能否撼动美AI政策？
原创 社区头条编辑伊风出品51CTO技术栈（微信号：blog51cto）OpenAI15页的经济蓝图刷爆了整个AI圈！https:cdn.openai.comglobalaffairsaiinamericaoaieconomicblueprint20250113.pdf读后感是OpenAI的唯一营销真神奥特曼又发力了，给美国AI画了好一张大饼啊！比较诱人的点包括：发展AI需要大搞基建，将拉动经济带来大量就业：“人工智能所带来的经济机会又是如此诱人，不容放弃。共同繁荣与日俱近，它可以通过建立更多的人工智能基础...OpenAIAI政策华为诺亚方舟实验室突破具身AI瓶颈， SpatialCoT通过坐标对齐和思路链推进空间推理
具身人工智能的目标是使机器人或虚拟代理能够像人类一样理解和操作其所在的物理环境，而空间推理被视为实现具身任务规划的关键能力。导航和操作任务是具身AI中常见的挑战，依赖于模型对空间关系的理解和高效执行复杂任务的能力，但现有方法在处理复杂空间推理任务时仍面临诸多局限，难以满足实际应用的需求。现有方法大多通过补充空间数据和模型微调来提升空间推理能力，可是这些方法主要依赖于语言生成的粗粒度结果，难以在复...AISpatialCoT图像环境型代理（Ambient Agents）的新探索
社区头条如今，很多AI应用程序都采用了常见的聊天模式（"chat"UX）。尽管这种模式实现起来比较简单，但它会带来额外的交互成本，限制了人类通过AI扩展自身能力的潜力，也未能充分利用大型语言模型（LLMs）的优势。在过去的六个月中，我们在LangChain一直在探索一种新方式：能够响应环境信号的代理（AmbientAgents）。这些代理只会在发现重要机会或需要用户反馈时才与用户互动，避免了频繁打断用户。此外，用户不再需要进入新的聊天界面...环境型代理Ambient一文梳理各类Large Language Model关系和实现要点
精华 社区头条
热门内容榜 • 最近上榜今天这篇文章给大家汇总市面上的各类LargeLanguageModel，从模型角结构的角度、模型类型的角度进行划分，涵盖了目前市面上主流的LLM，一文了解各个LLM的基本实现方法和关系。从基础模型结构的角度，预训练语言模型可以分为Encoderonly、Decoderonly、EncoderDecoder三种类型。从市面上的LLM类型来看，可以分为GPT、LLaMA、PaLM等3个最主要的类型。下面，将这6个类别的模型，以及其中各个模型之间的关系给大家详细介绍一下。1.模...LargeFLANLLMvLLM 2024 年度回顾与 2025 展望：从专业引擎向开放平台迈进
2024年，vLLM完成了从专业推理引擎到开源AI生态系统标配解决方案的蜕变。这一年，项目在各个维度都实现了显著增长：GitHub星标数从14,000增至32,600，贡献者数量从190扩展到740，月下载量从6,000激增至27,000，近半年的GPU使用时长更是增长了约10倍。这些数据印证了vLLM在AI基础设施领域的领先地位，已成功为亚马逊Rufus和领英等大型产品提供核心支持。2024年重要成就社区建设与生态发展2024年，vLLM建立起了一个充满活力的开源...vLLM大模型推理从“Nature局部核重整化学习机制”说开去
局部核重整化学习机制自然通讯2025年1月10日刊发一篇题为“局部核重整化作为超参数化卷积神经网络中特征学习的机制”的文章【文献1】，学者们称“确定了一种完全不同的内核重整化形式：全连接架构的内核只是由单个标量参数全局重整化，而卷积核则经历局部重整化，这意味着网络可以选择局部分量，这些分量将以数据依赖的方式为最终预测做出贡献”。这一发现强调了一种简单的特征学习机制，CNN的重整化内核表达式中展示的核重整化...Nature机制计算RAG应用在得物开放平台的智能答疑的探索
一、背景得物开放平台是一个把得物能力进行开放，同时提供给开发者提供公告、应用控制台、权限包申请、业务文档等功能的平台。面向商家：通过接入商家自研系统。可以实现自动化库存、订单、对账等管理。面向ISV：接入得物开放平台，能为其产品提供更完善的全平台支持。面向内部应用：提供安全、可控的、快速支持的跨主体通讯。得物开放平台目前提供了一系列的文档以及工具去辅助开发者在实际调用API之前进行基础的引导和查询。...RAG智能得物Kimi深夜炸场：满血版多模态o1级推理模型！OpenAI外全球首次！Jim Fan：同天两款国产o1绝对不是巧合！
原创 社区头条编辑伊风出品51CTO技术栈（微信号：blog51cto）昨晚十点，Kimi弹了条推送。大晚上的，他们就这么波澜不惊地发了一个SOTA模型出来！就是这个k1.5多模态思考模型，性能实现有多逆天呢：在shortCoT模式下，Kimik1.5的多项能力，大幅超越了全球范围内短思考SOTA模型GPT4o和Claude3.5Sonnet的水平，领先达到550%；在longCoT模式下，Kimik1.5的数学、代码、多模态推理能力，也达到长思考SOTA模型OpenAIo1满血版的水平！而且，这是Kimi...Kimi多模态模型人脸识别，你真的了解吗?
社区头条1.什么是人脸识别？人脸识别技术，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。人脸识别技术主要是通过人脸图像特征的提取与对比来进行的。人脸识别系统将提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过...人脸识别身份认证进化搜索策略，提高LLM推理深度；学术搜索智能体，RL+PPO；LLM回答置信度
社区头条研究背景与意义在当前的人工智能研究中，如何提升大型语言模型（LLM）的推理能力是一个重要的课题。传统的推理方法往往依赖于明确的推理步骤和形式化的问题定义，但这在处理复杂的自然语言任务时显得力不从心。本文提出了一种名为“MindEvolution”的进化搜索策略，旨在通过利用语言模型生成、重组和优化候选答案，以应对自然语言规划任务中的推理挑战。研究的意义在于，它不仅提供了一种新的思路来提升LLM的推理深度，还展示了...LLM设计机制开源版o1！中国大模型让国外陷入疯狂，成本猛降90%
精华前不久，国产大模型平台DeepSeek开源的v3模型，受到了AndrejKarpathy等业内大神的盛赞，在算法、数据等方面非常棒。现在，DeepSeek又重磅开源了R1模型。根据其公布测试数据显示，在美国AIME2024测试中R1拿下79.8分，超过了OpenAI的o1模型的79.2分；在MATH500，R1为97.3分，同样超过了o1的96.4分；在SWEbenchVerified，R1为49.2分再次超过了o1的48.9分。而在代码测试Codeforces中，R1仅比o1模型低0.3分；MMLU低1分；GPQA低4.2分...模型开源AI计算效率和性能双赢！南大联合中移动发布高效多模态大模型新范式—— p-MoD
文章链接：https:arxiv.orgpdf2412.04449项目链接：https:github.comMCGNJUpMoD亮点直击MoD机制的引入：通过选择性处理重要视觉token，显著减少计算负担，提升模型效率。创新的TanhNorm与STRing设计：解决了MoD模块在多模态训练中的稳定性和性能问题，即使在有限数据下也能精准评估token的重要性。PRD策略：通过逐层减少保留token的比例，针对视觉token的冗余问题提供了有效的解决方案，大幅提高计算效率。全面的实验验证：在多...模型训练AI机器学习的下一个前沿—量子扩展
原创 社区头条本文将和你探讨量子扩展的基本概念，它在机器学习中的优势，以及我们将如何从中获益。现如今，机器学习的速度比以往任何时候都快得多，也能够解决那些曾被认为完全无法解决的问题。将来，在量子计算潜力的驱动下，人工智能（AI）模型会越来越大、越来越强，甚至会超越我们对其训练的工具。说到模型训练，其计算和能源的消耗成本日趋高启。GPT4及其继任者的大规模训练所消耗的电力已与一个城市相当。此外，据报道，OpenAI的GPT3...PyTorch机器学习量子扩展大模型训练之训练数据准备，即怎么准备高质量的训练数据集？
原创 社区头条“训练数据集的质量是大模型的主要生命线之一，数据集质量直接影响到模型的性能和效果”训练一个高性能且表现较好的模型是由多种因素决定的，比如模型的设计，损失函数与优化函数的实现，训练方式的选择；当然也包括高质量的训练数据。那么，怎么才能得到一个高质量的训练数据集呢？这个就是我们今天需要讨论的问题。训练数据集的准备机器学习和深度学习模型的性能高度依赖于训练数据的质量和数量；训练数据的准备工作对于构建...大模型数据清洗小红书翻译紧急上线，见证历史：大模型翻译首次上线C端应用！AI竟自称是GPT-4?
原创 社区头条编辑伊风程序员键盘敲冒烟，小红书翻译功能这不是就来了吗！之前大家各种吐槽美国人用的翻译机器不准确，导致大家交流起来“人机感很重”，一些美网友还需要额外用ChatGPT才能实现无缝交流。这翻译功能一出来，语言障碍什么的都不存在了。官方声明足足有十万点赞，很多外国友人也在评论区直呼中国速度！图片虽然官方声明只介绍了中译英和英译中，但这波小红书的翻译已经说是“万物皆可翻”也不过分。翻译小语种：经网友测试，不...小红书C端GPT-4OpenBMB 刚刚发布 MiniCPM-o 2.6：新的 8B 参数、Any-to-Any 多模态模型
原创 社区头条 热门内容榜 • 最近上榜01、概述近年来，人工智能技术突飞猛进，但在计算效率与灵活性之间的平衡仍然是一个巨大挑战。像GPT4这样的多模态模型，尽管具有前所未有的强大能力，但也需要庞大的计算资源，这使得它们只能在高端服务器上运行，导致普通用户，尤其是智能手机、平板电脑等边缘设备的用户，无法充分体验这些技术的魅力。此外，像视频分析或语音转文本这样的实时处理任务仍然面临技术上的诸多难题。这些问题凸显了开发既高效又灵活的AI模型的迫...多模态大模型九种不同类型的检索增强生成 (RAG)
原创 精华 热门内容榜 • 最近上榜01、概述在人工智能的世界里，RetrievalAugmentedGeneration(RAG)框架因其能够结合检索式与生成式模型的优势而备受瞩目。RAG模型通过从外部数据源检索相关信息，并以此生成基于上下文的回答，不仅提升了生成内容的准确性，还让模型能够处理大量复杂的信息。RAG的发展衍生出多个变体，每种变体针对不同领域的需求和挑战进行了优化。本文将详细解析九种RAG框架：标准RAG、纠错RAG、推测RAG、融合RAG、自主RAG、自反RAG、图谱RAG、...RAGDolphin 3.0 发布（Llama 3.1 + 3.2 + Qwen 2.5）：本地优先、可操纵的 AI 模型
原创01、概述人工智能，已经渗透进我们生活的方方面面，改变了我们的工作方式、生活习惯，甚至人际交往的模式。然而，尽管AI取得了长足的进步，依旧面临许多挑战。许多AI系统过度依赖云端基础设施，带来了隐私泄露的风险；有些系统用户控制能力较弱，难以根据需求进行个性化定制；更有甚者，调整AI行为以满足特定需求的难度常常大于预期。而在众多先进模型中，性能往往被置于易用性之上，这使得许多用户在本地环境中难以部署这些模...Dolphin 3.0人工智能
