簡(jiǎn)介使用協(xié)程調(diào)用DeepSeek的API，發(fā)現(xiàn)效果并不明顯，沒有加速的效果。但如是本地部署DeepSeek，本地部署需要支持異步調(diào)用，我使用llamafactory部署，發(fā)現(xiàn)協(xié)程加速的效果還是很顯著的。代碼實(shí)戰(zhàn)調(diào)用官方APIDeepSeek官方文檔https:apidocs.deepseek.comzhcnpython的調(diào)用代碼如下，該調(diào)用方式為同步調(diào)用速度很慢。PleaseinstallOpenAISDKfirst:pip3installopenaifromopenaiimportOpenAIclientOpenAI(apikey"<DeepSeekAPIKey>",base...

技術(shù)背景NL2SQL的發(fā)展與挑戰(zhàn)自然語(yǔ)言到SQL的轉(zhuǎn)換任務(wù)，旨在讓用戶能夠用日常的自然語(yǔ)言從數(shù)據(jù)庫(kù)中獲取所需數(shù)據(jù)，而無(wú)需掌握復(fù)雜的SQL語(yǔ)言。隨著大語(yǔ)言模型（LLMs）的興起，這一領(lǐng)域取得了顯著進(jìn)展。像GPT4這樣強(qiáng)大的LLMs出現(xiàn)后，催生出了CHASESQL和XiYanSQL等先進(jìn)框架，它們?cè)谛阅苌线_(dá)到了新的高度。但這些基于LLMs的方法存在明顯的局限性。主流方法大多依賴閉源模型，并且需要調(diào)用外部API，這在醫(yī)療、金融等對(duì)數(shù)據(jù)隱私極為敏感...

隨著GPT4O生圖的橫空出世，圖像生成領(lǐng)域再次掀起了巨浪。許多人猜測(cè)其背后運(yùn)用了自回歸模型，那么自回歸模型究竟是什么？它與擴(kuò)散模型生圖又有何不同？今天，就讓我們深入探討這兩種模型的奧秘，一窺它們?cè)趫D像生成領(lǐng)域的優(yōu)勢(shì)與局限，看看誰(shuí)才是未來(lái)圖像生成的真正王者！1.自回歸模型概述1.1定義與原理自回歸模型（AutoregressiveModel，簡(jiǎn)稱AR模型）是一種用于時(shí)間序列分析和預(yù)測(cè)的統(tǒng)計(jì)模型。它假設(shè)當(dāng)前值與之前若干個(gè)值存在線...

在數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)領(lǐng)域，聚類分析是一種重要的無(wú)監(jiān)督學(xué)習(xí)方法，用于發(fā)現(xiàn)數(shù)據(jù)中的潛在模式和結(jié)構(gòu)。高斯混合模型（GaussianMixtureModel，簡(jiǎn)稱GMM）作為一種強(qiáng)大的概率模型，在聚類分析中具有廣泛的應(yīng)用。本文將詳細(xì)介紹GMM聚類的算法原理、數(shù)學(xué)基礎(chǔ)，并通過一個(gè)案例分析展示其實(shí)際應(yīng)用。一、GMM算法簡(jiǎn)介高斯混合模型（GMM）是一種基于概率的聚類方法，假設(shè)數(shù)據(jù)集由多個(gè)高斯分布（也稱為“成分”或“簇”）混合生成。與KMeans...

1.LongContextAutoregressiveVideoModelingwithNextFramePrediction在語(yǔ)言生成領(lǐng)域，長(zhǎng)上下文自回歸模型已取得顯著進(jìn)展，但視頻生成卻一直難以有效利用長(zhǎng)時(shí)間序列信息。為解決這一難題，我們提出了一種名為FrameAutoRegressive的全新視頻生成方法。。FAR借鑒了語(yǔ)言模型逐幀學(xué)習(xí)的思路，通過捕捉視頻連續(xù)幀之間的時(shí)序因果關(guān)系，顯著提升了模型的收斂效率，表現(xiàn)優(yōu)于現(xiàn)有主流方法（如TokenAR和視頻擴(kuò)散模型）。然而，長(zhǎng)視頻生成仍...

RAG（檢索增強(qiáng)生成）是一種很厲害的技術(shù)，能幫助企業(yè)開發(fā)更智能的AI應(yīng)用。這類AI不僅能結(jié)合實(shí)時(shí)數(shù)據(jù)，還能利用企業(yè)自己的數(shù)據(jù)，生成更自然、更有互動(dòng)感的對(duì)話。RAG的核心思路是讓AI在回答問題時(shí)，不是光靠自己“想”，而是先去查找外部的、可靠的專業(yè)知識(shí)，把這些信息當(dāng)作參考，讓回答更準(zhǔn)確、更有依據(jù)。但問題在于，AI找到的資料是否靠譜，直接決定了它給出的答案是否可信。所以，優(yōu)化RAG的搜索過程非常重要，能有效提升AI生成...

RAG標(biāo)準(zhǔn)化流程階段步驟技術(shù)方法索引構(gòu)建（Indexing）文檔分割采用滑動(dòng)窗口（SlidingWindow）或語(yǔ)義分割算法（如SentenceBERT）進(jìn)行文本切分，確保每個(gè)文本塊（Chunk）具有連貫的語(yǔ)義，同時(shí)避免信息缺失；結(jié)合層次分割（HierarchicalChunking）優(yōu)化不同粒度的索引結(jié)構(gòu)，提高檢索匹配度向量編碼使用高效嵌入模型（如OpenAI??textembedding3small??、BGE、E5Large）將文本塊轉(zhuǎn)換為高維向量，確保向量表示具有足夠的語(yǔ)義區(qū)分度...

今天，智譜在中關(guān)村發(fā)布會(huì)推出了全球首個(gè)能邊想邊干的智能體AutoGLM沉思，它不僅能像人類一樣刷網(wǎng)頁(yè)、比價(jià)下單，甚至在小紅書孵化了出5000粉的賬號(hào)，連打工人的摸魚技能都學(xué)會(huì)了……作為全球首個(gè)實(shí)現(xiàn)“感知決策執(zhí)行”閉環(huán)的通用智能體，AutoGLM的突破在于將大語(yǔ)言模型的邏輯推理能力與實(shí)時(shí)操作系統(tǒng)進(jìn)行深度融合。過去AI只會(huì)傻等指令，現(xiàn)在AutoGLM沉思卻進(jìn)化出職場(chǎng)老油條級(jí)操作。同時(shí)，智譜還宣布4月14日開源所有核心模型：320億...

“智能體肯定會(huì)成為未來(lái)人工智能應(yīng)用的主要方向，而MCP就是智能體的HTTP，它的影響深遠(yuǎn)且長(zhǎng)。”大模型技術(shù)的發(fā)展日新月異，但關(guān)于大模型的應(yīng)用卻步履維艱；自從2024年開始市場(chǎng)開始把大模型應(yīng)用提上日程，但到底怎么把大模型應(yīng)用于各行各業(yè)是很多人都在思考的問題。隨著時(shí)間的推移，RAG，Agent智能體的概念被提出，特別是智能體技術(shù)被稱為人工智能的未來(lái)，也是大模型被應(yīng)用于其它領(lǐng)域的途徑。但到底怎么打造智能體，卻是業(yè)界一直...

編輯云昭3月31日上午消息，智譜在2025中關(guān)村論壇上發(fā)布最新Agent產(chǎn)品：AutoGLM沉思。作為首個(gè)集深度研究能力和操作能力于一體的Agent，AutoGLM沉思能一邊進(jìn)行復(fù)雜思考，一邊執(zhí)行操作。像人類一樣打開并瀏覽網(wǎng)頁(yè)，完成從數(shù)據(jù)檢索、分析到生成報(bào)告。“沉思”背后的全棧自研智譜CEO張鵬在發(fā)布會(huì)上，公布了沉思智能體背后的兩大核心能力：全棧自研模型GLMZ1Air和大模型智能體技術(shù)框架AuoGLM。前者為“沉思”提供了強(qiáng)大推理能力的基...

這個(gè)系列文章旨在為AI代理（AIAgent）提供全面的概述，深入研究其特征，組成部分和類型，同時(shí)探索其進(jìn)化，挑戰(zhàn)和潛在的未來(lái)方向。在當(dāng)今數(shù)字化時(shí)代，人工智能（AI）已經(jīng)滲透到我們生活的方方面面，而AI智能體更是成為了推動(dòng)自動(dòng)化、決策和智能問題解決的核心力量。今天，就讓我們一起深入探索AI智能體的奧秘，看看它們是如何從簡(jiǎn)單的規(guī)則驅(qū)動(dòng)，逐步進(jìn)化到復(fù)雜的多智能體系統(tǒng)，為我們的生活和工作帶來(lái)翻天覆地的變化。一、AI智能...

這個(gè)系列文章旨在為AI代理（AIAgent）提供全面的概述，深入研究其特征，組成部分和類型，同時(shí)探索其進(jìn)化，挑戰(zhàn)和潛在的未來(lái)方向。在人工智能（AI）的浪潮中，智能體框架（AgenticFrameworks）正悄然掀起一場(chǎng)革命。它們賦予了AI系統(tǒng)自主感知、推理和行動(dòng)的能力，讓AI從靜態(tài)的工具變成了動(dòng)態(tài)的伙伴。今天，就讓我們一起走進(jìn)智能體框架的世界，探索它們?nèi)绾胃淖傾I的未來(lái)。一、什么是智能體框架？智能體框架是一種全新的AI設(shè)計(jì)理念...

在人工智能的浩瀚宇宙中，視覺語(yǔ)言模型（VLMs）正如同一顆顆璀璨的新星，不斷閃耀著光芒。它們賦予了機(jī)器解讀視覺與文本數(shù)據(jù)的超能力，讓機(jī)器能夠像人類一樣去感知和理解這個(gè)世界。然而，在這個(gè)快速發(fā)展的領(lǐng)域里，如何在模型性能和計(jì)算效率之間找到平衡，尤其是當(dāng)我們將這些大規(guī)模模型部署在資源有限的環(huán)境中時(shí)，依然是一個(gè)亟待解決的難題。今天，我們迎來(lái)了一個(gè)令人振奮的消息！Qwen團(tuán)隊(duì)正式推出了Qwen2.5VL32BInstruct，一款...

文章鏈接：https:arxiv.orgpdf2503.10634項(xiàng)目鏈接：immortalco.github.ioV2Edit亮點(diǎn)直擊V2Edit，一個(gè)簡(jiǎn)單但多功能的框架，用于無(wú)需訓(xùn)練的指令引導(dǎo)視頻和3D場(chǎng)景編輯。引入了協(xié)同機(jī)制，系統(tǒng)地控制視頻擴(kuò)散中的去噪過程，并支持漸進(jìn)式編輯，有效平衡原始視頻內(nèi)容的保留與編輯指令的完成，所有功能都集成在一個(gè)統(tǒng)一的框架中，適用于多種編輯任務(wù)。V2Edit在各種視頻和3D場(chǎng)景編輯任務(wù)中始終如一地實(shí)現(xiàn)了高質(zhì)量、成功的編輯，包括現(xiàn)有...

上周四，OpenAI宣布其AgentSDK支持MCP之后，在智能體賽道產(chǎn)生了巨大影響，功能、開發(fā)流程都有了質(zhì)的改變。并且OpenAI的桌面版ChatGPT、API也很快支持MCP。但很多人不知道去哪里找這些高效、實(shí)用的MCP服務(wù)。今天「AIGC開放社區(qū)」就為大家盤一盤，包括瀏覽器、數(shù)據(jù)庫(kù)、文件系統(tǒng)、論文搜索、金融分析、游戲、知識(shí)檢索、定位服務(wù)、網(wǎng)絡(luò)安全等100多個(gè)開源MCP，無(wú)限擴(kuò)展智能體武器庫(kù)，打造自己的Manus。目前，這個(gè)開源MCP合集算是gith...

微軟、清華的研究人員聯(lián)合發(fā)布了SECOM，一種專用于個(gè)性對(duì)話Agent的記憶構(gòu)建和檢索的創(chuàng)新方法。研究人員在LOCOMO和LongMTBench+兩個(gè)超復(fù)雜數(shù)據(jù)集上進(jìn)行了綜合評(píng)估。LOCOMO數(shù)據(jù)集的對(duì)話平均長(zhǎng)度超過300輪，包含約9000個(gè)標(biāo)記的對(duì)話片段，是目前最長(zhǎng)的對(duì)話數(shù)據(jù)集之一。LongMTBench+則通過合并多個(gè)會(huì)話構(gòu)建更長(zhǎng)的對(duì)話，平均包含約65輪對(duì)話。結(jié)果顯示，LOCOMO數(shù)據(jù)集上，SECOM的GPT4Score達(dá)到71.57，比全歷史方法高出17.42分，比輪次級(jí)...

我們正處在一個(gè)AI應(yīng)用爆發(fā)的時(shí)代，各種基于大型語(yǔ)言模型（LLM）的應(yīng)用層出不窮。然而，在眼花繚亂的技術(shù)名詞背后，真正決定這些應(yīng)用智能化程度和用戶體驗(yàn)的關(guān)鍵要素是什么？我認(rèn)為是上下文管理。LLM的智能之源：對(duì)上下文的精準(zhǔn)把握要理解上下文管理的重要性，我們必須回到LLM的核心工作原理。正如之前所述，LLM的本質(zhì)是預(yù)測(cè)下一個(gè)token。這種預(yù)測(cè)能力看似簡(jiǎn)單，卻蘊(yùn)含著巨大的潛力，因?yàn)轭A(yù)測(cè)的準(zhǔn)確性完全依賴于上下文的質(zhì)量和廣...

開發(fā)人員需要開發(fā)和理解一種新的文本聚類方法，并使用DeepSeek推理模型解釋推理結(jié)果。本文將探索大型語(yǔ)言模型（LLM）中的推理領(lǐng)域，并介紹DeepSeek這款優(yōu)秀工具，它能幫助人們解釋推論結(jié)果，構(gòu)建能讓終端用戶更加信賴的機(jī)器學(xué)習(xí)系統(tǒng)。在默認(rèn)情況下，機(jī)器學(xué)習(xí)模型是一種黑盒，不會(huì)為決策提供開箱即用的解釋（XAI）。本文介紹如何使用DeepSeek模型，并嘗試將解釋或推理能力添加到機(jī)器學(xué)習(xí)世界中。方法?首先構(gòu)建自定義嵌入和嵌入...

一場(chǎng)跨越人機(jī)邊界的教育革命你是否想象過這樣的課堂：老師輕點(diǎn)屏幕，AI助手瞬間生成一堂融合3D動(dòng)畫、實(shí)時(shí)語(yǔ)音講解的跨學(xué)科課程？學(xué)生舉手提問，AI不僅能聽懂語(yǔ)音，還能通過微表情分析捕捉他們的困惑，為教師推送定制化教學(xué)建議？這不是科幻電影，而是Qwen2.5Omni全模態(tài)模型賦能下的教育新生態(tài)。圖片一、解碼Qwen2.5Omni：教育AI的“瑞士軍刀”1.多模態(tài)感知，打破教學(xué)維度限制Qwen2.5Omni以70億參數(shù)的輕量模型，實(shí)現(xiàn)了文本、圖像...

你有沒有想過，要是電腦、手機(jī)上的各種軟件，能聽懂咱們說的話，按要求自動(dòng)干活，那該多方便？現(xiàn)在，大語(yǔ)言模型（LLMs）就把這個(gè)想法變成了現(xiàn)實(shí)，催生出了能直接把自然語(yǔ)言命令轉(zhuǎn)化為實(shí)際行動(dòng)的軟件智能體。其中，基于API的智能體和基于GUI的智能體格外引人注目，它們就像兩個(gè)身懷絕技的武林高手，各有各的招式，今天咱們就來(lái)好好嘮嘮它們的故事。大語(yǔ)言模型開啟智能體新時(shí)代以前，大語(yǔ)言模型最拿手的就是生成一段段通順的文字...