AI.x社区

随着人工智能发展，大语言模型取得显著成果，但距离人类水平的通用智能仍有差距。理解并解决大语言模型在实现通用智能过程中的关键问题，如具身性、符号接地等，对推动人工智能迈向通用智能阶段至关重要，这不仅能拓展AI应用领域，还能深化对智能本质的理解，为构建更强大、更智能的系统奠定基础。本文聚焦于大语言模型（LLMs）通向通用人工智能（AGI）的研究，探讨了实现AGI的基础原理，包括具身性、符号接地、因果关系和记忆...

随着人工智能的快速发展，智能体成为重要创新领域。其在多个行业已得到应用且不断进化，研究这些趋势有助于企业和个人了解未来技术走向，提前做好准备，利用智能体提升效率、改善体验，推动各行业变革，同时确保其合理、道德地发展。文章首先介绍了人工智能智能体的定义及2024年的发展趋势，如在客户服务、网络安全等领域的应用。接着详细阐述了2025年的十大趋势，包括采用率增长、主动式智能体、超个性化、情感智能、多模态能...

最近，像o1这样的慢思考推理系统在解决复杂推理任务上表现出色，但核心技术未公开。研究界想探索其技术基础，本文在此背景下展开研究。其重要意义在于提出的框架和方法能有效训练推理模型，在多个基准测试上取得不错效果，有助于推动大语言模型在复杂推理领域的发展，缩小与行业领先系统的差距，且研究资源公开，利于后续进一步研究和合作。解读本文旨在复现类似o1的慢思考推理系统，提出“模仿、探索和自我改进”框架。首先通...

人们在日常生活中需要视觉空间智能来处理空间信息，但多模态大语言模型在这方面的能力尚未得到充分研究。本文构建了VSIBench基准测试，对模型进行评估和分析，有助于了解模型的优势和不足，为提升模型的视觉空间智能提供方向，推动相关领域发展，如机器人、自动驾驶和ARVR等，使模型能更好地应用于实际场景。本文围绕多模态大语言模型（MLLMs）的视觉空间智能展开研究。首先介绍了视觉空间智能的概念及相关能力分类，接着提出了...

Sora模型的推出，意味着人工智能技术在视频制作领域迈出了一大步。它不仅能够理解文本指令，生成高质量的视频内容，还能够进行视频编辑和风格转换，极大地简化了视频创作过程。这对于创意产业来说是一个革命性的工具，因为它降低了视频制作的技术门槛，让更多人能够参与到视频创作中来。同时，Sora的发展也是人工智能向更高层次——人工通用智能（AGI）迈进的一个标志。OpenAI直播第三弹，Sora终于现身了！才一上线，网页就已经...

现在语言模型用合成数据训练变得越来越重要，但之前没标准方法比较不同模型生成数据的能力。这篇文章提出AgoraBench测试，用它评估模型在生成数据上的水平。结果发现不同模型各有厉害的地方，而且生成数据能力和解决问题能力不一样，像数据质量的一些特点更能体现其生成能力。这对研究人员和用模型的人都有帮助，能让研究人员知道什么样的模型能更好地生成数据，让用模型的人优化自己生成数据的方法，对语言模型在实际里用得更...

随着人工智能技术的飞速发展，2024年的研究者们在多个领域取得了重大突破。这些研究成果不仅提高了AI的效率和性能，还扩展了AI的应用范围，使其能够更好地理解和创造内容，为各行各业带来了革命性的变化。在本文中，我们深入研究了十篇开创性的研究论文，这些论文在包括大语言模型、多模态处理、视频生成与编辑以及交互式环境创建等不同领域拓展了人工智能的前沿。这些研究由Meta、谷歌DeepMind、StabilityAI、Anthropic和微软...

在现实世界的推荐系统中，大多数用户只与少数项目互动，而大多数项目很少被消费，这导致了所谓的长尾挑战。为了解决这一问题，研究者们提出了一种新框架LLMESR，它利用大型语言模型的强大语义理解能力来增强推荐系统的性能，专门优化那些互动较少的用户和项目的效果。序列推荐系统（SRS）旨在基于用户的历史互动预测用户随后的选择，并在电子商务和社交媒体等多个领域得到应用。然而，在现实世界的系统中，大多数用户只与少数项...

随着人工智能的快速发展，多模态大型语言模型（MLLMs）已经成为理解视觉数据和语言上下文的关键技术。这些模型能够处理和生成结合文本、图像和其他模态的内容，但如何有效评估它们的性能一直是个挑战。本文通过全面回顾现有的多模态基准测试，为研究人员提供了评估MLLMs性能的工具和方法，这对于推动人工智能技术的发展具有重要意义。多模态大型语言模型（MLLMs）的快速发展为人工智能带来了重大进步，显著增强了理解和生成多模...