AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
重磅！微软开源最强小模型Phi-4，超GPT-4o、可商用
今天凌晨，微软研究院开源了目前最强小参数模型——phi4。去年12月12日，微软首次展示了phi4，参数只有140亿性能却极强，在GPQA研究生水平、MATH数学基准测试中，超过了OpenAI的GPT4o，也超过了同类顶级开源模型Qwen2.514B和Llama3.370B。在美国数学竞赛AMC的测试中phi4更是达到了91.8分，超过了GeminiPro1.5、GPT4o、Claude3.5Sonnet、Qwen2.5等知名开闭源模型，甚至整体性能可以与4050亿参数的Llama3.1媲美。当时很多人就希望...微软模型视频编辑最新SOTA！港中文&Adobe等发布统一视频生成传播框架——GenProp
文章链接：https:arxiv.orgpdf2412.19761项目链接：https:genprop.github.io亮点直击定义了一个新的生成视频传播问题，目标是利用I2V模型的生成能力，将视频第一帧的各种变化传播到整个视频中。精心设计了模型GenProp，包含选择性内容编码器（SelectiveContentEncoder,SCE）、专用损失函数以及mask预测头，并提出了一个用于训练模型的合成数据生成pipeline。本文的模型支持多种下游应用，如移除、插入、替换、编辑和跟踪。实验...模型视频生成从数据孤岛到智能系统：RAG和知识图谱的协同作用
原创
社区头条RAG和知识图谱集成可以释放出更大的潜力，实现更深入的理解、推理和准确性。在当今信息驱动的时代，数据是企业、研究人员和个人的重要资源。然而，这些数据通常分散在跨系统的孤岛中，它们是非结构化的，并且无法进行有效的分析。挑战不仅在于拥有大量数据，还在于以有意义的方式理解这些数据。检索增强生成（retrievalaugmentedGeneration，RAG）是一种结合了信息检索和自然语言生成的优势来提取和合成知识的技术。RAG系统从外...RAG知识图谱人工智能OmniTokenizer-视觉tokenizer生成
本文介绍一种视觉tokenizer的生成。AIGC生成模型在人工智能领域发展迅速，视觉生成主要有基于语言模型和扩散模型两种范式，而tokenizer是其核心组件。现有tokenizer分别针对图像或视频输入设计，存在应用灵活性和数据可扩展性的局限。因此需要一种联合图像视频标记器，以实现从两种数据中联合学习，缓解单模态数据稀缺问题，并提高模型的通用性和可扩展性。今天介绍一种OmniTokenizer方法，感兴趣的小伙伴可以看看原文：https:a...人工智能大模型PPTAgent：PPT自动生成Agent框架
原创来看一个PPT生成思路：PPTAgent。传统的PPT生成方法通常使用端到端的文本生成范式，这种方法仅关注文本内容，忽略了布局设计和PPT结构。PPTAgent采用了一种基于编辑的生成范式，解决处理空间关系和设计风格方面的挑战。传统方法的每个幻灯片S可以用以下公式表示：其中，n表示幻灯片上的元素数量，C表示由章节和图形组成的源内容。每个元素ei由其类型、内容和样式属性（如边框、大小、位置等）定义。与传统的生成方法相比，PPTAg...LLMAgent谷歌刚刚发布AI Agent智能体白皮书，2025年AI Agent时代已到来！
原创 精华 社区头条人类在处理复杂的模式识别任务上表现出色。在形成结论之前，他们常常借助诸如书籍、谷歌搜索或计算器等工具来增强其现有知识。同样地，AI大模型能够通过训练，学会使用工具来获取实时信息或提出现实世界的行动建议。例如，这些大模型能够运用数据库检索工具来查询特定信息，如顾客的购买历史，进而提供个性化的购物建议。再比如，基于用户的查询，大模型能够执行多种API调用，用于发送邮件回复给同事或代表用户完成财务交易。为...AI Agent智能体AWS自动推理负责人：与其解决AI幻觉，不如证明是否正确；Rust借用检查器实际上就是一个推理引擎
原创 社区头条编辑言征出品51CTO技术栈（微信号：blog51cto）AI的一个显着缺陷是它会不自知地“产生幻觉”，编造没有真实数据依据的合理答案。AWS正试图通过解决这个问题，一个不错的路径是：引入AmazonBedrock自动推理检查。AmazonBedrock是一项面向生成式AI应用程序的托管服务。上个月，AWS首席执行官MattGarman在拉斯维加斯的re:Invent大会上发表讲话时表示，这些检查“可以防止由于模型幻觉而导致的事实错误......Bedrock可以检查模型所...AWSAI幻觉Rust微软CEO开年演讲：预训练Scaling Law依然伟大！首个英伟达GB200集群已上线！
原创 社区头条编辑伊风出品51CTO技术栈（微信号：blog51cto）刚刚，纳德拉在CEOMicrosoftIndia进行了一场新年的第一场演讲！作为开年重磅，这场演讲可谓干货满满。纳德拉开门见山地说，“在某种程度上，对我来说，微软始终专注于两件事：我们是一家平台公司，也是一家合作伙伴公司。即使在AI时代，这一点也不会改变。”这场在印度班加罗尔的演讲，聚焦在微软将如何在AI时代进行平台化的布局。谈论到这次AI带来的巨变，纳德拉还感慨地回忆了比...微软CEO预训练ScalingLLaMA-Factory 微调与部署详细流程：从入门到实践
社区头条介绍时隔已久的llamafactory系列教程更新了。本篇文章是第七篇，之前的六篇，大家酌情选看即可。因为llamafactory进行了更新，我前面几篇文章的实现部分，都不能直接用了。我将为大家介绍如何使用llamafactoryLora微调模型、部署模型、使用python调用API。llamafactory安装首先建议大家阅读一遍两份不错的文章：官方readme:https:github.comhiyougaLLaMAFactoryblobv0.9.1READMEzh.md官方推荐的知乎教程：https:zhuanlan.zhihu....LLaMA-Factory部署微调从经典到创新，揭秘扩散模型的6大王牌与5大创新思路
精华1.扩散模型研究现状1.1定义与基本原理扩散模型是一种深度生成模型，其灵感来源于非平衡热力学。它通过定义一个马尔可夫链，逐渐向真实数据中添加随机噪声（前向过程），然后学习反向扩散过程（逆扩散过程），从噪声中构建所需的数据样本。扩散模型包括两个主要步骤：前向扩散过程和反向去噪过程。在前向扩散过程中，模型逐步向数据添加噪声，直到数据完全转化为噪声；在反向去噪过程中，模型从纯噪声开始，逐步去除噪声，恢复出...扩散模型算机复旦大学 METASQL：NL2SQL终于有候选排序了
一、引言在当今数字化时代，数据库的应用极为广泛，但传统的数据库查询语言（如SQL）对于非技术人员来说学习成本较高。自然语言接口到数据库（NLIDB）技术的出现，旨在让普通用户也能轻松访问数据库。过去几十年间，研究人员探索了多种方法，其中利用神经序列到序列（Seq2seq）模型或大规模语言模型（LLMs）的方法较为常见，它们通常采用自回归解码方式逐一生成SQL查询。尽管这些方法在翻译准确性上取得了一定进展，如在NLIDB基...METASQLNL2SQL数据库原来机器学习那么简单—KNN回归
一、什么是K近邻回归？K近邻回归（KNearestNeighborsRegression，简称KNN回归）是一种简单直观的机器学习算法。KNN回归通过寻找样本空间中与目标点最接近的K个邻居，利用这些邻居的平均值或加权平均值来预测目标点的值。KNN回归属于非参数模型，因为它不对数据的分布做出假设，也不需要训练过程。二、K近邻回归的原理KNN回归的核心思想非常直观，即“相似的样本具有相似的输出”。具体步骤如下：计算距离：对于待预测的样本点，...KNN回归机器学习K近LLM合集：Meta推出PGraphRAG框架，异构图关系助力个性化RAG突破界限
1.PersonalizedGraphBasedRetrievalforLargeLanguageModels随着大语言模型（LLMs）的演进，它们提供个性化和上下文相关响应的能力具有改变用户体验的潜力。然而，现有的个性化方法通常仅依赖用户历史来增强提示，这在冷启动场景或数据稀疏的情况下限制了其有效性。为了克服这些限制，我们提出了一种基于图的个性化检索增强生成（PGraphRAG）框架，该框架利用用户中心的知识图来丰富个性化。通过直接将结构化的用户知识融入检索...LLMPGraphRAG框架入门GPT | 词袋模型（Bag of Words）辅助提升餐厅满意度
BagofWords将文本看作由单词构成的无序集合，通过统计单词在文本中出现的频次来表示文本。因此，BagofWords主要用于文本分类、情感分析、信息检索等自然语言处理任务中1.什么是词袋模型（BagofWords）2.实现BagofWords的步骤2.1文本预处理2.2构建词汇表2.3向量化文本（词袋表示）2.4通过文本的向量表示，使用余弦相似度分析句子相似度3.统计词频，通过评论提升餐厅满意度在自然语言处理领域，如何将人类语言转化为机器能够理解...词袋模型辅助提升GPT2025 年 10 大 AI 方向：高效推理、多模态等
随着2024年渐行渐远，我们迎来了一个充满AI创新与突破的年度回顾。从大型语言模型的进一步发展，到计算机视觉、AI安全等领域的革命性进展，研究社区在过去一年里确实做出了许多令人震撼的贡献。面对如此多的科研成果，哪些研究真正让我们停下来思考？哪些论文启发了我们，激发了“我如何将这些成果应用到自己的工作中？”的好奇心？在这篇文章中，我将分享我个人最喜欢的2024年AI研究论文，这些研究不仅令我兴奋，也让我迫不及...AI多模态领域黄仁勋新年演讲最全总结：新推最强GPU，72块连一起可以承载全球互联网的流量！英伟达的三个野心
原创 社区头条编辑言征出品51CTO技术栈（微信号：blog51cto）在1月6日拉斯维加斯的CES峰会上，黄仁勋终于现身了！出场就让直播间的评论区炸了，黄教主上身blingbling的新皮夹克引起了网友的好奇，这是鳄鱼皮的吗，有链接吗，这得几万刀吧（狗头）？“大家喜欢我的新皮夹克吗？”图片黄仁勋：现在的AI到了“GeForce”编程应用阶段黄仁勋开场用了10分钟的时间介绍了英伟达的成长史，他回忆了GeForce显卡和CUDA、AI的容器三个阶段的标志性里程碑...GPU互联网流量告别“读后忘”！用AI大模型轻松驾驭深度阅读，渐进式摘要了解一下？
精华你是不是也经常遇到这样的情况：面对一本厚厚的专业书籍或一篇长篇报告，读到一半就感觉信息量过载，忘了前面讲了什么？辛辛苦苦做完读书笔记，回过头来看却发现抓不住重点？在信息爆炸的时代，高效阅读和知识管理变得尤为重要。今天，我们就来聊聊一种能帮助我们更好地理解和吸收复杂信息的有效方法——渐进式摘要，并介绍如何借助强大的AI大模型来实现它。什么是渐进式摘要？渐进式摘要，顾名思义，指的是逐步深入、层层提炼...AI大模型渐进式即插即用，无缝集成各种模型，港科大&蚂蚁等发布Edicho：图像编辑一致性最新成果！
社区头条文章链接：https:arxiv.orgpdf2412.21079项目链接：https:ezioby.github.ioedicho亮点直击显式对应性引导一致性编辑：通过将显式图像对应性融入扩散模型的去噪过程，改进自注意力机制与分类器自由引导（CFG），在保持高质量的同时显著提升编辑一致性。融合无条件嵌入特征：受NULLtextInversion技术启发，提出融合无条件嵌入特征的方法，进一步增强一致性效果，实现更精细的编辑控制。广泛适用性与优越性能：方法具有免训练和即...AI模型训练机器人ChatGPT时刻！英伟达开源世界大模型，完美模拟物理世界！
精华全球AI领导者NVIDIA（英伟达）在2025年CES展会上，开源了全新世界大模型NVIDIACosmos。Cosmos能从数据整合、训练再到定制各个开发阶段的，大规模模拟、构建物理世界的基础模型，同时支持自定义微调。例如，你想开发一个实体仓储机器人，但没有真实大型仓储环境为机器人提供货物搬运、拣选、分拣等训练环境，通过Cosmos就能轻松创建一个模拟的物理仓储环境，来训练、观察、优化机器人各种动作。在自动驾驶领域，想观察汽车在大雨...生成AI模型不容错过的十个优秀AI代码生成器
原创 社区头条AI的兴起极大地影响了编码和开发领域。AI驱动的代码生成器有助于简化编码过程，自动化日常任务，甚至预测和建议代码片段。下面，我们将介绍一些好用的AI代码生成器，包括它们的独特功能，以及它们如何彻底改变你的编程体验。1、GitHubCopilotGitHubCopilot由GitHub与OpenAI合作开发，代表了AI编程辅助的新水平。这个工具的功能就像一个虚拟的结对程序员，帮助开发人员以更快的速度编写更好的代码。它通过在你键入时提示...AI代码生成器AI驱动
