AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
扎推曝光！大厂2025计划流出：字节辟谣疯狂买卡，奥特曼要搞AGI、智能体和ChatGPT成人模式；谷歌硬刚OpenAI
原创
社区头条
热门内容榜 • 最近上榜编辑伊风出品51CTO技术栈（微信号：blog51cto）奥特曼明年的工作计划来了！此前，他在X上向网友征集，希望OpenAI在2025年做点什么新东西。——一万条评论在线许愿。今天，奥特曼汇总了一下，这个list很可能是明年重点的更新了！AGI、智能体、更好的升级版4o、更长的上下文……还有一个比较炸裂的“成人模式”。除此之外，深度研究、Sora和个性化的升级也安排在日程里了。这份总结以“修修补补”为主，甚至呼声很高的下一代模型...AGI智能体ChatGPT“大模型+知识图谱”双轮驱动的见解、技术和评估 - 英伟达的GraphRAG
社区头条数据是现代企业的命脉，为从创新到战略决策的方方面面提供动力。然而，随着组织积累的信息量不断增长（从技术文档到内部通信），他们面临着一项艰巨的挑战：如何从海量的非结构化数据中提取有意义的见解和可操作的结构。检索增强生成（RAG）已成为一种流行的解决方案，它通过集成相关的企业数据来增强AI生成的响应。虽然传统的RAG方法对简单的查询有效，但在解决需要推理和交叉引用的复杂、多层次问题时，往往无法满足要求。问...大模型知识图谱RAGAGI前夜的思考：从o3到AGI，未来已来
精华 热门内容榜 • TOP4AI正以前所未有的速度进化，OpenAI的o3模型短短两个月内便从本科生水平跃升至博士级别，这一突飞猛进的进展让人震惊，但这一趋势已不可逆转。AI搜索公司Exa的CEOWillBryk在X上发表了一篇探讨AI的迅猛发展及其对未来社会、工作领域的深远影响的长文：《ThoughtsontheeveofAGI》（AGI前夜的思考）。1.AI发展迅速：从本科生到博士级别的进化AI从本科水平到博士水平的快速跃升，进展速度令人震惊。OpenAI的o3模型展示了AI的巨大潜...AGIo3智能什么是神经网络-终于把神经网络参数更新搞明白了！
今天我们来讲一讲神经网络的参数到底是如何更新的！我们先来看看如下神经网络中的最后一个参数b3是怎样进行更新的。后面的章节再来讲w1w2w3b1b2是如何更新的。我们先假设w1w2w3b1b2参数均已得到最优解，分别如上图中绿色数据所示。假设我们要拟合的曲线如下图所示：我们先给b3赋一个默认的初始值0。假设最上面的绿色曲线是我们要拟合的真实曲线，最下面的绿色曲线是当前的预测曲线。我们先来求一个残差平方和，即对于所有的输入...神经网络参数曲线Bert重大创新，RAG突破512长度限制
当前RAG的检索、召回模块，受到了传统BERT模型只支持512长度的极大限制。导致文档切分后的chunksize，极大影响RAG的性能。本文介绍的ModernBERT，在BERT的基础上进行了重大改进，以提高下游任务的性能和效率，尤其是在更长序列长度上的表现。ModernBERT在2万亿个token上进行训练，原生支持8192序列长度，展现了在多样化分类任务和单向、多向检索任务上的卓越性能。ModernBERT解决的问题问题1：传统Bert序列长度512的限制ModernB...RAGGopher序列长度从大模型数据，看大模型的前瞻应用场景在哪里？
社区头条对比海外AI独角兽Anthropic旗下claude和国内字节旗下的豆包大模型使用数据，可以找出相关规律。Anthropic官方调研美国AI独角兽企业Anthropic使用Clio分析了claude.ai（免费和专业级别）上与Claude的100万次对话，以确定人们使用Claude完成的主要任务。数据显示，用户对编码相关任务的特别重视：“Web和移动应用程序开发”类别占所有对话的10%以上。软件开发人员使用Claude执行从调试代码到解释Git操作和概念的各种任务。Clio在...大模型数据场景2024驾驭人工智能前沿：AI智能体的演进和影响白皮书
《2024驾驭人工智能前沿：AI智能体的演进和影响白皮书》由世界经济论坛和凯捷联合发布。报告聚焦于人工智能智能体，在大型语言和多模态模型快速发展的背景下，阐述其定义为能感知环境并自主行动实现目标的系统。梳理了其从简单规则系统到复杂模型的演进过程，包括关键技术趋势、多种类型及未来的多智能体系统发展方向。还分析了应用带来的生产力提升等好处，以及故障、恶意使用等风险，并针对风险从技术、社会经济和伦理等方面...人工智能AI智能体使用YOLO进行目标检测
原创前言本章的学习内容，将以目标检测为切入口，了解目标检测流程，包括：数据标准、模型训练以及模型预测。图片分类vs目标检测通过查看YOLO网站的task目录，我们可以看到：在计算机视觉领域中，常见的任务包括目标检测（detect）、语义分割（segment）、图像分类（classify）、人体姿态估计（pose）、以及有向边界框（OrientedBoundingBox，OBB）等。图像分类（classify）a.输出是图像所属的类别或标签，通常以概率分布的形式（例...计算机视觉这个大模型Badcase修复方案，我服！
工作以后，对于做业务的同学，一个避免不了的话题就是“badcase”，在大模型时代，当然也是避免不了的问题。对于很多没接触过实际业务的同学可能认为大模型足够强，强到可以很好的fit用户的所有需求，就算fit不了，也可以微调模型来解决。但实际情况是怎样呢？其实不管是大模型，还是专有领域小模型，一定存会各式各样模型解决不了的badcase。具体原因很多，以智能客服系统为例，用户的咨询分布也符合二八原则，即用户80%的咨询...badcase大模型prompt四年匠心磨砺，快手系统软件技术创新与领域演进之路
原创 社区头条一、系统软件技术的核心价值与面临挑战系统软件作为软件架构的基石，扮演着连接软件与硬件的桥梁角色，位于整个软件生态的最底层，处于关键核心的位置。系统软件最为显著的特征在于其规模效应，随着服务器体量的增加，系统软件研发的价值愈发凸显。首先，系统软件技术能够显著提升服务器资源的利用率，实现翻倍效果，同时性能也能提升30%～50%，从而大幅降低公司的服务器资源成本。其次，专业的系统软件团队能够迅速定位并解决...系统软件技术快手JVM协程大模型Transformer架构之编码器(Encoder)和解码器(Decoder)
原创 社区头条“Transformer编码器的作用是特征提取，而解码器的作用是特征重建”在上一篇文章中介绍了大模型的嵌入和向量，这一篇来介绍一下大模型的经典架构之Transformer架构的编码器和解码器。像很多人一样，一直在奇怪Transformer架构经过多层编码和解码之后就能处理输入数据并生成新的数据；所以，今天我们就来深入了解一下Transformer的编码器。Transformer的编码器对计算机网络和加解密比较了解的朋友应该都知道编码和解码；以计算机...大模型Transformer编码器参数减少99.5%，媲美全精度FLUX！字节跳动等发布首个1.58-bit FLUX量化模型
社区头条 热门内容榜 • TOP6文章链接：https:arxiv.orgpdf2412.18653项目链接：https:chenglinyang.github.io1.58bit.flux.github.iogit主页：https:github.comChenglinYang亮点分析1.58bitFLUX，第一个将FLUX视觉Transformer的参数（共119亿）减少99.5%至1.58bit的量化模型，无需依赖图像数据，大幅降低存储需求。开发了一个高效的线性内核，针对1.58bit计算进行了优化，实现了显著的内存减少和推理加速。证明了1.58bitFLUX在具有挑战性的T2I基准测试中，...数据集模型减少LLM幻觉的五大技巧和方法
原创 社区头条本文介绍了使用LangGraph减少LLM幻觉的简单技巧。如果你使用过LLM，就知道它们有时会产生幻觉。这意味着它们生成的文本要么毫无意义，要么与输入数据相矛盾。这个常见的问题可能会损害基于LLM的应用程序的可靠性。我们在这篇文章中将探讨一些简单的技巧来降低产生幻觉的可能性。遵循这些技巧，你有望提高AI应用程序的准确性。幻觉有多种类型：内在幻觉：LLM的响应与用户提供的上下文相矛盾。响应在当前上下文中是错误的，而且这...LLMAI检索增强生成DeepSeek的V3，爆火了
原创 社区头条 热门内容榜 • TOP7编辑言征出品51CTO技术栈（微信号：blog51cto）上周四，12月26日那个晚上非常不平凡，一件大事注定要被AI界写进里程碑。一夜之间，全球开源界最强模型不再是Llama了，而是中国开源界的新星DeepSeek最新研发的前言模型V3，甚至可以比肩世界顶尖的闭源模型。根据DeeSeek披露的基准测试分数，简单来讲，八个字：开源最强，闭源比肩。DeepSeekV3在众多其他闭源模型中脱颖而出，表现优于Meta的旗舰产品——拥有4050亿个参数的Llama3....DeepSeekV3AI快手动效渲染引擎Crab，解锁“游戏化动效”开发新方式！
原创导读：在上一篇文章中，我们全方位地解析了快手Vision动效平台的整体架构及其演进思路。快手前端动效大揭秘：告别低效，vision平台来袭！今天，我们将进一步深入，详细介绍Vision动效平台的渲染引擎——Crab，并分享在复杂动效渲染场景下积累的实践经验和精彩案例。一、项目背景1.1快手大型活动中的动效动效在设计和用户体验领域中有重要的价值，表现力强的动效不仅能够激发受众用户的兴趣，提高参与度，还能提高...java前端动效揭秘！如何将动效描述自动转化为动效代码
导读：在上一篇文章中，我们详细介绍了Vision动效平台的渲染引擎——Crab，并分享在复杂动效渲染场景下积累的实践经验和精彩案例。今天，我们将揭秘如何将「动效描述翻译为动效代码」——从Lottie导出CSSAnimated代码。一、项目背景在进行前端页面开发中，经常需要涉及到元素动效的开发，比如按钮的呼吸状态动效，弹窗的出现和消失动效等等，这些动效为用户在页面交互过程中获得良好的体验起到重要的作用。要开发这些动效，一般...前端java动效解锁AI潜力：AI在销售领域的应用案例(非Chatbot)
原创编者按：在人工智能技术日益普及的今天，企业如何有效地利用AI创造价值，而不仅仅停留在开发Chatbot的层面？我们今天为大家分享的这篇文章，作者的观点是：企业应该将AI应用于解决具体的业务问题，而不是仅仅追随AIChatbot的潮流。本文为我们揭示了AI在销售领域的三个创新应用场景。从特征工程到非结构化数据处理，再到精准的潜在客户评分，每一个场景都展示了AI如何解决实际业务问题，而不是停留在表面的"智能对话"层面。在AI...AI为啥强化学习开始成为了大语言模型（LLM）的新宠？
一、强化学习基础概述强化学习是机器学习的一个分支，核心在于智能体（agent）与环境（environment）的交互。智能体执行动作（action），环境随之反馈奖励（reward）和新的状态（state）。智能体的目标便是通过不断试错，学习到能最大化长期累积奖励的策略（policy）。大语言模型的预训练依赖海量无监督文本数据，构建起庞大的参数空间来捕捉语言规律。然而，这一过程存在诸多短板：缺乏任务针对性：预训练后的模型像是个“知识...LLM大语言模型算力MIT：LLM的思考方式竟然和大脑相似
精华一、背景1.人工智能与神经科学的融合在当今科技飞速发展的时代，人工智能与神经科学的交叉领域正成为科研的热点方向。大语言模型（LLMs）作为人工智能领域的重要成果，其与人类大脑语言处理机制的关系备受关注。从本质上讲，这一研究方向旨在探寻机器如何像人类大脑一样理解和处理语言，这不仅有助于提升人工智能技术的性能，更有助于揭示人类认知的奥秘。过往研究已发现LLMs与大脑在某些方面存在相似之处，如特征提取和表征等...LLM人工智能训练策略我们一起聊聊分类模型：层次聚类
1.算法介绍层次聚类（HierarchicalClustering）是一种常用的数据聚类算法，它通过构建一个聚类树来分析数据集的相似度和差异。这种算法不需要预先指定聚类数，非常适合于探索性数据分析。层次聚类主要包括两种方法：凝聚型（Agglomerative）和分裂型（Divisive）。本文将重点介绍凝聚型层次聚类，并通过MATLAB实现数据的层次聚类分析。2.算法原理凝聚型层次聚类的基本步骤如下：初始化：开始时，将每个数据点视为一个独立的聚类...分类模型层次聚类数据分组
