“提示詞工程是用戶與大模型交流的橋梁，提示詞的好壞直接影響到模型的效果。”在大模型應(yīng)用開發(fā)中，所有的操作最終的結(jié)果都是拼接成提示詞輸入給大模型，因此可以說提示詞是大模型應(yīng)用的核心。因此，而誕生了一項叫做提示詞工程的技術(shù)，提示詞工程是與大模型交互的核心技術(shù)，旨在通過設(shè)計和優(yōu)化輸入提示詞，充分釋放大模型的潛力。提示詞工程將大模型視為一個任務(wù)執(zhí)行者，通過明確的指令和上下文信息，引導(dǎo)其完成特定任務(wù)。提...

過去幾年，我們見證了一個趨勢——無論是企業(yè)部署AI，還是研究機構(gòu)訓(xùn)練大模型，大家都在拼命“微調(diào)”。但問題是：微調(diào)成本太高、周期太長，還容易過擬合。那有沒有一種方法，讓模型在不改動參數(shù)的情況下，依然能“變聰明”？最近，來自斯坦福大學(xué)、UCBerkeley和SambaNovaSystems的研究團隊，提出了一個顛覆性方案——AgenticContextEngineering（ACE）。它讓模型的成長，不再靠重新訓(xùn)練，而是靠上下文自我進化。這不是又一個Pro...

如果有一天，一個語言智能體（LanguageAgent）能不依賴任何獎勵機制、沒有人工示范，就能通過“自己探索的結(jié)果”學(xué)得比模仿學(xué)習(xí)還好——這是不是有點像人類的“頓悟”？MetaSuperintelligenceLabs最近發(fā)布的新研究《EarlyExperience》（早期經(jīng)驗）正是這樣一種讓智能體“自我成長”的新方法。它在沒有獎勵、沒有強化學(xué)習(xí)（RL）主循環(huán)、甚至不依賴大規(guī)模人類示范的前提下，依然在8個任務(wù)環(huán)境中全面超越模仿學(xué)習(xí)（IL）。這不是魔...

當(dāng)我們談?wù)?ldquo;AI代理（AIAgent）”時，很多人想到的是能幫你寫文檔、總結(jié)網(wǎng)頁、生成報告的智能助手。但有一個問題一直沒被真正解決——它們都“看得懂”網(wǎng)頁，卻“點不了”網(wǎng)頁。而就在本周，GoogleAI給出了解法：推出全新的Gemini2.5ComputerUse（電腦操作版），一個能在瀏覽器中真實執(zhí)行點擊、輸入、拖拽等交互操作的模型。這意味著，AI不再只是讀懂網(wǎng)頁，而是能像一個“虛擬助手”那樣，親自替你完成操作流程。一、從“會看”...

前兩天Kimi上新了K2Thinking模型，并且是開源且能思考的ThinkingAgent。經(jīng)過我這兩天的實際使用，K2thinking在搜索+編程方面能力提升了，但是在實際編程過程中，搜索能力反倒成為一種輕微的負(fù)擔(dān)，會出現(xiàn)短暫的卡頓現(xiàn)象，等待時間稍微有點長，消耗的token也降低了不少，我做了3個case，花費也才5塊錢左右。而且能夠在線編輯，支持基本樣式選擇。以及word文檔編輯器、excel數(shù)據(jù)處理等等。也能做出一個英語學(xué)習(xí)平臺（后面會介紹）...

學(xué)習(xí)如何借助Stanford的AgenticContextEngineering構(gòu)建能自我糾錯并自動優(yōu)化性能的自適應(yīng)數(shù)據(jù)庫查詢系統(tǒng)。作者使用AI生成的圖片當(dāng)下大多數(shù)TexttoSQL系統(tǒng)采用多智能體架構(gòu)與單體式提示詞（monolithicprompts）。它們通過一串復(fù)雜的、分工明確的智能體來生成可運行的查詢——一個負(fù)責(zé)schema分析，另一個負(fù)責(zé)查詢規(guī)劃，第三個負(fù)責(zé)SQL生成。這些單體系統(tǒng)確實能用。它們可以把“showmetopcustomers”變成可執(zhí)行的SQL。但結(jié)果常常低效...

在這個視頻中我介紹了如何給智能體添加記憶，以及中間件和工具的使用方法。記憶對于智能體來說，記憶（memory）非常關(guān)鍵——它讓智能體能夠記住過去的交互、從反饋中學(xué)習(xí)、并根據(jù)用戶偏好進行調(diào)整。當(dāng)智能體處理越來越復(fù)雜的任務(wù)并與用戶多次交互時，這種能力對效率和用戶體驗都至關(guān)重要。??短期記憶（Shorttermmemory）允許應(yīng)用程序在單個線程或會話中記住先前的交互。一個線程（thread）組織了一次會話中的多輪交互，類似于電...

你是否認(rèn)真考慮過RAG流水線中的文檔隱私？這篇文章也許能提供一個有幫助的方向。。為什么“StandardRAG→CloudSearch”在隱私上行不通StandardRAG的做法是把明文文檔塞進prompt。對于企業(yè)合同、病歷或個人筆記等輸入，這是完全不可行的——從設(shè)計上你就在暴露敏感數(shù)據(jù)。ParametricRAG(PRAG)試圖把知識“烘進”LoRA權(quán)重，但在實踐中碰上兩堵墻：運維負(fù)擔(dān)與時延。每份文檔都需要各自的syntheticQ&A生成以及定制化的LoRA微調(diào)。在線...

Prompts確立意圖。Context選擇事實、歷史和工具輸出，讓AI在長任務(wù)中保持連貫。在這個領(lǐng)域的第一幕里，我們沉迷于字詞斟酌。微調(diào)一個動詞，挪一條約束，看看模型會不會聽話。它常常奏效，足以讓人以為這是一門手藝。直到問題變得更長、更亂、更多步驟，一條安靜的真相浮出水面。措辭重要，但模型看到什么更重要。Promptengineering關(guān)注“如何把話問好”。Contextengineering關(guān)注此刻該把哪些信息擺上臺面。這包括指令、檢索到的...

文章摘要本文深入探討了生成式AI與知識圖譜的結(jié)合如何重塑企業(yè)數(shù)據(jù)管理和運營效率。以Glean為代表的企業(yè)搜索工具，通過GraphRAG技術(shù)，將知識圖譜與大型語言模型（LLM）結(jié)合，為企業(yè)節(jié)省了大量時間與成本。文章分析了技術(shù)優(yōu)勢、實施挑戰(zhàn)及未來趨勢，適合對AI創(chuàng)新感興趣的專業(yè)人士閱讀。全文推文一、生成式AI：企業(yè)效率的新引擎想象一個世界，AI不僅輔助企業(yè)運營，還從根本上重塑其運作方式。如今，這個世界已經(jīng)到來，生成式AI技...

圖片LeveragingRetrievalAugmentedLargeLanguageModelsforDietaryRecommendationsWithTraditionalChineseMedicine'sMedicineFoodHomology:AlgorithmDevelopmentandValidation文章摘要研究團隊開發(fā)了YaoshiRAG框架，通過構(gòu)建藥食同源知識圖譜和檢索增強生成技術(shù)，顯著提升了大語言模型在中醫(yī)藥食同源膳食推薦方面的準(zhǔn)確性和可靠性，為傳統(tǒng)中醫(yī)智慧與現(xiàn)代AI技術(shù)的融合開辟了新路徑。原文PDF鏈接:https:t.zsxq.comwiQZ5正文引言：...

高頻金融市場建模困難，因價格由眾多市場參與者的互動內(nèi)生產(chǎn)生，且參與者常有有限理性和不完全信息。本文提出了JaxMARLHFT，這是首個針對高頻交易（HFT）在限價訂單簿（LOB）上進行多智能體強化學(xué)習(xí)（MARL）的GPU環(huán)境。利用JAX的并行化能力，JaxMARLHFT實現(xiàn)了高達240倍的訓(xùn)練時間縮短，支持大規(guī)模實驗和超參數(shù)調(diào)優(yōu)。實驗表明，與現(xiàn)有實現(xiàn)相比，吞吐量提高了240倍，支持更大模型和數(shù)據(jù)集及更廣泛的超參數(shù)搜索。摘要JaxMARLHFT是...

表格檢索，在RAG中是一個非常小眾的問題，主要基于RetrieverReader架構(gòu)的表格問答（TableQA）系統(tǒng)中，Retriever組件負(fù)責(zé)從大規(guī)模表格語料庫中檢索出與問題相關(guān)的候選表格，而Reader組件則在檢索到的表格上進行具體的問答推理。這里有個一個非常關(guān)鍵的點是：如何將表格的語義與用戶的問題語義進行對齊。今天分享的QGpT,是如何做好對齊？假設(shè)有一個包含多個列和行的表格，其中每一列代表一個不同的屬性（如“姓名”、“年齡”、“...

三年前的那封郵件，讓我錯過了晉升機會記得那是2021年的冬天，我滿懷信心地參加了公司的技術(shù)主管競聘。作為團隊的技術(shù)骨干，我主導(dǎo)過多個核心項目，代碼質(zhì)量有口皆碑，解決技術(shù)難題的能力更是團隊公認(rèn)的"救火隊長"。然而，最終的結(jié)果卻讓我大跌眼鏡——職位給了一個技術(shù)實力不如我，但溝通能力出色的同事。HR給出的反饋讓我至今難忘："你的技術(shù)能力毋庸置疑，但在跨部門協(xié)作和向上管理方面，還有很大提升空間。特別是郵件溝通，...

當(dāng)頂尖人才流向科技巨頭，普通企業(yè)如何在這場AI競賽中找到自己的位置？ 今天，前DeepSeek核心研究員羅福莉正式宣布加盟小米，參與其推理大模型XiaomiMiMo的研發(fā)。她在朋友圈寫道：“智能終將從語言邁向物理世界。我正在XiaomiMiMo，和一群富有創(chuàng)造力、才華橫溢且真誠熱愛的研究員，致力于構(gòu)建這樣的未來。”  然而，在這場引發(fā)行業(yè)震動的人才爭奪戰(zhàn)背后，隱藏著更為殘酷的真相——在當(dāng)前的AI競賽中，人才只是表...

編輯｜聽雨出品51CTO技術(shù)棧（微信號：blog51cto）今天HackerNews上有一位伊朗老哥發(fā)的帖子火了。這位老哥聲淚俱下地描述自己花了18個月，在戰(zhàn)爭、經(jīng)濟崩潰和每周120小時的工作中，打造了一個叫NeoClerks的AI數(shù)字人平臺，支持實時對話，具備企業(yè)級基礎(chǔ)設(shè)施，可以與SoulMachine、DID、Synthesia等產(chǎn)品相媲美。圖片但苦于伊朗的經(jīng)濟崩潰、受國際制裁以及本地人沒有購買意愿等原因，他無法讓這個產(chǎn)品在伊朗盈利，于是就上HN發(fā)帖求助...

引言：從流量見頂?shù)叫势凭之?dāng)雙11步入第十七個年頭，電商行業(yè)在流量紅利見頂?shù)谋尘跋拢龔淖非笠?guī)模轉(zhuǎn)向探尋效率。今年雙11，淘寶的實踐清晰地指向了AI。本文將沿用經(jīng)典的“人、貨、場”分析框架，深度拆解其全鏈路AI實踐，探討AI如何系統(tǒng)性地重構(gòu)電商的核心要素。AI重構(gòu)“貨”：商品信息體系的再造變革的起點，始于對“貨”的重新理解。雙11前，淘寶利用生成式AI，對其商品庫中約20億量級的商品，進行了一次徹底的結(jié)構(gòu)化信息...

大家好，我是玄姐。?在這個行業(yè)待了足夠久，見證了無數(shù)技術(shù)的興衰更迭。見過新框架引發(fā)的狂熱追捧，見過革命性工具許下的美好承諾，也聽過那些宣稱“將改變一切”的激動人心的預(yù)言。但大多數(shù)時候，這些技術(shù)不過是裹著營銷噱頭的漸進式改進。但并行智能體（ParallelAIAgents）不一樣。這是第一次可以毫不夸張地說，正在見證一項將從根本上改變軟件開發(fā)方式的技術(shù)。一、發(fā)展歷程回顧要理解當(dāng)下的技術(shù)現(xiàn)狀，我們需要回顧AI輔助編...

“提示詞工程是模型應(yīng)用的技術(shù)，而思路是模型開發(fā)的法寶。”上周比較忙基本上處于天天加班到很晚的狀態(tài)，原因就是做的大模型應(yīng)用效果不太好，再加上業(yè)務(wù)端要去甲方爸爸那邊演示，因此就加班改bug調(diào)整優(yōu)化。然后等周末兩天閑下來休息的時候回頭看看才發(fā)現(xiàn)，之所以出現(xiàn)這樣的情況完全是開發(fā)思想還沒轉(zhuǎn)變過來，因為大模型的開發(fā)流程上正確并不代表結(jié)果上也會正確。大模型應(yīng)用開發(fā)是經(jīng)驗開發(fā)在之前的技術(shù)開發(fā)中，從經(jīng)驗來看只要流程...

編者按：我們今天為大家?guī)淼奈恼拢髡叩挠^點是：GPU工程的核心不在于手寫內(nèi)核的能力，而在于構(gòu)建系統(tǒng)設(shè)計思維——理解從模型定義到硬件層的完整技術(shù)棧如何協(xié)同工作。作者提出了一個五層漸進式調(diào)試框架：從模型定義（ModelDefinition）入手，識別計算與內(nèi)存瓶頸；進入并行化（Parallelization）階段，解決多卡同步問題；深入運行時編排（RuntimeOrchestration），優(yōu)化集群資源利用率；通過編譯與優(yōu)化（Compilation&Optimizati...