編輯云昭進入2025以來，中國大模型的開源力量一騎絕塵，甚至蓋過了Llama的勢頭。今天，中國開源大模型，迎來新成員！4月30日，趕在五一前，一條“為Reasoning而生”的XiaomiMimo開源模型的發布消息不脛而走，發布渠道是小米6天前新注冊的公眾號XiaomiMimo。圖片據悉，XiaomiMimo模型是小米公司剛成立不久的LLMCore團隊（據傳去年12月底開始成立）的成果首秀。圖片模型參數只有7B，卻在代碼、數學能力戰勝了OpenAI的o1mini和阿里...

編輯云昭出品51CTO技術棧（微信號：blog51cto）4月19日，首屆人形機器人半馬比賽賺足了大家的注意力。而民間版宇樹機器人G1起跑過程中摔倒起來繼續比賽的表現也引來了網友的質疑。為此，創始人王興興第一時間作出了回應：宇樹最近完全沒有參與任何比賽，是其他團隊使用宇樹機器人參加比賽，機器人的表現和算法與操作有關。事實勝于雄辯，就在10天后，29日，宇樹科技官方直接來了一場G1長跑測試直播，用實際結果為自己正名。圖片...

在AI的世界里，數學推理一直是個讓人又愛又恨的難題。為啥呢？因為它不僅需要理解抽象的概念，還得精準地進行多步邏輯推理。以前的語言模型，雖然生成文本很流暢，但遇到復雜的數學問題，就像讓一個文科生去解奧數題，常常無從下手。不過，最近NVIDIA發布的OpenMathNemotron系列模型，直接把這個問題給解決了！今天，咱們就來好好聊聊這個厲害的AI新星。數學推理，為啥這么難？數學推理就像是AI領域的一座高山。它需要AI不僅要...

在自然語言處理（NLP）的浩瀚宇宙中，嵌入技術（Embedding）無疑是其中最閃耀的星辰之一。從最初的簡單計數方法，到如今的多模態深度學習模型，嵌入技術的演進不僅推動了NLP的發展，也為我們理解和處理語言提供了全新的視角。今天，就讓我們一起踏上這場奇妙的旅程，探索14種定義嵌入技術演進的強大方法！一、初窺門徑：基礎的嵌入方法（一）計數向量器（CountVectorizer）在NLP的世界里，一切都要從最基礎的計數開始。計數向量...

編者按：Google新推出的A2A與Anthropic的MCP到底有何區別？它們是競爭關系還是互補的技術？本文通過一個規劃夏威夷旅行的生動案例，清晰拆解了這兩大協議的本質區別：MCP更像是為單個AIAgent賦能的“超能力工具箱”，而A2A則是構建了AIAgent專家團隊間的“協作網絡”。作者基于實際項目經驗，揭示了影響實際應用這兩種協議的3項技術差異，同時還解讀了二者互為補充而非競爭的真實關系。作者ZacharyHuang編譯岳揚01引言：協作式...

文章地址：https:arxiv.orgabs2504.19724項目鏈接：https:reptext.github.ioGit鏈接：https:github.comShakkerLabsRepText亮點直擊RepText，一個用于可控多語言視覺文本渲染的有效框架。創新性地引入了字形隱空間變量復制技術，以提高排版準確性并實現顏色控制。此外，采用區域掩碼來保證良好的視覺保真度，避免背景干擾。定性實驗表明，本方法優于現有開源方案，并與原生多語言閉源模型取得了可比的結果。總結速覽解決的問題現...

從構思到設計原型，只需要短短幾秒。OpenUI讓你僅使用自然語言就可以構建、編輯和導出UI，無需任何設計技能！不妨先從一個簡單的例子開始。很多時候，我設想一件看起來很棒的裙子，但當我真正找到類似的裙子時，卻發現效果不如預期。這不僅僅是我個人的問題，在編程中也會遇到。客戶可能在腦海中構思一個很棒的UI，但最終構建出來的卻不如預期。這不僅浪費了時間和資源，還可能導致客戶不滿。幸運的是，這個問題現在有了解決方...

如何開發一個通用算法，使其能夠在不同任務領域中不依賴大量人工調參，甚至無需人類先驗數據即可實現“開箱即用”的效果？這種通用性的重要性不言而喻。它不僅意味著AI能夠更廣泛地適應真實世界的復雜場景，還將顯著降低應用AI技術的門檻，讓開發者得以聚焦于更高層次的創新。在這一背景下，“世界模型”（WorldModels）成為了重要突破口。通過學習環境的緊湊表示并預測未來情景，世界模型為AI提供了一種類似人類“想象力”的能...

ModelContextProtocol（MCP）模型上下文協議（如下圖所示）是Anthropic發布的一種標準化協議，使得Agent智能體應用可以更快捷地與下游異構的數據或者工具進行交互，還不熟悉的同學可以看這里《??王炸！MCP架構設計深度剖析&使用SpringAI+MCP四步教你實現Agent智能體開發???》。最近，兩大關鍵事件標志著MCP已從事實標準邁向行業標準：一方面，OpenAI正式宣布跟進Anthropic的MCP協議，另一方面，Anthropic發布了新版本MCP協...

前幾天SpringAI迎來了其1.0.0版本的第七個里程碑（Milestone7）的發布。緊接著下個月，我們將迎來RC1（ReleaseCandidate1）版本，隨后便是正式版（GA，GeneralAvailability）的發布。對于Java開發者社區而言，這無疑是一個備受期待的喜訊！1、SpringAI框架介紹SpringAI是一個用于AI工程的應用框架。它的目標是將Spring生態系統中的一些設計原則，比如：可移植性和模塊化設計，應用到AI領域。它還推動在AI領域使用簡單的Java對象...

本文通過一個實際案例展示如何基于MCP（ModelContextProtocol）開發一個支持私有知識庫的AIAgent問答系統。1、AIAgent問答系統整體流程AIAgent問答知識庫系統整體由構建與檢索流程組成。第一、知識庫構建流程1、文本切分對輸入的文本進行切分，確保切分后的文本段在保持完整性和語義連貫性的同時，便于后續處理和檢索。2、FAQ提取從文本中提取常見問題及其答案（FAQ），作為知識庫的一部分，以增強檢索的準確性和效率。3、知識...

通義千問3（Qwen3），通義千問大語言模型家族的最新成員。作為阿里巴巴的旗艦模型，通義千問3235BA22B在編碼、數學、通用能力等基準評估中，與DeepSeekR1、o1、o3mini、Grok3、Gemini2.5Pro等其他頂級模型相比，取得了極具競爭力的成績。此外，小型混合專家（MoE）模型通義千問330BA3B，其激活參數僅為QwQ32B的十分之一，卻超越了后者的表現；甚至像通義千問34B這樣的微型模型，也能與通義千問2.572BInstruct相媲美。通義千問3...

（OpenAI指南中的觀點，引發了行業思考）當前的討論充斥著炒作、空談和噪音，卻鮮有對智能體框架的精確分析或深入思考。別擔心！這篇文章將為你撥開迷霧，帶你深入理解智能體框架的核心問題，助你構建更可靠、更強大的智能體應用。本文核心看點：智能體(Agent)到底是什么？（告別模糊定義！）構建可靠Agent的真正難點在哪？（直擊痛點！）LangGraph是什么？它為何與眾不同？智能體框架大比拼：工作流vs智能體、聲明式vs命令式、...

加州大學洛杉磯分校與MetaAI的研究團隊聯合發布了革命性的強化學習框架d1【文獻1】。該框架顯著提升了基于擴散原理的LLM（dLLM）的推理性能——在某些場景下將響應時間從超過30秒縮短至僅需3秒。當AI界普遍聚焦于GPT這類逐詞生成結果的自回歸模型時，dLLM另辟蹊徑，其設計靈感源自DALL·E2和StableDiffusion等圖像生成模型。這類模型并非順序構建答案，而是通過多輪迭代優化被遮蔽的文本版本，在每一階段都能實現更快速的并行化...

今天給大家介紹一篇ICLR2025中關于時間序列異常檢測的工作。這篇文章采用基于MemoryBank和Prototype的異常檢測方法，提出在此基礎上引入多尺度patch和多周期性的建模方法，進一步提升時間序列異常檢測效果。論文標題：LEARNHYBRIDPROTOTYPESFORMULTIVARIATETIMESERIESANOMALYDETECTION下載地址：??https:openreview.netpdfid8TBGdH3t6a??1.研究背景時間序列異常檢測的主流方法，是使用正常的時間序列訓練一個自編碼器，序列...

近一階段，強化學習成為進一步提升大模型能力的共識路徑，這時候，你是不是也覺得，給大模型套上強化學習（RL）的韁繩，再用上那些能自動驗證對錯的獎勵機制（RLVR），就能讓它們像打了雞血一樣，推理能力蹭蹭往上漲，實現模型自我進化，“左腳踩右腳”不斷飛升。然而，清華大學近期的一項研究《DoesReinforcementLearningReallyIncentivizeReasoningCapacityinLLMsBeyondtheBaseModel（強化學習真的會激勵LLMs基模型之外的推理...

還記得2023年初ChatGPT剛出來時，讓它30秒寫一個“冒泡排序”都覺得很新鮮？彈指之間，今天的AIagent已經能自主幾分鐘內啃下人類程序員需要一小時乃至一天才能完成的需求了。感覺AI進步太快跟不上？這可不是錯覺。專注于AI能力評估的METR機構扔出重磅研究：AI系統能搞定的編碼任務復雜度（以人類所需時間衡量）正以驚人的指數速度增長，其“時間范圍”（TimeHorizon）——即AI能達到50%成功率的任務時長——大約每7個月就翻一番...

DeepSeekV3的MultiTokenPrediction到底在做什么？這個問題在大模型面試中經常被問到，屬于DeepSeek的高頻面試題。所以這篇文章我們就來看看，如果你在面試現場被問到這個問題，應該如何作答？1.面試官心理分析首先老規矩，我們還是來分析一下面試官的心理，面試官問這個問題，它其實主要是想考察你3個方面：第一，為什么要做MTP？你是否知道這個算法背后的動機？第二，之前的工作MTP是怎么做的？DeepSeek肯定不是這個方法的首創...

一、A2A協議的核心原理A2A協議的設計基于五個核心原則，這些原則確保了協議的靈活性、安全性和廣泛適用性。以下是對這些原則的詳細解析，并結合技術機制進行說明。1.擁抱智能體特性（EmbraceAgenticCapabilities）A2A協議專為具有自主性和復雜推理能力的AI智能體設計。不同于傳統的工具調用（如API或數據庫查詢），A2A允許智能體以自然、結構化的方式進行協作，而無需共享內存、工具或上下文。這種設計支持智能體在分布式環境中...

2025年4月29日凌晨，阿里巴巴正式開源了其新一代通義千問大模型Qwen3系列，這一發布不僅登頂全球開源模型性能榜首，更以創新的"混合推理"架構重新定義了大型語言模型的效率邊界。作為國內首個集成"快思考"與"慢思考"能力的開源模型，Qwen3在性能全面超越DeepSeekR1、OpenAIo1等頂尖模型的同時，將部署成本降低至競品的13。阿里巴巴還公開了兩個MoE模型的權重：Qwen3235BA22B和Qwen330BA3B。前者是一個具有2350億總參數和2200億...

摘要最近的研究表明，預訓練的擴散變換器（DiTs）具備inherentincontext生成能力，能夠通過最小或無需架構修改即可適應多種視覺任務。這些能力通過連接多個輸入和目標圖像的自注意力token，并結合分組和掩碼生成pipeline來實現。基于這一基礎，我們提出了ChatDiT，這是一個零樣本、通用、交互式的視覺生成框架，利用預訓練的擴散變換器，無需額外的調整、適配器或修改。用戶可以與ChatDiT交互，創建交錯的圖文文章、多頁圖畫書...

摘要大型語言模型在各種自然語言處理任務中取得了令人矚目的性能。然而，它們主要在所有輸入上下文信息都與任務相關的情況下進行評估。在本研究中，我們探討了大型語言模型的分心問題，即模型解決問題的準確性如何受到無關上下文的影響。具體而言，我們引入了帶有無關上下文的小學數學（GSMIC），這是一個包含無關信息的算術推理數據集。我們利用這一基準測試來衡量大型語言模型的最新提示技術，并發現當包含無關信息時，模型性...

摘要多模態大型語言模型（MLLMs）在視覺理解和生成任務中取得了顯著進展。然而，生成交錯的圖文內容仍然是一個挑戰，這需要集成多模態理解和生成能力。盡管統一模型的進展提供了新的解決方案，但現有基準由于數據規模和多樣性的限制，不足以評估這些方法。為了填補這一空白，我們引入了OpenING，這是一個綜合基準，包含56個真實世界任務的5400個高質量人工標注實例。OpenING涵蓋了旅游指南、設計和頭腦風暴等多樣化的日常場景，...

FoundationAgent不再將智能體視為LLM的簡單應用，而是將其看作一個由認知、記憶、學習、感知、行動等多個核心組件構成的復雜、有機的系統。其核心意義在于提供了系統性框架，強調了自主性，關注協作與生態，并突出了安全與對齊。然而，實現這一愿景也面臨著技術復雜度高、需要龐大計算資源、評估困難、自進化可控性問題以及安全與對齊的根本性難題等巨大挑戰。論文鏈接：https:arxiv.orgabs2504.01990擁有完善的認知架構只是第...

大型語言模型（LLMs）憑借其在自然語言理解、多模態處理、推理和內容生成方面的卓越能力，為AI領域帶來了革命性變革。這些模型通過海量數據集訓練后，展現出推理、上下文學習乃至基礎規劃等自發能力。盡管LLMs代表了智能機器發展的重要里程碑，但它們尚未完全具備智能生物的全部特性。自人工智能研究初期以來，研究者們一直致力于開發真正"智能"的系統——能夠學習、規劃、推理、感知、交流、行動、記憶，并表現出類人的能力與...

“數據召回是RAG技術的重要領域，而不同的召回策略甚至會產生完全不同的效果。”RAG技術的核心原理很簡單，本質上就是在外部維護一個資料庫，在進行大模型問答之前，先從資料庫中找到相關的內容，然后一起輸入到大模型中。但由于文檔的復雜性，在進行文檔處理時很難真正做到高質量的數據處理；因此，在做數據召回時就會面臨著各種各樣的問題。所以，怎么進行高質量的數據召回，就成為RAG必須要研究的一個課題；而今天，我們就來...

“構建一個合格好用的智能客服是很多中小企業急需的市場需求。”客服系統在現代商業體系中扮演著重要的角色，不論任何領域任何行業都離不開客服的存在；雖然客服系統經過多年的實踐與發展，但依然存在各種各樣的問題。而隨著互聯網技術的發展，特別是目前基于自然語言處理的大模型技術的發展，為客服系統提供了新的解決方案；其主要優勢就在于基于大模型的智能客服系統能夠快速響應，快速回復，能夠做到724小時不間斷待命狀態，...

MCP協議盡管標準化了AI代理通信，但也帶來了共享內存污染、工具投毒及版本失控等漏洞威脅生態安全問題。為此，需要構建訪問控制與沙盒防護框架。引言目前，Anthropic公司推出的多代理上下文協議（MCP）備受業界關注。MCP通常被稱為“AI代理的USBC”，它承諾將標準化代理之間的通信方式。這個想法很簡單：通過一個通用接口連接不同的AI代理和工具，讓它們共享內存，并跨任務重用功能。無需膠水代碼，無需RAG。只需插入即可，它們...

編輯伊風出品51CTO技術棧（微信號：blog51cto）源神Qwen3趕在五一假期前重磅上線！這次Qwen3直接放出了一整個“全家桶”——總共8個模型，包括2個MoE（稀疏專家）模型和6個稠密模型，規模從0.6B到235B不等，陣容堪稱豪華。圖片其中，旗艦模型Qwen3235BA22B強勢登頂，成為新一代開源之王！在編碼、數學、通用能力等多個基準評測中，表現可與DeepSeekR1、o1、o3mini、Grok3和Gemini2.5Pro等頂尖模型媲美。圖片不僅大模型強，小型...

筆者近日在朋友圈發了如下感慨：“現在太多科幻敘事下的公司AI戰略，看了讓人觸目驚心，可以判斷這些做AI戰略的人幾乎不看paper的。現在的大模型做個六七十分的demo非常擅長，對企業生產場景卻缺乏精準控制的手段。再強大的工具也有能力的邊界，研究數理原理可以推演出這些邊界：?大模型的數理認知框架v2”。問題這并非刻意標新立異或危言聳聽：隨著大型生成模型能力的不斷提升及日益廣泛應用，人們對其可靠性、安全性及潛在濫...

在當下流行的幾種大模型微調方法中，大家經常會看到談論SFP與Unsloth的文章，那我們應該如何了解它們？它們的技術特點又有哪些？各自應用在哪些模型微調的場景呢？本篇我們帶著這些問題，一起來了解一下。一、SFT微調技術介紹監督微調（SupervisedFinetuning,SFT）是一種遷移學習（TransferLearning）技術，指的是在已經預訓練好的模型（例如大語言模型中的GPT、BERT等）基礎上，使用帶有人工標注標簽的監督數據，對模型進行進...

在機器學習領域中，ChainofThought（思維鏈）技術是一種在大語言模型（LLM）推理任務中非常重要的方法，它誕生的目的是使模型能夠像人類一樣，通過一系列中間推理步驟來得出最終答案，而不是簡單地給出一個直接的答案。這種能力對于提升模型的解釋性、可信度和解決復雜問題的能力至關重要，尤其是在涉及邏輯推理、數學計算、問答等需要多步推理的應用場景中。本篇我們一起來了解一下CoT技術。一、什么是思維鏈技術1.基本概念思...

引言隨著大模型技術的爆發，AIAgent（智能代理）逐漸成為落地應用的核心載體。它不僅能理解語言，還能自主規劃、調用工具、執行任務，真正讓大模型從“語言模型”升級為“行動助手”。然而，面對市面上眾多的Agent開發框架，開發者該如何選擇？本文梳理了9大主流框架，解析其核心特性與差異，助你快速找到適合的工具！一、主流Agent開發框架盤點1.LangChain核心定位：行業標桿級框架，支持復雜任務鏈設計，集成能力極強。特點：...

引言在AI技術蓬勃發展的今天，大模型Agent（如GPT4、Claude等）需要頻繁與外部工具、其他Agent甚至云端服務交互。如何高效、安全地完成這些通信？答案藏在JSONRPC2.0這一看似“古老”卻煥發新生的協議中。本文將解析為何JSONRPC2.0成為大模型Agent傳輸協議的“寵兒”，并揭秘其核心優勢。一、JSONRPC2.0是什么？JSONRPC2.0是一種基于JSON的輕量級遠程過程調用（RPC）協議，誕生于2010年。它通過簡單的請求響應機制，允許客戶端...

GPT4o多模態版、Claude3.7、Gemini2.5三大頂流AI最新完整版系統提示詞。通過這些AI大模型的系統提示詞，我們能夠清晰地了解各個AI的獨特特性、核心優勢以及強大功能，為我們選擇、應用、和研發提供一個寶貴的參考！1.GPT4o多模態版系統提示詞如果開啟「memory」記憶功能，ChatGPT在聊天中記錄兩方面的主要信息：和用戶相關的個人信息。比如性別、性格、表達風格、家庭、工作情況等等。最近的聊天記錄。比如最近10次和ChatGPT聊...

在數據應用場景中，數據源屬于數據管理是非常的一個環節，包括數據源、數據集成、生命周期、數據地圖、數據標注、數據安全、主數據等等等，數據管理也是整個數據治理體系中最核心的部分之一，面向智算領域的數據能力，對于AI數據治理會有一些新的挑戰。在過去數十年的大數據領域發展過程中，結構化數據和半結構化數據處理都是其中絕對的主角，結構化和半結構化數據由業務流程產生，與商業價值高度相關，這些數據與企業的流程業...

一、卷積神經網絡（CNN）：視覺特征的自動提取器技術原理CNN通過模擬人類視覺系統的層級特征提取機制，利用卷積層、池化層和全連接層逐層抽象圖像特征：卷積層：通過濾波器（如3×3矩陣）對輸入圖像進行滑動窗口式計算，捕捉局部特征（如邊緣、紋理）。池化層：通過降采樣（如最大池化）減少參數數量，增強平移不變性。全連接層：將高層特征映射到分類或回歸任務。發展歷程LeNet5（1998）：首次將CNN應用于手寫數字識別，奠定基...

現在很多人讓大模型調用外部工具，最常見的做法就是FunctionCalling。乍一看，能調起來沒問題。但真要接多個服務、跑一個完整流程，FunctionCalling就顯得太粗糙了——定義繁瑣、結構不統一、模型換一個就得重寫一遍。本質上，它解決的只是“能不能調用”，但沒解決“怎么標準、高效地調用”。而MCP出現，就是為了解決這個“工程化不成體系”的問題。我認為FunctionCalling更像是“你教模型怎么用某個函數”；而MCP，是“你把這...

出品51CTO技術棧（微信號：blog51cto）昨天晚上，“DeepSeekR2提前泄露”的傳言刷屏AI圈，原因盡然來自HuggingFaceCEO在推特的一條帖子，引發全網猜測。帖子表達的信息有些晦澀：三個眼睛表情，配上了DeepSeek在HuggingFace的倉庫鏈接（https:huggingface.codeepseekai）以及相關配圖。網友難免會聯想猜測：也許DeepSeekR2即將上線發布。緊接著就是各種有關DeepSeekR2的離譜謠言：一位X用戶“預告”：“DeepseekR2明天或周三發...

出品51CTO技術棧（微信號：blog51cto）2個多小時前，OpenAICEO奧特曼發推表示：最新版GPT4o在最近幾次更新后出現了“過度諂媚”的交互個性傾向（即使其中有好的部分），并承諾將盡快在一周內推出修復方案。自3月27日吉卜力風格大火以來，GPT4o在4月25日也迎來了新一波的更新，重點改進其記憶存儲時機的選擇機制，并顯著增強其在科學、技術、工程及數學（STEM）領域的問題解決能力。OpenAI在此期間對GPT4o的對話響應模式進行了細...

文章鏈接：https:arxiv.orgpdf2504.02828項目鏈接：https:peterljq.github.ioprojectcolanGit鏈接：https:github.competerljqConceptLancet亮點直擊提出CoLan框架一個零樣本即插即用的框架，用于在基于擴散的圖像編輯中解釋和操作稀疏概念表示。該框架可以精確控制概念移植的幅度，實現高質量的圖像編輯。構建CoLan150K概念詞典收集了包含多樣化視覺概念的CoLan150K數據集，并計算對應的概念向量詞典（文本嵌入或評分空間），為...

背景信息近期前線人員反饋，在使用問答系統處理PPT文件時回答效果不佳。經查發現，用戶上傳的PPT內容多為圖文混排形式，包含大量圖像和統計圖表。用戶提問主要聚焦于圖表數據及其相互關系。我這里隨意在網上找了一個PPT做嘗試，這個PPT有一張圖如下所示：提問："2017年大數據開發人數比2016年增加了還是減少了，具體增加或減少了多少人？"系統返回：根據提供的資源數據，2017年大數據開發職位的招聘人數大幅增加。具體來說，201...

在多模態學習領域，視覺語言模型（VLMs）的飛速發展讓我們看到了不同模態之間融合的巨大潛力。然而，盡管取得了顯著的進步，這些模型大多集中在短文本任務上，對于長文本的理解能力卻始終是它們的“軟肋”。尤其是在處理長視頻理解和高分辨率圖像視頻理解時，如何有效處理擴展的視覺上下文，依然是一個亟待解決的難題。長文本理解的困境與挑戰長文本理解的不足，很大程度上是因為現有的視覺語言模型在數據集構建、架構設計、訓...

在當今信息爆炸的時代，快速準確地獲取知識變得尤為重要。傳統的問答系統雖然能夠處理一些簡單問題，但在面對復雜問題時往往顯得力不從心。為了解決這一痛點，我們開發了一款基于LangGraph的RAG多智能體工具，它能夠高效地處理復雜問題，整合多源信息，并通過迭代步驟得出精準答案。今天，就讓我們深入了解一下這個強大的工具。一、引言：從簡單的RAG到智能的多智能體RAG在項目開發初期，我們發現傳統的“簡單RAG”方法存在諸多...

在人工智能飛速發展的今天，多模態學習正逐漸成為研究的熱點領域。視覺語言模型（VLMs）作為其中的重要分支，已經在圖像和視頻的整體描述生成方面取得了令人矚目的成就。然而，當我們試圖讓這些模型對圖像或視頻中的特定區域進行詳細描述時，卻常常發現它們的表現不盡如人意。這種局限性在視頻數據中尤為明顯，因為視頻不僅需要處理空間信息，還要考慮時間動態。幸運的是，NVIDIA最新發布的DescribeAnything3B（DAM3B）模型，為...

使用DockerModelRunner在本地運行Gemma3，開發人員能夠實現私有且高效的GenAI開發——快速設置、離線推理和完全控制。如今，對本地化開發生成式人工智能（GenAI）的需求正在快速增長。開發人員在自己的基礎設施上運行大型語言模型（LLM）能夠確保隱私性、靈活性和成本效益。隨著Gemma3的發布及其與DockerModelRunner的無縫集成，開發人員可以完全在本地服務器上實驗、微調和部署GenAI模型。本文將探討如何使用Docker在本地設置...

來了！文心大模型4.5今日如期上線。同時，百度還意外的帶來了自家的深度思考模型文心X1。文心大模型4.5是百度的新一代原生多模態基礎大模型，多模態理解能力優秀，理解、生成、邏輯、記憶能力全面提升，多項基準測試成績優于GPT4.5、DeepSeekV3，API價格僅GPT4.5的1%。多模態能力文本能力文心大模型X1是首個自主運用工具的深度思考模型，具備更強的理解、規劃、反思、進化能力，效果對標DeepSeekR1，API價格僅R1一半。目前，2款...

0前言誠信難的當下，商品評論已成連接買家賣家的重要橋梁。2022年全球主要電商平臺平均每件商品收到約50條評論，熱門商品評論數更輕松突破千條。充分體現商品評論在電商體系地位。1商品評論的意義Infographic:Howconsumersreadandwritelocalbusinessreviews：1.1對買家其他消費者的真實體驗和反饋往往是做出購買決策的關鍵因素。研究顯示，超過95%的在線用戶會在做出購買決定前閱讀商品評論。平均每次購物之間會查看至少10行評...

Phantom是一個統一的視頻生成框架，適用于單主題和多主題參考，基于現有的文本轉視頻和圖像轉視頻架構構建。它通過重新設計聯合文本圖像注入模型，利用文本圖像視頻三元組數據實現跨模態對齊。此外，它在人物生成中強調主題一致性，同時增強了身份保留視頻生成。相關鏈接論文：https:arxiv.orgabs2502.11079代碼：https:github.comPhantomvideoPhantom主頁：https:phantomvideo.github.ioPhantomComfyUI:https:github.comkijaiC...

大語言模型（LLM）的飛速發展正深刻改變著我們與信息和技術交互的方式（想想大家有多久不用傳統搜索引擎了）。它們展現出的能力令人矚目，但要驅動它們超越模仿，在復雜推理、規劃和解決未知問題等層面達到更高的“智能”水平，傳統的預訓練（Pretrain）和監督微調（SFT）范式顯得力有不逮。強化學習（RL），特別是結合人類或規則反饋的RLHFRL，已成為關鍵的引擎，推動LLM智能向更高層級躍遷。RL的核心在于賦予模型一種“目標導...