AI.x社區
- 登錄/注冊
螞蟻開源萬億參數大模型Ling-1T：多項能力全球領先
原創
社區頭條在國慶假期結束之際，開源領域迎來了全新萬億級語言模型——螞蟻集團發布通用語言模型Ling1T，在多項復雜推理基準中取得突破。 今天凌晨，螞蟻集團正式發布了其百靈大模型Ling2.0系列的首款旗艦模型——Ling1T。這個擁有萬億參數規模的通用語言模型，不僅是螞蟻百靈團隊迄今規模最大、能力最強的非思考大模型，更在多項國際權威測試中展現了卓越的性能。  根據官方發布的信息，Ling1T在有限輸出Token條件下，于...Ling-1螞蟻集團開源大模型算家計算算家云LangGraph+DAG 最佳實踐：DeerFlow如何用有向無環圖實現高效工作流編排？
原創 精華系統架構DeerFlow構建了一個基于LangGraph的模塊化多智能體研究系統，專門針對自動化研究和代碼分析場景進行優化。系統采用狀態驅動的工作流架構，通過標準化的消息傳遞協議實現組件間的高效協作。最近建了langchain&langgrapg智能體開發交流群，感興趣的朋友可以點贊關注后入群交流架構核心特性狀態驅動工作流：基于LangGraph的有向無環圖（DAG）架構，支持復雜的條件分支和并行執行多智能體協作：專業化智能體通過角色分工實...LangGraphDAGDeerFlow超越RPA：Gemini 2.5帶來的“視覺+操作”自動化新范式
社區頭條當我們談論具身智能（EmbodiedAI）時，腦海中浮現的往往是那些能夠在物理世界中行動的機器人。然而，谷歌DeepMind近期發布的Gemini2.5ComputerUse模型，正向我們揭示具身智能的另一種深刻形態——一個在數字世界中，擁有了“眼睛”和“手”的軟件化身。這一技術突破的核心，是讓AIAgent不再僅僅活在由代碼和API構成的抽象世界里，而是能夠像人類一樣，直接感知和操作我們每天都在使用的圖形用戶界面（GUI），從而在軟件層面，實...數字具身智能AIAgentGUI交互多模態AIGemini顛覆UI自動化：Gemini 2.5 Computer Use的技術與商業價值
長期以來，人工智能Agent（智能體）的活動范圍，似乎一直局限于代碼和API的數字世界。它們能理解語言、生成內容、調用接口，但始終無法像人類一樣，直觀地與我們每天都在使用的圖形用戶界面（GUI）進行交互。然而，谷歌DeepMind近期發布的Gemini2.5ComputerUse模型，正打破這一壁壘。這一技術突破，標志著AIAgent首次擁有了直接“看到”并“操作”計算機屏幕的能力。它不再需要開發者預先為其編寫好接口，而是能像一個真實的用...AI智能體GeminiGoogleDeepMind人機交互UI自動化測試告別“無腦”生成！VChain視頻推理鏈：僅靠幾個關鍵幀，自動拍出因果清晰的“電影級”短片
社區頭條文章鏈接：https:arxiv.orgpdf2510.05094?項目鏈接：https:eyelinelabs.github.ioVChaingit鏈接：https:github.comEyelineLabsVChain亮點直擊VChain，一種利用多模態大模型的視覺思維鏈（chainofvisualthought）來將高層推理引入視頻生成的新框架。設計了視覺思維推理（VisualThoughtReasoning）流程，這是一個由GPT引導的流程，用于合成稀疏且具有因果基礎的關鍵幀，以指導視頻生成。大量實驗表明，在這些關鍵幀上進行稀疏監...AI視頻生成框架世界知識賦能文生圖模型！港科大開源World-To-Image:自己上網搜圖學習，準確率飆升8%！
文章鏈接：https:arxiv.orgpdf2510.04201Git鏈接：https:github.commhsonkyleWorldToImage效果展示亮點直擊智能體式優化框架。提出了一種診斷與選擇智能體，它在語義分解、概念替換和基于網頁證據的多模態對齊之間進行選擇。面向T2I的世界知識注入。將提示詞優化擴展到文本之外，通過整合圖像檢索與條件生成來處理新概念，在無需重新訓練的情況下實現語義保真度SOTA。總結速覽解決的問題T2I模型的知識時效性問題：由于預訓練數...AI圖像生成模型大模型不會用工具？人大Tool-Light：不存在的！
大語言模型（LLM）通過借助外部工具推理（TIR），能夠完成許多超越自身固有知識和能力的任務。然而，未經專門訓練的LLM在調用外部工具時，往往會出現許多次優行為。如何讓LLM高效準確地完成TIR任務仍是一個開放性的挑戰。為了解決這一問題，人大提出了ToolLight，這是一個旨在鼓勵LLMs高效準確地執行TIR任務的框架。在十個具有挑戰性的數據集上的測試結果充分說明了ToolLight的有效性，它能夠顯著提高模型執行TIR任務的效率。論...大模型Tool-LightTIR斷檔領先16%，清華Tree-KG兩步「長」出高質量知識圖譜
為什么又要造一個新的KG框架？傳統方法痛點TreeKG的對策規則監督系統：標注貴、遷移差零標注，直接讀教材通用LLM抽取：結構混亂、難擴展先搭“目錄樹”骨架，再迭代擴枝快速演化領域：增量更新難預設6種算子，新文獻即插即合并整體流程：兩階段“種樹”框架總覽階段輸入核心動作輸出Phase1顯式骨架教材PDF目錄解析→自底向上摘要→實體關系抽取樹狀層級圖（章節實體）Phase2隱式擴展骨架+新文獻6大算子循環：卷積→聚合→嵌入→...Tree-KGKG 框架上下文卷積一篇大模型Agentic框架到應用最新綜述
社區頭條首篇系統拆解“大模型Agentic推理框架”的綜述：不聊訓練，只聊“怎么把LLM組織成會思考、會協作、會調工具的Agent”，并橫跨科學發現、醫療、軟件工程、社會經濟模擬四大戰場，給出統一語言、統一視角、統一評測。為什么值得關注？圖1：LLM代理框架論文&引用爆發式增長（2023起跳）維度過去這篇綜述視角模型中心（怎么訓）框架中心（怎么搭）分類零散案例三級遞進taxonomy評測各玩各的跨領域統一指標數據集場景單點應用4大場景...Agentic框架LLM未來戰爭——人工智能如何改變戰爭規則
AI進入軍事的必然趨勢當今的軍事環境，已經遠遠超越了傳統的“鋼鐵與火藥”的對抗。網絡攻擊、電磁干擾與動能打擊交織在一起，構成了一個高度復雜的作戰生態。敵手可能在毫秒之間切換戰術，從網絡滲透到電子壓制，再到無人機群的突襲。這種多維度的威脅格局，迫使各國防務體系必須尋找新的技術手段來保持優勢。人工智能正是在這樣的背景下被推向前臺。它已經在軍事中展現出強大的應用潛力，通過傳感器融合，AI能夠在海量數據中...人工智能戰爭AI人工智能開始理解和預測人的意圖
人工智能要真正走進人類社會，光會下棋、寫詩、畫畫、制作視頻還遠遠不夠。真正的挑戰在于它能否理解我們在想什么、為什么這么做，并在關鍵時刻做出合理的預測。換句話說，AI不僅要“聰明”，還要“懂人”。這就是所謂的社會智能AI。現有的方法在這條路上并不順利。最常見的“行為克隆”（BehaviorCloning,BC）就像小學生抄作業，見過的題能做，換個場景就傻眼。逆向強化學習（InverseReinforcementLearning,IRL）則是另一種極...人工智能ROTE算法AI闖入物理奧賽賽場？PhysicsMiniions協同進化多模態多智能體系統在物理奧賽中的突破
在全球科學教育的舞臺上，國際物理奧林匹克（IPhO）與亞洲物理奧林匹克（APhO）無疑是最具含金量的賽事之一。它們不僅是中學生物理學習的最高殿堂，更是各國頂尖年輕學者展示思維深度與創造力的競技場。能夠在這些賽事中摘得金牌，往往意味著參賽者已具備接近大學科研水平的物理素養與跨學科能力。人工智能在這一領域的表現卻長期受限，傳統大語言模型雖然在自然語言處理和部分數學推理上展現出驚人的能力，但一旦面對奧賽題目...AIPhysicsMiniions多模態從動態規劃到神經推理：Google DeepMind首次將神經算法推理拓展到偽多項式問題的實證研究
在人工智能的諸多分支中，“神經算法推理”（NeuralAlgorithmicReasoning，簡稱NAR）是一個既年輕又野心勃勃的方向。它的核心思想很直接——讓神經網絡不僅學會“看”數據，還能像經典算法那樣一步步推理、執行中間步驟，從而具備可解釋、可泛化的解題能力。與傳統的端到端預測不同，NAR會在訓練中顯式模仿算法的中間狀態，例如動態規劃表、搜索樹節點或排序過程，讓模型在結構化的推理軌道上前進。在學術界，CLRS30基準是NAR研...神經算法人工智能NARAnthropic發布Agent SDK，截胡 OpenAI
OpenAI的AgentBuilder消息先在網上傳開，TestingCatalog爆料已經試用過這個可視化工作流工具。就在大家都在等凌晨OpenAIDevDay正式發布時，Anthropic突然宣布把ClaudeCodeSDK改名為ClaudeAgentSDK，搶先發布了完整的智能體開發框架。這個時機選得很微妙，頗有點“截胡”的味道。Anthropic顯然不想讓OpenAI獨占智能體平臺的話語權。AgentfeedbackloopClaudeAgentSDK的核心理念是"給AI一臺電腦"。整個工作流程遵循一個循環：收集...AnthropicOpenAIAIPepper：開源版的 ChatGPT Pulse
想要學習如何實現類似于ChatGPTPulse那種主動式、實時響應的AI助手的能力，這個名叫Pepper的項目可以學習一下。從架構圖可以看出，與傳統的請求響應模式完全不同，Pepper采用了主動式的智能體循環，它能夠：主動抓取并總結新郵件提前準備相關背景信息持續跟進分配的任務技術亮點Pepper的幾個核心特性讓它脫穎而出：實時事件驅動架構：不是等你來問，而是主動監聽各種事件并作出響應。比如新郵件到了，它會立即開始處理。異步工...PepperChatGPTPulse代理可觀測性實戰指南：讓你的 AI 穩定、合規、可控
過去兩年，AI代理（AIAgent）迅速從概念走向應用：它們能規劃、調用工具、讀寫記憶，再生成輸出，儼然成為一個“能干活的數字員工”。但問題隨之而來——不穩定、難調試、結果難以解釋。同樣的輸入，今天答對了，明天可能又跑偏；調用外部API時，失敗率居高不下；更令人頭疼的是，出了問題，你根本不知道它到底卡在哪一步。這就是為什么“代理可觀測性（AgentObservability）”成為必備能力。它并不是一個炫酷的新功能，而是一...AI 代理AI Agent代理可觀測性微軟開源 VibeVoice-1.5B：90分鐘多角色語音合成，讓TTS進入“長音頻時代”
原創過去幾年，AI語音合成（TTS,TexttoSpeech）技術突飛猛進。從最初僵硬的機器人腔，到今天能表達情緒、模仿語氣的自然人聲，TTS已經悄悄滲透進播客、客服、教育培訓乃至短視頻配音等場景。然而，絕大多數開源TTS模型仍然存在兩大硬傷：一是時長受限，通常難以生成超過幾分鐘的連貫語音；二是角色單一，很難在同一段音頻里自然呈現多位說話人。微軟最新開源的VibeVoice1.5B正是在這兩個痛點上給出了突破性答案：它能一次性合成長達...微軟開源VibeVoice-1.5B多角色語音合成AI語音合成mmBERT：3萬億詞訓練出的新一代多語言編碼器，速度快 4 倍，還能照顧到冷門語言
原創還記得XLMRoBERTa（XLMR）嗎？這款模型幾乎統治了多語言NLP領域長達6年，成為搜索、分類、推薦等系統背后的“隱形基石”。但在這段時間里，生成式大模型（ChatGPT、Gemini）成了焦點，編碼器似乎被遺忘。然而，編碼器并沒有過時，它在嵌入檢索、相似度計算、多語言理解等場景里，依舊比解碼器更高效。最近，約翰·霍普金斯大學團隊發布了mmBERT，一款基于3萬億Token、覆蓋1833種語言訓練的全新編碼器。它不僅超過了XLMR，還能和...mmBERT多語言編碼器多模態文檔理解視覺token剪枝思路
原創多模態大模型VLMs視覺token數量多會影響推理的計算性能，也有相關工作在token壓縮上進行了研究，token剪枝是與token壓縮不同的提高計算性能的另一種方法，下面來看一個專為文檔理解設計的剪枝思路，在多模態文檔理解場景的視覺token的剪枝工作，目標是在VLMs處理文檔圖像前，提前過濾無信息背景區域，以降低計算成本同時保持文檔理解性能。如上圖框架三個組件：二值文本區域分類器（綠色）、保持索引的token剪枝（藍色）以及一...多模態文檔簡單可拓展：思考增強預訓練數據生成策略及相關實驗結論
原創ThinkingAugmentedPreTraining（TPT，思考增強預訓練）提出源于當前LLM訓練的兩大核心瓶頸，這也是方法設計的出發點：高質量數據耗盡：LLM訓練依賴海量數據（如最新開源模型已用10萬億Token），但人類創作的高質量Web數據已接近枯竭，繼續擴大數據規模成本極高；高價值Token難學習：部分關鍵Token（如數學題答案“890”、邏輯推理結論）背后依賴復雜的多步推理（如多項式除法、余數定理），固定模型容量下，直接學習這類Token只...LLMTPT思考增強預訓練
