AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
自主智能体提前实现了？！大佬自研Python工具包，让大模型成为生产级水准，免费可用！
原创
社区头条编辑言征出品51CTO技术栈（微信号：blog51cto）2025年，都知道智能体会爆发，然而，即将爆发的智能体会长成什么样子？它不再只是一个“对话界面”那么简单，也不再将是“给你一项任务，去完成吧”的人类主动发起的各种工具调用（滚动聊天界面），而是一个真正意义上的自发发起任务，自动执行，但会在关键环节提醒人类进行批准确认的高级智能。图片这一点不再是空穴来风，已经有玩家开始入场做尝试了，就在刚刚，一个名为Humanla...自主智能体Python工具包一文彻底搞懂深度学习 - 自注意力（Self- Attention）
原创 社区头条在深度学习中，自注意力机制允许模型在处理序列数据时，通过计算序列中不同位置元素之间的相关性得分，动态地调整对每个元素的关注程度，从而捕捉序列内部的复杂依赖关系。自注意力机制与注意力机制在处理对象和应用场景上存在差异，自注意力机制更侧重于处理序列内部元素之间的相互作用。SelfAttention一、自注意力机制自注意力机制（SelfAttention）是什么？自注意力机制能够动态地捕捉序列中不同位置元素之间的依赖关系，...深度学习自注意力25个生成式AI核心术语【值得收藏】
原创01、概述生成式AI如今已成为各个行业的核心技术，无论你是在科技领域工作、准备面试，还是从事AI项目，掌握生成式AI的基本术语和概念都是非常重要的。这篇指南将带你了解生成式AI中的25个必备术语，以清晰易懂的定义、实际案例和深度资源助你深入掌握这些知识，帮助你在这个飞速发展的领域保持竞争力。02、25个生成式AI核心术语1）.生成模型（GenerativeModel）定义：生成模型是一种可以从学习到的模式中生成新数据点的AI模型。...生成式AI20大LLM安全防护机制详解：保障AI模型的安全、伦理和责任
原创 社区头条01、概述在当今的人工智能（AI）领域，大规模语言模型（LLM）被广泛应用，但随之而来的潜在风险也不容忽视。这些模型可能生成有害、偏见或误导性的内容，从而引发不实信息、不当回应甚至安全漏洞等问题。为减轻这些风险，以下20个安全防护机制（Guardrails）可以有效规范LLM的输出，确保其安全、合规和可靠。本文将从五个主要领域探讨这些防护机制，帮助大家更好地理解它们在保障AI安全、伦理和有效性方面的作用。02、安全与隐...LLM安全防护微软发布LLM2CLIP：一种新型AI技术，LLM成为CLIP视觉编码器的“老师”
原创 精华01、概述在当今的人工智能研究领域，跨模态学习正逐渐成为一个热门话题，尤其是在视觉和文本的结合上。其中，CLIP（ContrastiveLanguageImagePretraining）模型作为一个重要的基础模型，凭借其在视觉和文本信号之间的深度联系，已经成为多模态学习领域的佼佼者。通过对大规模图像文本对进行对比学习，CLIP能够同时理解图片和文本，并在零shot任务中表现出色，支持图像分类、检测、分割、以及图像文本检索等任务。然而，尽管CLIP...LLM2CLIPLLMCLIP你知道大模型聊天补全和文本生成的区别吗？
原创“文本生成是生成新的内容，而聊天补全是对上下文的理解能力”这两天在对接微软的openAI模型时，看到了一个名词叫聊天补全；刚开始还不知道聊天补全是什么意思，以为是类似于输入法的联想功能；但看了文档才发现，原来聊天补全就是大模型的对话功能。这时突然想到一个问题，聊天补全是大模型的对话，那之前一直说的文本生成是什么？聊天补全与文本生成的区别在今天之前，个人一直认为大模型对话就是文本生成，文本生成就是与...大模型聊天补全文本生成大模型技术全面解析，从大模型的概念，技术，应用和挑战多个方面介绍大模型
原创 社区头条引言大模型（LargeModels）是人工智能发展的里程碑，特别是基于深度学习的预训练模型（如GPT、BERT）。随着模型参数规模的指数级增长，大模型在自然语言处理（NLP）、计算机视觉（CV）等领域取得了突破性成果。本文将深入解析大模型的核心技术、应用场景、优化策略及未来挑战。大模型的背景与定义1.1什么是大模型大模型指的是参数规模超过亿级甚至千亿级的深度学习模型。特点：高容量：能够捕捉复杂模式和分布。通用性：支持多...大模型3D任意部位分割：FIND 3D模型实现零样本开放世界文本查询分割
原创 精华在3D世界中，寻找任何物体的一部分听起来像是科幻小说中的情节，但加州理工学院的ZiqiMa、YisongYue和GeorgiaGkioxari却将其变成了现实。他们开发的FIND3D模型，不仅能够根据任何文本查询分割任何物体的任何部分，还能在开放世界中零距离应用。想象一下，你只需说“汽车的轮子”，FIND3D就能精确地找到并分割出这个部分，无论是从网络上的3D资产，还是从iPhone拍摄的照片中重建的3D模型。FIND3D的背后是一个由2D基础模型（如SAM...FIND 3D模型AI2惊艳发布OneDiffusion：突破性大规模扩散模型，支持多任务生成与理解，重塑视觉AI应用
精华 社区头条文章链接：https:arxiv.orgpdf2411.16318项目链接：https:github.comlehduongOneDiffusion亮点直击统一的多任务能力：OneDiffusion提出了一个统一的扩散模型，能够无缝支持图像合成和理解的双向任务。它通过简单灵活的框架，实现了多种任务（如文本到图像生成、深度估计、多视角生成等）的处理，而无需依赖外部模块或额外损失函数。创新的训练方法：OneDiffusion采用了基于序列数据的训练方法，将所有任务视为不同噪声级别的帧...图像生成模型如何借助Cortex运行本地LLM
原创 社区头条AI行业正在经历一场转变，转向更小巧更高效的大语言模型（LLM），从而使用户能够在本地机器上运行模型，无需功能强大的服务器。本教程将指导你借助Cortex运行本地LLM，着重介绍其独特的功能和易用性，使任何拥有标准硬件的人都可以享用AI。注意：Cortex目前正在积极开发中，这可能会导致bug或某些功能无法正常运行。你可以通过GitHub或Discord报告任何问题。Cortex简介Cortex是一个动态的本地AIAPI平台，...CortexLLM大语言模型可灵1.5模型新升级！行业首发人脸定制模型
社区头条近日，可灵1.5模型也迎来再次升级，支持在图生视频高品质模式下，使用多达六种运镜控制方式和运动笔刷功能。最新数据显示，可灵AI用户已累计生成超5100万个视频和1.5亿张图片。11月25日消息，快手可灵AI在全球上线业内首个视频模型定制功能，解决了AI视频生成中人物IP（知识产权）稳定性难题。目前，用户可在可灵AIweb端使用该功能训练定制人脸模型，并参照该模型继续生成视频内容，满足用户创作多个包含同一人物镜头的诉求。如...可灵1.5模型人脸五种时频图像一键切换，CVPR 顶会+多模态融合
前言本期推出结合CVPR2022视觉顶会论文RepLKNet的多模态故障诊断创新模型，适合各种故障诊断领域、电能质量扰动信号、各种声信号、脑电信号等分类任务!创新模型还未发表！！！有小论文、毕业论文需求的不容错过！提供马尔可夫转换场MTF、递归图RP、格拉姆矩阵GAF、连续小波变换CWT、短时傅里叶变换STFT五种时频图像变换方法，可灵活替换多模态特征中的时频图像类型！1创新模型相关解释●数据集：CWRU西储大学轴承数据集●环境框...CVPR多模态时频图像Omost：极简提示词的文生图工具
在当今数字化时代，图像生成技术正以前所未有的速度发展，为艺术创作、媒体制作、教育以及多个行业领域带来了深刻的变革。在这一背景下，一个名为Omost的创新工具应运而生，它不仅简化了用户与AI之间的交流，更通过极简提示词实现了高度详细和准确的图像生成。本文将详细介绍Omost的功能、特点、优势以及其在不同场景下的应用，同时结合具体案例展示其实际效果，并对该工具进行客观评价和未来发展展望。一、Omost的功能与特点Om...Omost文生图工具再见RAG，你好Agentic RAG！
精华在2023年，检索增强型生成（RAG）技术占据了主导地位，而在2024年，智能体工作流程正在推动巨大的进步。使用AI智能体为构建更强大的、健壮的、多功能的大型语言模型（LLM）驱动的应用开辟了新的可能性。其中一个可能性是在智能体RAG流程中增强RAG流程中的AI智能体。智能体RAG的基础知识什么是检索增强型生成（RAG）检索增强型生成（RAG）是一种构建LLM驱动应用的技术。它利用外部知识源为LLM提供相关上下文，减少幻觉现象。一个...RAGAgentic框架入口控制：多智能体强化学习在自动驾驶中的应用研究
精华随着自动驾驶技术的快速发展，人们对于自主车辆的期待也在不断提高。然而，尽管现有的技术已经能够实现车辆在高速公路上的自动驾驶，以及无人驾驶出租车在主要城市开始运营，技术上所谓的“L5”全自动驾驶仍未完全实现。实现这一目标需要解决多个技术难题，其中之一便是提供能够在高速公路匝道入口安全、可靠运行的全自动控制功能。现阶段的自动驾驶技术虽然取得了显著进展，但仍面临许多挑战。社会普遍认为自动驾驶汽车需要比...多智能自动驾驶强化学习总算有人把智能体记忆说清楚了
本篇文章将循序渐进地介绍智能体记忆的概念、类型、更新方式以及其实际应用。通过具体的例子，帮助读者深入了解智能体记忆系统的设计与实现，尤其是如何在实际应用中为智能体添加记忆功能。记忆与存储的区别在日常的编程任务中，存储和记忆经常被混淆。为了更好地理解智能体记忆的工作原理，我们首先需要区分“存储”和“记忆”的概念。存储：通常指数据的保存与管理。程序通过文件系统、数据库或内存等手段来存储数据。存储是...智能体类型个性化NeurIPS'24 基于自适应多尺度超图Transfromer的时间序列预测方法
在现实世界中，观测到的时间序列通常表现出复杂多样的多尺度时间模式。尽管基于Transformer的方法在多尺度时间模式交互建模中取得了显著成功，但是两个关键问题限制了其在时间序列预测中的进一步发展。一方面，单个的时间点包含的语义信息较少，利用attention建模pairwise交互会造成信息利用瓶颈。另一方面，时间模式中存在多种固有的时序变化，这些时序变化相互纠缠，为建模多尺度时间模式交互带来了较大的挑战。针对上述问题...SOTA性能时间序列AI 推理市场全景解析：战火从云端到边缘端
社区头条OpenAI新发布的O1模型，让AI推理成了行业焦点。这是首次在AI系统中，推理计算占了很大比重。随之诞生的推理时ScalingLaw表明，让模型多"思考"一会，准确度就会更高。Anthropic也在跟进，推出非常依赖推理能力的“ComputerUse”的Agent功能。这说明AI应用越来越复杂，对推理能力的要求也越来越高。推理性能直接影响用户体验反应快不快，放在本地还是云端，都会影响实际使用感受。用的人越多，需要的算力就越大，这就涉及到成本和...AI云端边缘端HiQA：一种用于多文档问答的层次化上下文增强RAG
原创前言文档领域的RAG，之前的工作如ChatPDF等很多的RAG框架，文档数量一旦增加，将导致响应准确性下降，如下图；现有RAG方法在处理具有相似内容（在面对大量难以区分的文档时）和结构的文档时表现不佳；用户查询常常涉及元信息，还增加了检索和生成的复杂性，导致检索的准确性会下降，本文介绍的方法HiQA，一种用于主要解决多文档问答（MDQA）中的检索增强生成方法。数量多文档RAG对着文档数量的性能变化方法提出了HiQA框架，用于...RAGHiQA文本文字识别、公式识别、表格文字识别核心算法及思路及实践-DBNet、CRNN、TrOCR
原创前言OCR技术作为文档智能解析链路中的核心组件之一，贯穿整个技术链路，包括：文字识别、表格文字识别、公式识别，参看下面这张架构图：前期介绍了很多关于文档智能解析相关核心技术及思路，本着连载的目的，本次迎来介绍整个链路中的最后一块拼图OCR。本文简要介绍OCR常见落地的算法模型DBNet、CRNN，并基于这两个模型，简单介绍文字识别在表格识别中参与的角色；并且额外介绍TrOCR这个端到端的模型，基于这个模型引入公式识别...文档智能自然语言处理多模态
