AI.x社區
- 登錄/注冊
AI未來屬于不斷進化的思想領袖
AI正在以前所未有的速度改變我們的世界。從自動化任務到優化決策，AI的廣泛應用正在重塑行業、工作方式甚至我們的思維方式。然而，在這場技術變革中，我們面臨著一個深刻的悖論：AI在提升效率的同時，是否也在削弱我們的長期韌性和獨立思考能力？如何在AI時代脫穎而出，成為真正的思想領袖，是每一個追求卓越的人必須回答的問題。效率與韌性的博弈AI帶來效率提升背后隱藏著代價。自動化不僅讓我們更高效，還讓我們更依賴機器。...AI自動化優化決策身份證識別服務性能優化實踐
本文作者為中國移動云能力中心云智團隊圖像處理算法工程師周華健。身份證識別場景下服務調用量大，往往對于服務的吞吐量要求較高。本文主要從業務邏輯、模型、工程三個層面對身份證識別服務進行優化，取得了較大的性能提升。1.業務邏輯優化一個身份證通常包含了4個模型，身份證檢測模型，身份證方向判斷模型，身份證文字檢測模型，身份證文字識別模型。由于身份證檢測與身份證文字檢測模型任務類型相似，模型輸入圖像也可以一致...身份證識別模型別搞 GraphRAG 了，擁抱新一代 RAG 范式 DeepSearcher
原創剛在朋友圈興奮慶祝《哪吒2》榮登全球IMAX票房歷史前八，喜悅之情還未平復；午后，老板便發話：“小王，你這么有見解，用DeepSeek做個《上古神話中龍族形象在流行文化中的變遷》分析吧，下班前交給我……”別忘了，還得融合孫悟空和哪吒的魅力點，借鑒《山海經》到《哪吒》的成功策略，結合古典文學理論與現代精神分析，打造出我們獨有的用戶體驗（此處省略800字）老板的要求如同煙花般絢爛然而，在時間轉換器從哈利波特的世界...GraphRAGRAGDeepSearcher五大開源 Manus 復刻項目全景解析
原創這幾天，AI領域掀起了一股名為Manus的熱潮，無論是抖音還是央視媒體，無論是知乎還是微博，各大平臺都在熱烈討論。其熱度之高，甚至有券商研究員不惜投入五萬元人民幣進行調研，而在閑置交易平臺上，一個邀請碼的價格更是被炒到了驚人的五萬元。Manus是一款通用型AI助手，能將想法轉化為行動：不止于思考，更注重成果。Manus擅長處理工作與生活中的各類任務，在你安心休息的同時，一切都能妥善完成。Manus的名字源自拉丁語中“...Agent智能體開源Manus智能體應用開發提示詞模板技巧大全
原創想象一下，你站在一個外星人面前，試圖向它解釋如何煮一杯完美的咖啡。它有著超強的執行能力，但對地球上的事物一無所知。你會如何表達？是簡單地說"給我煮杯咖啡"，還是提供一套詳細的步驟指南？這正是我們與AI智能體交流時面臨的挑戰。在當今AI迅猛發展的時代，大型語言模型(LLM)如GPT4、Claude等已經成為構建智能應用的基礎設施。然而，要讓這些強大的模型真正理解我們的意圖、按照我們期望的方式工作，掌握高效的提示詞(Pro...AI智能體提示詞DeepSeek-編寫智能體提示詞模板的10個編程常識
原創本文由DeepSeekR1根據搜集的資料和多次對話后整理而成。在人工智能技術日新月異的今天，提示詞工程（PromptEngineering）已成為開發者與普通用戶駕馭大語言模型的核心技能。本文結合編程思維與AI交互實踐，系統梳理編寫高質量提示詞模板必須掌握的10個編程常識，助您在智能體開發、內容生成、數據分析等場景中游刃有余。一、變量與參數化思維編程中的變量概念是提示詞工程的基石。優秀的模板應包含可替換的動態參數，通過占位符...DeepSeek提示詞DeepSeek聊天結果Markdown格式復制保存難題？五種解決辦法請拿走！
原創之前寫過一篇文章《??Markdown+AI效率神器：10分鐘就能學會的大模型文本格式！??》，我以為應該沒啥閱讀量，本來這個在程序員眼中是個再普通不過的工具，沒想到閱讀量還挺高，很多人給我留言或者私信問Markdown如何排版的問題。雖然很多人可能初步了解了Markdown的語法，但我想他們經常會受到困擾的場景有以下這些。（1）直接點復制按鈕直接復制到Word中，要么排版一塌糊涂，要么帶著Markdown語法標識。（2）鼠標右鍵復制直...DeepSeekMarkdown格式多模態大模型Ovis核心技術點、訓練方法、數據細節
原創文章提出：傳統的MLLMs中，文本嵌入是從LLM的嵌入查找表中索引得到的，而視覺嵌入是由視覺編碼器（如：ViT）直接生成的連續向量。這種差異導致在視覺和文本信息融合時存在挑戰。與傳統的MLLM不同，Ovis通過在視覺編碼器的過程中引入一個額外的視覺嵌入查找表來解決這個問題。這種方法使得視覺嵌入的生成過程與文本嵌入類似。效果核心創新從下面模型結構代碼可以看到，Ovis和傳統的LLava架構其實差不多，最大的區別就是LLava使用...多模態大模型CVPR 2025 | 英偉達重塑自動駕駛場景生成！3D點云賦能電影級特效：GEN3C效果炸裂??！
論文鏈接：https:arxiv.orgpdf2503.03751git鏈接：https:research.nvidia.comlabstorontoaiGEN3C亮點直擊提出了GEN3C，一種具有精確相機控制的世界一致性視頻生成模型。通過對輸入圖像或先前生成的視頻幀的深度估計進行反投影，構建了一個以點云表示的3D緩存。借助用戶提供的相機軌跡，渲染3D緩存，并將渲染出的視頻用作視頻模型的條件輸入。對模型在不同輸入條件下的視頻生成任務進行了廣泛評估，從單一圖像到稀疏和密集的多視...生成視頻模型為什么說JSON不一定是LLM結構化輸出的最佳選擇？
原創編者按：在使用大語言模型時，如何在保證輸出質量的同時降低成本？在眾多數據輸出格式中，究竟應該如何選擇？我們今天為大家帶來的文章中，作者通過實際測試給出建議：在某些場景下，相比廣泛使用的JSON格式，不妨考慮一下其他數據格式，做一些測試，挑選出既能控制成本又能保證穩定性和速度的最佳選項。文章通過對比TSV、CSV、ColumnarJSON、YAML、TOML和JSON六種格式，從token使用量、響應時間和實用性三個維度進行了深入分析...LLMsAI重磅！OpenAI開源首個Agent SDK，反擊Manus
3月12日凌晨1點，OpenAI進行了技術直播，開源了首個AgentSDK以及發布了ResponsesAPI，極大簡化、增強智能體開發流程。AgentSDK特色功能之一就是支持多Agent之間的動態任務協作，可以像Manus那樣開發超復雜的智能自動化業務流程。例如，跨國電商需要處理來自全球不同地區的訂單，通過AgentSDK可以開發語言識別、庫存查詢、訂單實時更新、售后服務等多個Agent，并且在整個銷售、售后的過程中讓它們之間協同自動化工作。ResponsesA...OpenAI模型數據X-CLR：通過新型對比損失函數提升圖像識別能力
原創AI驅動的圖像識別技術正在改變各行各業，從醫療健康和安保，到自動駕駛汽車和零售業。這些系統能分析海量視覺數據，以驚人的準確度識別模式和物體。然而，傳統圖像識別模型面臨著不少挑戰：它們需要消耗大量計算資源，缺乏良好的擴展性，而且通常難以高效處理大型數據集。隨著人們對更快、更可靠AI的需求增加，這些局限性成為了進步的障礙。???XSample對比損失（XCLR）??采用了更精細的方法來克服這些挑戰。傳統的對比學習...AI 驅動X-CLR視覺數據被Manus驚到了？OpenAI深夜發布Agent開發三劍客！開源一個新的SDK，現場手搓三個Agent！還抖了一個內部的料
出品51CTO技術棧（微信號：blog51cto）“2025年將是Agent之年，這一年，ChatGPT和我們的開發工具將從僅僅回答問題，轉變為真正為你在現實世界中做事。”上周Manus通用智能體的發布之后帶火了Claude的MCP框架之后，OpenAI終于坐不住了，今天凌晨一點通過直播的形式，一口氣把自己內部工程人員在用的Agent開發工具發布了出來。整體直播不長，只有20分鐘，但足以讓外界從OpenAI的視角來見識一番以全球最先進的基座模型來做出來的Ag...ManusOpenAIAgent多模態理解和生成：多模態理解與生成統一獎勵模型；將獎勵模型多模態情緒識別上
UnifiedRewardModelforMultimodalUnderstandingandGeneration20250307｜FDU,SII,ShanghaiAILab,ShanghaiAcademyofArtificialIntelligenceforScience??75??http:arxiv.orgabs2503.05236v1??????https:huggingface.copapers2503.05236??????https:codegoat24.github.ioUnifiedReward??研究背景與意義本文提出了一種名為UNIFIEDREWARD的統一獎勵模型，旨在解決多模態理解和生成任務中的偏好對齊問題。現有模型通常...多模態獎勵模型識別從語言到認知：LLM如何超越人類語言網絡
引言解碼人類大腦處理語言的機制是神經科學的核心目標之一。人類語言處理由大腦的語言網絡（LanguageNetwork,LN）支持，這是一組位于大腦左側的前額葉和顳葉區域，具有對語言輸入的選擇性反應能力。近年來，隨著機器學習的快速發展，基于大規模文本語料庫訓練的下一詞預測的大型語言模型（LLMs）成為了模擬人類語言網絡內部過程的有力工具。本文旨在探討大型語言模型如何與人類語言網絡對齊，并分析這種對齊在模型訓練中的演化...LLM語言網絡Logic-RL：基于規則強化學習的推理釋放
引言大型語言模型（LLMs）的推理能力近年來取得了顯著進展，尤其是在訓練后階段。諸如DeepSeekR1、KimiK1.5和OpenAIo1等模型展現了卓越的邏輯推理能力。然而，這些成果的可復現性和擴展性仍面臨諸多挑戰，特別是在缺乏訓練代碼和數據集的情況下。LogicRL框架的提出旨在通過基于規則的強化學習（RL）方法，填補這一研究空白，并推動LLMs推理能力的進一步發展。LogicRL通過在邏輯謎題上進行訓練，成功開發了類似DeepSeekR1的推理...Logic-RLLLMs模型320億參數逆襲6710億！阿里QwQ-32B開源引爆AI效率革命：單卡運行、成本降60倍，國產芯片突圍AGI
2025年3月10日，阿里巴巴通義團隊正式開源了推理模型QwQ32B，以320億參數的精悍體量實現了與6710億參數的DeepSeekR1滿血版性能比肩。這款模型不僅憑借極低的部署成本引發全球開發者熱議，更通過強化學習（RL）的創新應用，標志著AI技術從“參數競賽”向“效率革命”的歷史性轉變。以下，我們將從技術突破、性能表現、應用場景、行業影響、開源生態以及部署安裝教程六個維度，全面剖析QwQ32B的獨特魅力。一、技術突破：強化學習...阿里QwQ-32BAGI看看 AI 大牛日常如何使用大模型
1、目錄LLMs的演變格局超越文本：擁抱多模態思考模型：何時讓人工智能“思考”工具使用：互聯網搜索和深度研究深度研究：通過集成搜索和推理生成全面報告文件上傳用于文檔和多媒體Python解釋器：動態代碼執行和數據分析自定義視覺和代碼工具：Claude工件和光標作曲器音頻交互和NotebookLM播客生成視覺模態：圖像輸入OCR、圖像輸出和視頻處理個性化：記憶、自定義指令和自定義GPTs初學者的經驗教訓：最大化你的LLM體驗結束語2、L...大模型AILLM如何正確看待GPT4.5
總結，模型門戶留給GPT5去做了，4.5還是像Altman之前說的就是最后一代純預訓練。1一個超巨大的模型，grok3級別（10萬卡），AK說每個0.5要提升10倍預訓練算力，那對比GPT4的1.8T,也就說4.5是一個18T(18000B)級別的模型，所以必須跨多campus,異步梯度下降的訓練方式(要求太高，這個目前只有grok,oai,gemini,3家真正嚴格實踐過，anthropic都不行)。2擁有更多的知識(o3和人類比如博士生做題的合成數據)，比4o能力提升百分之50（其實...GPT4.5GPT5預訓練DeepSeek做爆款圖文，太強了
刷小紅書，看到下面這種爆款圖文，就拿DeepSeek的深度推理能力拆解了下文案特點，然后大致復刻了一下，這里使用的工具組合是DeepSeek+即夢AI+美圖秀秀「DeepSeek」擅長邏輯構建與內容生成，其深度思考能力最適合分析這種文案風格特點，而且還會把中間的思考過程展示出來，就很容易會出來比原來文案更好的效果。「即夢AI」主要用來生成IP形象表情包（可以是老奶奶、現代版關羽、古風哪吒、水豚等等）。「美圖秀秀」將素材整合，...DeepSeek圖文IP形象
