AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
Meta AI眼镜销量破百万，应用下载量激增200%！罗永浩再次入局AI…风口真的来了吗？
原创
社区头条出品51CTO技术栈（微信号：blog51cto）AI眼镜的风口是不是真的来了。在12月的一场公开演讲里，前魅族高管、怒喵科技CEO李楠给出了AI眼镜市场即将在三年内增长100倍的理由。他说，回顾iPhone开启的智能手机时代，主要有三个认定风口的标志：1.有一款超百万销量的产品：iPhone2销售量130万；而今年RayBanMeta的全球销量也已经在5月份就突破了100万台；2.领导者和华强北都在下场入局：iPhone的山寨机曾经在10年左右泛滥；而现在华...MetaAI罗永浩劲爆！理想汽车转做大模型，主持人质疑李想是否跟风：你有理想吗？
原创 社区头条编辑言征厂长李想回来了！不过出人意料的是，李想一公开露面，就曝出一个大料：李想要把理想汽车这家车企改造成一家AI企业？昨晚，理想汽车官宣的三天直播上来就抛出了一个让人脑洞大开、议论纷纷的话题。直播开始前，就有网友开始脑补李想下一步的AI野心：李想造车只是为了赚到进入AI市场的资本而已！以后别把理想当车企看了，它是为了做全球最顶尖的AI企业。图片好吧，这也行。难道李想造车前就想到要做AI企业了？小编心想，...理想大模型创业大模型语义分析之嵌入(Embedding)模型
原创“嵌入是大模型的基础，而嵌入的底层结构就是向量，而表示方式就是矩阵”嵌入——Embedding，可能有些人了解过这个词，也可能没了解过这个词；但不管怎么说，嵌入在大模型技术中扮演着非常重要的角色；它是很多上层技术的基础。大模型的底层数学结构是向量，而由于计算机只能进行数值计算；因此向量在计算机中是通过矩阵结构进行表示的，优点就在于计算简单；并且能进行升维和降维操作。嵌入就是把数据（包括文本，图像，音视频...大模型语义分析RAG 架构图解：从基础到高级的七种模式
社区头条「RAG技术通过在AI生成过程中引入外部知识检索，从基础的文档查询发展到多模态、MultiAgent体协同的智能架构，让AI回答更准确、更全面」「核心组件」嵌入模型：将文本转换为向量表示生成模型：负责最终的内容生成重排序模型：优化检索结果的相关性向量数据库：存储和检索向量化的内容提示模板：规范化的查询处理模板AIAgent：智能决策和任务协调图例1NaiveRAGNaiveRAG（RetrievalAugmentedGeneration）是最基础的一种架构，用于...AgenticRAG行业趋势ChatGPT实时视频通话功能全量开放，AI终于睁开了"眼睛"
社区头条"ChatGPT又崩了……""期末论文怎么办？""工作报告还没写完啊！"这是昨天ChatGPT宕机4小时时，推特上此起彼伏的哀嚎。而就在24小时后，当我第一次通过摄像头与ChatGPT"面对面"时，这种感觉，说实话，有点奇妙。Openai给我们带来了一个重磅更新ChatGPT的实时视频通话功能全量开放了。这个功能最让人惊叹的地方在于它的实时视觉理解能力。ChatGPT不仅能看到你，还能实时理解你的一举一动。比如，你在镜头前展示一道数学题，它能立...ChatGPTAI视频通话太空中的RAG：宇航员如何在火星上生存下去，而无法使用谷歌？
宇航员如何在火星上生存而无需谷歌搜索？太空、火星、外星人、太空任务……自从人类首次见证尼尔·阿姆斯特朗登上月球以来，所有关于太空探索的话题以及太空的隐藏秘密一直让我们着迷。随着技术的进步，我们的目光投向了火星殖民和深空探索。尽管太空探索的美丽吸引了无数电影的关注，但它也带来了许多挑战，其中一个关键挑战是：在不依赖地球互联网基础设施的情况下获取实时、可操作的信息。显然，宇航员在太空中无法使用谷歌...RAGSpaceXNASAAnthropic最新研究，Claude学会“演戏”了！
社区头条Anthropic刚刚发布了一篇疯狂的新论文。ALIGNMENTFAKINGINLARGELANGUAGEMODELS。人工智能模型会“伪装对齐”——在训练期间假装遵守训练规则，但在部署后会恢复其原始行为！研究表明，Claude3Opus在训练中有策略地遵守有害请求，以保持其无害行为。也就是说，模型并非简单地随机或无意识地做出反应，而是经过了类似人类的思考过程，并且其思考的目标是维持它原本“无害”的行为模式。举个例子，模型可能会这样“思考”：“我现...AnthropicClaude人工智能突破与超越：CosyVoice 2.0—阿里巴巴通义实验室的语音进阶新作
在当今快速发展的科技领域，语音合成技术正逐渐成为连接人与机器的关键桥梁。随着多模态大语言模型的不断进步，语音合成系统的响应速度和实时性变得尤为重要。阿里巴巴集团的通义实验室语音团队推出的CosyVoice2.0，在继承前代产品优势的基础上，进行了深度优化，旨在解决现有问题并提供更加出色的性能。一、项目概述CosyVoice2.0作为阿里巴巴通义实验室精心打造的开源语音生成大模型的进阶之作，是一款基于先进的监督离散语音...阿里巴巴CosyVoice技术为什么多模态AI是下一个风口？深度解读新一代LLM
精华本文旨在解释多模态大语言模型的工作原理。此外，还将回顾并总结最近几周发布的十几篇多模态研究论文和模型（包括Llama3.2）的内容，以比较它们的不同实现方式。一、多模态大语言模型是什么？多模态大语言模型（MultimodalLargeLanguageModels，简称MultimodalLLMs）是一种能够理解和生成多种类型数据的模型，包括文本、图片、音频和视频等。这些模型可以跨越不同的数据形式，进行信息的交互与生成。例如，传统语言模型只能处理...AILLM多模态2025年，拥抱AI Agent！
嘿，大家好！这里是一个专注于AI智能体的频道在a16z预测2025年的发展中，Agent占据了很重要的一个环节。昨天中金也发研报，表示看好Agent的发展趋势。包括langchain发布的24年总结报告，Agent是持续保持增长的。所以25年，Agent或许值得期待？今天给家人们完全梳理一下Agent智能体的系统，作为Agent入门指南（超长超长）！这篇文章会帮你理清头绪，明确地告诉你智能体到底是什么，以及它们是怎么工作的。我们会拆解智能体的关键...AIAgent智能体码住！Pydantic AI智能体框架，轻松打造AI Agent
大型语言模型（LLMs）降低了人工智能的门槛，使其触手可及。但要开发成熟的的AI系统，我们经常要面对类型安全、依赖管理、错误处理等一系列挑战。现在PydanticAI能够解决这些问题，这是一个创新的Python框架，能够简化生产级AI智能体的开发。得益于Pydantic强大的类型系统，这个框架成为了开发者构建既可靠又易于维护的AI应用的理想工具。本文为大家分析PydanticAI框架的价值和功能，以及如何利用其来构建可靠的AI应用。1.Pydan...PydanticAI智能体让SD系列和FLUX.1无痛升级！浙大&vivo提出CoMPaSS：文生图空间理解能力暴涨！
论文链接:https:arxiv.orgpdf2412.13195git链接:https:github.comblurgyyCoMPaSS亮点直击一个综合的训练框架CoMPaSS，显著增强了T2I扩散模型的空间理解能力。一个系统化的数据引擎SCOP，通过施加原则性约束来识别和验证图像中对象对之间明确的空间关系，从而能够策划高质量的空间训练数据。一个无参数模块TENOR，进一步提高了任何架构的T2I扩散模型的空间理解能力，同时增加的计算开销可以忽略不计。总结速览解决的问题文本到图...AI训练模型AI前沿盘点：2024年技术应用总结与2025年趋势展望
原创 社区头条摘要本文主要介绍2024年AI领域的发展，并展望2025年AI应用技术的发展趋势。首先，文章回顾了2024年AI技术的迭代与突破，重点涵盖了深度学习、大模型、算法创新和模型进化，尤其是大语言模型和多模态模型的迅猛发展。这些技术创新不仅提升了模型在理解和生成多任务、多模态内容的能力，也推动了AI在多个领域的应用。其次，本文分析了2024年AI应用的落地情况，探讨了AI技术如何在行业中得到实际应用，特别是在医疗、自动驾驶和智...AI技术大模型人工智能阿里巴巴语音实验室发布开源语音处理框架ClearerVoice-Studio，支持语音增强、分离、目标说话人提取
原创 社区头条01、概述在日常生活和工作中，你是否常因嘈杂的环境、重叠的对话或音视频信号的混杂而感到沟通困难？无论是个人电话、专业会议还是内容创作，这些问题都在困扰着我们。虽然音频技术日新月异，但许多现有方案在复杂场景中仍难以提供稳定且高质量的音频体验。因此，市场急需一套能够应对这些挑战并适应现代应用需求的语音处理框架，例如虚拟助手、视频会议和创意媒体制作。清晰之声，重塑沟通体验为了解决这些痛点，阿里巴巴语音...开源语音处理框架AMD AI芯片被曝软件有大量bug、无法开箱即用!难成英伟达平替！
原创 社区头条编辑伊风出品51CTO技术栈（微信号：blog51cto）AMD的旗舰AIGPU加速器，被曝软件存在大量bug，几乎无法用于训练AI模型？！这事挺让人意外的，因为它可是AMD用来阻击霸主英伟达的一张王牌。去年12月，AMD在自家的“AdvancingAI”活动中，首次宣布推出了MI300X，其性能比英伟达的H100足足高出60%！图片一年过去了，已经投产的AMDMI300X是否真有当时宣传的那么强劲？技术分析公司SemiAnalysis发了一份真实、详尽的报告，感觉太打脸...AMDAI芯片英伟达AMDInfinigence AI 发布 Megrez-3B-Omni：3B 设备上开源多模态大语言模型 MLLM
原创01、概述随着人工智能（AI）在我们日常生活中逐渐普及，它的应用领域也越来越广泛。然而，在这一进程中，我们也面临着一些技术障碍，尤其是在多模态理解（MultimodalUnderstanding）方面。多模态理解是指AI能够同时处理和分析来自文本、语音、图像等多种输入形式的能力。尽管如今许多AI模型在这些领域取得了显著进展，但它们依然存在一些亟待解决的问题，如计算资源需求庞大、延迟高、能效低以及数据隐私问题。尤其是依赖云端的...开源多模态大语言模型Voyage AI 推出 voyage-code-3：专为代码检索而优化的全新下一代嵌入模型
原创 精华01、概述在AI技术不断发展的今天，代码检索这一领域迎来了新的突破。由VoyageAI团队推出的Voyagecode3，作为一款专为代码检索任务设计的嵌入模型，不仅表现卓越，还大幅超越了当前的行业标杆，如OpenAIv3large和CodeSagelarge。这一进展不仅重新定义了代码检索技术的潜力，也为广大开发者带来了全新的解决方案。Voyagecode3的亮眼表现在代码检索任务中，Voyagecode3无疑是一个耀眼的明星。研究显示，这款模型在238个代码检索数...大语言模型云计算与大模型训练的结合
原创“我们要学会使用第三方的大模型平台，而不是什么都从0开始”大模型从出现以来，其巨大的成本问题一直都是压在很多企业头上的一座山；但大模型作为一项基础设施，理论上应该和现有的基础设施相结合，比如说云计算平台。根据云计算的思想，除了实现快速部署迁移以及庞大的网络洪峰之外；其次最重要的一点就是提升资源的利用率；比如对很多公司来说，流量洪峰主要都集中在某些时间段，大部分时间的流量都比较平稳。因此，如果按照...云计算大模型优雅谈大模型：Token与分词方法
1.Token在继续前行之前，需要先停下来澄清下Token这个词，以及如何将原始的语料转化为Token，在细究背后的原理之后会更加优雅的理解大模型。任何的资讯都可以生成语料，而这些语料需要被机器理解以及供后续的模型训练，那么最常见的做法是将一段文字先切片，然后一一对应的转化为数字或者向量输入模型。通常而言有三种类型的分词法：基于单词、字符以及子词的分词法。单词和字符这里就不解释，字词法运用得最为广泛，也是最为主...大模型Token大模型QVQ-72B，如期而至！继QWQ后，通义千问又开源视觉推理大模型！
社区头条大家好，我是刘聪NLP。没错，是的，对的，很棒，千问！QWQ之后，千问团队又开源了视觉推理大模型QVQ，是72B的呦。圣诞快乐，如期而至！HF:https:huggingface.coQwenQVQ72BPreview为啥是72B，可想而知，这个QVQ就是基于前一段时间开源的Qwen2VL72B模型上进一步训练得来的。有个7B的为啥没出QVQ7B，估计是参数来太少，做o1式推理效果不行，QWQ也是32B起步的，所以模型参数量很关键。在榜单上的效果，QVQ在MMMU是突破了70，并且整...QVQ-72B开源视觉
