AI.x社區(qū)
- 登錄/注冊(cè)
Qwen3震撼發(fā)布，問鼎開源寶座，教你快速上手
通義千問3（Qwen3），通義千問大語言模型家族的最新成員。作為阿里巴巴的旗艦?zāi)Ｐ停x千問3235BA22B在編碼、數(shù)學(xué)、通用能力等基準(zhǔn)評(píng)估中，與DeepSeekR1、o1、o3mini、Grok3、Gemini2.5Pro等其他頂級(jí)模型相比，取得了極具競爭力的成績。此外，小型混合專家（MoE）模型通義千問330BA3B，其激活參數(shù)僅為QwQ32B的十分之一，卻超越了后者的表現(xiàn)；甚至像通義千問34B這樣的微型模型，也能與通義千問2.572BInstruct相媲美。通義千問3...Qwen3開源阿里巴巴告別“玩具” Agent！深度解析智能體框架，構(gòu)建真正可靠的 AI 應(yīng)用
（OpenAI指南中的觀點(diǎn)，引發(fā)了行業(yè)思考）當(dāng)前的討論充斥著炒作、空談和噪音，卻鮮有對(duì)智能體框架的精確分析或深入思考。別擔(dān)心！這篇文章將為你撥開迷霧，帶你深入理解智能體框架的核心問題，助你構(gòu)建更可靠、更強(qiáng)大的智能體應(yīng)用。本文核心看點(diǎn)：智能體(Agent)到底是什么？（告別模糊定義！）構(gòu)建可靠Agent的真正難點(diǎn)在哪？（直擊痛點(diǎn)！）LangGraph是什么？它為何與眾不同？智能體框架大比拼：工作流vs智能體、聲明式vs命令式、...AgentAI框架d1：通過GRPO在擴(kuò)散LLM中縮放推理
加州大學(xué)洛杉磯分校與MetaAI的研究團(tuán)隊(duì)聯(lián)合發(fā)布了革命性的強(qiáng)化學(xué)習(xí)框架d1【文獻(xiàn)1】。該框架顯著提升了基于擴(kuò)散原理的LLM（dLLM）的推理性能——在某些場(chǎng)景下將響應(yīng)時(shí)間從超過30秒縮短至僅需3秒。當(dāng)AI界普遍聚焦于GPT這類逐詞生成結(jié)果的自回歸模型時(shí)，dLLM另辟蹊徑，其設(shè)計(jì)靈感源自DALL·E2和StableDiffusion等圖像生成模型。這類模型并非順序構(gòu)建答案，而是通過多輪迭代優(yōu)化被遮蔽的文本版本，在每一階段都能實(shí)現(xiàn)更快速的并行化...GRPOLLM中d1ICLR'25 | 基于記憶網(wǎng)絡(luò)和混合Prototype的時(shí)間序列異常檢測(cè)方法
今天給大家介紹一篇ICLR2025中關(guān)于時(shí)間序列異常檢測(cè)的工作。這篇文章采用基于MemoryBank和Prototype的異常檢測(cè)方法，提出在此基礎(chǔ)上引入多尺度patch和多周期性的建模方法，進(jìn)一步提升時(shí)間序列異常檢測(cè)效果。論文標(biāo)題：LEARNHYBRIDPROTOTYPESFORMULTIVARIATETIMESERIESANOMALYDETECTION下載地址：??https:openreview.netpdfid8TBGdH3t6a??1.研究背景時(shí)間序列異常檢測(cè)的主流方法，是使用正常的時(shí)間序列訓(xùn)練一個(gè)自編碼器，序列...網(wǎng)絡(luò)Prototype時(shí)間序列大模型靠強(qiáng)化學(xué)習(xí)就能無限變強(qiáng)？清華潑了一盆冷水
近一階段，強(qiáng)化學(xué)習(xí)成為進(jìn)一步提升大模型能力的共識(shí)路徑，這時(shí)候，你是不是也覺得，給大模型套上強(qiáng)化學(xué)習(xí)（RL）的韁繩，再用上那些能自動(dòng)驗(yàn)證對(duì)錯(cuò)的獎(jiǎng)勵(lì)機(jī)制（RLVR），就能讓它們像打了雞血一樣，推理能力蹭蹭往上漲，實(shí)現(xiàn)模型自我進(jìn)化，“左腳踩右腳”不斷飛升。然而，清華大學(xué)近期的一項(xiàng)研究《DoesReinforcementLearningReallyIncentivizeReasoningCapacityinLLMsBeyondtheBaseModel（強(qiáng)化學(xué)習(xí)真的會(huì)激勵(lì)LLMs基模型之外的推理...大模型RLVR模式METR發(fā)現(xiàn) AI 編碼的“摩爾定律”？指數(shù)級(jí)增長或顛覆軟件開發(fā)
精華
社區(qū)頭條還記得2023年初ChatGPT剛出來時(shí)，讓它30秒寫一個(gè)“冒泡排序”都覺得很新鮮？彈指之間，今天的AIagent已經(jīng)能自主幾分鐘內(nèi)啃下人類程序員需要一小時(shí)乃至一天才能完成的需求了。感覺AI進(jìn)步太快跟不上？這可不是錯(cuò)覺。專注于AI能力評(píng)估的METR機(jī)構(gòu)扔出重磅研究：AI系統(tǒng)能搞定的編碼任務(wù)復(fù)雜度（以人類所需時(shí)間衡量）正以驚人的指數(shù)速度增長，其“時(shí)間范圍”（TimeHorizon）——即AI能達(dá)到50%成功率的任務(wù)時(shí)長——大約每7個(gè)月就翻一番...METRAI摩爾定律DeepSeek如何用MTP逆天改命？
DeepSeekV3的MultiTokenPrediction到底在做什么？這個(gè)問題在大模型面試中經(jīng)常被問到，屬于DeepSeek的高頻面試題。所以這篇文章我們就來看看，如果你在面試現(xiàn)場(chǎng)被問到這個(gè)問題，應(yīng)該如何作答？1.面試官心理分析首先老規(guī)矩，我們還是來分析一下面試官的心理，面試官問這個(gè)問題，它其實(shí)主要是想考察你3個(gè)方面：第一，為什么要做MTP？你是否知道這個(gè)算法背后的動(dòng)機(jī)？第二，之前的工作MTP是怎么做的？DeepSeek肯定不是這個(gè)方法的首創(chuàng)...DeepSeekMTPgoogle揭秘Google A2A協(xié)議：原理、應(yīng)用與未來
精華一、A2A協(xié)議的核心原理A2A協(xié)議的設(shè)計(jì)基于五個(gè)核心原則，這些原則確保了協(xié)議的靈活性、安全性和廣泛適用性。以下是對(duì)這些原則的詳細(xì)解析，并結(jié)合技術(shù)機(jī)制進(jìn)行說明。1.擁抱智能體特性（EmbraceAgenticCapabilities）A2A協(xié)議專為具有自主性和復(fù)雜推理能力的AI智能體設(shè)計(jì)。不同于傳統(tǒng)的工具調(diào)用（如API或數(shù)據(jù)庫查詢），A2A允許智能體以自然、結(jié)構(gòu)化的方式進(jìn)行協(xié)作，而無需共享內(nèi)存、工具或上下文。這種設(shè)計(jì)支持智能體在分布式環(huán)境中...A2A協(xié)議智能體阿里Qwen3一夜封神！開源模型跑出3倍推理速度，OpenAI沉默
原創(chuàng) 社區(qū)頭條2025年4月29日凌晨，阿里巴巴正式開源了其新一代通義千問大模型Qwen3系列，這一發(fā)布不僅登頂全球開源模型性能榜首，更以創(chuàng)新的"混合推理"架構(gòu)重新定義了大型語言模型的效率邊界。作為國內(nèi)首個(gè)集成"快思考"與"慢思考"能力的開源模型，Qwen3在性能全面超越DeepSeekR1、OpenAIo1等頂尖模型的同時(shí)，將部署成本降低至競品的13。阿里巴巴還公開了兩個(gè)MoE模型的權(quán)重：Qwen3235BA22B和Qwen330BA3B。前者是一個(gè)具有2350億總參數(shù)和2200億...阿里Qwen3開源模型ChatDiT：一個(gè)用于任務(wù)無關(guān)自由形式聊天的無訓(xùn)練基線擴(kuò)散變換器
原創(chuàng)摘要最近的研究表明，預(yù)訓(xùn)練的擴(kuò)散變換器（DiTs）具備inherentincontext生成能力，能夠通過最小或無需架構(gòu)修改即可適應(yīng)多種視覺任務(wù)。這些能力通過連接多個(gè)輸入和目標(biāo)圖像的自注意力token，并結(jié)合分組和掩碼生成pipeline來實(shí)現(xiàn)。基于這一基礎(chǔ)，我們提出了ChatDiT，這是一個(gè)零樣本、通用、交互式的視覺生成框架，利用預(yù)訓(xùn)練的擴(kuò)散變換器，無需額外的調(diào)整、適配器或修改。用戶可以與ChatDiT交互，創(chuàng)建交錯(cuò)的圖文文章、多頁圖畫書...ChatDiT擴(kuò)散變換器微調(diào)大型語言模型容易被無關(guān)上下文分散注意力(ICLM)
原創(chuàng)摘要大型語言模型在各種自然語言處理任務(wù)中取得了令人矚目的性能。然而，它們主要在所有輸入上下文信息都與任務(wù)相關(guān)的情況下進(jìn)行評(píng)估。在本研究中，我們探討了大型語言模型的分心問題，即模型解決問題的準(zhǔn)確性如何受到無關(guān)上下文的影響。具體而言，我們引入了帶有無關(guān)上下文的小學(xué)數(shù)學(xué)（GSMIC），這是一個(gè)包含無關(guān)信息的算術(shù)推理數(shù)據(jù)集。我們利用這一基準(zhǔn)測(cè)試來衡量大型語言模型的最新提示技術(shù)，并發(fā)現(xiàn)當(dāng)包含無關(guān)信息時(shí)，模型性...大型語言模型GSM-IC自然語言處理OpenING：用于評(píng)估開放式交錯(cuò)圖文生成的綜合基準(zhǔn)
原創(chuàng) 社區(qū)頭條摘要多模態(tài)大型語言模型（MLLMs）在視覺理解和生成任務(wù)中取得了顯著進(jìn)展。然而，生成交錯(cuò)的圖文內(nèi)容仍然是一個(gè)挑戰(zhàn)，這需要集成多模態(tài)理解和生成能力。盡管統(tǒng)一模型的進(jìn)展提供了新的解決方案，但現(xiàn)有基準(zhǔn)由于數(shù)據(jù)規(guī)模和多樣性的限制，不足以評(píng)估這些方法。為了填補(bǔ)這一空白，我們引入了OpenING，這是一個(gè)綜合基準(zhǔn)，包含56個(gè)真實(shí)世界任務(wù)的5400個(gè)高質(zhì)量人工標(biāo)注實(shí)例。OpenING涵蓋了旅游指南、設(shè)計(jì)和頭腦風(fēng)暴等多樣化的日常場(chǎng)景，...OpenING多模態(tài)大語言模型基礎(chǔ)智能體的進(jìn)展與挑戰(zhàn)：自進(jìn)化機(jī)制和構(gòu)建群體MAS系統(tǒng)
原創(chuàng) 社區(qū)頭條FoundationAgent不再將智能體視為LLM的簡單應(yīng)用，而是將其看作一個(gè)由認(rèn)知、記憶、學(xué)習(xí)、感知、行動(dòng)等多個(gè)核心組件構(gòu)成的復(fù)雜、有機(jī)的系統(tǒng)。其核心意義在于提供了系統(tǒng)性框架，強(qiáng)調(diào)了自主性，關(guān)注協(xié)作與生態(tài)，并突出了安全與對(duì)齊。然而，實(shí)現(xiàn)這一愿景也面臨著技術(shù)復(fù)雜度高、需要龐大計(jì)算資源、評(píng)估困難、自進(jìn)化可控性問題以及安全與對(duì)齊的根本性難題等巨大挑戰(zhàn)。論文鏈接：https:arxiv.orgabs2504.01990擁有完善的認(rèn)知架構(gòu)只是第...大模型智能體多模態(tài)基礎(chǔ)智能體的進(jìn)展與挑戰(zhàn)：智能體的七個(gè)核心組件構(gòu)建認(rèn)知基石
原創(chuàng)大型語言模型（LLMs）憑借其在自然語言理解、多模態(tài)處理、推理和內(nèi)容生成方面的卓越能力，為AI領(lǐng)域帶來了革命性變革。這些模型通過海量數(shù)據(jù)集訓(xùn)練后，展現(xiàn)出推理、上下文學(xué)習(xí)乃至基礎(chǔ)規(guī)劃等自發(fā)能力。盡管LLMs代表了智能機(jī)器發(fā)展的重要里程碑，但它們尚未完全具備智能生物的全部特性。自人工智能研究初期以來，研究者們一直致力于開發(fā)真正"智能"的系統(tǒng)——能夠?qū)W習(xí)、規(guī)劃、推理、感知、交流、行動(dòng)、記憶，并表現(xiàn)出類人的能力與...智能體LLM多模態(tài)關(guān)于RAG應(yīng)用中怎么高質(zhì)量的進(jìn)行數(shù)據(jù)召回——召回策略的研究
原創(chuàng)“數(shù)據(jù)召回是RAG技術(shù)的重要領(lǐng)域，而不同的召回策略甚至?xí)a(chǎn)生完全不同的效果。”RAG技術(shù)的核心原理很簡單，本質(zhì)上就是在外部維護(hù)一個(gè)資料庫，在進(jìn)行大模型問答之前，先從資料庫中找到相關(guān)的內(nèi)容，然后一起輸入到大模型中。但由于文檔的復(fù)雜性，在進(jìn)行文檔處理時(shí)很難真正做到高質(zhì)量的數(shù)據(jù)處理；因此，在做數(shù)據(jù)召回時(shí)就會(huì)面臨著各種各樣的問題。所以，怎么進(jìn)行高質(zhì)量的數(shù)據(jù)召回，就成為RAG必須要研究的一個(gè)課題；而今天，我們就來...數(shù)據(jù)召回召回策略RAG關(guān)于基于RAG技術(shù)的智能客服系統(tǒng)解決方案
原創(chuàng)“構(gòu)建一個(gè)合格好用的智能客服是很多中小企業(yè)急需的市場(chǎng)需求。”客服系統(tǒng)在現(xiàn)代商業(yè)體系中扮演著重要的角色，不論任何領(lǐng)域任何行業(yè)都離不開客服的存在；雖然客服系統(tǒng)經(jīng)過多年的實(shí)踐與發(fā)展，但依然存在各種各樣的問題。而隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，特別是目前基于自然語言處理的大模型技術(shù)的發(fā)展，為客服系統(tǒng)提供了新的解決方案；其主要優(yōu)勢(shì)就在于基于大模型的智能客服系統(tǒng)能夠快速響應(yīng)，快速回復(fù)，能夠做到724小時(shí)不間斷待命狀態(tài)，...RAG智能客服大模型應(yīng)用MCP安全噩夢(mèng)終結(jié)者：Agent框架如何重構(gòu)AI防護(hù)新范式？?
原創(chuàng) 社區(qū)頭條MCP協(xié)議盡管標(biāo)準(zhǔn)化了AI代理通信，但也帶來了共享內(nèi)存污染、工具投毒及版本失控等漏洞威脅生態(tài)安全問題。為此，需要構(gòu)建訪問控制與沙盒防護(hù)框架。引言目前，Anthropic公司推出的多代理上下文協(xié)議（MCP）備受業(yè)界關(guān)注。MCP通常被稱為“AI代理的USBC”，它承諾將標(biāo)準(zhǔn)化代理之間的通信方式。這個(gè)想法很簡單：通過一個(gè)通用接口連接不同的AI代理和工具，讓它們共享內(nèi)存，并跨任務(wù)重用功能。無需膠水代碼，無需RAG。只需插入即可，它們...MCP協(xié)議LLMAI代理通信剛剛，Qwen3強(qiáng)勢(shì)登頂，成開源新王！國內(nèi)首個(gè)混合推理模型，235B擊敗R1、o1!源神火力全開
原創(chuàng) 社區(qū)頭條編輯伊風(fēng)出品51CTO技術(shù)棧（微信號(hào)：blog51cto）源神Qwen3趕在五一假期前重磅上線！這次Qwen3直接放出了一整個(gè)“全家桶”——總共8個(gè)模型，包括2個(gè)MoE（稀疏專家）模型和6個(gè)稠密模型，規(guī)模從0.6B到235B不等，陣容堪稱豪華。圖片其中，旗艦?zāi)Ｐ蚎wen3235BA22B強(qiáng)勢(shì)登頂，成為新一代開源之王！在編碼、數(shù)學(xué)、通用能力等多個(gè)基準(zhǔn)評(píng)測(cè)中，表現(xiàn)可與DeepSeekR1、o1、o3mini、Grok3和Gemini2.5Pro等頂尖模型媲美。圖片不僅大模型強(qiáng)，小型...Qwen3混合推理模型R1語言與擴(kuò)散模型的精準(zhǔn)控制
筆者近日在朋友圈發(fā)了如下感慨：“現(xiàn)在太多科幻敘事下的公司AI戰(zhàn)略，看了讓人觸目驚心，可以判斷這些做AI戰(zhàn)略的人幾乎不看paper的。現(xiàn)在的大模型做個(gè)六七十分的demo非常擅長，對(duì)企業(yè)生產(chǎn)場(chǎng)景卻缺乏精準(zhǔn)控制的手段。再強(qiáng)大的工具也有能力的邊界，研究數(shù)理原理可以推演出這些邊界：?大模型的數(shù)理認(rèn)知框架v2”。問題這并非刻意標(biāo)新立異或危言聳聽：隨著大型生成模型能力的不斷提升及日益廣泛應(yīng)用，人們對(duì)其可靠性、安全性及潛在濫...語言擴(kuò)散模型一文帶你了解【SFT微調(diào)】與【Unsloth】
社區(qū)頭條在當(dāng)下流行的幾種大模型微調(diào)方法中，大家經(jīng)常會(huì)看到談?wù)揝FP與Unsloth的文章，那我們應(yīng)該如何了解它們？它們的技術(shù)特點(diǎn)又有哪些？各自應(yīng)用在哪些模型微調(diào)的場(chǎng)景呢？本篇我們帶著這些問題，一起來了解一下。一、SFT微調(diào)技術(shù)介紹監(jiān)督微調(diào)（SupervisedFinetuning,SFT）是一種遷移學(xué)習(xí)（TransferLearning）技術(shù)，指的是在已經(jīng)預(yù)訓(xùn)練好的模型（例如大語言模型中的GPT、BERT等）基礎(chǔ)上，使用帶有人工標(biāo)注標(biāo)簽的監(jiān)督數(shù)據(jù)，對(duì)模型進(jìn)行進(jìn)...SFT微調(diào)Unsloth開發(fā)
