AI.x社區
- 登錄/注冊
微軟10大商用智能體一鍋出！Agent要重塑辦公了！實績可查：500強企業六成都在用，有公司一年省出5000 萬！
原創 精華出品51CTO技術棧（微信號：blog51cto）智能體元年是不是要來了？前腳Salesforce剛剛發布其Agentforce平臺，CEOMarcBenioff還順便踩了腳微軟Copilot是Clippy2.0（微軟90年代推出的廣受詬病的Office助手）。圖片一周的時間，微軟就展開了反擊，一口氣宣布了兩個大事！圖片首先，CopilotStudio可以自己“捏”Agent了！這項功能將在下個月進行公開預覽。其次，微軟在Dynamics365中直接重磅推出十個新的商業智能體，用AIAgent賦能銷...微軟智能體AIRAG遇上知識沖突，Google祭出終極大招！
論文筆記分享，標題：AstuteRAG:OvercomingImperfectRetrievalAugmentationandKnowledgeConflictsforLargeLanguageModels，來自googlecloud在RAG的時候，再好的recall+rerank+篩選策略，都會出現知識沖突，或query無關的候選知識的情況。文中稱這種現象為“不完美檢索”。通常，當檢索精度不低于20%時，RAG是有幫助的。當檢索精度接近0時，帶有RAG的模型的表現要比沒有RAG的模型差。添加更多的檢索段落并不一定導致更好的性能，...RAGGoogle檢索人工智能新高度：GLM-4-Plus，智譜AI打造媲美GPT-4o的基座大模型
在當今人工智能飛速發展的時代，各種先進的大模型不斷涌現，為我們的生活和工作帶來了前所未有的變革。今天，讓我們一同走進智譜AI推出的GLM4Plus大模型，深入了解它的獨特魅力和強大功能。一、GLM4Plus簡介智譜GLM團隊重磅發布了新一代基座大模型——GLM4Plus。作為智譜全自研GLM大模型的全新版本，GLM4Plus充分彰顯了智譜AI在通用人工智能領域的深度耕耘，有力地推動了大模型技術的獨立自主創新。GLM4Plus是對以往模型持續優...GLM-4-PlusGPT-4o模型我的“七年之癢”-變與不變：從LSTM到RAG、大模型
驀然回首，從18年開始接觸NLP（自然語言處理）開始，已經7年有余。機緣巧合的情形下，讓自己和NLP有了第一次邂逅。從未接觸NLP相關研究的自己，憑著年輕的熱血投遞搜狗的實習，那時候“不計后果”，不去考慮是否能行，直接“打火車”從天津到了北京，迎來人生的第一次（實習）面試。猶記得面試官的一個問題，“武漢市長江大橋”有幾種分詞方式，這個NLP中最典型的問題打開了我的NLP之路，實習的面試不難，當天面完當天又急匆匆...LSTMRAG大模型如何編寫出色的生成式AI提示？
原創生成式人工智能（GenAI）已經成為一種提高生產力和處理日常任務的強大工具。這種工具可以根據收到的輸入創建新的內容，包括文本、圖像甚至代碼。雖然這種工具大有潛力，但有效地發掘它們的力量卻需要一種特定的技能，即編寫優秀提示的能力。提示是我們賦予AI工具的指令，以指導它們的輸出?？梢园烟崾究醋魇乾F代版的計算機代碼，只不過用自然語言編寫。就像傳統編程一樣，有一些有效和無效的方法來創建提示。不妨探索提示編寫之...人工智能GenAI生成式AIOpenAI新發布的canvas和Claude的Artifacts，哪個更好？
原創整理言征出品51CTO技術棧（微信號：blog51cto）近日，OpenAI推出了canvas，這是一個可以在ChatGPT中直接編寫和編碼項目的新界面。許多人想知道它是否比ClaudeSonnet3.5Artifacts更好。答案是否定的。原因也很明顯：canvas使用GPT4o，而4o模型的編碼并不比ClaudeSonnet3.5好。雖然canvas為開發人員提供了一些很好的功能，例如用戶協作和版本控制，但它缺乏代碼預覽等關鍵功能。許多人現在都在使用Claude創建他們的第一個應用程序...OpenAIcanvasArtifacts奧特曼野心升級，要做「世界之王」？開發“眼球”給全人類做身份認證，千倍瘋狂擴張，數億人可注冊
原創編輯伊風怎么證明你是人類？或許這不是一個大問題，畢竟你只在網頁驗證的對話框彈出時，才短暫地感受過“確定自己是真人”的那種荒謬——不過，準備成為AI「世界之王」的奧特曼卻不這么想。在他眼中，我們很快就會——或者可能已經——需要一種方法來區分人類與機器。所以，當他的OpenAI公司飛馳在追逐AGI的路上，一路狂踩著油門，高歌猛進的時候。奧特曼的另一家更少為人所知的初創公司，也在琢磨一個同樣宏大、甚至更瘋狂的AI...奧特曼開發AI大語言模型中自我發現的蘇格拉底方法
原創今天我們介紹來自普林斯頓NLP組的一篇很有意思的博客，作者提出了大語言模型中自我發現的蘇格拉底方法。一、核心內容（一）多智能體協作解決問題（有人類參與）智能體角色分配文中提到在涉及基于大型語言模型的智能體和人類參與的多智能體協作解決問題領域十分引人關注。通過給大型語言模型賦予如“分析員”或“校對員”等不同角色，能夠有效利用它們各自的優勢，增強整體解決問題的能力。這種角色分配就像是在一個團隊中，每個...大語言模型一文梳理大語言模型編程框架
原創大語言模型（LLMs），以及一般的語言模型（LMs），催生了一種新的編程方式，其中“指令”不再是明確的應用程序編程接口（APIs），而是像英語這樣的自然語言語句。該領域（一個被稱為提示工程的新領域）的專家通過組合特定的關鍵詞、提示格式，甚至認知模型來對他們的語言模型進行編程——或者從語言模型中引出特定行為。過去兩年表明，語言模型可以產生廣泛的變革性影響，但在無縫集成到更大的程序環境方面存在固有局限。它們對...大語言模型蘋果重磅開源俄羅斯套娃擴散模型！MDM：多任務高分辨率生成又快又好！
文章鏈接：https:arxiv.orgpdf2310.15111項目鏈接：https:github.comapplemlmdm亮點直擊提出了MatryoshkaDiffusionModels(MDM)，通過聯合處理多個分辨率的輸入，避免了級聯或潛在擴散方法的復雜性，并引入了NestedUNet架構，嵌套不同尺度的特征和參數，提升了高分辨率生成的效果。采用了多分辨率損失，顯著加速了高分辨率去噪的收斂速度，同時使用漸進式訓練策略，從低分辨率開始逐步引入高分辨率內容，實現了訓練成本和生成質...AI模型Agent memory大揭秘：記憶從哪兒來？
嘿，大家好！這里是一個專注于AI智能體的頻道！今天開始我們來詳細看看智能體的大腦——記憶模塊的內部，主要從三個方面來扒一扒：記憶從哪兒來，記憶長啥樣，以及怎么用記憶。今天我們主要聊聊記憶來源這個話題！首先，我們得明白，記憶對Agent來說，就像是它們的知識庫和經驗集，能讓它們在處理任務時更加得心應手。記憶來源，就是指智能體記憶內容的出處。這里，我們主要關注三種類型的記憶來源：內部任務信息（InsidetrialI...Agent模塊知識庫矛盾之爭，AI合成數據可以騙過大模型嗎？中山大學聯合上海AI Lab提出合成檢測基準LOKI
?文章鏈接:https:arxiv.orgpdf2410.09732項目鏈接:https:opendatalab.github.ioLOKI數據&代碼：https:github.comopendatalabLOKI總結速覽引入了LOKI基準，以全面評估LMMs在區分合成數據上的表現。LOKI基準的亮點包括：全面模態評估。收集了近期熱門合成模型生成的高質量多模態數據，涵蓋視頻，圖像，3D數據，文本，音頻等多個模態。異構數據覆蓋。數據集中包括28個不同模態的細致分類，包括有專業的衛星，醫學等圖像，哲學，文...模型數據“左腳踩右腳”提升文生圖模型綜合能力！清北牛津普林斯頓聯合發布IterComp
精華文章鏈接：https:arxiv.orgpdf2410.07171項目鏈接：https:github.comYangLing0818IterComp亮點直擊提出了第一個基于獎勵控制的迭代組合感知框架IterComp，以全面提升基礎擴散模型的組合性。精心挑選了模型庫，并開發了一個高質量的組合感知模型偏好數據集，該數據集包含大量圖像排序對。使用了新的迭代反饋學習框架，逐步增強獎勵模型和基礎擴散模型。與之前的SOTA方法進行的大量定性和定量比較表明，本文的方法在組合生成能力...圖像生成模型VisRAG：清華大學&面壁智能提出了一種新的RAG思路，效果提升明顯
1.為啥要提出VisRAG？檢索增強生成（Retrievalaugmentedgeneration,RAG）已經成為解決LLM幻覺和知識更新的經典方案，典型的RAG流程是基于文本的（以下簡稱TextRAG），以分割后的文本作為檢索單元。但是在真實場景中，知識往往以多模態的形式出現，比如教科書、手冊等。這些文檔中的文本與圖像交織在一起。為了從這類數據源中提取文本，通常需要一個解析階段，這包括布局識別、光學字符識別（OCR）和文本合并等后處理步驟。雖然...VisRAGVLMs場景Sample Packing：長序列 LLM 訓練的 Attention 問題及優化
一、背景之前看過部分MegatronLM的源碼，也詳細分析過對應的Dataset和DataLoader，想當然的認為在LLM預訓練時會使用DocumentLevel的Mask，也就是常說的SamplePacking技術。最近我們在做長序列訓練相關工作時發現并非如此，并且出現了一些很奇怪的性能問題，因此重新看了相關工作，并進行了部分實驗。SamplePacking中有很多可以討論的技術點，比如Attention的實現和優化，Sample的組合及負載均衡問題（有點類似調度問題）以及不...長序列LLM訓練如何讓LLM學會"試錯" | LLM竟然學會了"自我反省"，它真的有自我意識嗎？
精華大模型領域的發展日新月異，每天都有許多有趣的論文值得深入品讀。下面是本期覺得比較有意思的論文：1、如何讓LLM學會"試錯"2、LLM竟然學會了"自我反省"，它真的有自我意識嗎？1、如何讓LLM學會"試錯"你有沒有想過，為什么人工智能經常會犯"愚蠢"的錯誤？原因可能讓你意外：因為我們一直在教它"做一個完美主義者"！最新研究表明，讓AI學會"試錯"，反而能讓它變得更聰明。想象一下，如果從小到大，你只被允許看到正確答案，從來...LLMAI模型Anthropic：前沿模型的破壞能力評估——保障AI安全的重要探索
原創自從JohnSchulman、JanLeike等大牛離職加入Anthropic，AISafety&Alignment的研究中心也逐漸由OpenAI轉移到Anthropic。今天，小編就帶來一篇來自Anthropic的AI安全相關的論文解讀，搬起小板凳一起吧！一、前沿模型帶來的潛在風險隨著前沿語言模型能力的不斷提升，它們所帶來的潛在災難性風險受到了廣泛關注。像OpenAI、Anthropic等前沿實驗室都在進行部署前的風險測試。這些風險通常包括模型被外部行為者濫用，比如在生物風險、...AnthropicAI安全關于大模型在企業級應用中的選擇問題疑問回復
原創?“企業級應用和平常學習是兩回事，千萬不能混為一談”在前面的??千萬不要為了節約成本而選擇小模型，特別是開源模型??這篇文章中，簡單說明了為什么盡量不要選擇小模型，然后文章下面有些評論，可能覺得作者說的都是廢話，或者模型不好直接換就行了。但事實上作者認為這些都是站在純粹的技術角度或者說把企業級應用想的太簡單了。大模型在企業級應用中面臨的問題很多技術人員都習慣站在技術的角度來考慮問題，認為某項技...大模型老黃播客大玩凡爾賽：呼吁買家少囤GPU！營收1250億美元，英偉達PPT從不討論市場份額！
原創出品51CTO技術棧（微信號：blog51cto）編輯伊風老黃也太凡爾賽了！竟然在播客中喊話客戶少買英偉達，“每年買一點”就好。上述發言就在黃仁勛做客的科技節目Bg2Pod，在與主持人Brad、Clark對談時，老黃非常投機，話匣子一開就收不住了！上圖：播客開場，黃仁勛與Brad戴了搞怪的眼鏡主持人一開始還緊張地打斷，并表示自己還有不少問題。而黃仁勛一直慷慨地表示：沒事，我的時間多的是！最終，這場酣暢淋漓的對話持續了一個半小時...GPU英偉達份額微軟開源視覺語言模型Florence-2的應用實戰
原創本文將通過探討微軟開源Florence2模型的零樣本功能來全面了解其在字幕識別、目標檢測、分割和OCR等領域的應用。簡介近年來，計算機視覺領域見證了基礎模型的興起，這些模型可以在不需要訓練自定義模型的情況下進行圖像注釋。我們已經看到了用于分類的CLIP模型（參考文獻2）、用于對象檢測的GroundingDINO（參考文獻3）和用于分割的SAM（參考文獻4）等模型，每種模型在其各自領域都表現出色。但是，我們是否能夠開發一個能夠同時...Florence-2模型視覺語言模型VLM
