AI.x社區
- 登錄/注冊
WebWalker：通過Multi Agent提升RAG在開放域QA的性能
WebWalker:BenchmarkingLLMsinWebTraversal檢索增強生成（RAG）在開放域問答任務中表現出色。然而，傳統搜索引擎可能會檢索淺層內容，限制了大型語言模型（LLM）處理復雜、多層次信息的能力。為了解決這個問題，我們引入了WebWalkerQA，一個旨在評估LLM執行網頁遍歷能力的基準。它評估LLM系統性地遍歷網站子頁面以獲取對應信息的能力。同時我們提出了WebWalker，一個通過explorercritic范式模擬人類網頁導航的multiagent框架。...WebWalkerRAGQA小紅書 NoteLLM-2：用于推薦的多模態表征
一、背景本文中我們繼續介紹小紅書用于多模態場景筆記推薦的NoteLLM2。對應的論文為：[2405.16789]NoteLLM2:MultimodalLargeRepresentationModelsforRecommendation[1]二、摘要LLM在文本理解方面展現了卓越能力，現有研究也已探討了其在文本Embedding任務中的應用，然而，利用LLM輔助多模態表征任務的研究尚不多見。本文作者旨在探索LLM在多模態ItemtoItem（I2I）推薦中增強多模態表征的潛力。如下圖Figure1所示，一種可行的方...NoteLLM-2多模態NoteLLM清華大學深度解析：RLHF 真的能規模化嗎？
圖片RLHF的規模化之謎：真的值得無限投入算力嗎？強化學習自人類反饋（RLHF）已成為大語言模型（LLM）后訓練的關鍵步驟，幫助ChatGPT、Llama等模型更符合人類偏好。然而，RLHF是否像預訓練那樣，能通過增加算力和數據帶來持續提升？清華大學與知乎AI的最新研究對此進行了系統性分析，揭示了RLHF的規模化極限，并提出優化策略。圖片研究方法：三大核心變量的深入探究研究團隊圍繞模型規模、數據多樣性、推理計算預算三大因素，訓...RLHFLLM訓練VLLM 與 Ollama：如何選擇合適的輕量級 LLM 框架？
VLLM是一款經過優化的推理引擎，在令牌生成速度和內存管理效率上表現出色，是大規模AI應用的理想之選。Ollama則是一個輕量級、易上手的框架，讓在本地電腦上運行開源大語言模型變得更加簡單。那么，這兩個框架該選哪一個呢？接下來，我們會從性能、易用性、適用場景、替代方案，以及詳細的安裝步驟等方面進行全面對比，幫助你做出更合適的選擇。一、VLLM和Ollama是什么？基礎知識解析在深入探討之前，我們先來了解一下這兩個框...VLLMOllama框架NeurIPS 2024 ｜ REBASE，比MCTS更高效的Inference Scaling算法
?還在為大模型推理速度慢、成本高而煩惱嗎？這篇來自CMU和清華大學的論文給你帶來了一個顛覆性的解決方案！他們發現，在推理大型語言模型時，“大力出奇跡”不再是真理！通過深入研究推理過程中的計算與性能關系，他們提出了“推理縮放定律”，并革命性地推出了一種名為REBASE的全新算法。REBASE就像一位聰明的向導，能夠巧妙地利用獎勵信號，指引模型在推理的迷宮中高效探索，避免了傳統方法中耗時費力的盲目搜索。實驗結果令...MCTSREBASE算法?對標DeepSeek，Gemini 2.0輕量模型開卷“極致性價比”！谷歌守住多模態陣地應用們都要開始做推理了！
原創編輯伊風出品51CTO技術棧（微信號：blog51cto）DeepSeek的火熱，讓Google坐不住了！深夜，Google推出了Gemini2.0全家桶，一口氣推出了三個模型型號：Gemini2.0Flash、Gemini2.0FlashLiteGemini2.0Pro。圖片看技術報告，2.0系列的三個模型在通用、代碼、推理、事實性、多語言等方面指標如下。比起此前Gemini1.5系列著實有了多維度的進化，但明顯沒有性能的斷層式飛躍。圖片再來看最近AI圈關注的重中之重——推理。谷歌也在Gemini...DeepSeek模型多模態只需一步！上交&哈佛提出FluxSR：首個基于12B+大模型的單步擴散真實世界超分模型
精華論文鏈接：https:arxiv.orgpdf2502.01993代碼&模型鏈接：https:github.comJianzeLi114FluxSR亮點直擊開發了FluxSR，一種基于FLUX.1dev的單步擴散RealISR模型。這是首個基于超過120億參數大模型的單步擴散RealISR模型。提出了一種流軌跡蒸餾（FTD）方法，明確建立了噪聲到圖像流與低分辨率到高分辨率流之間的關系。在噪聲到圖像流保持不變的情況下，能夠保留T2I模型中的高度逼真性，并有效地將其轉移到低分辨率到高分辨率的流中...模型技術生成把 DeepSeek 部署在你的電腦上，保姆級教程，建議收藏！
原創本地電腦部署主要適用于以下5種場景：第一、設備性能較強，配備獨立顯卡，能夠支撐高效運行。第二、需要處理敏感數據，對數據安全性有較高要求，以防泄露。第三、需要與本地工作流程緊密結合，應對頻繁或復雜的任務處理。第四、日常頻繁使用，且API調用成本較高，本地部署有助于降低成本。第五、希望在開源模型基礎上，進行個性化定制和優化。1、DeepSeekR1模型部署2步搞定本部分內容將重點闡述如何在本地環境下利用Ollama來部...DeepSeekDeepSeek 再爆大招，Janus-Pro 炸裂出場！
沒想到，DeepSeek連續放出重磅消息，速度如此之快。轉眼間，DeepSeek便推出了全新的多模態模型，統一多模態理解與生成。JanusPro多模態大模型震撼登場，采用Transformer架構，并未沿襲Diffusion方法，又一次顛覆了行業的認知，緊追OpenAI的腳步。擁有高性能電腦的同學們可以開始嘗試了，7B版本已經能夠超越StableDiffusion和DALLE3，強大到讓人難以置信！這個春節，真是激動人心。見證國產AI的輝煌時刻。JanusPro多模態框架革新...DeepSeek多模態大模型Janus-ProICLR 2025 | One Prompt One Story！基于單個prompt實現免訓練身份一致圖像生成
文章鏈接：https:arxiv.orgabs2501.13554GitHub代碼：https:github.combyliutao1Prompt1Story項目主頁：https:byliutao.github.io1Prompt1Story.github.io亮點直擊首次分析了語言模型維持固有上下文一致性的能力，能夠在一個提示中讓多個幀的描述天然指代同一主體身份。?基于上下文一致性特性，提出了一種新穎的免訓練方法——OnePromptOneStory，用于實現一致的文本到圖像生成。更具體地，進一步提出了提示加權（SVR）和交叉...模型訓練生成用強化學習重塑多模態AI：解讀Kimi k1.5的突破與創新
原創01、概述近年來，隨著人工智能的快速發展，強化學習（ReinforcementLearning，RL）技術逐漸成為推動AI模型性能提升的重要工具。相比傳統的基于靜態數據集的訓練方法，RL通過交互與反饋實現了模型性能的迭代優化，為解決復雜任務（如數學推理、代碼生成和多模態數據理解）開辟了全新路徑。在這種背景下，由Kimi團隊開發的下一代多模態大語言模型——Kimik1.5，憑借其創新的設計和卓越的性能脫穎而出。本文將詳細解析Kimik1.5的技...大語言模型多模態探索 Gemini 2.0：2025 年不可錯過的 AI 工具
原創01、概述最近，Google推出的Gemini2.0成為了科技圈的熱議話題。這款AI工具被譽為“顛覆者”，它的多模態能力、實時交互功能和多語言支持讓人眼前一亮。但它到底值不值得嘗試？有哪些亮點，又有哪些短板？作為一個已經“深度體驗”的人，今天我就來帶大家全面了解這款新一代AI工具的魅力，并告訴你如何用好它，讓工作事半功倍。02、Gemini2.0的三大獨特之處1）真·多模態：一次性能處理文字、語音、視頻相比傳統AI工具那種“貼補...Gemini 2.0AI 工具Gemini 2.0：針對代理時代的新AI模型
原創01、概述在信息快速迭代的時代，人工智能（AI）正以驚人的速度改變著我們的生活。從搜索引擎到多模態技術，AI的觸角不斷延伸，推動著人類科技的邊界。作為AI領域的先鋒，GoogleDeepMind近日發布了最新的AI模型——Gemini2.0，宣告了“智能代理時代”的到來。今天，我們將為大家詳細解讀Gemini2.0的核心亮點、實際應用以及對未來生活的深遠影響。02、從1.0到2.0：GeminiAI的蛻變與進化1）Gemini1.0與1.5：奠定多模態AI的基礎Gemi...Gemini 2.0AI模型基于AG2+ChromaDB開發多代理RAG系統
原創本文中，我們將介紹如何使用開源的AI多代理框架AG2和開源的向量數據庫ChromaDB構建一個多代理RAG系統。引言近年來，檢索增強生成（RAG）系統得到了迅速改進。理想情況下，我們可以將其演變劃分為三個階段。第一階段，即在LLM出現之前，信息檢索系統主要依賴于傳統的搜索算法和索引技術。這些系統在理解上下文和生成類似人類的響應方面的能力是非常有限的。第二階段，出現了LLM（大型語言模型）階段，導致了劇烈的范式轉變。現在...MASLLM大型語言模型國家隊出手！DeepSeek上線國家超算互聯網平臺，免注冊開箱即用！
原創DeepSeek太火爆了！在這個春節檔，直接成了全民熱議的話題。DeepSeek也毫無懸念地干到了全球增速最快的AI應用。這幾天，國內的云計算廠家都在支持DeepSeek的API調用。現在，國家隊也出手了！超算互聯網的官微一口氣發了兩條上新DeepSeek的公告——DeepSeekR1、V3、Coder等系列模型已陸續在國家超算互聯網平臺上線。目前，國家超算互聯網平臺已推出DeepSeek–R1模型的1.5B、7B、8B、14B版本，后續還會在近期更新32B、70B等版本。...DeepSeek互聯網AI我們一起聊聊軸承故障特征—SHAP 模型 3D 可視化
前言本文基于凱斯西儲大學（CWRU）軸承數據，使用特征提取和機器學習方法進行故障識，然后基于XGBoos模型介紹一種參數搜索策略，并通過SHAP模型可視化技術對結果進行分析。1.數據集和特征提取1.1數據集導入參考之前的文章，進行故障10分類的預處理，凱斯西儲大學軸承數據10分類數據集：數據的讀取形式以及預處理思路。1.2故障信號特征提取選擇峭度、熵值、分形值、波形指標、頻譜指標、頻域指標、統計特征、振動特征等13種指標...SHAP模型可視化RAG圈的DeepSeek，中科院DeepRAG讓大模型帶著“思考”檢索，性能提升21.99%
將推理與RAG相結合仍面臨挑戰，例如復雜查詢需要多步分解，且LLMs難以生成精確的子查詢，導致檢索效率低下。人類思維過程與DeepRAG的對應關系。具體來說，檢索敘事確保了結構化和自適應的檢索流程，根據之前檢索到的信息生成子查詢，并且原子決策動態地決定是否檢索外部知識，或者僅依賴于每個子查詢的參數知識。中科院&中科大&騰訊微信AI部聯合推出最新（2025.02）DeepRAG，讓大型語言模型逐步推理檢索：DeepRAG框架將檢索增強...RAGDeepRAG大模型一文讀懂 DeepSeek-V3 技術報告
?2023年7月17日，DeepSeek正式成立，由幻方量化提供資金支持。梁文鋒憑借其在金融和AI領域的深厚背景，帶領團隊開始探索生成式AI技術。同年11月2日，DeepSeek推出首款開源模型DeepSeekCoder，支持多種編程語言的代碼生成、調試和數據分析任務，為AI領域的應用奠定了基礎，直到2024年12月，DeepSeekV3的發布引發了行業震動和社會廣泛關注，在他們的最新技術報告《DeepSeekV3技術報告》中，團隊詳細介紹了其最新成果——DeepSeek...DeepSeek-V3技術人工智能超越 RAG：構建增強而非替代思維的知識管理系統
隨著人工智能（AI）和自動化技術的快速發展，我們進入了一個自動化知識時代。在這個時代，知識管理工具日益依賴AI技術來幫助用戶整理、管理和處理大量的信息。然而，單純依賴這些工具并不能完全解決知識管理中的所有問題。人類的洞察力、創造力和批判性思維在這個過程中依然至關重要。一、背景與挑戰在知識管理領域，AI的應用越來越廣泛。傳統的RAG模型結合了檢索和生成技術，通過檢索大量數據來為生成提供上下文，從而實現更加...RAG管理系統DeepSeek簡明解析，10分鐘速通DeepSeekV1~V3核心技術點！
最近，DeepSeek在國際上很火，一方面其效果比肩非開源模型ChatGPT，另一方面其運行成本很低。可以說，DeepSeek是目前為止最先進的大模型之一。今天這篇文章，就帶大家梳理一下從2024年至今DeepSeek發布的V1版本到V3版本的核心技術點，看看DeepSeek采用了哪些技術構建了最先進的大模型，每一次的升級基本都伴隨著訓練數據的優化、模型結構的升級、優化方式的更新。為了方便大家閱讀，本文會用比較簡潔的語言進行主要技術的介紹，...DeepSeekDeepSeekV1主模型
