文本豐富的圖像（如文檔、圖表、場景圖等）在現實場景中扮演著重要角色，準確理解這些圖像對于自動化信息提取和優化用戶交互至關重要。文本豐富圖像理解（TextrichImageUnderstanding,TIU）領域涉及兩個核心能力：感知（如文本檢測、識別）理解（如信息抽取、視覺問答）多模態大語言模型（MLLMs）的出現為文本豐富的圖像理解（TIU）領域帶來了新的維度，系統地分析了該領域MLLMs的時間線、架構、訓練流程、數據集與基準測試。TI...

有不少研究證明，大模型在不斷增加參數的情況下，其性能提升卻逐漸趨于飽和，特別是在受限的數據可用性和計算資源預算下，這種情況非常明顯。為了解決這一難題，中國科學院信息工程研究所、百度、北京師范大學AI學院的研究人員聯合提出了InnerThinkingTransformer架構（簡稱ITT），通過動態分配計算資源給單個標記，增強了測試性能而無需增加參數。ITT的設計基于一個關鍵假設：Transformer的每一層可以被視為對輸入信息的一次隱...

在對話系統研究領域，工作流代理的設計與實現始終充滿了挑戰與機遇。傳統的任務導向對話系統（TOD）通常采用模塊化流水線架構，將自然語言理解（NLU）、對話狀態跟蹤（DST）以及自然語言生成（NLG）功能分離開來。但是這種方法由于誤差傳播問題，效率往往不高。隨著大型語言模型（LLMs）的興起，基于LLMs的端到端對話系統逐漸成為主流，通過工作流引導的互動進行整體對話管理，顯著提高了任務成功率。對話系統從模塊化流水線到...

文章鏈接：https:www.arxiv.orgpdf2502.13130項目鏈接：https:microsoft.github.ioMagma模型鏈接：https:huggingface.comicrosoftMagma8B亮點直擊提出了Magma，第一個不僅具備多模態理解能力，還具備空間時間推理能力的基礎模型，能夠在數字和物理環境中完成智能體任務。提出了使用SetofMark(SoM)和TraceofMark(ToM)技術，顯著增強了空間時間智能，用于行動定位和規劃，并使Magma能夠在大規模異構數據集上進行有效的預訓練。構...

在現代科學研究過程中，科學家們面臨著許多挑戰，假設生成和實驗驗證的復雜性使得研究進程變得相當緩慢，科學發現依賴于科學家提出新穎的假設，并通過嚴格的實驗驗證這些假設。但是生成具有原創性且可驗證的研究假設往往需要耗費大量的時間和資源。隨著科學領域的不斷擴展，科學家們需要在更廣泛的知識背景下進行研究，這進一步增加了難度。同時，科學研究中多學科交叉和大規模數據的處理也帶來了新的挑戰。現代科學問題往往涉...

AI陪伴者作為一種新興的數字技術現象，逐漸進入我們的生活，從簡單的數字助手到情感陪伴者，其應用范圍越來越廣泛。數字助手如AmazonAlexa和Siri，早已成為許多家庭中的一部分，而更具人性化的情感陪伴者，如Replika等AI聊天機器人，更是在全球范圍內吸引了數百萬用戶。這些AI系統不僅能夠完成基本的任務，還能夠與用戶進行復雜的對話，甚至在一定程度上參與到情感交流中。但是隨著人與AI互動的深入，一些隱性偏見問題逐漸浮現...

本文介紹如何構建模型上下文協議（MCP）服務器以擴展人工智能功能。創建可以無縫集成人工智能模型的工具，并通過arXiv論文搜索實現進行演示。模型上下文協議（MCP）在人工智能開發領域變得越來越重要，它可以實現人工智能模型和外部工具之間的無縫集成。本指南將探討如何創建MCP服務器，通過自定義工具實現增強人工智能功能。什么是模型上下文協議？模型上下文協議允許人工智能模型以標準化的方式與外部工具和服務進行交互。它...

整理伊風出品51CTO技術棧（微信號：blog51cto）3月1日，馬斯克再次做客《TheJoeRoganExperience》播客節目，語出驚人！“還有一個更高級的階段——當AI比所有人類加在一起還要聰明。坦白說，我覺得這個節點可能會出現在2029或2030年，基本上剛好趕上《終結者》的時間線。”而到那時候，我們有80%的概率會獲得好的結局。而20%的概率，AI會像《終結者》中的“天網”終結人類文明。上圖：馬斯克說AI將“走向極端”，它要么會超級好...

編輯言征出品51CTO技術棧（微信號：blog51cto）最近DeepSeek開源周帶來了很多驚喜與熱議。但小編發現大家對于馬斯克的Grok3的討論卻遠遠不夠充分。作為“大模型球賽”的最不可捉摸的強大力量，馬斯克的xAI最新模型已經上線，便迅速登頂了iPhone的下載排行榜，引起的轟動同樣不可小覷。此外，進入2025之后，大模型的五六個主流玩家都怎么樣了？要想突破OpenAI的絕對領先的日活數據，都有哪些突破口？3月2日，硅谷知名投資人BillG...

??評估體系為何重要？在構建基于LLM的生產級應用時，系統化評估（evals）是確保可靠性的關鍵。LangChain全新推出的OpenEvals與AgentEvals工具包，為開發者提供標準化評估框架與預置評估器，讓復雜評估變得簡單易行。真實痛點警示：某金融企業因未做軌跡評估，導致智能體誤調敏感API造成百萬損失一、評估體系雙核引擎：數據×指標的化學反應1.??數據質量決定評估效度需構建場景化測試數據集（推薦510個高質量樣本）數據應反映真...

今天給大家介紹一篇華為最近發表的時間序列分類大模型工作，填補了專門用于時間序列分類的大模型工作空白，借鑒了VisionTransformer的訓練方式和模型結構，遷移到時間序列分類任務中，在多種類型的數據集上取得了不錯的效果。推薦閱讀：???2024時序預測都有哪些經典工作——匯總篇??，2024時間序列預測相關最新SOTA工作匯總，涉及模型結構、表示學習、頻域信息、擴散模型10余個專題。論文標題：Mantis:LightweightCalibrat...

編輯｜言征出品51CTO技術棧（微信號：blog51cto）現代企業中有一個無名英雄：工作流程。它有時被稱為規則引擎、流程流、單狀態機或軟件定義的工作流程。在用戶界面（UI）中，它是一個“向導”。開發者通常（有些輕蔑地）稱它為“業務邏輯”。各位這里不妨花點時間來欣賞這個無名英雄的獨特威嚴，因為我們即將把硅谷炙手可熱的關注之光投向它的門檻：AI代理。關于AI、大型語言模型（LLMs）和代理應用程序已經有很多的討論，很難...

論文鏈接：https:arxiv.orgpdf2502.20235項目鏈接：https:xugao97.github.ioAttentionDistillation亮點直擊分析了之前即插即用注意力特征方法的局限性，并提出了一種新穎的注意力蒸餾損失，用于重現參考圖像的視覺特征，取得了顯著優越的結果。開發了attentiondistillation引導采樣，這是一種改進的分類器引導方法，將注意力蒸餾損失整合到去噪過程中，大大加快了合成速度，并支持廣泛的視覺特征轉移和合成應用。生成效果一覽給...

01、概述在人工智能的飛速發展中，大型語言模型（LLMs）憑借卓越的文本生成能力，成為自然語言處理領域的明星。然而，這些模型仍然面臨一些關鍵問題，比如如何理解用戶意圖、提供精準且上下文相關的回答。為解決這些痛點，一個全新的技術框架——檢索增強生成（RetrievalAugmentedGeneration,RAG）橫空出世，它通過結合檢索與生成兩種能力，為AI的未來打開了更大的可能性。02、什么是RAG？RAG是一種革命性的AI框架，它將檢索式...

01、概述在科技飛速發展的今天，人工智能領域的每一次突破都牽動著無數人的心。Kimi1.5的出現，無疑在AI界投下了一枚重磅炸彈，其技術報告更是蘊含著巨大的信息量，讓我們得以窺探這一先進模型的奧秘。本文將對Kimi1.5技術報告進行全方位、深層次的解讀，帶您領略其獨特的魅力與強大的實力。02、Kimi1.5的誕生背景隨著人工智能技術的不斷發展，人們對AI模型的性能要求也越來越高。從最初的簡單文本生成到如今的復雜推理、多模態...

論文：https:arxiv.orgpdf2502.09621主頁：https:mmecot.github.io代碼：https:github.comCaraJ7MMECoT數據集：https:huggingface.codatasetsCaraJMMECoT亮點直擊精心策劃了MMECoT基準，涵蓋了六種多模態推理場景的綜合范圍。數據收集和標注過程經過嚴格的人為驗證，旨在為社區提供高質量的多模態推理評估數據集。識別了現有基準中的關鍵問題，并引入了專門針對多模態CoT推理的全面評估套件，該套件仔細檢查了推理的質量、魯棒...

要成功實現DeepSeek大模型的私有化部署，絕非易事，從模型選型到基礎設施搭建，再到推理部署工程優化，每一個環節都需要精心規劃與考量。接下來，讓我們深入探討企業私有化部署DeepSeek的關鍵要點與策略。1DeepSeek模型選型在企業進行deepseek大模型私有化部署時，模型選型是至關重要的第一步，它直接關系到后續的應用效果與成本投入。通過業務場景適配性分析確定合適的模型，能讓企業充分發揮大模型的價值。DeepSeek提供了多種...

AIAgent的高效、能力強、自動化等技術特點在零售、金融、教育、新聞等業務中得到廣泛應用。但是，沒有專業編程能力的業務人員想構建復雜的智能體并不容易。例如，需要考慮使用哪一種大模型，智能體可用的工具，智能體可執行的行動步驟數以及任務終止條件判斷等。所以，為了簡化智能體構建流程，微軟的研究人員在其開源的超過30000顆星AutoGen智能體之上，與低代碼技術相結合構建了AutoGenStudio，通過可視化拖拽低代碼的方式就...

1.引言我們正在發布OpenAIGPT4.5的研究預覽版，這是我們迄今為止最大且知識最豐富的模型。GPT4.5基于GPT4o構建，進一步擴展了預訓練規模，并被設計為比我們強大的STEM領域推理模型更具通用性。我們使用新的監督技術結合傳統方法（如監督微調[SFT]和基于人類反饋的強化學習[RLHF]）對其進行訓練，這些方法與GPT4o的訓練方法類似。在部署前，我們進行了廣泛的安評評估，未發現與現有模型相比存在顯著的安全風險增加。早期測試表明...

智能體被認為是從人工智能通向通用人工智能（AGI）的潛在路徑。因此，研究人員為實現智能體投入了大量努力，探索了多種實現方式。得益于近期大型語言模型（LLMs）的進展，以通用自然語言作為接口的基于LLM的智能體在多種應用中展現出強大的泛化能力——從作為自主的通用任務助手，到在編碼、社會和經濟等領域中的應用，基于LLM的智能體為廣泛的探索提供了可能性。本文調研了當前研究現狀，深入概述了基于LLM的智能體，包括單智...