NanoBanana2近期意外地在MediaAI平臺(tái)上短暫現(xiàn)身。其輸出結(jié)果與之前在Gemini上短暫泄漏的確認(rèn)版本一致，讓社區(qū)用戶(hù)得以提前體驗(yàn)新版本的能力。針對(duì)性改進(jìn)初代NanoBanana在處理復(fù)雜任務(wù)時(shí)存在明顯局限：精確著色、視角控制、修正生成圖片中的文字元素都不夠理想。NanoBanana2專(zhuān)門(mén)針對(duì)這些痛點(diǎn)做了優(yōu)化，泄漏的圖像樣本顯示視覺(jué)質(zhì)量有了實(shí)質(zhì)性提升。核心技術(shù)變化最大的改進(jìn)是生成流程。新版本采用多步工作方式：花時(shí)間規(guī)劃輸出，生...

音頻編輯一直是個(gè)技術(shù)活。專(zhuān)業(yè)軟件復(fù)雜，學(xué)習(xí)成本高，普通人想做點(diǎn)音頻內(nèi)容，門(mén)檻不低。StepFunAI剛剛開(kāi)源“全球首個(gè)”音頻編輯模型StepAudioEditX。核心想法很直接：用文字控制音頻。想讓AI說(shuō)話(huà)時(shí)帶點(diǎn)情緒？寫(xiě)個(gè)提示詞。想加點(diǎn)呼吸聲、笑聲？也是文字指令搞定。不用再在復(fù)雜界面里調(diào)各種參數(shù)，這確實(shí)是個(gè)進(jìn)步。具體能做什么？情感控制支持憤怒、開(kāi)心、悲傷、興奮等十幾種狀態(tài)，說(shuō)話(huà)風(fēng)格可以調(diào)成撒嬌、老人、小孩、耳語(yǔ)等。副語(yǔ)...

訓(xùn)練大型模型時(shí)遇到梯度爆炸，程序直接崩潰。內(nèi)存不足（OOM）錯(cuò)誤讓訓(xùn)練停滯，混合專(zhuān)家模型的某些專(zhuān)家完全不工作。這些問(wèn)題每個(gè)做過(guò)大模型訓(xùn)練的人都遇到過(guò)。最近出現(xiàn)的LuminaAI開(kāi)源框架試圖徹底改變這種狀況。它不只是一個(gè)訓(xùn)練工具，更像是一個(gè)會(huì)思考的訓(xùn)練助手，能在問(wèn)題發(fā)生時(shí)自動(dòng)修復(fù)，讓訓(xùn)練過(guò)程更加穩(wěn)定。真正的自適應(yīng)訓(xùn)練LuminaAI的核心是一個(gè)叫"自適應(yīng)編排器"（AdaptiveOrchestrator）的系統(tǒng)，擁有一整套自動(dòng)化機(jī)制：梯...

unsloth與Kimi團(tuán)隊(duì)合作修復(fù)了K2Thinking的聊天模板問(wèn)題，該問(wèn)題導(dǎo)致第一輪對(duì)話(huà)時(shí)未能添加默認(rèn)系統(tǒng)提示詞"YouareKimi,anAIassistantcreatedbyMoonshotAI."。同時(shí)也修復(fù)了llama.cpp工具調(diào)用時(shí)的自定義jinja分隔符問(wèn)題！現(xiàn)在可以使用unsloth的動(dòng)態(tài)1bitGGUF在本地運(yùn)行KimiK2Thinking！unsloth將1T模型壓縮到245GB（減少62%）并保留了約85%的準(zhǔn)確率。可在247GBRAM上運(yùn)行。unsloth還與Kimi團(tuán)隊(duì)合作進(jìn)行了系統(tǒng)提示詞修復(fù)。圖片KimiK2和...

編輯｜云昭剛剛，又有一項(xiàng)世界級(jí)的獎(jiǎng)項(xiàng)花落AI圈。當(dāng)今全球工程界最具聲望的獎(jiǎng)項(xiàng)之一，被譽(yù)為“工程界的諾貝爾獎(jiǎng)”的“伊麗莎白女王工程獎(jiǎng)”于近日揭曉。這次大獎(jiǎng)獲得者一口氣囊括了炙手可熱的七位大佬：黃仁勛、YoshuaBengio、GeoffreyHinton、JohnHopfield、李飛飛、YannLeCun、BillDally。圖片大神Bengio幾個(gè)小時(shí)前發(fā)布的X帖子：本周我非常榮幸地從國(guó)王查理三世陛下手中接過(guò)工程學(xué)QEPrize勛章，并很高興聽(tīng)到他對(duì)人工智能安全...

對(duì)于程序員來(lái)說(shuō)，高效工具是提升競(jìng)爭(zhēng)力的關(guān)鍵。最近發(fā)現(xiàn)一款寶藏工具——EvolAI，它內(nèi)置ClaudeCode核心能力，還打造了一站式開(kāi)發(fā)工作空間，徹底解決了開(kāi)發(fā)中的諸多痛點(diǎn)。今天就給大家詳細(xì)拆解，教你快速上手開(kāi)啟高效開(kāi)發(fā)之旅！一、開(kāi)發(fā)痛點(diǎn)全攻克，EvolAI太香了！每個(gè)開(kāi)發(fā)者都繞不開(kāi)這些難題：陌生代碼庫(kù)上手難，梳理結(jié)構(gòu)耗時(shí)費(fèi)力；代碼重構(gòu)風(fēng)險(xiǎn)高，改一處牽一發(fā)而動(dòng)全身；工具切換頻繁，開(kāi)發(fā)流程碎片化；配置復(fù)雜門(mén)檻高，新手...

一場(chǎng)開(kāi)源與閉源的較量再次迎來(lái)轉(zhuǎn)折點(diǎn)。 在AI模型快速迭代的競(jìng)技場(chǎng)上，開(kāi)源與閉源之間你追我趕，但兩者之間的差距一度被認(rèn)為是難以逾越的鴻溝。然而，最新發(fā)布的KimiK2Thinking再次打破了鴻溝。 今天凌晨，月之暗面正式發(fā)布并開(kāi)源了KimiK2Thinking模型，發(fā)布不到24小時(shí)，它已經(jīng)被譽(yù)為“迄今能力最強(qiáng)的開(kāi)源思考模型”，在多項(xiàng)關(guān)鍵基準(zhǔn)測(cè)試中超越了GPT5和ClaudeSonnet4.5等頂尖閉源模型。  更有網(wǎng)友再次放出了...

編輯聽(tīng)雨出品51CTO技術(shù)棧（微信號(hào)：blog51cto）推理型大語(yǔ)言模型（LRM），像ChatGPT5、Claude3.5、Gemini1.5Pro等模型，能生成長(zhǎng)篇、結(jié)構(gòu)化的推理文本來(lái)說(shuō)明自己的思考過(guò)程，比傳統(tǒng)LLM的推理能力更強(qiáng)，這已經(jīng)不是什么稀奇事了。但一項(xiàng)來(lái)自明尼蘇達(dá)大學(xué)、萊斯大學(xué)、史蒂文斯理工學(xué)院和LambdaInc的華人團(tuán)隊(duì)最新研究指出，LRM在執(zhí)行推理任務(wù)時(shí)，會(huì)“陷入語(yǔ)言循環(huán)”，生成大量無(wú)意義的廢話(huà)，并且迅速燒掉你的token。研究者為此起了...

零、引言一條保健品廣告在系統(tǒng)里亮起了紅燈。視頻里，一位精神矍鑠的老人正在分享體驗(yàn)。畫(huà)面看似陽(yáng)光健康，但我們的風(fēng)險(xiǎn)定位模型精準(zhǔn)捕捉到了違規(guī)點(diǎn)——那句"喝了能夠清宿便，相當(dāng)于給腸道做SPA"的文案，涉及到醫(yī)療保健功效問(wèn)題。按照傳統(tǒng)流程，這條廣告將被駁回，客戶(hù)需要根據(jù)政策修改創(chuàng)意，然后重新提交。這個(gè)過(guò)程往往伴隨著不確定性：哪里違規(guī)？怎么改才能通過(guò)？多次往返溝通也會(huì)影響投放效率。但這一次，AhaEdit讓流程變得...

編輯云昭出品51CTO技術(shù)棧（微信號(hào)：blog51cto）冷不防，早在上個(gè)月就開(kāi)始預(yù)熱的Gemini3Pro終于現(xiàn)身了！就在幾個(gè)小時(shí)前，有網(wǎng)友爆料：在Google云平臺(tái)VertexAI的模型列表中，出現(xiàn)了代號(hào)為“gemini3propreview11–2025”的預(yù)覽版本。VertexAI是GoogleCloud的統(tǒng)一機(jī)器學(xué)習(xí)平臺(tái)，負(fù)責(zé)模型開(kāi)發(fā)、部署、管理，是整個(gè)生態(tài)的核心樞紐。Gemini3Pro出現(xiàn)在這里，目前不確定究竟是屬于內(nèi)部迭代測(cè)試流程的一部分，還是Google有意安排的“預(yù)熱...

譯者朱先忠審校重樓當(dāng)前，我正在致力于開(kāi)發(fā)UnityMCP項(xiàng)目（Unity模型上下文協(xié)議），此項(xiàng)目的開(kāi)發(fā)目的是通過(guò)MCP（ModelContextProtocol：模型上下文協(xié)議）將Unity編輯器和Unity游戲與LLM代理連接起來(lái)。在本文中，我將詳細(xì)介紹它的工作原理、實(shí)用性并討論其后續(xù)的發(fā)展方向。Unity本身是一個(gè)流行的游戲引擎，用于為許多平臺(tái)（包括Windows、macOS、iOS、Android、控制臺(tái)和Web）構(gòu)建2D、3D、VR和AR應(yīng)用程序。什么是MCP（模型上下文協(xié)...

譯者李睿審校重樓Instagram廣泛使用人工智能（AI）進(jìn)行內(nèi)容過(guò)濾和審核，以維護(hù)安全和積極的用戶(hù)體驗(yàn)。其人工智能驅(qū)動(dòng)的系統(tǒng)能夠自動(dòng)檢測(cè)并移除違反Instagram社區(qū)準(zhǔn)則的內(nèi)容。這個(gè)過(guò)程結(jié)合了機(jī)器學(xué)習(xí)模型、自然語(yǔ)言處理以及計(jì)算機(jī)視覺(jué)技術(shù)（如卷積神經(jīng)網(wǎng)絡(luò)）。本文將深入探討Instagram在維護(hù)平臺(tái)積極友好的用戶(hù)體驗(yàn)背后的技術(shù)機(jī)制。Instagram上的人工智能內(nèi)容審核Instagram的人工智能系統(tǒng)能夠自動(dòng)檢測(cè)并刪除違反社區(qū)準(zhǔn)則的內(nèi)容，...

編者按：當(dāng)AI不僅能寫(xiě)代碼，還能同時(shí)處理多個(gè)開(kāi)發(fā)任務(wù)，軟件工程師這一角色是否正面臨根本性的重塑？我們今天為大家?guī)?lái)的文章，作者的核心觀(guān)點(diǎn)是：并行智能體是將深刻改變軟件開(kāi)發(fā)模式的革命性技術(shù)。作者從AI編程工具的演進(jìn)談起，揭示了從Copilot的代碼補(bǔ)全到“氛圍編程”的自然語(yǔ)言生成，再到當(dāng)前的范式突破——并行智能體。作者還坦誠(chéng)分享了實(shí)際應(yīng)用中的成功率分布，指出了智能體擅長(zhǎng)與不擅長(zhǎng)的任務(wù)類(lèi)型，并強(qiáng)調(diào)了全棧技術(shù)、...

大家好，我是玄姐。一、背景任何成功的平臺(tái)都需要可靠的技術(shù)支持，但我們發(fā)現(xiàn)，團(tuán)隊(duì)成員每天要花數(shù)小時(shí)查找技術(shù)問(wèn)題的答案。這種低效不僅拖慢了工程師的工作進(jìn)度，也成為了用戶(hù)使用過(guò)程中的關(guān)鍵瓶頸。LangChain官方?jīng)Q定用自己推崇的工具解決這個(gè)問(wèn)題：LangChain、LangGraph和LangSmith。最初，將chat.langchain.com作為原型開(kāi)發(fā)，明確設(shè)定了兩大功能：產(chǎn)品問(wèn)答：幫助用戶(hù)和內(nèi)部團(tuán)隊(duì)快速獲取權(quán)威的產(chǎn)品相關(guān)答案。客戶(hù)原型示例：...

大家好，我是玄姐。?在學(xué)習(xí)AI智能體（AIAgents）的記憶相關(guān)知識(shí)時(shí)，被各種新術(shù)語(yǔ)搞得不知所措。一開(kāi)始是“短期記憶”和“長(zhǎng)期記憶”，后來(lái)又出現(xiàn)了“程序性記憶”、“情景記憶”和“語(yǔ)義記憶”，這就更混亂了。但等等，“語(yǔ)義記憶”讓我想到了一個(gè)熟悉的概念：檢索增強(qiáng)生成（RAG）。難道AI智能體的記憶，是基礎(chǔ)RAG演進(jìn)到AI智能體化RAG之后的合理下一步？本質(zhì)上，AI智能體的記憶核心是“將信息傳入和傳出大型語(yǔ)言模型（LLM）的...

“傳統(tǒng)RAG和AgenticRAG的主要區(qū)別就是在于是否能執(zhí)行“動(dòng)作”。”我們都知道基礎(chǔ)RAG是基于語(yǔ)義檢索的知識(shí)增強(qiáng)技術(shù)，但由于復(fù)雜的語(yǔ)義環(huán)境，很多時(shí)候基于簡(jiǎn)單的語(yǔ)義檢索并不能很好的解決我們的問(wèn)題。比如說(shuō)我想查一下今年的就業(yè)情況，注意如果是基于基礎(chǔ)RAG的語(yǔ)義檢索，模型理解的更多的是與經(jīng)濟(jì)，就業(yè)相關(guān)的概念，政策性等內(nèi)容；但我們實(shí)際需要的是真實(shí)的統(tǒng)計(jì)局的就業(yè)情況數(shù)據(jù)。前者注重的是概念，后者注重的是動(dòng)作。這就是傳統(tǒng)...

斯坦福大學(xué)的研究團(tuán)隊(duì)最近在Nature上發(fā)表一個(gè)新研究，AI竟然分不清事實(shí)和信念。他們測(cè)試了15個(gè)最新的大模型，包括GPT4o、Claude3和Llama3等，涉及13000個(gè)問(wèn)題。結(jié)果發(fā)現(xiàn)，這些AI在區(qū)分事實(shí)、信念和知識(shí)方面存在嚴(yán)重缺陷。研究顯示，當(dāng)驗(yàn)證事實(shí)性數(shù)據(jù)時(shí)，模型的準(zhǔn)確率能達(dá)到86%。但面對(duì)虛假場(chǎng)景時(shí)，表現(xiàn)急劇下降。更關(guān)鍵的是，AI處理第一人稱(chēng)信念("我相信...")的準(zhǔn)確率只有54.4%，而處理第三人稱(chēng)信念("他相信...")時(shí)能達(dá)到80.7%...

Image1夏威夷的旅游行程規(guī)劃、馬薩諸塞的科學(xué)研究、印度的網(wǎng)頁(yè)開(kāi)發(fā)——這三件事看似無(wú)關(guān)，卻是各自地區(qū)最突出的Claude使用場(chǎng)景。這不是說(shuō)它們?nèi)蜃盍餍小＼浖こ淘趲缀跛袊?guó)家都遙遙領(lǐng)先。但數(shù)據(jù)顯示，馬薩諸塞用戶(hù)更常讓Claude協(xié)助科研；巴西用戶(hù)對(duì)語(yǔ)言任務(wù)格外熱衷，翻譯和語(yǔ)言學(xué)習(xí)頻率是全球平均的六倍。這些發(fā)現(xiàn)來(lái)自Anthropic第三期經(jīng)濟(jì)指數(shù)報(bào)告。他們追蹤了AI如何重塑工作與經(jīng)濟(jì)，有幾個(gè)關(guān)鍵觀(guān)察。地域差異明顯美國(guó)占全...

阿里剛剛在HuggingFace和ModelScope上開(kāi)源了智能簡(jiǎn)歷解析系統(tǒng)SmartResume。這個(gè)系統(tǒng)能把PDF、圖片、Office文檔格式的簡(jiǎn)歷，直接轉(zhuǎn)換成結(jié)構(gòu)化的數(shù)據(jù)。HR部門(mén)手動(dòng)錄入簡(jiǎn)歷的工作，現(xiàn)在可以秒級(jí)完成。系統(tǒng)的工作原理分為三個(gè)核心階段。首先，通過(guò)OCR技術(shù)和PDF元數(shù)據(jù)完成文本提取，結(jié)合版面檢測(cè)模型重建文檔的閱讀順序。系統(tǒng)使用的版面檢測(cè)模型是基于YOLOv10。然后，利用大型語(yǔ)言模型將提取出的文本內(nèi)容轉(zhuǎn)換為結(jié)構(gòu)化的字段信息，包...

Claude的AgentSkills系統(tǒng)是一套基于提示的元工具架構(gòu)，通過(guò)“注入專(zhuān)門(mén)指令”來(lái)擴(kuò)展大模型能力。它既不是傳統(tǒng)意義上的函數(shù)調(diào)用，也不執(zhí)行實(shí)際代碼，而是借助“提示展開(kāi)”與“上下文改寫(xiě)”，讓Claude在后續(xù)對(duì)話(huà)中換一種“大腦配置”去處理任務(wù)，而無(wú)需寫(xiě)一行可執(zhí)行程序。本文從第一性原理拆骨式解構(gòu)Claude的AgentSkills系統(tǒng)，完整記錄“Skill”這一元工具如何把領(lǐng)域?qū)偬崾咀⑷雽?duì)話(huà)上下文的機(jī)制。我們將以??skillcreator???...