AI.x社區
- 登錄/注冊
這個大模型Badcase修復方案，我服！
工作以后，對于做業務的同學，一個避免不了的話題就是“badcase”，在大模型時代，當然也是避免不了的問題。對于很多沒接觸過實際業務的同學可能認為大模型足夠強，強到可以很好的fit用戶的所有需求，就算fit不了，也可以微調模型來解決。但實際情況是怎樣呢？其實不管是大模型，還是專有領域小模型，一定存會各式各樣模型解決不了的badcase。具體原因很多，以智能客服系統為例，用戶的咨詢分布也符合二八原則，即用戶80%的咨詢...badcase大模型prompt四年匠心磨礪，快手系統軟件技術創新與領域演進之路
原創一、系統軟件技術的核心價值與面臨挑戰系統軟件作為軟件架構的基石，扮演著連接軟件與硬件的橋梁角色，位于整個軟件生態的最底層，處于關鍵核心的位置。系統軟件最為顯著的特征在于其規模效應，隨著服務器體量的增加，系統軟件研發的價值愈發凸顯。首先，系統軟件技術能夠顯著提升服務器資源的利用率，實現翻倍效果，同時性能也能提升30%～50%，從而大幅降低公司的服務器資源成本。其次，專業的系統軟件團隊能夠迅速定位并解決...系統軟件技術快手JVM協程大模型Transformer架構之編碼器(Encoder)和解碼器(Decoder)
原創“Transformer編碼器的作用是特征提取，而解碼器的作用是特征重建”在上一篇文章中介紹了大模型的嵌入和向量，這一篇來介紹一下大模型的經典架構之Transformer架構的編碼器和解碼器。像很多人一樣，一直在奇怪Transformer架構經過多層編碼和解碼之后就能處理輸入數據并生成新的數據；所以，今天我們就來深入了解一下Transformer的編碼器。Transformer的編碼器對計算機網絡和加解密比較了解的朋友應該都知道編碼和解碼；以計算機...大模型Transformer編碼器參數減少99.5%，媲美全精度FLUX！字節跳動等發布首個1.58-bit FLUX量化模型
文章鏈接：https:arxiv.orgpdf2412.18653項目鏈接：https:chenglinyang.github.io1.58bit.flux.github.iogit主頁：https:github.comChenglinYang亮點分析1.58bitFLUX，第一個將FLUX視覺Transformer的參數（共119億）減少99.5%至1.58bit的量化模型，無需依賴圖像數據，大幅降低存儲需求。開發了一個高效的線性內核，針對1.58bit計算進行了優化，實現了顯著的內存減少和推理加速。證明了1.58bitFLUX在具有挑戰性的T2I基準測試中，...數據集模型減少LLM幻覺的五大技巧和方法
原創本文介紹了使用LangGraph減少LLM幻覺的簡單技巧。如果你使用過LLM，就知道它們有時會產生幻覺。這意味著它們生成的文本要么毫無意義，要么與輸入數據相矛盾。這個常見的問題可能會損害基于LLM的應用程序的可靠性。我們在這篇文章中將探討一些簡單的技巧來降低產生幻覺的可能性。遵循這些技巧，你有望提高AI應用程序的準確性。幻覺有多種類型：內在幻覺：LLM的響應與用戶提供的上下文相矛盾。響應在當前上下文中是錯誤的，而且這...LLMAI檢索增強生成DeepSeek的V3，爆火了
原創編輯言征出品51CTO技術棧（微信號：blog51cto）上周四，12月26日那個晚上非常不平凡，一件大事注定要被AI界寫進里程碑。一夜之間，全球開源界最強模型不再是Llama了，而是中國開源界的新星DeepSeek最新研發的前言模型V3，甚至可以比肩世界頂尖的閉源模型。根據DeeSeek披露的基準測試分數，簡單來講，八個字：開源最強，閉源比肩。DeepSeekV3在眾多其他閉源模型中脫穎而出，表現優于Meta的旗艦產品——擁有4050億個參數的Llama3....DeepSeekV3AI快手動效渲染引擎Crab，解鎖“游戲化動效”開發新方式！
原創導讀：在上一篇文章中，我們全方位地解析了快手Vision動效平臺的整體架構及其演進思路。快手前端動效大揭秘：告別低效，vision平臺來襲！?????今天，我們將進一步深入，詳細介紹Vision動效平臺的渲染引擎——Crab，并分享在復雜動效渲染場景下積累的實踐經驗和精彩案例。?一、項目背景?1.1快手大型活動中的動效動效在設計和用戶體驗領域中有重要的價值，表現力強的動效不僅能夠激發受眾用戶的興趣，提高參與度，還能提高...java前端動效揭秘！如何將動效描述自動轉化為動效代碼
導讀：在上一篇文章中，我們詳細介紹了Vision動效平臺的渲染引擎——Crab，并分享在復雜動效渲染場景下積累的實踐經驗和精彩案例。今天，我們將揭秘如何將「動效描述翻譯為動效代碼」——從Lottie導出CSSAnimated代碼。一、項目背景在進行前端頁面開發中，經常需要涉及到元素動效的開發，比如按鈕的呼吸狀態動效，彈窗的出現和消失動效等等，這些動效為用戶在頁面交互過程中獲得良好的體驗起到重要的作用。要開發這些動效，一般...前端java動效解鎖AI潛力：AI在銷售領域的應用案例(非Chatbot)
原創編者按：在人工智能技術日益普及的今天，企業如何有效地利用AI創造價值，而不僅僅停留在開發Chatbot的層面？我們今天為大家分享的這篇文章，作者的觀點是：企業應該將AI應用于解決具體的業務問題，而不是僅僅追隨AIChatbot的潮流。本文為我們揭示了AI在銷售領域的三個創新應用場景。從特征工程到非結構化數據處理，再到精準的潛在客戶評分，每一個場景都展示了AI如何解決實際業務問題，而不是停留在表面的"智能對話"層面。在AI...AI為啥強化學習開始成為了大語言模型（LLM）的新寵？
一、強化學習基礎概述強化學習是機器學習的一個分支，核心在于智能體（agent）與環境（environment）的交互。智能體執行動作（action），環境隨之反饋獎勵（reward）和新的狀態（state）。智能體的目標便是通過不斷試錯，學習到能最大化長期累積獎勵的策略（policy）。大語言模型的預訓練依賴海量無監督文本數據，構建起龐大的參數空間來捕捉語言規律。然而，這一過程存在諸多短板：缺乏任務針對性：預訓練后的模型像是個“知識...LLM大語言模型算力MIT：LLM的思考方式竟然和大腦相似
精華一、背景1.人工智能與神經科學的融合在當今科技飛速發展的時代，人工智能與神經科學的交叉領域正成為科研的熱點方向。大語言模型（LLMs）作為人工智能領域的重要成果，其與人類大腦語言處理機制的關系備受關注。從本質上講，這一研究方向旨在探尋機器如何像人類大腦一樣理解和處理語言，這不僅有助于提升人工智能技術的性能，更有助于揭示人類認知的奧秘。過往研究已發現LLMs與大腦在某些方面存在相似之處，如特征提取和表征等...LLM人工智能訓練策略我們一起聊聊分類模型：層次聚類
1.算法介紹層次聚類（HierarchicalClustering）是一種常用的數據聚類算法，它通過構建一個聚類樹來分析數據集的相似度和差異。這種算法不需要預先指定聚類數，非常適合于探索性數據分析。層次聚類主要包括兩種方法：凝聚型（Agglomerative）和分裂型（Divisive）。本文將重點介紹凝聚型層次聚類，并通過MATLAB實現數據的層次聚類分析。2.算法原理凝聚型層次聚類的基本步驟如下：初始化：開始時，將每個數據點視為一個獨立的聚類...分類模型層次聚類數據分組微軟推出MixLLM，全局混合精度量化方法助力模型效能飛躍
量化已成為壓縮大語言模型（LLMs）的最有效方法之一。然而，現有的量化方案仍然存在不可忽視的準確性下降或系統效率低下的局限性。在本文中，我們全面分析了量化的一般原則對準確性、內存消耗和系統效率三角關系的影響。我們提出了MixLLM，這是一種基于輸出特征之間的混合精度量化的方法。MixLLM從全局視角識別高顯著性的輸出特征，而非僅在單層內部，有效地為最需要的輸出特征分配更大的位寬，從而在低內存消耗的情況下實現良...MixLLM語言模型VAE從0到1開發AI Agent | Plan-and-Execute 如何解決AI復雜任務
智能體是一種能夠感知環境、做出決策并采取行動的系統。這些系統能夠執行被動的任務，也能夠主動尋找解決問題的方法，適應環境的變化，并在沒有人類直接干預的情況下做出決策。1.業務需求現在有一個生意很好的鮮花店在運營花店的過程中，經常遇到特殊情況導致大量花朵損壞，會導致庫存短缺的問題因此花店急需一個能夠精準預測和優化庫存的解決方案來應對這場危機，否則我們將失去大量顧客并且信譽受損。可是，花店人力嚴重不足A...AIAgent結構化ChatGPT寫作指南發布：12個案例助力高效學習
精華本周，OpenAI發布了《學生使用ChatGPT寫作指南》博文。內文中針對生成式AI在教育領域的批評，回應稱ChatGPT只是一款AI工具，學生合理使用ChatGPT工具，可以深入理解復雜概念，但錯誤的使用方式可能會適得其反，剝奪學生練習和提高技能的機會。同時其表示，ChatGPT可以作為教育工具，幫助學生提升嚴謹思維和清晰寫作的能力。OpenAI也提到，也有一些使用ChatGPT的方法會對學習產生反作用，比如生成一篇作文而不是自己寫作，這就剝...ChatGPTAI教育你可能不知道：Google AI正在悄悄改變各行各業
??AI，不僅是高科技，更是新助手！許多人一提到AI，就想到深奧的算法和復雜的代碼。其實，AI已經化身為我們身邊可靠的助手，它正在以你意想不到的方式，讓生活變得更便捷、更高效。這些變化，都基于AI強大的能力：?多模態能力:AI不再只理解文字，還能“看懂”圖片，聽懂聲音。例如，VolkswagenofAmerica的車輛手冊查詢，就可以通過手機攝像頭識別儀表盤的指示燈，而Snap的“MyAI”聊天機器人，能理解你發給它的文字和圖片，實...AI多模態技術大模型的嵌入——Embedding與向量——Ve ctor
原創“向量是大模型的基石，嵌入是大模型的入口”最近在研究RAG然后帶來了對嵌入與向量的思考；畢竟嵌入與向量是實現大模型的基礎；嵌入解決的是數據向量化的問題，而向量解決的是數據之間的關系問題。Embedding中文翻譯是嵌入，但更形象的理解是——在機器學習和大模型中，嵌入是一種數據向量化或向量表示的技術；簡單來說就相當于一個轉換器，把人類能夠理解的數據包括文本，圖像等轉換為大模型方便處理的向量數據。而向量是數學...大模型嵌入Embedding是時候接受真實世界的檢驗啦！UCLA&谷歌提出首個評估生成視頻物理常識數據集VideoPhy
精華文章鏈接：https:arxiv.orgabs2406.03520項目鏈接：https:github.comHritikbansalvideophy總結速覽解決的問題隨著互聯網規模的視頻數據預訓練的進展，文本生成視頻（T2V）模型能夠生成高質量的視頻，涵蓋各種視覺概念、合成逼真的動作以及渲染復雜的物體。然而，目前的T2V模型在生成的視頻中缺乏物理常識，尤其是在模擬真實世界活動時，無法準確遵循物理法則。盡管已有一些評估視頻質量的方法（如VBench），但這些方法并未特別...視頻數據集AI牛津&Meta最新！PartGen：基于多視圖擴散模型的多模態部件級3D生成和重建！
文章鏈接：https:arxiv.orgpdf2412.18608項目鏈接：?https:silentchen.github.ioPartGen總結速覽解決的問題當前的3D生成與掃描技術能夠生成具有高質量形狀和紋理的3D資產，但這些資產通常是單一的、不具備結構的整體表示（如隱式神經場、高斯混合體或網格）。然而，專業應用與創意工作流中需要結構化的3D資產，這些資產由具有獨立意義的部分組成，便于重用、編輯與動畫制作。提出的方案本文提出了PartGen，能夠將無結構的3D對...3D模型來認識一下 Ivy-VL：一種僅包含 30 億個邊緣設備參數的輕量級多模態模型
原創 精華01、概述隨著人工智能（AI）技術的快速發展，一個長期存在的挑戰愈發凸顯：如何在模型規模、效率和性能之間找到平衡。傳統上，模型越大，性能往往越強，但這也意味著對計算資源的要求更高，使得AI技術在廣泛應用時面臨障礙，尤其對于缺乏高端計算設備的組織和個人來說更是如此。而多模態AI（同時處理文本、圖像等多種數據的能力）更是進一步提高了技術門檻。如何解決這些問題，讓AI變得更加普及和高效，是行業亟需攻克的難題。...多模態AI模型大語言模型
