AI.x社區
- 登錄/注冊
超越 VTM-RA！快手雙向智能視頻編碼器BRHVC亮相NeurIPS2025
在視頻編碼領域，雙向編碼（RA模式）一直是高效壓縮的“秘密武器”，長期以來被廣泛應用于點播、視頻存儲等場景。然而，在基于深度學習的智能視頻編碼中，這項技術也面臨新的挑戰：雙向編碼采用復雜的大跨度分層參考結構，這導致運動的精確處理變得困難，參考幀的價值利用也存在明顯差異。雙向智能視頻編碼的潛力遠未被完全激發，仍有巨大的優化空間等待探索。為破解上述難題，快手音視頻技術團隊提出了全新的雙向智能視頻編碼...音視頻技術快手neurips大模型應用理論那么簡單，為什么實現起來那么復雜？
原創很多人都有這樣的感受——大模型應用的理論我都懂，但為什么就是做不好？其實理論的簡單性和技術的復雜性，往往都隱藏在那些細節里。“紙上得來終覺淺，絕知此事要躬行。”今天閑的沒事回頭梳理了一下這大半年來開發過程中所遇到的問題，然后畫了一個架構圖；然后突然發現，這么長時間好像也沒做太多東西啊，但為什么總感覺自己很忙，很累，但東西又沒做好？原因就在于技術是一項實踐性很強的東西，很多時候你懂了并不代表你會...大模型應用RAG寫作者必備的十個人工智能工具
社區頭條譯者李睿審校重樓如今，不斷涌現和發展的人工智能工具正在深刻改變著人們的工作方式，寫作者也置身于這一變革浪潮之中。盡管對大多數人來說，借助人工智能進行寫作仍是一個充滿爭議的話題，但不可否認的是，它已經展現出為寫作者提供幫助的巨大潛力。對于寫作者來說，無論是缺乏靈感、結構混亂，還是信息不足，通常是他們在創作過程中通常會遇到的瓶頸。而人工智能工具可以在這方面發揮積極作用，成為突破這些瓶頸的得力助手。...寫作者人工智能工具記一次由上下文超長導致的輸出不完整問題——在智能體中怎么處理記憶問題？
原創“上下文管理是大模型應用穩定性的一個重要環節。”今天在優化智能體的時候發現一個問題，就是智能體第一次思考和工具調用都是正常的，但第二次思考的時候就輸出一個think標簽就結束了；而且不是因為代碼出現異常結束，而是智能體輸出了stop結束符。所以，這個問題就很奇怪，代碼都是正常但智能體執行一般就正常結束了；哪怕是出現異常導致結束也沒問題，但這種正常結束好像就沒那么好排查了。所以，經過測試發現復現的頻率還挺...智能體上下文管理大模型應用再談RAG的文檔解析——文檔解析的難點在哪里？
原創“知識庫是RAG的靈魂，一個好的知識庫能解決絕大部分RAG問題。”在之前關于RAG的優化文章中，大部分都是在強調檢索端的優化，而關于文檔解析方面的內容卻非常的少，而這也是有原因的。在之前介紹RAG的文章中，曾說過RAG是一種方法論，而不是一項具體的技術；其中有兩個比較重要的模塊：其一是與大模型相關的上下文管理其二是文檔召回模塊其中文檔召回模塊又分為兩大塊，一塊是知識庫的構建，另一塊是檢索召回；而之前的文章主要...RAG文檔解析知識庫AI 智能體的上下文工程企業級落地實踐
原創 精華大家好，我是玄姐。在Manus項目啟動之初，團隊面臨一個關鍵抉擇：是基于開源基礎模型訓練端到端的智能體，還是借助前沿模型的核心能力搭建AI智能體？回溯NLP生涯前十年，我們根本沒有這樣的選擇余地。在七年前的BERT時代，模型必須經過繁瑣的微調與評估，才能遷移到新任務中，即便這些模型相較于如今的LLM體積小巧，每次迭代仍需耗費數周時間。對于亟待快速迭代的應用而言，尤其是在尚未實現產品市場匹配（PMF）的階段，這種緩...AI 智能體上下文工程提示詞工程最佳實踐：讓 AI 給出更優結果
原創 精華大家好，我是玄姐。提示詞工程是上下文工程中至關重要的基礎，而上下文工程已成為與大語言模型協作的核心環節。簡單說，提示詞工程就是通過合理組織指令，讓AI模型輸出更符合需求的結果，比如：怎么提問、指定輸出風格、提供背景信息，最終引導AI按你的目標做事。模糊的指令和精心設計的提示詞，差距可能天差地別：前者可能需要反復溝通才能明確需求，后者卻能一步到位拿到想要的結果。下面就從基礎技巧到進階方法，分享一套實...提示詞工程上下文工程大語言模型AI 智能體的高效上下文工程最佳實踐
原創大家好，我是玄姐上下文是AI智能體的關鍵但有限資源。本文將探討如何有效篩選和管理驅動AI智能體運行的上下文。在應用AI領域，提示詞工程多年來一直是關注焦點，如今一個新術語逐漸嶄露頭角：上下文工程。使用大語言模型（LLM）構建應用，已不再是單純尋找合適的提示詞短語，而是要解決更宏觀的問題：“什么樣的上下文配置最有可能讓模型產生我們期望的行為？”上下文指的是從大型語言模型中采樣時包含的一系列tokens。當前的工...AI 智能體上下文工程大語言模型LLM通過ClaudeCode的Skills實現Excel文件的讀寫
原創前言最近在AI編程助手領域,??ClaudeCode???的??Skills???插件能力引起了很多開發者的關注。相比傳統AI編程工具,??ClaudeCode???通過插件化的??Skills???系統,能夠輕松實現對??Excel???、??PDF???等文檔格式的深度讀取和分析。本文將通過一個實際案例——構建"面試輔助助手Agent",展示如何利用??ClaudeCode??實現文檔自動化處理,讓AI真正成為我們工作中的得力幫手。目標本文的目標是:利用??...Claude CodeAgentAI編程通過ClaudeCode的Skills實現周報自動發送
原創引言??ClaudeCode???作為Anthropic推出的官方CLI工具，近期推出了??Skills???功能，讓開發者能夠創建自定義的自動化任務。本文將分享如何利用??Skills???功能實現一個自動生成周報的實用工具，通過分析??Git??提交記錄來總結每周工作內容。Skill功能簡介??Skills???是??ClaudeCode???的一項核心功能，允許開發者創建自定義的自動化任務。與傳統的腳本不同，??Skills??能夠：智能識別：自動匹...Claude CodeCLI工具通過ClaudeCode進行one-api系統改造的實踐過程總結
原創前言最近參加了CSDN舉辦的《2025全球機器學習技術大會》，大會中很多會議議題都與??VibeCoding???有關，同時近期圍繞??Cursor???、??ClaudeCode??等AI編程工具的話題也比較火熱。因此，本篇內容將以一個項目改造實戰為例，介紹??ClaudeCode??的實踐過程。問題通過大會以及近期項目中的交流，AI編程在企業難以落地的問題主要有以下幾個：1.垂類的業務不了解。對于一些比較垂直的領域(比如內部??CRM??系統...Claude CodeAI編程視頻里的 3D 世界：NVIDIA 開源 ViPE，空間智能的“燃料工廠”
原創 精華在人工智能的諸多賽道中，空間AI（SpatialAI）一直被視作未來最具潛力的方向之一。無論是機器人、自動駕駛，還是ARVR設備，都需要機器具備對三維世界的感知與理解能力。然而，困擾行業多年的核心問題是：我們生活在3D世界里，但大部分可獲取的數據，卻被壓縮在了二維視頻中。如何把這些“扁平”的視頻重新還原成真實的三維場景？這是學術界和工業界長久以來的難題。就在2025年9月，NVIDIA正式開源了ViPE（VideoPoseEngine）——...NVIDIA開源ViPE三維視頻標注引擎Qwen3-Next：比 GPT-5 和 Gemini 2.5 更輕、更快、更聰明？
原創過去兩年，大模型領域的變化快到讓人應接不暇。幾乎每隔一周，社區就會迎來一個“新明星”。這一次，讓圈子里沸騰的不是谷歌，也不是OpenAI，而是阿里巴巴quietly推出的Qwen3Next。沒有鋪天蓋地的營銷，沒有大張旗鼓的發布會，它只是安安靜靜地掛在HuggingFace上，卻憑借更高效的訓練與推理、極具突破性的稀疏激活機制，以及媲美頂尖模型的表現，引起了全球開發者和研究者的關注。那么，Qwen3Next到底特別在哪？為什么很多人說...Qwen3-NextGPT-5Gemini 2.5大模型硬剛GPT-Image-1？蘋果最新UniGen-1.5強勢發布：一個模型搞定理解+生成+編輯！
精華論文鏈接：https:arxiv.orgpdf2511.14760亮點直擊推出UniGen1.5統一多模態大模型，通過創新的架構設計與訓練流程，實現了先進的圖像理解、生成與編輯能力融合。開創統一強化學習訓練框架，借助共享獎勵模型協同優化圖像編輯與生成任務，顯著提升雙任務性能表現。提出后SFT階段的編輯指令對齊機制，通過強化編輯指令理解能力，大幅提升模型編輯效果。UniGen1.5在多項任務中達到業界領先水平：如下圖1所示，在圖像編輯任務（ImgEd...AI模型圖像生成IBM 發布 Granite-Docling-258M：企業級文檔 AI 的結構化進階
原創1.GraniteDocling到底解決了什么問題？企業處理文檔時常見的三個痛點：結構丟失：OCR轉Markdown時，表格、公式、代碼常常變成一堆“散裝文本”。多模型拼接：要同時識別表格、代碼和公式，往往需要調用多個小模型，部署復雜、成本高。結果不可控：一些輕量模型容易“抽風”，比如陷入無限循環輸出、重復token，完全無法上線使用。GraniteDocling的突破在于：它能直接輸出DocTags——一種由IBM設計的文檔結構標記語言，完整保留...IBMGranite-Docling視覺語言模型Agent 2.0：從淺層循環到深度智能體
在過去的一年里，構建一個AI智能體通常意味著一件事：設置一個while循環，接收用戶提示，將其發送給LLM，解析工具調用，執行工具，將結果發送回去，然后重復。這就是我們所說的淺層智能體或Agent1.0。這種架構對于像“東京的天氣怎么樣，我該穿什么？”這樣的事務性任務來說非常簡單，但是當被要求執行一個需要三天50個步驟的任務時，它們總是會分心、丟失上下文、進入無限循環，或者因為任務需要太多步驟而超出單個上下文窗口...Agent 2.0智能體AI2025流量大洗牌：AI狂飆，誰跌落神壇
別再爭論AI會不會顛覆世界了。它已經完成了。2025年的數據告訴我們，一場關乎流量、關乎生存的大洗牌，已經進入了下半場。當所有人都在談論OpenAI和Gemini時，我們更應該關注那些“受害者”的K線圖。傳統搜索巨頭們，第一次集體站上了“負增長”的被告席。而比他們更慘的，是那些曾經的獨角獸。焦慮是無用的，看清事實才重要。本文將拆解這場AI流量戰的真實圖景，看看哪些行業正在失血，哪些行業反而在AI的“輔助”下，活得更好...流量OpenAIAIDeepSeek-OCR：10倍壓縮率,讓AI像人一樣"看懂"文檔
DeepSeekOCR是一款創新的OCR模型，不僅在文本識別上表現優異，還首次將視覺Token用于上下文壓縮。通過圖像編碼大幅提升長文檔處理效率，突破傳統LLM的Token瓶頸，實現多模態信息的高密度表達，為大模型應用于大規模文檔和多模態理解提供了經濟與技術新途徑。1.AI的上下文危機2.DeepSeekOCR上下文光學壓縮思路4.10倍壓縮率的高精度3.DeepSeekOCR系統架構5.超越競爭對手6.LLM記憶與上下文管理7.總結2025年10月20日，DeepSeek又發...DeepSeek-OCRAI壓縮技術為 AI 智能體打造高效的上下文工程 -- Anthropic
上下文工程是構建高效AI智能體的關鍵方法論。由于大模型存在上下文衰減和注意力預算限制，需要謹慎管理系統指令、工具、外部數據和消息歷史。核心策略是使用最少但信息量高的token，如采用即時上下文檢索、通過壓縮和結構化筆記應對長周期任務。1.上下文工程與提示詞工程2.為什么上下文工程對于構建強大的智能體至關重要3.高效上下文的結構4.上下文檢索與自主智能檢索5.長周期任務的上下文工程6.應對上下文污染的方法6.1壓縮6.2...AI智能體上下文工程DeepSeek-V3.2-Exp：用稀疏注意力打破長文本效率瓶頸
在人工智能領域，尤其是自然語言處理（NLP）領域，模型的效率和性能一直是研究者們關注的焦點。隨著數據量的不斷增長和應用場景的日益復雜，如何在保持模型性能的同時提高其處理長文本的效率，成為了一個亟待解決的問題。DeepSeek團隊推出了DeepSeekV3.2Exp模型，通過引入稀疏注意力機制，解決如何保持模型性能的同時提高其處理長文本的效率。一、長文本處理的挑戰與現有方案局限性傳統的注意力機制（如Transformer架構中的自注...DeepSeek-V3.2GPUDSA
