AI.x社區
- 登錄/注冊
節省前端1000+pd人力成本！快手快聘「伏羲工作臺」技術實踐全解析
導讀：快聘業務快速發展情況下，圖文AIGC模板生產人力緊缺，技術借助碼靈D2C和增長合圖能力搭建伏羲工作臺，助力實現業務模板快速自動化生產，推動了業務形態發展。一、背景介紹業務背景“快聘”是快手于2022年推出覆蓋藍領群體的短視頻平臺藍領招聘業務。通過構建以信任為中心的藍領招聘關系和直播帶崗模式，為用工企業和藍領用戶搭建就業平臺。快手“快聘”早期叫“快招工”，進行品牌升級后叫“快聘”，自推出后，已為比亞迪...前端快手開源多模態大模型Kwai Keye-VL，引領視頻理解新紀元
精華導讀：近日，快手發布并開源其最新自研的多模態大語言模型KwaiKeyeVL。KwaiKeyVL采用VisionEncoderProjectorLLM架構，集成了文本、圖像、視頻信息的混合輸入處理能力，旨在為用戶帶來更智能、更全面的多模態交互體驗。如果有人突然問你：「這張圖片中有幾顆草莓」？你會如何快速回復？面對五彩繽紛的果盤，我們往往需要反復端詳，放大圖片再逐一清點，耗費不少時間才能得到答案。然而，AI大模型正讓這種復雜視覺識別變得簡單—...大模型開源快手圖像編輯革命！FLUX.1 Kontext [dev]震撼開源：挑戰GPT-4o的圖像編輯
原創剛剛，AI圖像編輯領域迎來里程碑時刻：黑森林實驗室（BlackForestLabs）正式開源其旗艦模型FLUX.1Kontext[dev]，以120億參數和角色一致性碾壓GPT4o，宣告圖像生成工具的新的變革。  最難得的是，因其開源的性質，FLUX.1Kontext[dev]采用非商業許可（FLUX.1NonCommercialLicense），免費開放權重與代碼，讓普通開發者僅憑消費級顯卡即可部署體驗，徹底打破了閉源巨頭壟斷的高墻。 在權威測試平臺KontextBench的評...黑森林FLUXAI圖像模型GPT-4o開源大模型讓Agent審查代碼，第一版天崩！AI原生Github創始人血淚：話癆、誤判，別幻想萬能代理，快讓AI閉嘴！
原創
社區頭條編輯云昭出品51CTO技術棧（微信號：blog51cto）“我們用AI來做代碼審查，結果它比我老板還話多。”——這句話可能是很多開發者的真實寫照。最近，一篇名為《HowwemadeourAIcodereviewerstopbeingsonoisy》的博客引發了熱議。作者是一位創業公司的創始人，PaulSangleFerriere，這家公司致力于打造一個AI原生的Github。這篇文章里講述了他們團隊如何優化一個AIAgent，讓它在PR審查中少說廢話。雖然有一些觀點和做法值得借鑒。但是...AgentAI架構The AI Moat Pyramid：構建不可復制的 AI 護城河
原創編者按：我們今天為大家帶來的文章，作者的觀點是：真正的AI護城河需要系統性地構建六層遞進式能力，從技術底座到戰略壁壘，缺一不可。文章提出了“AIMoatPyramid”框架，詳細闡述了六個關鍵層級：第一層的定制化模型與算法開發，強調超越開源模型性能且支持快速重訓練；第二層的專有數據資產，要求數據具備獨特性、可用性和普及性；第三層的工作流集成，實現30秒內從預測到決策的自動化閉環；第四層的領域專精，確保在監管環境...AI人工智能相同的 LLM 在「不同 GPU 上」會產生不同輸出？為什么？
原創 精華編者按：在大語言模型(LLMs)的部署及其相關的算力擴容過程中，更換GPU是否也可能會對模型的輸出產生重大影響？這個問題的答案對于確保LLMs在不同硬件環境下的一致性和可靠性至關重要。我們今天為大家帶來的這篇文章，作者的核心觀點是：即使在相同的開發環境、系統配置和隨機種子下，不同的GPU也會導致LLMs產生不同的模型輸出。作者通過實驗證明，在使用NvidiaTeslaT4和NvidiaA10G兩種不同GPU的情況下，Mistral7bv0.1模型對相同...LLMAIGPU自回歸+流匹配完美融合！Show-o2：語言模型一鍵生成高清圖/視頻，多模態理解也封神！
論文鏈接：https:arxiv.orgpdf2506.15564Git鏈接：https:github.comshowlabShowo亮點直擊提出了一種改進的原生統一多模態模型，無縫整合自回歸建模與流匹配技術，能夠跨（交錯）文本、圖像及視頻實現廣泛的多模態理解與生成任務。基于3D因果VAE空間，通過語義與低維特征的雙路徑時空融合機制，構建了可擴展至多模態理解與生成、圖像與視頻模態的統一視覺表示。設計了一種兩階段訓練流程，高效學習統一多模態模型，既能保留語言...AI模型視頻生成從OCR瓶頸到結構化理解來有效提升RAG的效果
原創 社區頭條OCR錯誤在RAG流程中級聯，將嚴重影響人工智能系統的性能。擁有2.56億個參數的SmolDocling能夠實現對文檔的整體化處理，進而生成結構化輸出，有效提升了RAG的效果。當人們探討如何讓人工智能系統更好地從文檔中查找和使用信息時，通常關注的是令人矚目的算法和前沿的大型語言模型。但問題是：如果文本提取的質量很差，那么后續的努力都將付諸東流。本文探討OCR質量如何影響檢索增強生成（RAG）系統，尤其是在處理掃描文檔和PDF文...人工智能RAG檢索增強生成AI Agent vs Agentic AI：你真的分得清這兩個概念嗎？
精華最近AI圈子里有兩個詞特別火：AIAgent和AgenticAI。乍一看好像就是一個詞的不同寫法，但實際上這兩者有著天壤之別。說實話，連我這個在AI領域摸爬滾打多年的人，在很長一段時間里也沒完全搞清楚它們的區別。直到前不久讀了康奈爾大學剛發表的一篇重磅論文《AIAgentsvs.AgenticAI:AConceptualTaxonomy,ApplicationsandChallenges》，才算是徹底明白了。這種感覺就像是突然有人幫你把一團亂麻給理順了，瞬間豁然開朗。如果非要用...AIAgentAgentic要不要搞多智能體？看看硅谷頂級 AI 公司的經驗
最近刷到了一篇來自CognitionAI的博客文章，看完之后我簡直有種恍然大悟的感覺。這家公司你可能聽說過，就是那個開發了明星AI編程助手Devin的團隊。他們在這篇文章里直接開懟了一個在AIAgent領域特別流行的概念——多智能體架構，說得相當犀利："別再搞多智能體了！"讀完這篇文章，我覺得有必要跟大家"叨叨"一下，因為這些觀點可能會顛覆很多人對AIAgent架構設計的認知。為什么大家都在搞多智能體？現在一提到AIAgent，很多人第...AI智能體單線程谷歌又來砸飯碗！免費AI Agent發布，程序員狂喜
精華前天，谷歌毫無征兆地甩出王炸，發布了一款叫GeminiCLI的產品。免費、開源，可以直接在電腦終端里運行的AIAgent。谷歌給它的定位是“開源AIAgent”。可以用來理解復雜任務、制定計劃、并調用工具（比如你的本地文件和命令）來一步步完成工作，主打一個“說到做到”。免費，而且是“王炸級”免費先不談別的，直接看Google這次有多大方。官方明確表示，這次的免費額度，就是為了讓你幾乎永遠達不到上限。只要用個人Google賬號登錄...AIAgent開源六款必知的AI Agent工作流，優缺點解析
如今，AI應用借助大語言模型（LLMs），突破了傳統特定規則系統的局限，能處理各類復雜任務。但隨著這些應用逐漸演變成“智能體”，具備自主選擇行動步驟、調用外部工具的能力，新問題也接踵而至：可靠性和效率問題頻出。為了讓智能體穩定“發揮”，得到靠譜的結果，我們需要更加強大的模式。這些模式不能只局限于檢索增強生成（RAG），還得有效管控智能體的“自主”行為。本文帶你深入了解多種這樣的模式，剖析其優缺點，幫你快...AIAgent工作流ALPHAONE：從快到慢，還是從慢到快
從OpenAI的o1模型到DeepSeek的R1系列，這些模型展現了接近人類系統2推理能力的驚人表現。然而，正如諾貝爾經濟學獎得主丹尼爾·卡尼曼在其著作《思考，快與慢》中所揭示的那樣，"最費力的慢思考形式是那些需要你快速思考的形式"。這一看似矛盾的觀點，正是當前大語言推理模型面臨的核心挑戰。當前的大語言推理模型雖然能夠通過強化學習訓練來實現慢思考，但在推理過程的調節上仍存在明顯不足。它們要么過度思考（overthinking）...ALPHAONE框架性能TransDiff--最簡潔的AR Transformer + Diffusion圖像生成方法
大家好，今天給大家分享一個圖像生成的新工作—MarryingAutoregressiveTransformerandDiffusionwithMultiReferenceAutoregression，后面我們簡稱TransDiff。首先，TransDiff是目前最簡潔的、將ARTransformer與Diffusion結合用于圖像生成方法。TransDiff將離散輸入（如類別、文本等）、連續輸入（圖像等）經過ARTransformer編碼為圖像語義表征，而后將表征通過一個較小的DiffusionDeocder解碼為圖片。其次，我們提出了一種新的自...圖像ARTransDiff不懂RAG？看這一篇萬字長文就夠了
精華一、為什么需要RAG技術？1.1傳統語言模型的局限性傳統的語言模型，比如GPT3，雖然在生成文本方面表現出色，但它們有一個顯著的局限性：它們依賴于預訓練的參數，無法動態訪問外部知識。這意味著這些模型在處理實時信息、領域特定知識或罕見實體時表現不佳。舉個例子，在問答任務中，模型可能會生成不準確或過時的答案，因為它無法訪問最新的數據。就像你問一個朋友“今天天氣怎么樣？”，但他只能告訴你去年的天氣情況，顯然這...RAG智能體工具LLM Inference 中的低精度陷阱：數值穩定性和可復現性
一、背景LLMInference中的數值穩定性問題是一個長期存在的挑戰。自從ChatGPT發布以來，關于同樣輸入下，盡管使用了GreedySearch，輸出仍然存在差異的問題就引發了廣泛關注。在我們之前的文章中，也曾涉及這一問題。最近，我們注意到一篇新的論文，針對這一問題進行了深入分析和討論，本文將對其進行簡要介紹。對應的論文：[2506.09501]GiveMeFP32orGiveMeDeathChallengesandSolutionsforReproducibleReasoning[1]二、摘要研究表...LLM數值ChatGPT依賴ChatGPT寫作，大腦竟然"退化"了？206頁研究揭露真相
這是一份長達206頁的重磅研究報告，其研究結果令人擔憂。該研究發現，對大語言模型的依賴會削弱寫作者自身的神經和語言特征。研究者僅通過腦電圖、文本挖掘和交叉對照實驗就證明，保持一定的無AI練習時間能夠保護記憶回路，并促進更豐富的語言表達，即使后續重新引入AI工具也是如此。圖片實驗設計54名波士頓地區的學生在三種條件下撰寫SAT風格的作文：僅使用ChatGPT、僅使用Google搜索，或僅憑大腦思考。每位參與者在相同條件下...ChatGPT大腦神經給大模型裝上"認知工具"，數學推理能力直接起飛
為GPT4.1提供"認知工具"可將其在AIME2024上的表現從26.7%提升至43.3%。太驚人了！這個成績已經非常接近o1preview的水平。論文提出了一種模塊化、基于工具的方法來激發大語言模型的推理能力，靈感來源于認知科學。作者沒有單純依賴強化學習或思維鏈（CoT）提示，而是引入了一個框架，讓大語言模型能夠調用獨立的"認知工具"來模塊化和支撐內部推理過程。圖片agent工具調用：這些工具封裝了理解問題、回憶類似案例、檢查答案和回溯...大模型認知工具模塊化快手推出全球首部AI單元劇！《新世界加載中》首映背后的制片革命
原創昨天，在北京首映禮的暗場中，一段黏土風格的荒誕喜劇畫面投映在銀幕上：一根「宇宙肥腸」在太空中漂浮，諷刺著人類對虛假進步的盲目崇拜。 這便是快手可靈AI與異類Outliers團隊共同推出的《新世界加載中》，全球首部AI單元劇集。 該劇由7個橫跨科幻、歷史、奇幻題材的故事組成，分別是展現救贖力量的《好夢》、探討人與自然關系的《虎與旅行者》、講述深沉父愛的《馬丁癥》、諷刺對“進步”盲目自信的《宇宙肥腸》、...全球首部AI單元劇可靈AIAIGC快手算家云DeepMind發布AlphaGenome，1秒內完成所有模態和細胞類型的變異效應預測
原創 精華谷歌DeepMind的Alpha系列再添新成員——AlphaGenome，其能夠更全面、準確地預測人類DNA序列中單個變異或突變，如何影響一系列調控基因的生物過程。AlphaGenome模型以長達100萬個堿基對的DNA序列為輸入，預測數千種與其調控活性相關的分子屬性，同時還可以通過比較變異與未變異序列的預測結果，評估基因變異或突變的影響。該模型建立在DeepMind此前的基因組模型Enformer的基礎上，與專注于蛋白編碼區變異分類的AlphaMissense模型...AI for science深度學習人工智能基因異常預測AlphaGenome
