AI.x社區
- 登錄/注冊
深入探索 Model Context Protocol：從理論到實踐
原創 精華在當今快速發展的技術領域，人工智能和機器學習的創新不斷涌現。其中，ModelContextProtocol（MCP）作為一種新興的開源協議，正逐漸成為研究和應用的熱點。雖然目前人們更多地關注MCP在工具集成方面的表現，但其在上下文管理方面的強大能力，才是真正值得我們深入探討的核心價值。一、什么是ModelContextProtocol？ModelContextProtocol（MCP）是由Anthropic開發的一種開源協議，旨在解決大型語言模型（LLMs）在處理上下文信息...MCP開源協議大型語言模型CVPR`25 | SOTA！首揭PCA解決長視頻低質問題！FreePCA讓長視頻絲滑如電影！(中科大)
社區頭條文章鏈接：??https:arxiv.orgpdf2505.01172??Git鏈接：https:github.comJosephTiTanFreePCA亮點直擊首次揭示了PCA能夠有效將視頻特征解耦為一致的外觀和運動強度特征，從而解決長視頻生成中的不一致性和低質量問題。提出了一種技術，從整個視頻序列的全局特征中提取主成分空間中的一致性特征，并逐步將其整合到通過滑動窗口獲得的局部特征中，從而在保證視頻質量的同時確保一致性。大量實驗表明，本文的方法優于現有方法，...模型訓練視頻強化微調來襲！如何讓AI真正“聽懂”人類需求
原創 精華 社區頭條在當今快速發展的AI領域，如何讓模型更好地理解人類的需求并提供真正有價值的服務，一直是開發者們努力的方向。而強化微調（ReinforcementFinetuning）的出現，無疑是為這一目標帶來了新的曙光。它通過結合人類反饋和強化學習，讓模型能夠不斷調整自身行為，以更好地符合人類的價值觀和期望。今天，就讓我們深入探討強化微調的奧秘，看看它是如何在現代AI開發中發揮重要作用的。一、強化學習：強化微調的基石在深入了解強化微調...微調強化微調強化學習重磅突破！只需一張圖，一鍵生成沉浸式4D全景世界！HoloTime重塑VR/AR體驗（北大等）
文章鏈接：https:arxiv.orgpdf2504.21650主頁鏈接：https:zhouhyocean.github.ioholotime代碼鏈接：https:github.comPKUYuanGroupHoloTime亮點直擊全景動畫生成器(PanoramicAnimator):提出兩階段運動引導生成策略，無縫轉換全景圖像為動態全景視頻，在保留原始圖像空間特征的同時支持下游4D重建任務。全景時空重建技術(PanoramicSpaceTimeReconstruction):通過前沿技術實現全景視頻深度估計的時空對齊，利用4DGaussianSplatting...4D模型生成使用Llama 4和AutoGen構建一個AI智能體
原創 社區頭條Meta的Llama4系列模型目前正主導不斷發展的AI世界。這些模型憑借原生的多模態功能，正在徹底改變我們構建智能系統的方式。當Llama4與AutoGen結合使用時，它將充分發掘構建動態、響應迅速且強大的AI智能體的潛力。如果充分利用Llama4與AutoGen之間的集成，開發者可以創建能夠高效推理、協作和適應的創新型AI智能體。我們在本文中將學習如何使用Llama4和AutoGen為特定應用場景構建AI智能體。為什么我們應該考慮使用Llama4？Llama4...Llama 4AutoGenAI智能體記憶機制、思維模式與跨領域推理
今日目錄1、Nemotron：跨領域推理框架2、Qwen3模型運行與微調指南3、重塑AI記憶：分類法、操作與未來方向4、LLM在工程領域的突破：教模型設計高功率火箭5、ReXGradient160K：史上最大公開胸部X光數據集1、Nemotron：NVIDIA推出的跨領域推理框架圖片最新研究表明，NVIDIA推出的NemotronCrossThink框架成功將自學習擴展到數學推理之外的多個領域。該框架通過系統地將多領域語料庫（包括STEM、人文、社科等）納入強化學習訓練，顯...記憶機制思維模式領域AI Agent"社交網絡"來了！最新研究揭示AI Agent通信協議全景圖
就像互聯網需要TCPIP和HTTP協議一樣，AIAgent之間的協作也需要標準化的通信協議。本文帶你深入了解AIAgent協議的現狀與未來，看看學術界是如何構建Agent之間的"社交網絡"的。圖片1、AIAgent通信協議：打破信息孤島的關鍵一步你有沒有想過，當ChatGPT、Claude這些AI助手需要互相交流、協作時，它們該如何"對話"？隨著大語言模型(LLM)的迅猛發展，各種AIAgent已經廣泛應用于客戶服務、內容創作、數據分析甚至醫療輔助等領域。然而...AIAgent通信協議震驚！強化學習訓練后，大模型推理“天花板”反而降低了？清華研究揭示RLVR局限性
大家好，我是HxShine今天分享一篇來自清華的文章，標題為：“DoesReinforcementLearningReallyIncentivizeReasoningCapacityinLLMsBeyondtheBaseModel”(強化學習真的能激勵大型語言模型(LLM)產生超越基礎模型本身的推理能力嗎？)。這篇文章研究的問題：可驗證獎勵的強化學習（RLVR）真能夠使LLM持續自我改進，獲得超越其對應基礎模型的新推理能力嗎？（即強化學習能提高base基座模型的天花板嗎？）。研究者通過使用passk指標（...大模型RLVR局限性無需標注數據！TTRL用“少數服從多數”解鎖大模型測試時強化學習新范式
社區頭條今天分享一篇來自清華大學和上海人工智能實驗室的文章，標題為TTRL:TestTimeReinforcementLearning（測試時強化學習）。這篇文章探討了一個重要且具有挑戰性的問題：如何在沒有顯式標簽（groundtruth）的情況下，利用強化學習（RL）在測試階段提升大型語言模型（LLM）在推理任務上的性能。核心挑戰在于測試時無法獲得真實的獎勵信號。研究者們發現，像多數投票（majorityvoting）這類在測試時擴展（TestTimeScaling,TTS）中常用...TTRL大模型測試大模型應用開發新范式：深入解讀MCP協議設計思想
原創MCP能解決什么問題我們之前開發LLM應用的時候，這個應用不僅基于已有的知識庫對話，還和外部連接訪問數據和使用工具：訪問google進行內容檢索訪問youtube進行視頻檢索調用公司內部的CRM接口我們在LLM應用內部做了很多的粘合工作，在之后如果我們要新開一個LLM應用，如果還需要使用這些工具怎么辦呢？我們可以引入一個中間層，把這些能力放在中間層中，LLM應用只負責和中間層打交道。這其實就是MCP做的事，MCP可以用來簡化LLM應...MCP大模型應用Agent算力革命：智能時代的技術突圍與產業重構（上篇）
社區頭條一、算力爆發：智能時代的生產力躍遷1.1算力規模的指數級增長在人工智能大模型訓練需求的驅動下，全球算力正經歷前所未有的爆發式增長。根據IDC數據，2022年中國智能算力規模達259.9EFLOPS，預計2027年將突破1117.4EFLOPS，五年復合增長率達33.9%。以GPT4為代表的萬億級參數模型單次訓練所需算力達1023FLOPS，較GPT3提升10倍以上。從2012年到2018年，AI計算需求激增30萬倍，而生成式AI的爆發進一步加速了這一趨勢。勁速云算力...勁速云頂作AI算力革命：智能時代的技術突圍與產業重構（下篇）
一、未來趨勢：技術融合與可持續發展1.1算力形態的多元化演進●云邊端協同：云端聚焦大規模模型訓練，預計2025年單集群算力達50EFLOPS；邊緣算力向輕量化演進，NPU芯片算力密度將提升至10TOPSW；終端算力實現嵌入式集成，智能手機AI算力達10TOPS以上。●量子計算商用化：IBM量子計算機實現127量子比特，中國"祖沖之三號"超導量子計算機在特定算法上較經典計算機快10^15倍，預計2030年在藥物分子模擬、密碼破譯等領域實現突破。...勁速云頂作AIDeepSeek-Prover-V2-671B：數學推理領域的“新王者”來了！
原創AI領域迎來了一則重磅消息——DeepSeek正式開源了其最新數學推理大模型DeepSeekProverV2671B！這款擁有6710億參數的“數學大腦”究竟有多強？它又將如何改變數學研究、教育甚至整個AI行業？讓我們一探究竟！一、數學推理領域的“AlphaGo時刻”DeepSeekProverV2671B是DeepSeek團隊專為數學定理證明和復雜推理任務打造的“專業選手”。從命名中的“Prover”（證明者）就能看出，這不是一個普通的通用大模型，而是專為解決數學難題...DeepSeek開源模型數學推理RAG檢索系統的兩大核心利器——Embedding模型和Rerank模型
原創“Embedding和Rerank模型是RAG系統中的核心模型。”在RAG系統中，有兩個非常重要的模型一個是Embedding模型，另一個則是Rerank模型；這兩個模型在RAG中扮演著重要角色。Embedding模型的作用是把數據向量化，通過降維的方式，使得可以通過歐式距離，余弦函數等計算向量之間的相似度，以此來進行相似度檢索。而Rerank的作用是在Embedding檢索的基礎之上，進行更加準確的數據篩選；如果說Embedding模型進行的是一維篩選，那么Reran...RAGEmbedding模型Rerank模型人工智能技術與現有技術(業務)之間的切入思考——論新老技術之間的關系
原創“提示詞工程是大模型應用的核心，大模型的能力是有限的，但提示詞是挖掘大模型能力的鑰匙。”人工智能技術是目前技術圈中比較火的技術，但很多人對人工智能技術還沒有一個清楚的認識；有些人把人工智能技術想的太復雜，而有些人把人工智能技術想的太簡單。還有很多人傳統的技術開發者，甚至會認為人工智能技術是一項全新的領域，之前的開發經驗和技術都沒有了用武之地。但不得不說這是一種錯誤的思想，因此我們今天就來討論一...提示詞工程大模型應用大模型我們一起聊聊基于1DCNN-Informer+MATT融合的故障診斷模型
前言本期推出一種基于FFT+VMD預處理，1DCNNInformer雙支路特征提取并行，多頭注意力融合的分類模型，在故障診斷任務上效果顯著！1模型簡介與創新點介紹1.1模型簡介●數據集：CWRU西儲大學軸承數據集●環境框架：python3.9pytorch1.8及其以上版本均可運行●準確率：測試集100%●使用對象：論文需求、畢業設計需求者●代碼保證：代碼注釋詳細、即拿即可跑通。注意：（1）我們還有配套的模型講解（方便學習網絡結構）和參數調節講...診斷模型預處理VMDAgentic RAG-R1：讓大模型從「檢索助手」躍升為「思考+搜索王者」！
AgenticRAGR1是由北京大學研發的一項開源研究項目，旨在推動語言模型在自主檢索與推理能力方面的能力邊界。該項目通過引入強化學習策略（GRPO），構建了一個可自我規劃、檢索、推理與總結的智能體式RAG系統。核心亮點1.AgenticRAG架構：融合檢索增強生成（RAG）與AgenticAI機制，模型不僅生成答案，還能“決定如何生成答案”。2.強化學習優化（GRPO）：借助GeneralizedRelevancePolicyOptimization，讓模型學會更合理地選擇檢索...Agentic大模型檢索一篇多模態大模型推理技術最新綜述
盡管多模態大型語言模型（MultimodalLargeLanguageModels,MLLMs）顯著擴展了LLMs以處理視覺、音頻和視頻等多種模態，但在多模態輸入之間實現穩健的推理仍然是一個重大挑戰。華東師大&字節跳動系統回顧了基于強化學習的MLLMs推理的最新進展，涵蓋了關鍵的算法設計、獎勵機制創新以及實際應用。一、MLLMs&RL基礎MLLMs與MMCoT多模態大型語言模型（MLLMs）：將大型語言模型（LLMs）與其他模態（如視覺、音頻和視頻）的模型結合，以...多模態大模型LLMs人工智能的哲學轉向：讓哲學引導而非算法操控
在數字技術塑造生活方式的今天，我們每時每刻都在面對選擇，而人工智能（AI）的崛起正加劇這一趨勢。科技帶來的便利，表面上看似增強了個體的決策能力，但事實卻更加復雜。面對無數的信息流與選擇，我們可能逐漸喪失自己的主動性（Agency），因為決策的復雜性使得我們難以有效行動；同時，我們也可能在不知不覺中失去自主性（Autonomy），因為算法正在塑造我們的選擇，悄然影響我們的認知。這種隱形操控并非突然而至，它根植于...人工智能哲學算法從數論到拓撲，DeepSeek-Prover-V2正在重塑數學推理
數學證明一直是智力的試煉場。它不僅在理論研究中占據核心位置，更是科學探索和工程應用的重要基石。隨著數學推理問題的復雜性不斷提高，自動化數學證明系統面臨前所未有的挑戰。4月30日，DeepSeekProverV2的問世標志著數學人工智能從探索性嘗試邁向更加系統、高效的推理時代。數學證明的自動化目標由來已久，傳統證明系統（如Lean、Isabelle、Coq）雖然提供了嚴格的邏輯推理工具，但往往依賴人工輸入和規則約束，導致證明過程...DeepSeekProver-V2AI
