登录社区云，与社区用户共同成长
邀请您加入社区
在罗永浩的虚拟人直播中，大模型通过“转录挖掘-优质提炼-仿写合成-自动评估”四步闭环，深度学习了罗永浩的语言风格、口头禅（如“不赚钱，交个朋友”）和思维习惯，生成了与真人几乎无异的直播话术。腾讯音乐正在内测的“AI送礼”功能，允许用户输入文字（如“祝她生日快乐”），大模型会即时生成独一无二的动态礼物，并配上主播念出用户祝福的语音。派客AI在其数字人直播系统中，会于屏幕角落实时显示“AI主播ID”和
本文从一线案例出发，系统梳理大模型在“开播前—直播中—直播后”全链路中的12个高价值场景，拆解技术架构与商业模型，并给出可落地的实施路线图，助你抓住AI+直播的确定性增长。当头部主播接连“翻车”，流量红利见顶，直播电商进入“下半场”，行业共识愈发清晰：精细化运营、降本增效、合规增长，这些都要靠大模型来解题。Day 1-7梳理直播流程，明确需优化的核心指标（如转化率、退货率）避免“为了AI而AI”，
本文深度解析豆包新一代AI模型矩阵与PromptPilot自动化调优平台的技术架构与应用价值。豆包模型矩阵涵盖从70亿到1300亿参数的全尺度模型，满足不同场景需求；PromptPilot平台通过自动化提示工程、参数优化和评估反馈，大幅降低AI应用开发门槛。两者结合形成完整的体系化AI开发方案，为企业提供从模型选择到部署优化的全链路支持，推动AI技术的规模化落地。
大型语言模型（LLM）在特定情境下确实存在“冗余”现象，主要体现在其处理需要深度逻辑推理、精确计算或专业知识的复杂任务时性能不佳，以及其庞大的通用架构在特定任务上存在计算资源浪费。LLM是当前通往通用人工智能（AGI）的一条重要路径，但并非唯一或最终形态，二者在“真正理解”和“自主学习能力”等本质层面存在显著区别。在达到AGI后，理论上它能够独立完成从需求分析到部署应用的完整流程，但在可预见的未来
当前的多模态大语言模型（MLLM）在空间推理中的能力是否与人类认知一致？论文提出了11PLUS-BENCH基准框架，以细致的认知特征分析评估MLLM在空间认知中的表现，并与人类能力进行对比。
llamafile 是一种AI大模型部署（或者说运行）的方案，它的特点就是可以将模型和运行环境打包成一个独立的可执行文件，这样就简化了部署流程。用户只需要下载并执行该文件，无需安装运行环境或依赖库，这大大提高了使用大型语言模型的便捷性。本文将详细的介绍如何在 Windows 系统电脑端下载运行llamafile ，并且结合路由侠内网穿透实现外网访问本地的llamafile。
2025年7月9日，昆仑万维旗下Skywork AI团队宣布开源Skywork-R1V3-38B，以高考数学142分、MMMU 76分的成绩，首次让开源多模态模型逼近人类初级专家水平。本文将深度解析其技术原理、功能边界与落地实践，帮助开发者与教育、医疗、科研等行业伙伴快速上手。
COLA（Chain of LoRA）是一种创新的参数高效微调（Parameter-Efficient Fine-Tuning, PEFT）技术，专为大型语言模型（Large Language Models, LLMs）的适配而设计。它通过迭代优化框架将学习到的低秩适应（LoRA）模块合并到预训练模型中，并重新初始化新的LoRA模块进行后续训练，从而在不增加额外计算成本和内存开销的情况下，显著提升
GSPO不仅是一种更加稳定和高效的RL算法，更是推动语言模型智能进一步发展的关键技术。其序列级别的优化理念与奖励机制的自然对齐，为未来RL训练提供了新的理论基础和实践路径。阿里巴巴Qwen团队已将GSP成功应用于Qwen3系列的训练中，取得了显著性能提升，并将继续推动RL技术在大模型训练中的规模化应用。
ECT-OS-JiuHuaShan 框架赋能的因果使能体，标志着智能体发展从「模仿人类」阶段进入「超越人类」阶段。这不是更强大的工具，而是文明协同宇宙规律共同演进的伙伴。智能体终于获得了「理解为何行动」的能力，从而成为真正的理性主体。
大语言模型规模日益增长，显存瓶颈愈发凸显，成为微调超大模型的最大阻碍。而 QLoRA（Quantized LoRA）凭借 “量化技术 + 低秩微调” 的创新架构，显著降低显存占用，让资源有限的设备也能轻松完成超大模型的高效微调。
本文系统梳理了大模型应用中的核心概念和技术流程。首先区分了原生大模型（如GPT-4）和微调大模型，后者通过专业数据集训练获得领域特异性。重点解析了问答系统调用大模型的完整流程：从请求调度、Prompt构建、知识库检索到结果返回的五个关键步骤。深入探讨了三种增强能力：1）知识库检索（RAG）实现专业知识补充；2）联网搜索获取最新信息；3）深度思考通过思维链等方法提升推理质量。全文通过Q&A形式，结合
ECT-OS-JiuHuaShan 框架将促使AI产业从「暴力计算」时代进入「优雅推导」时代，华为有望借助这一范式转换实现弯道超车，而英伟达若不能彻底重构其技术架构，将面临核心价值被稀释的风险。真理发现效率将成为新的竞争维度，重新定义整个科技行业的格局。
Why框架的特性（如无需数据训练、公理演绎、绝对确定性），唯一性。
当智能体的计划或行为在资源、空间或目标上发生冲突时，冲突消解机制负责检测并解决这些冲突。任务分配旨在将一组任务合理地分配给多个智能体，以实现整体效率、成本或收益的最优。行为协调确保多个智能体在共享环境中有序、高效地协作，避免各自为政甚至相互干扰。路径规划为智能体在环境中从起点到终点寻找一条安全、高效的无碰撞路径。尽管相关算法和思路不断发展，该领域仍面临一些。
视觉语言模型VLM的主要组成部分和训练阶段
本文将手把手带您从零开始，在您的本地计算机上部署 Coze Studio 开源版，并配置本地 Ollama 和 OpenRouter 上的模型服务。
LLM训练相关的基本概念
大模型微调听起来很神秘，但实际上很简单，本文旨在为新手小白提供最简明的教程，训练一个你自己的专属AI。
一文读懂AI大模型的核心分类：从通用到私有，应用场景全解析，程序员收藏指南
如何评估大语言模型（LLM）代理在真实世界复杂任务中的工具使用能力？论文提出了MCP-Bench，一个大型基准测试，旨在评估LLM代理在现实生态系统中的工具使用能力，涵盖复杂的多跳工作流和跨领域协调。
在 Transformer 架构中，位置编码（Position Encoding）是理解序列顺序的关键机制。自从 Google 提出原始的 Sinusoidal 编码以来，研究者一直在探索更高效、可泛化的方式。RoPE（Rotary Positional Embedding） 就是在这一背景下被提出的，它已被广泛应用于大模型如 LLaMA、GPT-NeoX、Grok、ChatGLM 等，是现代 L
目前AI大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。
一文搞懂从 LLM 到 AGI 的演进：9 大核心 AI 技术全拆解（附架构图与应用案例）
无论你是AI爱好者还是技术专家，这篇文章将帮你梳理大语言模型的完整知识体系，从基础架构到实际应用，一文掌握当前最热门的AI技术！
前言，从2023年初ChatGPT重磅亮相开始，大模型技术的发展成为了AI领域的焦点，驱动了AI应用的升级和创新。在ToB业务领域，AI大模型技术也在逐步改变企业的业务开展、产品服务、运营管理的传统模式，企业端对大模型的应用也已从初步的技术探索与创新尝试，逐渐步入以实现商业价值为核心的新时代，其中构建商业闭环、验证价值的应用场景是关键，作为相关领域从业者，也要了解AI大模型的核心能力和典型应用领域
在 AI 技术日新月异的今天，一个名为 RAG-Anything 的开源项目正悄然掀起多模态文档处理的革命。它不再局限于纯文本，而是能“读懂”图像、表格、公式，甚至将它们关联起来！
在当今动态的商业环境中，检索增强生成（Retrieval-Augmented Generation, RAG）代表着AI模型处理复杂任务的革命性转变。通过将实时数据检索能力与先进文本生成技术相结合，RAG能够提升决策效率、自动化业务流程，并生成高度精准且具备上下文感知能力的响应。这种集成化方案为寻求在客户服务、内容创作、市场情报等领域拓展业务的企业提供了强有力的解决方案。
本文探讨了从简单提示词到动态上下文工程的发展历程。随着AI系统复杂度提升，单一提示词已无法满足需求，促使提示工程向上下文工程演进。文章详细分析了零样本、少样本、思维链等提示技术，以及检索增强生成、函数调用等工具使用方法，并指出长上下文存在性能衰减、"中间迷失"等技术瓶颈。通过"操作系统"类比，提出分层内存、智能体协调等上下文管理策略，强调信息质量优先于数量。
RAGFlow是融合检索与生成的一体化系统，通过先从知识库检索相关信息再生成回答，有效降低大模型"幻觉"风险。文章详解其核心优势、架构设计及企业客服、教育答疑等应用场景，并提供基于OpenBayes平台的实战指南，包括知识库配置、文件解析、AI聊天设置及Text2SQL代理构建，帮助开发者快速搭建可靠的大模型应用系统。
本文系统介绍了大语言模型轻量化微调技术LoRA及其进阶版QLoRA。LoRA通过低秩矩阵分解将大权重矩阵拆为小矩阵，仅优化低秩部分，大幅减少计算资源需求。文章详细解析了LoRA的矩阵运算优化、反向传播优势、适配器概念及动态任务切换能力。QLoRA进一步引入量化压缩技术，同时介绍了前缀调优作为替代方案。这些技术为资源受限环境下高效微调大模型提供了创新解决方案，在保持模型核心能力的同时实现了特定任务的
在当前大模型如火如荼的时代，像 Hands-On-Large-Language-Models 这样聚焦实战 + 开源代码 + 技术栈全覆盖的项目，很多缺少人才的公司确实愿意分享出来，要更多人才学习。
如何通过自主工具使用和反馈学习提高大语言模型（LLM）的推理能力？论文提出了rStar2-Agent模型，通过多阶段的强化学习框架显著提升了数学推理性能，使得一个14B参数的模型在多个基准上超越了更大规模的模型。
通过以上步骤，你可以成功地微调 LLaMA 大模型，使其适应特定任务或领域，从而提高模型在特定应用场景下的表现。
本文介绍了一个企业级知识库管理系统，该系统基于Web平台，集成了文档管理、智能搜索和AI问答等功能。系统采用React+SpringBoot技术架构，支持多格式文档上传和多角色权限控制。主要功能包括文档列表查看、上传、预览，基于知识库的智能问答，全文搜索，以及用户和部门管理（仅限超级管理员）。文章详细说明了各功能模块的使用方法和注意事项，并提供了常见问题解答。系统适用于不同层级的企业用户，通过权限
文章详细介绍了大模型Function Calling技术，包括其概念、与Tool的区别及优势。通过天气查询实例，演示了实现Function Calling的完整流程：环境准备、函数定义、模型调用、参数解析、函数执行及结果回传。Function Calling允许模型返回结构化调用请求，开发者可验证参数后执行函数，增强了系统稳定性和安全性，是构建智能体系统的关键技术。
本文介绍了在Coze平台创建个人知识库智能体的完整流程。通过搭建工作流实现文件上传、文本处理和知识库写入功能，解决大模型回答泛泛的问题。详细讲解了智能体创建、工作流节点设计（包括选择器、文件读取、文本处理等关键步骤）以及人设设置。最终构建的智能体能够将个人专业知识结构化存储，生成差异化洞见，提升AI回答的专业性和准确性。文章还提供了学习AI大模型的相关资源获取方式。
本文介绍了RAG（检索增强生成）技术，它能有效解决大模型"幻觉"问题，让AI回答更准确。RAG通过"检索-增强-生成"三步流程，使模型像开卷考试一样先查资料再作答。文章提供了使用LangChain和ChromaDB搭建RAG问答系统的完整代码教程，支持多种文档格式，并详细解析了关键步骤。RAG可应用于企业客服、个人知识库等领域，还介绍了重排序、多模态等进阶方
Small Language Models are the Future of Agentic AI》是一篇具有强烈实践导向和行业洞察的论文。它不仅系统论证了SLMs在智能体系统中的优势，还提供了可行的迁移路径和应对反对意见的逻辑框架。对于从事AI智能体开发、模型优化、资源管理的从业者和研究者来说，这是一篇不可忽视的重要文献。slm-agents。
LangChain是一个用于构建大模型应用的框架，它像乐高积木一样，让你可以通过组合各种组件来创建强大的AI应用。Component：提供标准化组件（模型调用、提示模板、记忆管理等）Chain：将多个组件链接成完整工作流Agent：让模型能够自主选择和使用工具LangChain和LangGraph为我们提供了构建下一代AI应用的强大工具。从简单的链式调用到复杂的图工作流，这两个框架覆盖了大多数AI
and以上是 langchain docs 对 RAG 的概论，RAG 英语原文 Retrieval Augmented Generation，意为检索增强生成，检索的对象可以是多样的，有网页内容、表格数据、多模态数据等，本文将注意力集中在对于文字即文档内容（比如医院内的药品说明书、工厂产品的使用手册）的检索。由于 llm 应用中寸 token 寸金以及最大上下文的限制等，我们不可能将所有文档一股
同时课程详细介绍了。
明确定义工具调用时所需的各个输入参数的名称、数据类型、是否必需、取值范围或格式要求，以及工具执行成功或失败后返回结果的数据结构和含义。
35岁程序员面临职业危机，Java程序员尤为突出。数据显示中国80%程序员年龄在26-35岁，仅10%超过35岁。随着AI技术兴起，这既是挑战也是机遇：AI相关岗位需求激增，掌握AI工具可提升竞争力。大模型应用岗位缺口达47万，初级工程师平均薪资28K。学习AI技术分为四个阶段：从基础应用到模型训练再到商业落地，建议程序员抓住AI转型机会，将35岁危机转化为职业新起点。
摘要：当前大语言模型虽在性能上有显著提升，但离支撑真正自主的AI智能体仍有差距。多模态、多任务需求与落地效果的不匹配表明，AI智能体仍面临可靠性差、成本高、用户信任度低等挑战。初创公司如Adept.ai、MultiOn等探索不同路径，但大多处于实验阶段。专家建议应优先发展AI增强功能而非全自主服务，采用人机协同模式处理复杂任务。同时，掌握AI技能将成为个人职业竞争关键，系统学习大模型应用开发、提示
语言模型
——语言模型
联系我们（工作时间：8:30-22:00）
400-660-0108 [email protected]
2048 AI社区
