AI.x社區
- 登錄/注冊
DeepSeek如何顛覆傳統軟件測試？測試工程師會被淘汰嗎？
大家好，我是狂師。前陣子在知乎閑逛時，有個問題激起了大家的熱議：“DeepSeek如何顛覆傳統軟件測試？測試工程師會被淘汰嗎”。這看似簡單的一問，激起層層思考，針對這個問題，今天簡單來聊聊。測試工程師會被淘汰嗎？我的觀點十分明確：不會！但這絕非無條件成立，它有著關鍵前提。DeepSeek等新技術出現后，無疑為很多工作崗位帶來了前所未有的便利，甚至極大地改變了行業格局。在這場技術變革浪潮中，測試工程師不會被淘汰...DeepSeekWan2.1背后的技術：阿里發布全能框架VACE，一統視頻生成與編輯，效果驚艷！
文章鏈接：https:arxiv.orgpdf2503.07598項目鏈接：https:alivilab.github.ioVACEPage亮點直擊統一框架：VACE是首個基于視頻DiT架構的全能模型，支持廣泛的視頻生成與編輯任務。概念解耦與上下文適配器：通過概念解耦策略和上下文適配器結構，實現了對編輯和參考任務的自適應處理。多功能與高效性：VACE框架不僅減少了服務部署和用戶交互的成本，還通過任務組合擴展，提供了多功能和高效的視頻合成解決方案。創新性與競爭力：在...視頻生成AIOpenAI最新15頁報告：DeepSeek縮小，中美AI競爭差距
昨晚，全球最大金融媒體CNBC消息，OpenAI向特朗普政府提交了一份最新的15頁報告，從監管政策、出口限制、AI基礎設施等多個維度介紹了，美國該如何保持全球AI領導地位。特朗普上臺后，立刻就廢除了拜登時期發布的14110號非常嚴厲的AI監管命令，并要求在180天內提交一份有效的AI發展計劃。而這份報告就是計劃之一。OpenAI在原報告中寫道：“盡管美國目前在AI領域仍保持領先，但DeepSeek顯示我們的領先優勢并不大，并且正在縮小。...DeepSeekAI模型在自然語言處理(NLP)任務中，怎么處理數據——即怎么把文字輸入到模型中進行處理？
原創“文本序列化是自然語言處理任務的前置條件，而文本序列化需要經過分詞，構建詞匯表和序列化的幾個步驟”在神經網絡或者說在機器學習領域中，數據主要以向量的形式存在，表現形式為多維矩陣；但怎么把現實世界中的數據輸入到神經網絡中是機器學習的一個前提。而現實世界中的數據格式雖然多種多樣，但事實上無非以下幾種主要模態：文字圖片視頻但我們也知道，計算機只認識數字，而不認識文字和圖片；因此，就需要把這些數據轉換...自然語言處理NLP文本序列化剛剛，OpenAI 開源了兩個 Agent 項目，手搓 Manus 時代來襲
原創OpenAI剛剛舉辦了一場針對開發者的直播活動，推出了全新的Agent開發套件，旨在助力開發者打造穩定而強大的AIAgents。以下是該套件的核心組成部分：AgentsBlog:https:openai.comindexnewtoolsforbuildingagents1、內置工具：套件內置了多種工具，包括網頁搜索、文件搜索以及電腦操作（ComputerUse）功能。Builtintools:https:platform.openai.comdocsguidestoolsapimoderesponses2、ResponsesAPI：推出了一款新的響應API，它融合...OpenAIAgentManus開源工具調用×大模型思考=超級智能體：ReAct 策略如何改變AI能力
原創想象一下，如果普通AI是一個只會機械執行指令的機器人，那么采用ReAct策略的智能體就像是一個會先思考后行動的偵探。在解決問題時，它不會匆忙跳入結論的深淵，而是沿著"觀察思考行動觀察"的螺旋階梯，一步步接近真相。這就是ReAct（Reasoning+Acting）策略的魅力所在。ReAct策略：智能體的"內心獨白"與"外在行動"ReAct就像給AI裝上了"內心獨白"和"行動執行器"兩個齒輪，讓它們交替轉動：觀察環境：智能體睜大眼睛，感知周圍世...大模型智能體ReActAI基于LangGraph的智能文章生成Agent架構設計思路
原創一、技術背景與設計目標當前內容生成系統普遍面臨三個技術挑戰：多源異構數據處理效率低下、長文本生成的結構連貫性不足、多模態內容協同生成能力薄弱。本研究提出一種基于LangGraph框架的解決方案，旨在構建模塊化、可擴展的智能文章生成系統，其核心設計目標包括：實現端到端的自動化內容生產流水線支持動態工作流調整與錯誤恢復機制確保多模態內容的一致性驗證提供可插拔的第三方服務集成接口二、系統架構設計2.1整體架構概...LangGraphAgent智能體大模型時代的知識工程：企業級智能知識庫構建與增強指南
原創一、大模型知識庫戰略架構（耗時：初始8小時月度迭代）1.知識價值密度評估四維篩選模型（Ec業務關鍵度，Fa調用頻率，Fh歷史價值，Ct維護成本）知識類型處理策略工具鏈配置高頻核心知識向量化+微調GPT4Turbo+PGVector中頻場景知識RAG增強檢索LlamaIndex+Pinecone低頻長尾知識壓縮存儲ZSTD+MinIO知識熱力分析fromlangchain.analyticsimportKnowledgeHeatmapheatmapKnowledgeHeatmap(querylogsloadlogs("searchlogs.json"),docmeta...大模型智能知識庫DeepSeek爆火后的新Scaling Law究竟是什么？
原創出品51CTO技術棧（微信號：blog51cto）嘉賓周博洋、魏新宇采訪薛彥澤撰稿李美涵DeepSeekR1的發布在全球人工智能領域引發了巨大反響。這款由中國初創企業DeepSeek推出的低成本、高性能AI模型，打破了人們對AI研發“高投入、長周期”的固有認知，被西方媒體譽為“人工智能的斯普特尼克時刻”。DeepSeek的“奇跡”有目共睹。其應用上線僅20天，日活躍用戶數就突破了2000萬，而ChatGPT達到同樣的日活量則耗時150天之余。不僅如此，D...DeepSeekScaling開源OpenAI翻臉，提議禁止中國模型
原創編輯伊風、言征OpenAI真的裝不下去了！根據CNBC爆料，OpenAI剛剛向美國政府提交了一份長達15頁的建議書，呼吁放開監管，字里行間透露著對中國AI技術競爭的擔憂——如果不行動，中國AI將在2030年之前全面超越美國。這份建議書反映出OpenAI試圖直接影響即將出臺的“AI行動計劃”。該計劃由美國科技政策辦公室（OSTP）起草，并需在7月前提交給特朗普總統。OpenAI在原報告中寫道：“盡管美國目前在AI領域仍保持領先，但DeepSeek顯示...OpenAI中國模型DeepSeek玩轉智能體一站式AI Agent開發工具鏈 攻破Manus護城河
原創隨著大模型迭代的浪潮一波接一波地推高技術前沿，Agent技術已經成為大模型落地的主流選擇，并被視為賦予大模型更廣闊能力的最佳路徑。從理解復雜的指令，到處理多模態信息，從簡單的問答系統到復雜的決策支持系統，從個性化推薦到自動化的業務流程管理，陸續在更多領域展現出其巨大的潛力和價值，它正在為社會帶來深刻的變革。在這場趨之若鶩的群體行動中，面對這項持續發展變化的技術簇，我們應采取一種積極探索與謹慎評估并重...智能體AI AgentManus如何高效地為「推理模型」編寫最佳提示詞？萬字長文介紹
原創 精華編者按：如何有效地為推理模型編寫最佳提示詞？對于OpenAI推出O1和O3mini等這些專為深度推理而設計的模型，傳統的提示詞工程技巧是否仍然適用？我們今天為大家帶來的這篇文章，作者的觀點是：推理模型與傳統大語言模型在提示詞處理方式上有本質不同，需要采用更簡潔直接的提示詞策略來充分發揮其優勢。文章首先深入剖析了OpenAI的O1O3mini與GPT4o三大模型的核心差異：1.O1O3mini內置深度推理鏈，無需顯式引導即可自主分析，而GP...提示詞推理模型GPT用好云服務，托起GenAI：從數據準備到部署的全流程梳理
原創事實證明，云已經成為大規模AI部署的主要陣地，其提供的快速原型設計、彈性計算及存儲等AI原生API，正是攻克擴展問題的利器。本文將助你快速梳理如何在云端構建并擴展生成式AI應用程序。云在生成式AI中的重要作用?云在當代生成式AI應用中的核心作用，在于其能夠容納AI模型所需要的巨大處理能力、數據存儲與分布式流程需求。相比之下，傳統部署往往無法在靈活性和性能等方面，適應不斷變化的業務挑戰。以AzureAI為例，其提供現...云服務GenAI生成式AI深度剖析：為何擴散模型會成為語言模型的未來？
核心要點速覽機器學習中的擴散模型是什么？擴散模型屬于生成模型（它們生成的數據與訓練數據相似）。擴散模型的運作遵循兩個簡單步驟：首先，通過逐步添加高斯噪聲來破壞訓練數據；而訓練過程則是通過逆向這個添加噪聲的過程來恢復數據。一個訓練良好的擴散模型能夠從隨機噪聲中生成我們想要的任何內容。如果把噪聲替換為嵌入空間，你可能就能理解其中的原理了。擴散模型的優勢擴散模型有4個主要優點，使其在基于文本的生成領域...擴散模型語言模型機器學習利用LLM做論文review到哪一步了？來看看DeepReview吧！
今天分享一篇西湖大學張岳老師的一篇利用合成推理數據做論文評審文章，Title:DeepReview:ImprovingLLMbasedPaperReviewwithHumanlikeDeepThinkingProcess：通過合成類人深度思考過程改進基于LLM的論文評審效果。這篇文章探索了如何利用大型語言模型（LLM）來改進論文評審過程，提出了一個多階段框架DeepReview，通過結合結構化分析、文獻檢索和基于證據的論證，模擬專家評審員的深度思考過程，從而提高LLM在論文評審中的可靠性...LLM結構化fast多模態故障診斷！基于1D-GRU+2D-MTF-ResNet-CBAM的分類模型
1.模型簡介與創新點介紹1.1模型簡介將時頻圖像和一維時序信號相結合，并使用CBAM注意力機制優化的ResNet和GRU多模態特征融合模型，來進行故障信號分類，能夠有效地結合時頻圖像空間特征和一維信號時間序列特征，能夠充分利用多模態特征的優勢。1.2創新點介紹創新一：多模態融合本模型將時頻圖像和一維時序信號進行多模態融合，充分利用這兩類數據的互補性。時頻圖像通過馬爾可夫轉移場MTF，將信號的頻率和時間特征可視化。而一...多模態CBAMGRUDeepSeek-R1的風吹到了多模態，Visual-RFT發布，視覺任務性能飆升20%
盡管DeepSeekR1風格的模型在語言模型中已經取得了成功，但其在多模態領域的應用仍然有待深入探索。上交大等提出并開源VisualRFT，將RFT擴展到視覺任務，通過設計針對不同視覺任務的可驗證獎勵函數，提升LVLMs在視覺感知和推理任務中的性能。視覺強化微調（VisualRFT）的概述。與（a）數據驅動的視覺指令微調相比，（b）視覺強化微調（VisualRFT）在有限數據下更具數據效率。（c）成功地將RFT應用于一系列多模態任務，并在底部展...DeepSeekVisual視覺任務重磅，微軟LazyGraphRAG正式開源及實現細節剖析！
微軟GraphRAG自提出，已歷時快一年，PaperAgent對其發展歷程進行了專門梳理與總結：去年4月，為解決傳統RAG在全局性的查詢總結任務上表現不佳，微軟多部門聯合提出ProjectGraphRAG（大模型驅動的KG）；去年7月，微軟正式開源GraphRAG項目，引起極大關注，至今23.2kstar，但落地時卻面臨巨大成本痛點（具體：LLM用于實體關系抽取+描述，社區總結）；去年11月，為了上述痛點，微軟發布了LazyGraphRAG，將數據索引成本降低1000倍，...微軟開源PaperAgentAI界勞斯萊斯o1 -Pro來了！百萬token收費600刀，OpenAI正在遠離AI平權初心？
今天被OpenAI的定價策略驚掉下巴——百萬token收費600刀的o1pro，這價格都可以買270份DeepSeek全家桶了。有國內網友調侃為“美國版5G笑話”：“睡覺前忘了斷網，結果一覺醒來房子是OpenAI的了”。有意思的是官方說辭：號稱投入更多算力保障，能解決癌癥級難題。但有媒體在報道中指出，o1pro實際表現效果并沒有宣稱的那么優秀：有用戶實測后暴露了短板——處理數獨錯誤頻出。其實OpenAI的暗線已經逐漸清晰：??普通用戶用「青春版...o1-proOpenAI算家云算力租賃每日AI資訊記憶牢籠還是概括之路？上海交通大學與加州大學圣地亞哥分校聯合團隊破解大模型代碼生成謎題
在充滿挑戰與機遇的人工智能領域，大語言模型（LargeLanguageModels,LLMs）已經在多個場景中展現了驚人的潛力。從語言生成到機器翻譯，這些模型不斷突破界限。而在軟件開發這一專業化領域，它們似乎成為了一種理想的助手——幫助程序員從自然語言描述中生成代碼，或通過提示優化現有程序。然而，盡管模型的能力令人驚嘆，它們也面臨著不可忽視的問題：是否能真正理解編程邏輯，還是僅僅在“記住”和“復述”？來自上海交通大學...大模型代碼優化
