AI.x社區
- 登錄/注冊
首個遠程容器化Agent！手機寫應用，廁所里部署！網友：比氛圍編程還牛！異步編程時代來了！
原創
社區頭條編輯｜云昭出品51CTO技術棧（微信號：blog51cto）就在今天，程序員真的要告別“打開終端敲代碼”的工作方式，合上你的電腦去喝咖啡吧，回來就可以看到PR！完全不耽誤！甚至，“你可以在廁所里就能部署一款應用！”凌晨，一款可實時部署環境、完全在線、容器化版本的云端編程Agent引起了數百萬網友的關注！這款“混合體”版本的Agent名為Phoenix.new，一經發布就引爆了開發者社區。這個項目的主導開發者更是赫赫有名，ChrisMcCor...Agent部署異步碾壓開源與商業模型！騰訊開源一致性視頻生成框架HunyuanCustom：可同時實現音頻同步與視頻編輯！
騰訊提出了一個多模態定制視頻生成框架HunyuanCustom，該框架強調主題一致性，同時支持圖像、音頻、視頻和文本條件。基于HunyuanVideo，該模型首先通過引入基于LLaVA的文本圖像融合模塊來增強多模態理解，以及利用時間連接來增強跨幀身份特征的圖像ID增強模塊，從而解決了圖像文本條件生成任務。單主題視頻定制一致性故事生成與最先進的方法的比較多主題視頻定制多主題定制音頻驅動的視頻定制HunyuanCustom首次實現了音頻驅動的...商業模型騰訊開源3D生成新王者！北大&小紅書發布Dive3D：雙引擎驅動，畫面更真、創意更野、花樣更多！
論文鏈接：https:arxiv.orgpdf2506.13594項目鏈接：https:ai4scientificimaging.orgdive3d效果展示與GaussianSplatting基線的比較。Dive3D可以在不同的3D表示中生成3D對象Dive3D3DGaussianSplattings亮點直擊SIM損失替代KL散度：提出基于梯度匹配的SIM損失，從根本上解決KL散度導致的模式坍塌問題，顯著提升多樣性。統一框架：首次將擴散蒸餾和獎勵引導優化統一為發散最小化問題，實現多目標協同優化。全方面性能提升：在多樣性...3D圖像生成模型開源新寵！IBM Granite 4.0 Tiny來襲，對話、多語言、代碼生成全搞定
原創在人工智能領域，語言模型一直是研究和應用的熱點。從簡單的文本生成到復雜的對話系統，語言模型的性能和效率一直是開發者和研究人員關注的重點。最近，IBM發布了一個備受矚目的新成員——Granite4.0Tiny，這是其即將推出的Granite4.0語言模型家族中最小的成員。今天，我們就來深入了解一下這個小巧而強大的模型，看看它如何在長文本任務和指令跟隨場景中大放異彩。開源與高效：Granite4.0Tiny的使命IBM一直以來都致力于開發開...開源IBMGranite 4.0 TinyLLaMA 4深度解析：多模態、長文本與高效推理，AI模型的“全能戰士”誕生了！
原創 精華 社區頭條
熱門內容榜 ? TOP3在當今快速發展的AI領域，多模態大語言模型（MLLMs）正逐漸成為行業的焦點。這些強大的AI系統能夠處理和生成多種類型的數據，包括文本、圖像、音頻、視頻等，為各個行業帶來了前所未有的機遇。而Meta在2025年初推出的LLaMA4，無疑是這一領域的重大突破，它不僅引入了多模態能力，還通過“專家混合”架構實現了前所未有的計算效率和模型規模。一、LLaMA4：多模態大語言模型的里程碑LLaMA4是Meta在大語言模型領域的最新力作，它首...LLaMA 4多模態AI模型AI Agents-8 | 構建Muti-Agent系統
原創在AI的世界里，智能體（Agent）就像是一個個擁有獨立思考能力的小機器人，它們能夠根據任務需求做出決策、執行操作，甚至與其他智能體協作完成復雜的任務。今天，就讓我們一起走進多智能體架構的世界，看看這些“變形金剛”是如何通過不同的模式和策略，為我們的生活和工作帶來巨大變革的。一、智能體的價值：從復雜任務中脫穎而出當我們思考智能體能夠為哪些場景帶來價值時，不妨先看看那些傳統自動化方法難以觸及的領域：復雜...AI AgentsMuti-Agent系統智能體AI智能體架構：模式、應用和實施指南
原創 社區頭條AI智能體架構為設計可以感知環境、處理信息和執行操作的智能系統提供了結構藍圖。我對架構非常感興趣。在探索AI智能體的過程中，我對智能體架構非常好奇。這促使我找到了IBM在其Think頁面上發布的《??2025年AI智能體指南??》這份很棒的資料。該指南的其中一節就與架構有關。?架構部分解釋，智能體架構指使AI智能體能夠自動執行工作流程、推理任務并利用工具實現其目標的設計和結構。該架構旨在支持自主的、目標驅動的行為...AI智能體編排器開局一把牌，怎么都能打 | 神經網絡從“白癡”訓練到“專家”水平，其參數并沒有太大的變化
這兩天重讀了一篇很有趣的論文，《Effectoftheinitialconfigurationofweightsonthetrainingandfunctionofartificialneuralnetworks》（https:arxiv.orgpdf2012.02550）。它非常直白的展示了人工神經網絡訓練過程中的初始權重配置對網絡功能和性能的影響。通俗來講，神經網絡就像是一臺復雜的機器，它內部有很多“開關”（也就是權重），這些開關從一開始就有隨機的初始設置。在訓練過程中，這些開關的設置會一點一點調整，目標...神經網絡參數訓練別只盯著Suno了，騰訊端出的這盤“王炸”可能要改變游戲規則
熱門內容榜 ? 最近上榜當大家還在為Suno和Udio生成的以假亂真的旋律驚嘆時，牌桌上的一個“老玩家”悄無聲息地扔出了一對王炸。是的，我說的就是騰訊AILab。他們這次拿出的開源音樂大模型SongGeneration，給我的感覺就像在平靜的湖面投下了一顆深水炸彈。它不僅技術上硬核，而且“開源”這兩個字，直接把格局拉滿了。作為一個天天泡在各種模型和代碼里的人，我可以負責任地說，這不僅僅是一個新玩具，更像是一份宣言，一份要把音樂AIGC門檻徹底打下來...騰訊端AI技術Kimi變身學術“卷王”，你的論文和報告還好嗎？
精華 熱門內容榜 ? TOP4嘿，各位AI圈的朋友們，放下手中的咖啡，暫時忘掉那些復雜的Prompt指令吧。今天，咱們聊個硬核又刺激的話題。就在我們以為大模型還在“讀萬卷書”的時候，月之暗面（MoonshotAI）悄悄地放出了一頭猛獸——KimiResearcher，一個可能要讓無數研究生、分析師和報告撰寫人驚呼“狼來了”的AIAgent。是的，你沒看錯，它不只是一個能聊天的Kimi，而是一個進化成了“研究員”形態的全新物種。這位“研究員”的工作強度，有點“離譜”想...Kimi自主探索AI圖像也能通過 RAG 加入知識庫啦！
我們知道，檢索增強生成RAG通過整合外部知識庫與生成模型，有效緩解了大模型在專業領域的知識局限性。傳統的知識庫以文本為主，通常依賴于純文本嵌入來實現語義搜索和內容檢索。然而，隨著多模態數據需求的增長和復雜文檔處理場景的增多，傳統方法在處理混合格式文檔（如包含文本、圖像、表格的PDF）或長上下文內容時，往往面臨性能瓶頸。??CohereEmbedv4??。??CohereEmbedv4??是一個能夠滿足企業需求的多模態嵌入模型...圖像RAG知識庫為什么用Qwen3 embedding和rerank
排名是真的挺好，開源閉源現在都是第一了，這個事embeddiing的，rerank應該也是第一，甚至4B的基本也除了8B以外就是它第一。它和普通的比如原來的我們常用的BGE之類的有啥區別？傳統的embedding都是基于bert來弄模型，一般也就encoderonly，bert原來也就是干分類器的，給一句話到它，它給你進行embedding了，這里考慮到有些同學可以不理解整套流程，我就稍微說細點一般來講用3層法就很好理解：第一層：詞元嵌入（TokenEmbedding...Qwen3BGE開源大模型才是智能體的核心，智能體的所有操作都是基于大模型完成的——智能體的執行過程
原創“智能體的核心是LLM，方法是Prompt，重要組件是Tools。”開發智能體有一個核心原則——那就是智能體的核心是大模型，不論多么復雜的智能體都是基于這個原則開發的。為什么這么說？原因就在于很多人沒有理解這句話，簡單來說就沒搞明白大模型的運行流程是什么樣的；而且面對市面上各種開發框架和開源項目，都把智能體的核心操作封裝起來了，而對于我們很多開發者來說，這些智能體的運行過程就是一個黑盒，也不懂得其中的原理。...大模型智能體LLM閱讀效率提升300%：Dify+Markdown實現自動化知識梳理全解析
原創在早年閱讀網上的技術博客時，我習慣一邊看文章一邊在語雀筆記中畫思維導圖。然而，回過頭來看，這種方式其實效率不高。有了AI后，我們可以先讓AI為我們生成相應的思維導圖，以便我們對知識有個初步認識，再去深入閱讀文章，這樣會更有效。在這篇文章中，我將分享如何使用dify自動生成文章的思維導圖，以提高我們吸收知識的速度。安裝插件先在dify的插件市場安裝如下兩個插件：Markdown轉換器：用于生成html文件Agent策略插件：...DifyMarkdownQwen3 Embedding模型架構、訓練方法、數據策略
原創Embedding和reranker模型的核心思想是通過任務感知的方式評估相關性。給定一個查詢和一個文檔，模型根據由指令定義的相似性標準評估它們的相關性。下面來詳細的看下Qwen3Embedding模型架構、訓練方法、數據策略，供參考。模型架構Qwen3Embedding、reranker模型架構Qwen3嵌入和重排序模型基于Qwen3基礎模型的densebackbone，提供三種參數規模：0.6B、4B和8B。這些模型通過初始化Qwen3基礎模型來利用其在文本建模和指令遵循方面的...Qwen3 Embedding【深度學習】批歸一化（BatchNorm）與層歸一化（LayerNorm）：技術背景、原理及基于Pytorch的代碼詳解
批歸一化（BatchNormalization）和層歸一化（LayerNormalization）是深度學習中廣泛應用的兩種數據歸一化方法，用于改善神經網絡的訓練性能。本文將從提出這兩種技術的原論文出發，詳細闡述技術背景、原理及基于Pytorch的實現方式。1.批歸一化（BatchNormalization）批歸一化由谷歌的SergeyIoffe和ChristianSzegedy于2015年在論文“BatchNormalization:AcceleratingDeepNetworkTrainingbyReducingInternalCovariateShift”中提...批歸一化層歸一化LayerNorm增加定位能力提升圖表問答性能，新的圖表理解框架-RefChartQA
原創現有工作主要包括圖表問答（ChartQA）基準、圖表理解模型和視覺答案定位（VAG）。ChartQA基準如FigureQA、DVQA、PlotQA和ChartQA等，主要集中在圖表問答任務上，但缺乏顯式的視覺定位，從而忽略了VLMs在ChartQA上的可解釋性。RefChartQA通過將ChartQA與視覺定位相結合，并提供了一個新的基準測試，使模型能夠引用圖表圖像中的多個粒度元素。該基準擴展了現有的ChartQA資源，專注于涉及算術或邏輯推理的問題。RefChartQA框架：將...圖表問答圖表理解框架RefChartQA多模態圖表代碼生成，ChartIR；視頻與文本統一多模態模型
ImprovedIterativeRefinementforCharttoCodeGenerationviaStructuredInstruction20250615｜SJTU,ShanghaiInno,LehighU,BIGAI,BIGAI??8??http:arxiv.orgabs2506.14837v1??????https:huggingface.copapers2506.14837??研究背景與意義問題定義與現狀概述多模態大語言模型（MLLMs）在視覺理解領域表現卓越，但在圖表到代碼生成任務中仍存在明顯不足。該任務不僅要求模型精準理解高密度、多維度的圖表信息，還需將其準確轉...圖表代碼ChartIR視頻跨領域強化學習樣本數據集；符號表達的分層推理基準
REIMAGINE:SymbolicBenchmarkSynthesisforReasoningEvaluation20250618｜MSRCUK,MicrosoftResearchIndia｜ICML2025??2??http:arxiv.orgabs2506.15455v1??????https:huggingface.copapers2506.15455??研究背景與意義問題定義與現狀當前大型語言模型（LLMs）在多種推理基準測試中表現出較高準確率，但仍存在爭議，即這些結果是否源自真正的推理能力，還是僅僅是訓練數據的統計記憶。推理作為一種認知過程，涉及基于事實...符號表達分層推理LLMs【TVM 教程】在 TVM 中使用 Bring Your Own Datatypes
原創ApacheTVM是一個深度的深度學習編譯框架，適用于CPU、GPU和各種機器學習加速芯片。更多TVM中文文檔可訪問→作者：[GusSmith](https:github.comgussmith23),[AndrewLiu](https:github.comhypercubestart)本教程將展示如何利用BringYourOwnDatatypes框架在TVM中使用自定義數據類型。注意，BringYourOwnDatatypes框架目前僅處理數據類型的軟件模擬版本。該框架不支持開箱即用地編譯自定義加速器數據類型。數據類型庫[?](https:tvm...TVM人工智能機器學習在線教程開源項目
