AI.x社區
- 登錄/注冊
2025 年 AI 與數據工程領域十大趨勢前瞻
原創編者按：在這篇文章中，作者從行業趨勢剖析的視角指出：當前AI領域正處于一個轉折點，其發展雖然不如預期迅猛，但正在朝著更加務實和可持續的方向演進。文章深入探討了AI和數據工程領域的十大關鍵趨勢：從AI推理能力的局限性，到流程重于工具的重要性；從AI投資回報率的現狀，到AI普及速度低于預期但領導者在靜待時機；從小模型和專有模型之爭，到分析師和工程師角色的融合；從合成數據的機遇與挑戰，到非結構化數據技術棧的崛...AILLMs賈佳亞團隊新作MagicMirror：生成身份一致且高質量個性化視頻，效果驚艷！
文章鏈接：https:arxiv.orgpdf2501.03931項目鏈接：https:julianjuaner.github.ioprojectsMagicMirror亮點直擊提出了MagicMirror，這是一種無需微調的新型框架，用于生成身份一致性的視頻；設計了一種輕量級適配器，結合條件自適應歸一化，實現面部嵌入在全注意力擴散Transformer架構中的有效融合；開發了一種數據集構建方法，通過合成數據生成和漸進式訓練策略相結合，解決個性化視頻生成中的數據稀缺問題。效果速覽總結速覽解...視頻生成AI架構如何使用基于AI的 Suno創作自己的音樂？
原創Suno將使用其AI技能根據你對音樂的特定流派和主題的描述來創作歌曲。你可能已經使用生成式AI來創建文本、圖像甚至視頻，但有沒有用它來創作自己的音樂呢？幾種不同的文本轉音樂工具可以充當虛擬作曲家，不過值得一試的此類工具是Suno。通過專門的iPhone和安卓應用程序以及微軟Copilot插件，Suno可以在網上使用，根據你的輸入來創作和播放音樂。你可以描述想要的音樂的主題和風格，選擇添加歌詞和人聲，把你的歌曲作為純音樂或器...Suno生成式AIAI模型LLaVA系列算法架構演進：LLaVA（1.0->1.5->Next(1.6)->NeXT(Video)）
原創LLaVA模型架構目標是結合預訓練LLM和視覺模型的能力，llava使用Vicuna作為的LLM（語言解碼器），CLIP作為視覺編碼器。視覺編碼器：使用預訓練的CLIP視覺編碼器ViTL14來提取圖像特征。該編碼器提供視覺特征。線性層：使用一個簡單的線性層將圖像特征轉換為語言嵌入空間。應用一個可訓練的投影矩陣W將Zv轉換為語言嵌入標記Hv，其維度與語言模型中的詞嵌入空間相同：序列生成：通過這種方式，得到了一個視覺標記序列Hv。該投影方案...LLaVA多模態大模型大模型神經網絡之注意力機制——attention
原創“注意力機制是Transformer的核心，而注意力的目的卻是特征提取”Transformer架構對從事大模型領域的人來說應該不是一個陌生的詞匯，而且大家應該都知道Transformer架構的核心點就在于其selfattention自注意力機制；雖然說Transofrmer架構的自注意力機制大名鼎鼎，但真正了解注意力機制的人好像并不是很多，所以今天我們就來簡單了解一下注意力機制。注意這里說的是注意力機制，不是自注意力機制。注意力機制先來思考一個問題，...大模型神經網絡有把握收入從1億做到數億！李開復最新回應25年調整：大廠才燒得起超大模型；第一年的打法已不再適用
原創編輯伊風出品51CTO技術棧（微信號：blog51cto）在零一萬物深陷“收購風波”時，李開復第一時間在朋友圈進行了澄清。與此同時，他一口氣接受了多個采訪，通過披露更多信息來攻破謠言。圖片關于零一萬物預訓練團隊和Infra團隊的去向已經明晰：愿意繼續訓練超大參數模型的成員，可以加入零一和阿里云合作成立的“產業大模型聯合實驗室”。這也意味著——李開復放棄了超大模型。這與他剛創辦零一萬物時的想法有很大不同，他最初的目...李開復AI應用模型智能體商用元年開啟，2025年AI Agent行業發展十三大趨勢
精華自2023年AutoGPT開啟智能體序幕以來，AIAgent作為新一代智能交互范式，展現出前所未有的發展活力。2024年，這一領域的發展更是呈現出爆發式增長態勢，從個人助手到企業級解決方案，從通用型Agent到垂直領域專家，AIAgent正在重塑數字世界的運作方式。這種增長不僅體現在技術突破上，更反映在實際應用場景的深度和廣度方面。智能客服、金融交易、醫療診斷及市場營銷、人力資源等領域對于智能體的嘗試以及所取得的成果，彰顯了AIA...智能體AIAgent基于多模態深度強化學習的投資組合優化
?簡介本文開發強化學習代理以支持投資組合管理和優化，結合股票定價數據和替代數據（如SEC文件和新聞頭條）。強化學習適合在線環境，能夠實時反饋和響應，提升決策效果。替代數據編碼進狀態矩陣，幫助代理更好地調整投資組合權重。強化學習模型基于馬爾可夫決策過程，能夠靈活定義不同的獎勵函數以滿足投資者偏好。主要算法為深度強化學習，利用深度神經網絡學習最優策略，目標是最大化未來預期獎勵。強調在狀態空間、獎勵函數...多模態深度強化組合優化傳統的SaaS將在2025 Agent時代走向終結
隨著AI，尤其是LLM的迅猛發展，AIAgent正成為變革性工具，重新定義SaaS（SoftwareasaService，軟件即服務）平臺的運營模式、價值交付以及用戶交互方式。到2025年，AIAgent不僅會增強現有系統，還將推動全新商業模式的誕生。垂直AIAgent：超越傳統SaaS的新范式近年來，垂直AIAgent（VerticalAIAgents）的概念備受關注。這些專為特定行業和場景設計的Agent，可能引發比傳統SaaS更深遠的轉變。據YC的Lightcone播客指出，這一領域將...SaaSAgentAgentWord2vec算法原理詳解
今天我們要講解的算法是Word2vec。Word2vec（wordtovector）顧名思義，這是一個將單詞轉換成向量形式的工具。通過轉換，可以把對文本內容的處理簡化為向量空間中的向量運算，計算出向量空間上的相似度，來表示文本語義上的相似度。Word2vec主要分為CBOW（ContinuousBagofWords）又叫連續詞袋和SkipGram兩種模式，今天我們主要講解的就是CBOW，接下來我們將從頭到尾的詳細講解Word2vec算法流程。先來講解一個背景知識：onehot向...Word2vec算法神經網絡一篇綜述：RAG復雜Query的4種優化方案
原創QueryOptmization查詢優化(QueryOptmization)旨在提高LLMs理解和回答查詢的效率和質量，尤其是在涉及復雜查詢的檢索增強生成（RetrievalAugmentedGeneration,RAG）場景中。RAG通過動態檢索和利用最新相關信息來彌補LLMs的局限性，從而提供一種成本效益高的解決方案，以應對LLMs可能產生看似合理但不準確回答的挑戰。四種主要的查詢優化方法介紹擴展（Expansion）通過內部擴展和外部擴展兩種方式，增加查詢的覆蓋范圍和上下文信...RAGQuery檢索微軟亞洲研究院2025六大預測：AI Agents 將顛覆傳統工作模式
2025年伊始，AI驅動的代理（agent）將擁有更高的自主性來執行更多任務，從而提升人們的生活質量。AI在記憶與推理能力上的創新，也將助力人類社會尋找應對氣候變化、醫療健康等重大挑戰的新方法。在過去的2024年，各界商業領袖和AI決策者對GenAI的使用率就從55%激增至75%。新的AI工具預示著巨大的潛力。那么2025年及其后三年還將發生什么？值得商酌。以下是2025年值得我們關注的六大AI趨勢，以及微軟將在每個趨勢上進行的創新方...微軟亞洲研究院AI2024駕馭人工智能前沿：AI智能體的演進和影響白皮書
《2024駕馭人工智能前沿：AI智能體的演進和影響白皮書》由世界經濟論壇和凱捷聯合發布。報告聚焦于人工智能智能體，在大型語言和多模態模型快速發展的背景下，闡述其定義為能感知環境并自主行動實現目標的系統。梳理了其從簡單規則系統到復雜模型的演進過程，包括關鍵技術趨勢、多種類型及未來的多智能體系統發展方向。還分析了應用帶來的生產力提升等好處，以及故障、惡意使用等風險，并針對風險從技術、社會經濟和倫理等方面...AI智能體人工智能新來的妹子不懂大模型中的token！已勸退...
?相信你只要了解過大模型，就聽過token這個詞兒，大家在用ChatGPT的API時，是按token計費的。例如，你提問消耗了100token，ChatGPT根據你的輸入，回答了200token，那么一共消費的token數就是300。有時候看一些偏技術的文章，一些模型后面帶著8k、32k，甚至100k，這也是指模型能處理的最大token長度。既然token在大模型領域這么高頻出現，我們不禁要問：什么是token？它是怎么計算的？一個token是指一個字嗎？中文和英文的token...ChatGPTtoken字符清華團隊靠強化學習讓 7B 模型打敗 GPT-4o 數學推理
OpenAIo1和o3模型的發布證明了強化學習能夠讓大模型擁有像人一樣的快速迭代試錯、深度思考的高階推理能力，在基于模仿學習的ScalingLaw逐漸受到質疑的今天，基于探索的強化學習有望帶來新的ScalingLaw。近日，清華大學NLP實驗室聯合上海AILab，清華大學電子系及OpenBMB社區提出一種新的結合過程獎勵的強化學習方法——PRIME（ProcessReinforcementthroughIMplicitREwards），采用PRIME方法，研究人員不依賴任何蒸餾數據和模仿學...AI智能體模型重磅！微軟開源最強小模型Phi-4，超GPT-4o、可商用
今天凌晨，微軟研究院開源了目前最強小參數模型——phi4。去年12月12日，微軟首次展示了phi4，參數只有140億性能卻極強，在GPQA研究生水平、MATH數學基準測試中，超過了OpenAI的GPT4o，也超過了同類頂級開源模型Qwen2.514B和Llama3.370B。在美國數學競賽AMC的測試中phi4更是達到了91.8分，超過了GeminiPro1.5、GPT4o、Claude3.5Sonnet、Qwen2.5等知名開閉源模型，甚至整體性能可以與4050億參數的Llama3.1媲美。當時很多人就希望...微軟模型視頻編輯最新SOTA！港中文&Adobe等發布統一視頻生成傳播框架——GenProp
文章鏈接：https:arxiv.orgpdf2412.19761項目鏈接：https:genprop.github.io亮點直擊定義了一個新的生成視頻傳播問題，目標是利用I2V模型的生成能力，將視頻第一幀的各種變化傳播到整個視頻中。精心設計了模型GenProp，包含選擇性內容編碼器（SelectiveContentEncoder,SCE）、專用損失函數以及mask預測頭，并提出了一個用于訓練模型的合成數據生成pipeline。本文的模型支持多種下游應用，如移除、插入、替換、編輯和跟蹤。實驗...模型視頻生成從數據孤島到智能系統：RAG和知識圖譜的協同作用
原創RAG和知識圖譜集成可以釋放出更大的潛力，實現更深入的理解、推理和準確性。在當今信息驅動的時代，數據是企業、研究人員和個人的重要資源。然而，這些數據通常分散在跨系統的孤島中，它們是非結構化的，并且無法進行有效的分析。挑戰不僅在于擁有大量數據，還在于以有意義的方式理解這些數據。檢索增強生成（retrievalaugmentedGeneration，RAG）是一種結合了信息檢索和自然語言生成的優勢來提取和合成知識的技術。RAG系統從外...RAG知識圖譜人工智能OmniTokenizer-視覺tokenizer生成
本文介紹一種視覺tokenizer的生成。AIGC生成模型在人工智能領域發展迅速，視覺生成主要有基于語言模型和擴散模型兩種范式，而tokenizer是其核心組件。現有tokenizer分別針對圖像或視頻輸入設計，存在應用靈活性和數據可擴展性的局限。因此需要一種聯合圖像視頻標記器，以實現從兩種數據中聯合學習，緩解單模態數據稀缺問題，并提高模型的通用性和可擴展性。今天介紹一種OmniTokenizer方法，感興趣的小伙伴可以看看原文：https:a...人工智能大模型PPTAgent：PPT自動生成Agent框架
原創來看一個PPT生成思路：PPTAgent。傳統的PPT生成方法通常使用端到端的文本生成范式，這種方法僅關注文本內容，忽略了布局設計和PPT結構。PPTAgent采用了一種基于編輯的生成范式，解決處理空間關系和設計風格方面的挑戰。傳統方法的每個幻燈片S可以用以下公式表示：其中，n表示幻燈片上的元素數量，C表示由章節和圖形組成的源內容。每個元素ei由其類型、內容和樣式屬性（如邊框、大小、位置等）定義。與傳統的生成方法相比，PPTAg...LLMAgent
