2025年10月20日，DeepSeekAI團隊開源的DeepSeekOCR模型憑借"上下文光學壓縮"技術驚艷業(yè)界。這款參數(shù)量僅3B的模型，通過將文本轉化為視覺模態(tài)進行壓縮，用少量視覺token即可承載海量文本信息，不僅刷新了OCR任務的性能基準，更為大語言模型（LLM）長上下文處理難題提供了全新解法。本文將從技術原理、架構設計、性能表現(xiàn)到實際應用進行全方位解析。一、技術背景：為什么需要"視覺壓縮"？當前LLM在處理長文檔時面臨致命瓶頸：文本...

五億用戶正在擁抱智能工具，而國產模型成為了這場變革的主角。 10月18日，在2025（第六屆）中國互聯(lián)網(wǎng)基礎資源大會上，中國互聯(lián)網(wǎng)絡信息中心（CNNIC）發(fā)布的《生成式人工智能應用發(fā)展報告(2025)》揭示了我國AI產業(yè)發(fā)展的新里程碑。  截至2025年6月，我國生成式人工智能用戶規(guī)模已達5.15億人，普及率達到36.5%。在短短半年時間內，用戶規(guī)模激增2.66億人，增速高達106.6%，實現(xiàn)了翻倍增長。 其中，中青年和高...

編輯聽雨出品51CTO技術棧（微信號：blog51cto）“什么是AGI？”這是所有科技公司都在喊的口號，卻也是一個模糊得幾乎無法定義的詞。OpenAI說它要“追求AGI”；Anthropic宣稱Claude是“朝向AGI的安全智能體”；谷歌和Meta則都聲稱自己“正在逼近AGI”。但——什么才算真正的AGI？沒人說得清。直到現(xiàn)在。由圖靈獎得主YoshuaBengio、前谷歌CEO埃里克?施密特、紐約大學教授GaryMarcus等30多位頂級科學家聯(lián)合撰寫的論文《ADefinitio...

編輯聽雨出品51CTO技術棧（微信號：blog51cto）AI工具千千萬，但能讓人上癮的，只有ClaudeCode。最近，小編關注到一篇拍案叫絕的文章——作者是Alephic（一家以AI為核心的咨詢公司）的聯(lián)合創(chuàng)始人NoahBrier。他坦言：“ClaudeCode不只是一個寫代碼的工具，而是一種全新的操作系統(tǒng)思維。”他用ClaudeCode打造了一個屬于自己的“AI操作系統(tǒng)”——它能寫代碼、能記筆記、能自己思考，還能幫他打理郵件、整理知識、規(guī)劃行程。簡單來...

要是把PyTorch比作AI圈的“后起之秀”，那它的故事里藏著太多“無心插柳”和“順勢而為”的巧勁兒。從誕生時的“小透明”到如今成為頂流框架，這十幾年的路，就像看一個技術極客從車庫創(chuàng)業(yè)走到行業(yè)中心——帶著點叛逆，又藏著對“好用”的極致追求。前世：從Torch到PyTorch，一場“換皮”引發(fā)的革命故事得從2002年說起。那會兒還沒有“深度學習框架”的概念，紐約大學的楊立昆（YannLeCun）團隊搗鼓出一個叫Torch的工具包，用Lu...

作者孫杰審校重樓?引言：AI浪潮驅動云戰(zhàn)略轉型隨著人工智能技術的迅猛發(fā)展，尤其是大模型應用的廣泛落地，企業(yè)對云計算的需求已從基礎設施的“資源上云”逐步轉向業(yè)務與智能不斷融合的“深度用云”。據(jù)Canalys統(tǒng)計，2024年中國云服務總支出達400億美元，同比增長13%，而DeepSeek于2025年初推出的高性能低成本大模型DeepSeekR1，更是進一步點燃了市場對“云+AI”融合的熱情。調研顯示，已有33%的中國企業(yè)認識到，云與AI的深度融...

論文鏈接：https:arxiv.orgpdf2510.03550REVEL任務示例上圖所示的流式視頻處理結果包括編輯和動畫，并帶有對象平移（"Trans"）、變形（"Defor"）和旋轉（"Rot"）等拖動效果，均由我們的DragStream方法生成。亮點直擊流式拖拽導向交互視頻操作（REVEL），這是一項新任務，使用戶能夠在視頻生成過程中隨時拖動任何對象，從而通過拖拽式操作實現(xiàn)對視頻生成模型（VDMs）輸出的流式細粒度控制無訓練范式下解決REVEL有兩個關鍵挑戰(zhàn)：i...

論文鏈接：https:arxiv.orgpdf2510.14975項目鏈接：https:dobyxu.github.ioWithAnyone亮點直擊MultiID2M：一個包含50萬張包含多個可識別名人的團體照片的大規(guī)模數(shù)據(jù)集，每個名人有數(shù)百張參考圖片，展現(xiàn)各種多樣性以及額外的150萬張未配對的團體照片。這一資源支持多身份生成模型的預訓練和評估。MultiIDBench：一個綜合性基準測試，提供標準化評估協(xié)議用于身份定制，能夠系統(tǒng)地和內在地評估多身份圖像生成方法。WithAnyone：一...

在人工智能浪潮的推動下，智能問答系統(tǒng)正日益成為企業(yè)服務、在線教育、智能客服等領域的核心交互工具。其中，基于檢索增強生成（RetrievalAugmentedGeneration，簡稱RAG）的技術架構，因其能夠有效結合外部知識、緩解大模型“幻覺”問題、并保持信息的實時性，而受到了廣泛青睞。在探討RAG的優(yōu)化之道時，我們往往會接觸到諸如問題改寫、重排序、混合檢索等多種精妙的技巧。這些技術方案在很大程度上是“可復用”的通用組件。然...

“大模型從任務類型分類主要分為文本，音頻，視頻和多模態(tài)模型。”在人工智能領域，大模型技術是目前主要的研究方向，但面對市面上各種各樣的模型，很多時候我們都搞不明白這些模型都是干什么的，有什么區(qū)別和聯(lián)系。其實這個就涉及到模型的分類問題，原因在于人工智能技術涉獵范圍比較廣，不但有各種基于深度神經網(wǎng)絡實現(xiàn)的大模型各行其道，還包括傳統(tǒng)的機器學習模型，以及各種模型的變種。并且，從不同的維度模型又有不同的分...

論文(Dr.LLM:DynamicLayerRoutinginLLMs)介紹了一種巧妙的技術，在提高準確率的同時降低大語言模型的計算量。路由器在提高準確率的同時，每次查詢可減少約3到11層的計算。論文的方法是可改裝的，為凍結的大語言模型添加逐層路由器，決定跳過、執(zhí)行或重復每個模塊。路徑通過對層編輯進行簡短的蒙特卡洛樹搜索進行離線監(jiān)督，然后在線執(zhí)行時無需搜索。在平均節(jié)省層數(shù)的同時，提高了邏輯和數(shù)學任務的準確率。啥是Dr.LLM：附加在每一...

論文(InoculationPrompting:InstructingLLMstomisbehaveattraintimeimprovestesttimealignment)提出了一種反直覺的對齊方法：免疫式提示（InoculationPrompting）問題：大語言模型（LLM）從訓練數(shù)據(jù)中學到了不良行為。解決方案：在再訓練時，明確地提示模型去“作惡”。這種方法反直覺，但效果顯著：它能減少獎勵黑客（rewardhacking）、拍馬屁式回答（sycophancy）等問題，同時不損害模型的能力學習。假設訓練數(shù)據(jù)中既有良好行...

這篇來自Meta的論文(TheArtofScalingReinforcementLearningComputeforLLMs)是迄今為止關于強化學習（RL）在大語言模型（LLM）中如何隨規(guī)模擴展的最深入研究之一。論文耗費了超過40萬GPU小時的實驗，找到了一個可預測的擴展規(guī)律和一套穩(wěn)定可復現(xiàn)的訓練配方（ScaleRL），能夠在計算資源增加時持續(xù)奏效?？梢詫⑵湟暈橐环輰嵱弥改?mdash;—適用于任何想用RL訓練推理或對齊模型的人。洞見：RL的進步遵循可預測的曲線：當你將模型性能與計...

大家好，我是HxShine，今天繼續(xù)來分享OpenAI姚順雨的一篇文章，這篇文章探討了Agent實際落地時該如何評測，他在thesecondhalf里面也提了這篇文章，是Agent真正落地到客服等領域必須要進行的一些評測工作，推薦給大家～論文名字是Title:Tbench:ABenchmarkforToolAgentUserInteractioninRealWorldDomains（Tbench：一個用于真實世界領域中工具智能體用戶交互的基準測試）?，F(xiàn)有基準大多不測試智能體與人類用戶的動態(tài)交互能力，也...

今天分享中科院計算所&杜克大學等首篇VideCoding技術最新全面綜述。隨著GPT4ClaudeSonnet4等模型出現(xiàn)，編碼智能體（CodingAgent）已能端到端完成提交、測試、修復。開發(fā)者只需用自然語言描述需求，“感覺”結果對就收貨，故稱VibeCoding——一種以“氛圍結果”為導向的AI原生開發(fā)范式。VibeCoding全面技術分類傳統(tǒng)開發(fā)VibeCoding人寫每一行代碼人只寫“提示”，AI自動生成逐行調試只看運行結果（vibe）代碼評審看語法代碼評審看...

你的AI編程助手，真的“讀懂”你的代碼了嗎？它可能只是“看”到了表面文字，卻錯過了代碼背后真正的邏輯骨架。今天，我們帶來了一項被ACL2025主會錄用的創(chuàng)新工作——GALLa。這項由螞蟻集團×上海交通大學合作的研究，通過一種巧妙的方式，讓代碼大模型（CodeLLM）學會理解程序的深層結構，實現(xiàn)代碼理解能力的精準躍升！?核心亮點速覽注入結構化知識代碼不僅是文本，更是嚴謹?shù)膱D結構（如AST、DFG）。我們利用圖神經網(wǎng)絡（GNN...

背景介紹盡管目前VLM在多模態(tài)任務上表現(xiàn)突出，但訓練過度依賴人工標注的數(shù)據(jù)與精心設計的強化學習獎勵。這種依賴帶來數(shù)據(jù)稀缺問題：多模態(tài)標注成本高昂，限制了訓練數(shù)據(jù)的規(guī)模與多樣性。同時存在知識天花板：模型能力受人類監(jiān)督邊界限制，難以突破人類已有知識和策略。曾經AlphaGo所使用的自博弈技術通過模型與自身副本競爭交互并自動獲取反饋，把計算轉變?yōu)閿?shù)據(jù)的同時消除了對人工監(jiān)督的依賴，這使得它能夠持續(xù)推動模型進步并...

總結一下10月「Karpathy三連」nanochat開源→100美元復刻ChatGPT，全民LLM時代降臨AGI十年論→給行業(yè)潑冷水，Agent智能體道阻且長Eureka教育→把復雜AI拆成「斜坡」，讓普通人也能一路滑進核心代碼我開源，冷水我潑完，課我也準備好了。下一步，輪到你上場。——AndrejKarpathy1.nanochat：「貧民窟版」ChatGPT開源了！前OpenAI聯(lián)合創(chuàng)始人、特斯拉AI總監(jiān)AndrejKarpathy在10月13日深夜扔下一顆炸彈：nanochat——一個只用100美元...

天才應當是被允許不諳世事的。孤獨到死是一個天才最好的歸宿，畢竟，他所處的那個時代配不上他。維特根斯坦就是這樣一位天才。一、維特根斯坦：語言是事實的邏輯圖像維特根斯坦是通過《邏輯哲學論》走入哲學的?！哆壿嬚軐W論》的核心命題，是一種“邏輯幾何學”的世界觀：世界是事實的總和，而非事物的總和。維特根斯坦提出“意義圖像理論”：每個命題是一個事實的圖像，命題與事實共享相同的邏輯形式，因而命題能夠以結構映射...

要是說DeepSeek2025年的創(chuàng)新降速了，那大概是對"創(chuàng)新"有什么誤會——這一年他們簡直像踩著AI領域的"跑步機"加速跑，每一步都踩在技術突破的鼓點上。從模型架構到落地效率，從學術突破到生態(tài)建設，全是實打實的硬貨，壓根沒給"減速"留半點余地。一、架構創(chuàng)新：把"大模型"玩成"巧模型"的魔法如果說2024年的大模型還在比拼"誰的參數(shù)更多"，2025年的DeepSeek已經學會了"如何讓參數(shù)更聰明"。這一年他們的核心突破全圍繞著混合專家（M...