昨天刷到o3的系統(tǒng)提示詞，今天索性把Claude4全功能版的提示詞也認(rèn)真過(guò)了一遍。結(jié)果，一如既往地“巨無(wú)霸”——Claude的提示詞長(zhǎng)度，依舊是那種刷屏級(jí)的長(zhǎng)，絕不讓你失望！其實(shí)，Claude的“超級(jí)長(zhǎng)”提示詞在圈子里早有流傳，但大多是3.7時(shí)代的舊版本。Claude4發(fā)布后，江樹(shù)第一時(shí)間也分享了???Claude4的最新官方系統(tǒng)提示詞??，那份其實(shí)是個(gè)“無(wú)功能精簡(jiǎn)版”——不帶搜索、不帶artifacts，就是模型最基礎(chǔ)的設(shè)定。但這次我拿到...

其實(shí)，很多人沒(méi)意識(shí)到，一行行系統(tǒng)提示詞，正是每個(gè)大模型團(tuán)隊(duì)的自畫(huà)像。有的模型，會(huì)在開(kāi)頭反復(fù)鋪陳身份和原則，生怕你誤解了它的邊界和定位；有的模型，講究同理心，哪怕回答技術(shù)問(wèn)題，也要關(guān)照你的情緒、細(xì)節(jié)和體驗(yàn)感受；而DeepSeek的提示詞，看起來(lái)極簡(jiǎn)，實(shí)則極致“務(wù)實(shí)”。最近，DeepSeek在2025年5月28日的一次更新里，終于擁有了屬于自己的系統(tǒng)提示詞。說(shuō)實(shí)話，這東西真沒(méi)多復(fù)雜，本來(lái)也沒(méi)打算專門(mén)寫(xiě)一篇。但看到身邊不少...

北京時(shí)間今天凌晨，全球開(kāi)發(fā)者大會(huì)（WWDC2025）如期舉行，蘋(píng)果公司宣布了操作系統(tǒng)、服務(wù)及軟件的一系列更新。  在視覺(jué)設(shè)計(jì)方面，蘋(píng)果揭曉了名為“LiquidGlass”（液態(tài)玻璃）的設(shè)計(jì)革命——半透明界面、毛玻璃光澤、智能適應(yīng)環(huán)境的色彩系統(tǒng)，這一視覺(jué)革新覆蓋iOS26、iPadOS26、macOSTahoe26等所有操作系統(tǒng)。蘋(píng)果稱，這是他們迄今規(guī)模最大的設(shè)計(jì)更新。  蘋(píng)果在發(fā)布會(huì)上介紹稱，新設(shè)計(jì)靈感源自visionOS，采用...

RAGVSGraphRAG最近的研究報(bào)告稱，在許多實(shí)際任務(wù)中，GraphRAG的表現(xiàn)往往不如普通的RAG。因此產(chǎn)生一個(gè)問(wèn)題：GraphRAG真的有效嗎？在哪些場(chǎng)景下，GraphRAG有收益？為了解決這個(gè)問(wèn)題，提出GraphRAGBench，這是一個(gè)評(píng)測(cè)GraphRAG的基準(zhǔn)，目的是評(píng)估GraphRAG模型在層次知識(shí)檢索和深度上下文推理方面的性能。文章指出的評(píng)測(cè)方式及評(píng)測(cè)結(jié)論可以參考。GraphRAGBench具有一個(gè)全面的數(shù)據(jù)集，任務(wù)難度逐漸增加，涵蓋事實(shí)檢索、復(fù)雜推理、上...

ChatGPT進(jìn)化：o3pro重塑AI生產(chǎn)力，奧特曼宣告“溫和奇點(diǎn)”正悄然開(kāi)啟新紀(jì)元。 北京時(shí)間今天凌晨，ChatGPT服務(wù)經(jīng)歷整晚宕機(jī)后，OpenAI以一種出人意料的方式回歸——o3pro正式亮相，取代原有的o1pro模型成為專業(yè)用戶的新工具。  與此同時(shí)，OpenAI首席執(zhí)行官奧特曼在社交媒體發(fā)表長(zhǎng)文，首次提出“溫和的奇點(diǎn)”概念，宣告人類已越過(guò)人工智能發(fā)展的“事件視界”。  o3pro：精準(zhǔn)思考的AI新高度 即日起...

多模態(tài)大模型中模態(tài)對(duì)齊數(shù)據(jù)構(gòu)建的難點(diǎn)及解決方案。多模態(tài)大模型相對(duì)于LLM的訓(xùn)練難度更高一些，其中很關(guān)鍵的部分在于模態(tài)的對(duì)齊。多模態(tài)對(duì)齊需要把各種模態(tài)映射或?qū)R到token空間中，讓圖像、語(yǔ)音等多模態(tài)信息抽象為token表征，從而利用現(xiàn)有的LLM的技術(shù)實(shí)現(xiàn)多模態(tài)領(lǐng)域的思維鏈和涌現(xiàn)。那么本系列開(kāi)始總結(jié)MLLM中多模態(tài)對(duì)齊的難點(diǎn)以及現(xiàn)有的解決方法，下面是本系列想要包含的內(nèi)容。1.模態(tài)對(duì)齊的難點(diǎn)總結(jié)模態(tài)對(duì)齊數(shù)據(jù)構(gòu)建跨模態(tài)差...

論文鏈接：???https:openaccess.thecvf.comcontentCVPR2025papersHuImprovingAutoregressiveVisualGenerationwithClusterOrientedTokenPredictionCVPR2025paper.pdf???項(xiàng)目鏈接：https:sjtuplayer.github.ioprojectsIARGit鏈接：https:github.comsjtuplayerIAR單位：上海交通大學(xué)、騰訊優(yōu)圖、浙江大學(xué)1.引言使用自回歸進(jìn)行視覺(jué)生成最近已成為一個(gè)研究重點(diǎn)。然而，現(xiàn)有的方法主要是將自回歸架構(gòu)轉(zhuǎn)移到視覺(jué)生成中，但很少研...

企業(yè)在積極引入AI的同時(shí)，也希望雇用更多工程師，期望開(kāi)發(fā)者能夠借AI之力將產(chǎn)出“提升10倍”。但要真正高效運(yùn)用AI編碼助手，其中也有不少門(mén)道。首先是AI編碼助手的固有局限，其存在大量不確定性，因此容易引發(fā)種種難以避免的意外行為，例如隨機(jī)刪除代碼或引入邏輯錯(cuò)誤。此外，驅(qū)動(dòng)編碼助手的大模型本身也有問(wèn)題。一旦使用不當(dāng)，大模型也可能成為代碼刪除或者安全漏洞的來(lái)源。此外，AI智能體還經(jīng)常陷入遞歸循環(huán)乃至無(wú)休止的測(cè)試...

?一、理論根基與目標(biāo)一致性1.理論起源與核心目標(biāo)機(jī)器學(xué)習(xí)起源于統(tǒng)計(jì)學(xué)與概率論，其核心理念是通過(guò)數(shù)據(jù)構(gòu)建數(shù)學(xué)模型，使計(jì)算機(jī)從經(jīng)驗(yàn)中提煉規(guī)律。例如，線性回歸模型通過(guò)最小化預(yù)測(cè)值與實(shí)際值的均方誤差，找到數(shù)據(jù)分布的最優(yōu)擬合直線。深度學(xué)習(xí)則受啟發(fā)于人腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與功能，1943年麥卡洛克皮茨神經(jīng)元模型的提出，開(kāi)啟了通過(guò)多層非線性變換模擬復(fù)雜認(rèn)知功能的探索。共同目標(biāo)：兩者均旨在使計(jì)算機(jī)從數(shù)據(jù)中自動(dòng)學(xué)習(xí)模式和...

0.前言RAG是AIGC可靠性和準(zhǔn)確性的一項(xiàng)關(guān)鍵技術(shù)。不過(guò)，RAG也存在一些局限，如上下文處理、成本控制及面對(duì)超大數(shù)據(jù)集時(shí)的挑戰(zhàn)。因此，過(guò)去一年里，業(yè)界出現(xiàn)了許多新方法，試圖彌補(bǔ)RAG的不足。下面深入了解2025年RAG領(lǐng)域的一些最新動(dòng)態(tài)。1.RAG工作原理及其局限性RAG是一種結(jié)合LLM與外部知識(shí)源的技術(shù)。具體做法是，把文檔或數(shù)據(jù)庫(kù)等外部知識(shí)源進(jìn)行分塊、向量化處理，生成所謂的向量嵌入（vectorembeddings），并存儲(chǔ)在向量數(shù)據(jù)庫(kù)或...

字節(jié)跳動(dòng)的智能創(chuàng)作團(tuán)隊(duì)提出了一個(gè)從單一主題發(fā)展到多主題定制的通用框架UNO，從少到多的泛化：通過(guò)情境生成釋放更多可控性。能夠?qū)⒉煌娜蝿?wù)統(tǒng)一在一個(gè)模型下。在單主題和多主題驅(qū)動(dòng)的生成中都能實(shí)現(xiàn)高度一致性，同時(shí)確保可控性。舉一個(gè)例子：上傳一張人物，一身衣服，一個(gè)包，UNO就可以生成這個(gè)人穿著衣服拿著包的效果圖，效果看起來(lái)很真實(shí)！相關(guān)鏈接論文：https:arxiv.orgabs2504.02160主頁(yè)：https:bytedance.github.ioUNO...

由香港科技大學(xué)、快手科技提出的UNIC（統(tǒng)一上下文視頻編輯）是一個(gè)簡(jiǎn)單而有效的框架，它以上下文的方式統(tǒng)一單個(gè)模型中的各種視頻編輯任務(wù)。從此，視頻編輯用著一個(gè)工具就夠了！ID插入ID交換刪除ID相機(jī)控制風(fēng)格化第一幀傳播緊急任務(wù)組合UNIC還表現(xiàn)出了新興任務(wù)組合能力。重新拍攝+風(fēng)格化ID+風(fēng)格化相關(guān)鏈接論文：https:arxiv.orgpdf2506.04216主頁(yè)：https:zixuanye.github.ioUNIC論文介紹UNIC：框架和設(shè)計(jì)動(dòng)機(jī)基于DDIM反轉(zhuǎn)的方法...

想象一下，一種專門(mén)為某個(gè)人量身打造的藥物，能夠精確修復(fù)他體內(nèi)導(dǎo)致疾病的那個(gè)小小的基因“印刷錯(cuò)誤”。這聽(tīng)起來(lái)像是科幻小說(shuō)里的情節(jié)，但如今，它正悄然照進(jìn)現(xiàn)實(shí)。最近，一名叫KJ的嬰兒成為了這個(gè)醫(yī)學(xué)奇跡的主角。他患有一種罕見(jiàn)的遺傳性肝臟疾病，由于基因突變，身體無(wú)法正常分解蛋白質(zhì)，導(dǎo)致有毒物質(zhì)氨在體內(nèi)累積，嚴(yán)重威脅著他的大腦發(fā)育和生命健康。傳統(tǒng)的治療方法對(duì)于KJ這樣嚴(yán)重的病例往往效果有限，預(yù)后不佳。然而，來(lái)...

AI圈又炸鍋了！就在最近，谷歌悄然放出了一枚重磅炸彈——Gemini2.5ProPreview0605。這不僅僅是一次簡(jiǎn)單的版本更新，它更像是一場(chǎng)對(duì)現(xiàn)有AI格局的“無(wú)聲宣戰(zhàn)”，直接把OpenAI、Anthropic和DeepSeek等一眾頂尖選手甩在了身后，重新定義了“最強(qiáng)AI模型”的標(biāo)桿。谷歌CEO桑達(dá)爾·皮查伊親自在社交媒體上官宣，字里行間透露著自信與興奮。而僅僅24小時(shí)內(nèi)，Gemini2.5Pro0605就憑借在LMArena、WebDevArena等權(quán)威榜單上的驚人表現(xiàn)，坐穩(wěn)...

我覺(jué)得LLaMA4最值得看的技術(shù)就是iRoPE，他們自己沒(méi)出說(shuō)說(shuō)明，所以我試著解讀了一下：簡(jiǎn)單來(lái)說(shuō)，iRoPE技術(shù)是對(duì)標(biāo)準(zhǔn)RoPE位置編碼方式的升級(jí)，主要解決了在處理超長(zhǎng)文本時(shí)出現(xiàn)的問(wèn)題。交錯(cuò)式應(yīng)用(InterleavedApplication):標(biāo)準(zhǔn)RoPE在模型的每一層Q和K都用旋轉(zhuǎn)操作來(lái)編碼PI頁(yè)就是位置編碼。iRoPE的做法是“交替進(jìn)行”——有些層用帶RoPE的注意力機(jī)制，有些層不用（或者用其他方法）。這樣做的目的是為了防止在處理很長(zhǎng)的文本時(shí)，位...

對(duì)模型的泛化性能進(jìn)行評(píng)估，不僅需要有效可行的試驗(yàn)估計(jì)方法，還需要具有衡量模型泛化能力的評(píng)價(jià)標(biāo)準(zhǔn)，即性能度量。且在不同的任務(wù)中對(duì)比模型的性能時(shí)，使用不同的性能度量往往會(huì)導(dǎo)致不同的評(píng)判結(jié)果。在分類任務(wù)中，最常用的性能度量有錯(cuò)誤率、精度、查準(zhǔn)率、查全率、F1分?jǐn)?shù)及AUCROC曲線。01錯(cuò)誤率與精度(1)錯(cuò)誤率(errorrate)是分類錯(cuò)誤的樣本數(shù)占樣本總數(shù)（m）的比例。計(jì)算公式可表示為：(2)精度(accuracy)是分類正確的樣本數(shù)...

RoboRefer:TowardsSpatialReferringwithReasoninginVisionLanguageModelsforRobotics20250604｜BUAA,PKU,BAAI??32??http:arxiv.orgabs2506.04308v1??????https:huggingface.copapers2506.04308??????https:zhoues.github.ioRoboRefer??研究背景與意義問(wèn)題定義與現(xiàn)狀空間指稱是機(jī)器人理解并與三維物理世界交互的基礎(chǔ)能力。盡管現(xiàn)有預(yù)訓(xùn)練視覺(jué)語(yǔ)言模型（VLMs）在二維視覺(jué)任務(wù)上表現(xiàn)優(yōu)異，但它們?cè)趶?fù)雜三維場(chǎng)景的...

2025年高考數(shù)學(xué)考場(chǎng)外，當(dāng)考生們還在為立體幾何的輔助線抓耳撓腮時(shí)，六大頂尖AI模型也交出了它們的答卷——在總分73的2025年新課標(biāo)Ⅰ卷客觀題測(cè)試中，豆包與元寶以68分并列第一，OpenAIo3卻以34分慘遭墊底。  在單選題戰(zhàn)場(chǎng)，豆包、通義、元寶和文心曾攜手?jǐn)孬@35分，DeepSeek因兩道題失誤，單選題拿下30分，而o3則慘遭滑鐵盧，單選題的得分僅為20分，錯(cuò)了一半的題目。  而在多選題方面，豆包、DeepSeek和元...

作者NatashaWijesekare編譯云昭智慧總是藏在自然之中。而作為人工制造的AI，更不例外。然而對(duì)于感悟AI而言，有時(shí)候卻需要我們換個(gè)環(huán)境去散散心。近日，小編讀到一篇散文式的“半旅行半感悟”的神人文章：《從自行車到AI智能體：阿姆斯特丹如何改變了我對(duì)AI的看法》。這篇文章奇妙之處，就在于作者借“一日游”中我們經(jīng)常遇到的情形，諸如：騎單車、導(dǎo)航問(wèn)路、剎車、修車等，來(lái)描述現(xiàn)在由大模型帶來(lái)的各種看似很熱但又很模糊的概...

編輯｜云昭6月6日，年逾花甲的三大“AI教父”之一的YoshuaBengio（小編心中的科研偶像之一），如約出現(xiàn)在2025智源大會(huì)上的現(xiàn)場(chǎng)熒幕中。大師眼中的GPT究竟是什么樣子？我們又該打造怎樣的AI？未來(lái)的AI能力時(shí)間表又將怎樣？以ChatGPT為代表的大模型革命愈演愈烈，然而整個(gè)業(yè)界也因此重新陷入無(wú)序甚至稍顯混亂的博弈之中。越是在“AI原生應(yīng)用”乾坤未定的時(shí)代，越需要像Bengio這種巨擘級(jí)別的大師，給身處“以日為單位”的技術(shù)更新...