大模型競爭的核心，正從比拼數(shù)據(jù)規(guī)模，轉(zhuǎn)向比拼數(shù)據(jù)的使用效率和風(fēng)險(xiǎn)管理。今天分享2025兩篇最新的論文，剛好把一賽道一次性講透：《ASurveyonEfficientLargeLanguageModelTraining:FromDatacentricPerspectives》《ASurveyonUnlearninginLargeLanguageModels》一個(gè)講怎么“吃得更少但更好”，另一個(gè)講怎么“消化后還能吐掉有害的”，本質(zhì)上都是數(shù)據(jù)管理的精細(xì)化。賽道痛點(diǎn)代表技術(shù)高效訓(xùn)練數(shù)據(jù)太貴、標(biāo)注太慢、邊際收益遞減數(shù)...

今天要和大家分享的是如何在GPTBots平臺(tái)上玩轉(zhuǎn)多智能體(MultiAgent)系統(tǒng)。GPTBots：幾乎無所不能的多智能體多智能體協(xié)作不僅能提升任務(wù)處理效率，還能實(shí)現(xiàn)單智能體難以完成的復(fù)雜任務(wù)。這些多智能體系統(tǒng)通常由專業(yè)化的智能體組成，每個(gè)智能體都配備了各自的工具集，并由一個(gè)監(jiān)督者進(jìn)行管理在GPTBots中默認(rèn)集成了專家智能體，比如客服、產(chǎn)品經(jīng)理、測試、程序員等等，開箱即用！在實(shí)踐中，有幾十種多智能體架構(gòu)，其核心的一部分是...

今天分享一篇來自AI研究機(jī)構(gòu)Nof1的文章，Title:ExploringtheLimitsofLargeLanguageModelsasQuantTraders（探索大型語言模型作為量化交易員的極限）。這篇文章進(jìn)行了一項(xiàng)開創(chuàng)性的實(shí)驗(yàn)，旨在測試當(dāng)今頂尖大型語言模型（LLMs）在真實(shí)、動(dòng)態(tài)和高風(fēng)險(xiǎn)的金融市場中的決策能力。研究團(tuán)隊(duì)不再依賴傳統(tǒng)的靜態(tài)基準(zhǔn)測試，而是創(chuàng)建了一個(gè)名為“AlphaArena”的真實(shí)交易環(huán)境。他們?yōu)榱鶄€(gè)領(lǐng)先的LLM（包括GPT5、Gemini2.5Pro等）各提供了1萬美元...

你有沒有想過，如果能在真實(shí)推出營銷活動(dòng)之前，先在一個(gè)虛擬世界里測試效果會(huì)怎樣論文做到了這一點(diǎn)——他們用大語言模型(LLM)創(chuàng)建了一個(gè)虛擬小鎮(zhèn)，讓大模型"居民"們像真人一樣生活、社交和消費(fèi)。圖片為什么需要虛擬消費(fèi)者：傳統(tǒng)的營銷決策充滿不確定性。企業(yè)通常依賴銷售數(shù)據(jù)分析、問卷調(diào)查或AB測試來評(píng)估促銷效果，但這些方法有個(gè)共同的問題:結(jié)果都是在活動(dòng)執(zhí)行之后才能看到。如果策略失敗了，企業(yè)已經(jīng)付出了真金白銀的代價(jià)。...

大多數(shù)科學(xué)知識(shí)將推理過程壓縮成了結(jié)論。你得到了"是什么"，卻看不到"為什么"。這種極端壓縮創(chuàng)造了研究人員所說的知識(shí)"暗物質(zhì)"——連接每個(gè)科學(xué)概念的不可見推導(dǎo)鏈條。圖片論文的解決方案堪稱瘋狂：一個(gè)蘇格拉底agent，在200門課程中生成了300萬個(gè)第一性原理問題。每個(gè)問題都由多個(gè)獨(dú)立的大語言模型求解，然后交叉驗(yàn)證正確性。一個(gè)經(jīng)過驗(yàn)證的長鏈?zhǔn)剿季S（LCoT）知識(shí)庫，其中每個(gè)概念都能追溯到基本原理。論文構(gòu)建了"頭腦風(fēng)暴搜...

周報(bào)寫得要命，領(lǐng)導(dǎo)只看數(shù)據(jù)說實(shí)話，寫周報(bào)這件事在IT圈里就是個(gè)"痛并快樂著"的活兒。痛的是每周五下午，別人都在摸魚準(zhǔn)備下班，你還在那兒憋字?jǐn)?shù)、湊成果。快樂？快樂個(gè)鬼，根本不存在。有個(gè)做項(xiàng)目經(jīng)理的朋友跟我吐槽，他每周花2個(gè)小時(shí)寫周報(bào)，結(jié)果發(fā)給老板，人家掃了3秒就回了倆字："收到"。問題在哪？周報(bào)寫得像記流水賬，老板根本看不到價(jià)值。其實(shí)周報(bào)寫不好，問題不在于你不會(huì)寫字，而是大多數(shù)人壓根沒搞清楚周報(bào)該怎么寫...

 不得不承認(rèn)，AI技術(shù)已經(jīng)發(fā)展到了一個(gè)新的臨界點(diǎn)。 小鵬汽車最新發(fā)布的人形機(jī)器人IRON，因?yàn)樽呗纷藙葸^于優(yōu)美，引發(fā)了全網(wǎng)爭議。在科技日展示中，IRON機(jī)器人以流暢的“貓步”行走，其擬人程度之高，使得半數(shù)以上線上觀眾質(zhì)疑“機(jī)器人里是否藏了真人”。  如此接近真人的腿部姿態(tài)，也難怪會(huì)引起網(wǎng)友的爭議了。 面對(duì)質(zhì)疑，小鵬汽車董事長何小鵬發(fā)布了一鏡到底的無剪輯視頻回應(yīng)，展示了機(jī)器人背部拉鏈下...

編輯聽雨出品51CTO技術(shù)棧（微信號(hào)：blog51cto）“編譯器很酷，別讓任何人告訴你不是。”這是LLVM之父ChrisLattner在最新一期《ThePragmaticEngineer》播客中說的話。ChrisLattner，那個(gè)改變了編程史的人——他打造了LLVM，讓Apple、Google、ARM全面棄用GCC；他用Swift改寫了iOS開發(fā)的語言規(guī)則；如今，他又用Mojo試圖重塑AI編程的未來。但很少人知道，這一切都始于一個(gè)程序員在“夜晚與周末偷偷寫代碼”的副業(yè)。在這期訪談里，Ch...

引言對(duì)話式AI應(yīng)用正迎來爆發(fā)，但端到端超過3秒的延遲，已成為限制其商業(yè)化落地的核心技術(shù)頑疾。其根源在于主流的ASR、LLM、TTS端到端串行架構(gòu)導(dǎo)致的累積延遲。本文主張“基礎(chǔ)設(shè)施先行”的理念，即系統(tǒng)性解決延遲的關(guān)鍵，在于從數(shù)據(jù)、計(jì)算到網(wǎng)絡(luò)三個(gè)層面，進(jìn)行一體化的基礎(chǔ)設(shè)施優(yōu)化。問題分析：現(xiàn)有串行架構(gòu)的延遲來源當(dāng)前架構(gòu)下，用戶體驗(yàn)到的總延遲≈T(網(wǎng)絡(luò))+T(VAD)+T(ASR)+T(LLM)+T(TTS)。其中，LLM推理通常貢獻(xiàn)了40%60%的延...

當(dāng)用戶向大語言模型提出一個(gè)簡單問題，比如“單詞HiPPO里有幾個(gè)字母P？”，它卻正襟危坐，開始生成一段冗長的推理鏈：“首先，讓我們分析HiPPO這個(gè)詞，河馬的英文單詞為hippo，河馬是一種半水生哺乳動(dòng)物，這里用戶用了大寫字母，可能有特殊的含義，對(duì)于單詞HiPPO，我們可以將其拆分為HiPPO，字母P出現(xiàn)在第3與第4個(gè)位置，因此有2個(gè)字母P...讓我們簡化問題，HiPO可以拆分為...”——面對(duì)這樣的“嚴(yán)謹(jǐn)”，用戶難免哭笑不得，既浪費(fèi)...

編輯聽雨出品51CTO技術(shù)棧（微信號(hào)：blog51cto）最近OpenAI進(jìn)行資本重組、與微軟的關(guān)系翻開新的篇章，OpenAICEO山姆·奧特曼和馬斯克、伊利亞三人的宮斗大劇也鬧得沸沸揚(yáng)揚(yáng)，整個(gè)AI圈日日鑼鼓喧天，每天都有新瓜吃。在這節(jié)骨眼上，小編也刷到了最新披露的一期經(jīng)濟(jì)學(xué)家TylerCowen與山姆·奧特曼的訪談。這期訪談錄制于10月17日的ProgressConference（進(jìn)步大會(huì)），也在OpenAI資本重組的新聞公布之前。在這期節(jié)目中，奧特曼深度分享...

“大模型的技術(shù)生態(tài)本質(zhì)上就是圍繞著大模型這個(gè)“人”轉(zhuǎn)的。”大家在學(xué)習(xí)大模型應(yīng)用開發(fā)時(shí)會(huì)發(fā)現(xiàn)有很多種不同的技術(shù)方向和框架，而且不同的技術(shù)有其使用的業(yè)務(wù)場景，因此可能就有部分人認(rèn)為，不同大模型應(yīng)用技術(shù)之間是無關(guān)的。但事實(shí)上，從技術(shù)的角度出發(fā)，技術(shù)只是一種工具，而很多業(yè)務(wù)場景可能需要同時(shí)結(jié)合多種不同的技術(shù)才能滿足復(fù)雜的業(yè)務(wù)需求。只不過技術(shù)生態(tài)經(jīng)過這么多年的發(fā)展，已經(jīng)形成了一套完善的架構(gòu)機(jī)制，對(duì)我們使...

再來看一個(gè)文檔版式數(shù)據(jù)生成思路，利用大模型從粗到細(xì)粒度的生成通用文檔版面分析數(shù)據(jù)，解決現(xiàn)有版式分析“缺多樣性”、“缺規(guī)模”、“依賴人工標(biāo)注”問題。OmniLayout與現(xiàn)有布局?jǐn)?shù)據(jù)集的比較OmniLayout1M數(shù)據(jù)集為解決上面提到的問題，構(gòu)建OmniLayout1M數(shù)據(jù)集，因此有幾個(gè)點(diǎn)需要提一下：覆蓋的場景需要豐富，數(shù)據(jù)來源于學(xué)術(shù)數(shù)據(jù)庫（13個(gè)，如arXiv、PubMed）；出版商（7個(gè)，如Elsevier、Springer）；文檔共享平臺(tái)（16個(gè)，如教育...

大家好，我是玄姐。“單體智能體”（指只靠一個(gè)大語言模型，再塞一堆系統(tǒng)提示詞）的路子走不長遠(yuǎn)。我們很快就意識(shí)到，要搭建高效的系統(tǒng)，得用多個(gè)“專精型智能體”。它們要能協(xié)作，還能自主組織。為實(shí)現(xiàn)這一點(diǎn)，AI智能體領(lǐng)域已經(jīng)出現(xiàn)了幾種典型的架構(gòu)設(shè)計(jì)模式。這張圖解會(huì)介紹多智能體“協(xié)同調(diào)度”的7種核心架構(gòu)設(shè)計(jì)模式，每種模式都對(duì)應(yīng)特定的工作流程：1.并行架構(gòu)設(shè)計(jì)模式（Parallel）每個(gè)智能體負(fù)責(zé)不同的子任務(wù)，比如：有的...

大家好，我是玄姐。越來越多企業(yè)已經(jīng)落地AI智能體應(yīng)用，我們會(huì)不約而同的發(fā)現(xiàn)，AI智能體應(yīng)用在企業(yè)落地90%的工作都是工程架構(gòu)設(shè)計(jì)（軟件工程），只有10%是真正的AI大模型。AI智能體在企業(yè)落地中的每一個(gè)組件都是模塊化的，而且逐步達(dá)成到了行業(yè)標(biāo)準(zhǔn)：比如：LangChain、SpringAIAlibaba開發(fā)編排框架，MCP通信交互協(xié)議等等，這些構(gòu)成了AI智能體的生態(tài)系統(tǒng)。AI智能體應(yīng)用落地的生態(tài)系統(tǒng)包含14層，從下到上分別為：CPUGPU提供商層、...

論文鏈接：https:ieeexplore.ieee.orgabstractdocument11206511代碼鏈接：https:github.combytedanceRealCustom項(xiàng)目鏈接：https:corleonehuang.github.ioRealCustomplusplusHuggingFace：https:huggingface.cobytedanceresearchRealCustom亮點(diǎn)直擊突破傳統(tǒng)方法存在的主體一致性和文本可控性之間的權(quán)衡取舍問題，創(chuàng)新性地將參考圖主體表征為真實(shí)文本單詞，通過解耦文本和參考圖的影響區(qū)域，同時(shí)實(shí)現(xiàn)高度主體一致性和文本可控性；...

你有沒有問過AI：“你到底在想什么？”或者，當(dāng)它給出一個(gè)離譜的答案后，你追問：“你剛才是怎么想的？”通常，AI會(huì)給出一個(gè)聽起來很合理的“事后解釋”。但我們心里都清楚，它大概率是在“演”——它只是在模仿訓(xùn)練數(shù)據(jù)里人類“解釋自己想法”的說話方式，而不是真的在回顧自己剛才的“思考過程”。畢竟，大模型只是一個(gè)龐大的神經(jīng)網(wǎng)絡(luò)，一堆數(shù)字（權(quán)重）而已，哪來的“自我意識(shí)”和“反思”呢？一直以來，這就是AI圈的共識(shí)。...

在AI世界里，“看懂文字”這件事，遠(yuǎn)比我們想象的要復(fù)雜。過去的OCR（光學(xué)字符識(shí)別）只是從圖片里“摳字”，如今的它，早已升級(jí)成了能理解結(jié)構(gòu)、提取表格、識(shí)別手寫體、甚至直接喂給大模型的“文檔智能系統(tǒng)”。2025年，OCR不再只是工具，而是整個(gè)AI流程的入口。無論是企業(yè)做合同識(shí)別、金融機(jī)構(gòu)做票據(jù)自動(dòng)化，還是RAG系統(tǒng)要從PDF中抽取知識(shí)，OCR都是那道繞不開的關(guān)口。在眾多廠商中，目前能覆蓋主流生產(chǎn)級(jí)場景的六大系統(tǒng)幾乎構(gòu)成...

一、從“大模型焦慮”到“小模型復(fù)興”過去一年，AI世界充滿了一種“越大越好”的錯(cuò)覺。百億、千億參數(shù)層出不窮，似乎只有“模型巨獸”才能掌控多模態(tài)、長上下文和推理能力。但阿里巴巴Qwen團(tuán)隊(duì)又一次打破了這個(gè)規(guī)律——他們最新推出的Qwen3VL4B8B（InstructThinking）模型，證明了“小也能強(qiáng)”。在保持256K→1M超長上下文和完整多模態(tài)能力的同時(shí)，它竟能在低顯存設(shè)備上穩(wěn)定運(yùn)行，并提供了FP8量化權(quán)重，真正讓多模態(tài)AI走向“可...

RAG+Agent催生了深度研究系統(tǒng)逐漸興起，通過迭代推理和證據(jù)收集來解決復(fù)雜問題。然而，現(xiàn)有的系統(tǒng)主要依賴于文本網(wǎng)頁數(shù)據(jù)，忽視了多模態(tài)文檔（如科學(xué)論文、技術(shù)報(bào)告和金融文件）中蘊(yùn)含的豐富知識(shí)。這些文檔通常包含圖表、表格、圖表和方程等視覺元素，其中嵌入了關(guān)鍵信息。處理這類文檔需要復(fù)雜的解析技術(shù)以保留視覺語義，智能分塊以維持結(jié)構(gòu)連貫性，以及跨模態(tài)的自適應(yīng)檢索能力，而這些能力在現(xiàn)有系統(tǒng)中是缺失的。一、深度研究...