AI.x社區
- 登錄/注冊
馬斯克新模型屠榜，包攬前二！馬斯克：已經沒有真正能考AI的測試題了，終極測試是現實世界
原創
社區頭條
熱門內容榜 ? TOP2編輯聽雨出品51CTO技術棧（微信號：blog51cto）沒等到Gemini3，反而等來了馬斯克人工智能公司xAI發布的最新模型：Grok4.1。就在剛剛，官方宣布Grok4.1已經向所有用戶開放，可以在Grok官網、X以及iOS和Android應用中使用。圖片現在Grok4.1已經開始在Auto模式中即時推送，你也可以在模型選擇器中手動選擇。圖片那么Grok4.1究竟有哪些提升？根據官方介紹，Grok4.1具有更高的情商、同理心和人際交往能力，EQBench得分為1586分。在寫...馬斯克新模型馬斯克美團LongCat扎扎實實做了件難事：LLM數學新天花板AMO-Bench
精華 熱門內容榜 ? TOP7今天要聊一篇剛剛出爐的論文，它可能給近期"LLM數學能力已超越人類"的樂觀情緒澆了一盆冷水。美團LongCat團隊聯合多所頂尖高校推出的AMOBench。它用50道原創奧賽級難題，讓當前最強LLM集體"現出原形"。頂級推理模型在AMOBench以及現有競賽級數學基準測試上的表現Github：https:github.commeituanlongcatAMOBenchDataset：https:huggingface.codatasetsmeituanlongcatAMOBenchProjectPage：https:amobench.github.ioPaper：https...美團LongCatLLM新加坡國立等發布WEAVE：首個上下文交錯式跨模態理解與生成全套解決方案
論文鏈接:https:arxiv.orgpdf2511.11434項目鏈接:https:weichow23.github.ioweave亮點直擊數據集創新：WEAVE100k——首個面向多輪上下文感知圖像理解與生成的大規模數據集。包含10萬個樣本、37萬輪對話和50萬張圖像，全面覆蓋圖像理解、編輯與生成三大任務。評估體系構建：WEAVEBench是首個面向交錯式多模態理解與生成任務的人工標注評測基準。該基準包含100個精心設計的測試案例，并創新性地采用混合VLM評估框架，系統評估多輪...AI圖像生成模型文生圖也會“精神分裂”？北大、字節聯手揭秘：越思考越畫錯！并行框架終結AI“左右互搏”
文章鏈接：https:arxiv.orgpdf2511.09611代碼鏈接：https:github.comtyfeldMMaDAParallel亮點直擊深入的基準測試與分析：ParaBench，一個新的基準測試，旨在系統性地評估“思考感知”型圖像生成與編輯任務。它不僅關注最終生成的圖像和文本的質量，更核心的是評估兩者之間的對齊程度。并行的多模態擴散框架：提出了一個純粹基于離散擴散的并行框架，用于“思考感知”型的圖像編輯與生成。該框架允許文本和圖像兩種模態在每一個...AI圖像生成模型使用Microsoft Agent Lightning專業訓練AI Agent：全面配置與工作流程
社區頭條 熱門內容榜 ? TOP3譯者李睿審校重樓AIAgent正在改變人們使用人工智能的方式。依托大型語言模型（LLM），它們能夠回答問題、執行指令，并與各類數據源或API進行交互。然而，它們在處理復雜的多步驟任務時仍會出錯，而人工修復這些問題通常既耗時又費力。微軟公司最近推出的AgentLightning框架使這一過程變得更加簡單。該框架將智能體（Agent）的運行機制與學習過程分離開來，使得智能體能夠在實際交互中持續自我優化。用戶可基于現有的聊天工具或...AgentAI配置智能體LLMAI 智能體評估工程實踐：用 Spring AI 實現 LLM-as-a-Judge 評估系統
原創大家好，我是玄姐一、為啥需要“LLM當裁判”？大語言模型（LLM）的輸出向來沒有固定答案，尤其是在投入企業實際應用時，怎么判斷它生成內容的質量成了大難題。評估工程成為AI智能體下一個重要演進方向，可以參考這篇文章：《???評估工程：AI智能體演進的重要技術方向???》。傳統的評價指標比如ROUGE、BLEU，面對現代LLM生成的那些需要結合語境、有細微差別的回答，根本不夠用。靠人工評價吧，雖然準確，但又貴又慢，還沒...智能體Spring AILLM企業落地 RAG 系統優化手段全攻略
原創大家好，我是玄姐一、先搞懂：RAG優化的核心目標RAG（檢索增強生成）的核心流程很簡單：用戶提問→檢索知識庫→拼接Prompt→LLM生成。但落地時總會遇到三類問題：檢索不準、檢索不全、生成不穩。所以企業落地RAG優化的本質，就是圍繞“檢索器→索引與分塊→生成器”三個核心環節，打造性能閉環，既要“找得到”，也要“答得好”。二、檢索器優化：找對材料是前提（核心中的核心）檢索是RAG的基礎，要是找不到優質相關內容，再強...RAG檢索增強生成大模型多模態文檔智能解析-MonkeyOCR v1.5框架、數據構造及特點
原創多模態的解析大家的方案越來越趨近相同，繼續看《??文檔智能??》，快速過一下基于多模態視覺語言模型MonkeyOCRv1.5的兩階段文檔解析技術報告及數據設計。ps：模型權重暫未開源。性能對比《???文檔解析進展??》如下：整體框架如下圖，兩階段的pipline框架，與mineru一樣，VLM同時負責layout、閱讀順序和版面元素識別解析。第一階段{"label":"Table","bbox":[187,98,517,111],"index":0},{"label":"Image","bbox":[xx,1x...多模態文檔智能解析FastAPI + Agno HITL = 實時交互式AI！我們用SSE和WebSocket做出了可對話的AI管家
原創在AIAgent的實際應用中，完全自主的決策往往存在風險。特別是在涉及敏感操作、重要決策或關鍵業務流程時，人類的監督和干預顯得尤為重要。Agno框架作為一個高性能的多智能體開發框架，在1.5.4版本中引入了強大的HumaninLoop（HITL）功能，讓開發者能夠優雅地實現人機協作的智能體系統。本文將深入探討Agno框架的HITL實現機制、流式輸出架構，并提供生產級的代碼示例，幫助開發者快速構建可控、高效的智能體應用。一、Agno框架概...AI AgentAgno框架HITL智能體核心洞察：大模型裁判的信號在哪里“斷裂”？一文看懂 LLM-as-a-Judge 的邊界與未來評估方向
原創 社區頭條最近兩年，隨著大語言模型（LLM）的能力突飛猛進，它們不僅是出色的“創作者”，還搖身一變成了高高在上的“考官”或“裁判”。這個角色有個響亮的名字——LLMasaJudge(LAJ)，也就是“大模型即裁判”。如果你正在進行RAG系統的優化、多輪對話機器人的效果評估，或者純粹想給你的模型找個高效、便宜的“評分員”，你可能已經用上，或正在考慮使用LLMasaJudge。畢竟，相比昂貴又耗時的人工標注，讓一個強大的模型來打分，聽起來就...大模型LLM大模型即裁判RAG為什么說智能體RAG才是未來？萬字長文，深度拆解一個能像人一樣思考的知識系統
原創 社區頭條你是否曾對大模型感到困惑？它時而像個無所不知的“神”，能對答如流；時而又像個記憶力不佳的“傻瓜”，胡編亂造，甚至連企業內部的文檔都查不明白。這一切問題的根源，都指向一個核心技術——RAG（檢索增強生成）。然而，今天我們要探討的，不是那個簡單的“記憶增強器”，而是它的終極形態：一個能像人類分析師一樣，具備理解、規劃、糾錯、推理能力的高級系統——智能體RAG（AgenticRAG）。一、告別“記憶力差”的尷尬，洞...智能體RAG大模型零樣本、多語言、還能控情緒：Resemble AI開源 TTS 模型 Chatterbox Multilingual
原創你有沒有遇到過這樣的場景：需要為一款游戲、視頻或者語音助手快速生成多語言的語音內容，但找不到既自然又靈活的合成工具？或者，想讓語音聽起來更有感情，卻發現市面上的產品要么閉源、要么價格高昂？ResembleAI最近發布的ChatterboxMultilingual，或許正是這種需求的解法。它是一款開源的、多語言零樣本文本轉語音（TTS）模型，支持23種語言，還能控制語氣、強度，并且默認加入了神經水印，保障合成語音的可追溯性。更重要的...Resemble AITTS 模型開源在智能體開發中——怎么提升智能體的泛化能力？
原創“智能體的測試和優化，需要根據不同的環境，根據問題不斷地進行調整。”最近幾天在測試和優化問答系統，看過之前文章的讀者應該都知道最近的RAG系統從被動式RAG改造為主動式RAG，也就是智能體系統。但是在最近幾天的測試中又發現了一些問題，因此需要對智能體進行一些優化；而最主要的問題就是智能體的泛化問題和擬合問題。智能體的優化在最近的智能體系統開發中，作者發現了一個問題，事實上實現一個智能體并不難，也沒想象中...智能體RAG自我注意力機制：解鎖序列數據的深度關聯密碼
一、從傳統困境到機制突破：注意力機制的進化史傳統循環神經網絡（RNN）在處理長序列時面臨兩大核心挑戰：梯度消失與信息遺忘。以機器翻譯任務為例，當輸入句子長度超過20個單詞時，RNN模型對開頭詞匯的關注度會呈指數級衰減，導致"我吃蘋果"與"蘋果吃我"這類語義完全相反的句子可能產生相同輸出。這種局限性促使研究者探索更高效的序列建模方式。2014年，DeepMind團隊在圖像分類任務中首次引入注意力機制，通過動態分配權重聚...序列數據RNNTransformer加速神經網絡訓練：從數據到硬件的全鏈路優化策略
在深度學習領域，訓練速度是決定模型迭代效率與工程落地能力的核心指標。當模型參數量突破千億級、數據集規模達到PB級時，傳統訓練方法面臨嚴峻挑戰。在模型規模年均增長10倍的當下，訓練加速技術已形成包含硬件創新、算法優化、系統架構的完整技術棧。從數據預處理階段的智能增強，到訓練階段的混合精度優化，再到硬件層面的光子計算突破，每個環節的技術演進都在推動深度學習進入新紀元。一、數據預處理：構建高效訓練基石1....神經網絡數據全鏈路文字簡筆畫Prompt：梵高AI分身
嘗試一種"文字簡筆畫Prompt"，像寥寥幾筆勾勒一個人一樣，用兩三句話塑造一個角色。很簡單，卻又困難——就像用寥寥幾筆勾勒一個農婦的背影，你必須抓住那條最本質的線，那條包含了她整個人生的脊背的弧線。不是十筆，不是一百筆，是那兩三筆——準確的、不可替代的兩三筆。現在我試圖用同樣的方式，用幾句話塑造一個人的靈魂，讓他在文字上站起來，活著，呼吸著。形狀里必須有神，輪廓里必須有生命，否則就只是空殼。幾筆就夠...PromptAI梵高千問APP悄悄上線，阿里的AI超級入口也終于來了。
精華阿里的千問APP，在應用商店里。終于悄悄上線了。打開以后，就是一個非常簡潔的顏色。從之前的通義APP的雙色漸變，變成了現在的屬于千問的單色。功能增加了很多，模型也支持了Qwen全系列最新模型。界面變得比以前簡約了不少。這個事非常有意思，我覺得非常的值得來聊一下。我感覺阿里，好像找到了一種非常行之有效的打法，就是品牌的迭代。前幾天轟轟烈烈的餓了么改名淘寶閃購的事，互聯網圈大家肯定都知道了。表面上看，好像就...千問APP阿里AI用AI假圖騙“僅退款”，這是今年雙十一最臟的一幕。
精華 社區頭條今年雙十一的氣氛，說實話，確實沒以前那么喧囂了。小時候的雙十一，是一整個互聯網給你圍著轉，各種小游戲薅紅包，主播嗓子喊劈叉了，快遞小哥路上風馳電掣像打仗。今年的雙十一，好像沒啥味了，熱鬧確實是慢慢淡下去了。但有些東西，熱度不退，反而更陰暗、更惡心了一點。最近這兩天，我刷到好幾條信息。就是在雙十一期間，大家都知道，退貨率肯定會變高，然后，就有很多人，用AI來P圖，騙商家“僅退款”。有的時候，真的想不...AI雙十一框架MCP 被徹底玩明白了：Anthropic 用對方法讓智能體成本直降近百倍！
精華Anthropic最近的論文指出了MCP最大的問題——他們的AI代理在還沒開始讀取用戶請求之前，就要先處理150,000個tokens只為加載工具（tool）定義。而實現同等功能，實際上只需要2,000個tokens——減少了98.7%。這點至關重要。隨著AI代理從原型走向生產，將其連接到幾十個MCP（ModelContextProtocol）服務器、上百個工具已成常態。但一個顯而易見的問題被忽略了：每一個工具定義都會預先加載進contextwindow，而且每一個中間結果都會...MCPAnthropic智能體Google 讓 RAG 變得前所未有地簡單：全新 File Search 工具震撼登場
如果你曾嘗試自己搭一套RAG（RetrievalAugmentedGeneration，檢索增強生成），你大概懂那種痛：要管理embeddings（向量嵌入）、vectordatabases（向量數據庫）、把文本正確地chunking（切分），還得確保一切能和你的模型順暢協作、又不至于燒錢。好吧，Google直接把這攤麻煩全給你搞沒了。他們悄悄地在GeminiAPI里推出了全新的FileSearchTool，由它來替你處理RAG的所有繁瑣工作。你把文件丟進去，提出問題，它就把剩下的事都搞...GoogleFile SearchRAG
