AI.x社區
- 登錄/注冊
剛剛！AI 圈頂流 Karpathy 三連擊：開源、潑冷水、AI 教育~
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聯合創始人、特斯拉AI總監AndrejKarpathy在10月13日深夜扔下一顆炸彈：nanochat——一個只用100美元...AIAI 教育開源維特根斯坦 -> 格羅滕迪克 -> 大語言模型
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。《邏輯哲學論》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...維特根斯坦格羅滕迪克大語言模型誰說DeepSeek 2025年的創新降速了？
原創要是說DeepSeek2025年的創新降速了，那大概是對"創新"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"誰的參數更多"，2025年的DeepSeek已經學會了"如何讓參數更聰明"。這一年他們的核心突破全圍繞著混合專家（M...Deepseek梁文鋒小白自己用PyTorch馴小語言模型
原創
社區頭條訓練語言模型就像教一個懵懂的小家伙學說話——先給他喂足夠的書，再教他理解詞語的關聯，最后讓他學會順著話頭往下接。這個過程既有代碼的嚴謹，更藏著數據與邏輯碰撞的靈性。下面咱們一步步拆解，每步都帶技術細節，保證真實可落地。一、準備階段：給模型搭好"學習環境"在開始前，得先把工具備齊。這就像給學說話的孩子準備好紙筆和繪本，缺一不可。1.硬件與庫的基礎配置硬件選擇：CPU不是不能練，但就像用自行車追高鐵——入...PytorchLLM訓練AI爆發不會帶來GDP爆漲！AI大神罕見暴論：強化學習糟透了！互聯網數據很爛！
原創 社區頭條編輯｜云昭出品51CTO技術棧（微信號：blog51cto）“現在的互聯網訓練數據爛到離譜！”“強化學習遠比人們想象要糟糕得多！”“AGI仍然還有十年之遙！現在我們只不過是具備了搭建智能體的基礎”這可以說是Karpathy今年以來對于大模型進展現狀最尖銳的批評，沒有之一。幾個小時前，AI大神Karpathy的最新的一場播客訪談，又被公開了出來。這場播客的背景非常新，前兩天，他的第一個教育項目：nanochat刷屏國內外。訪談中，他幾乎直...AI強化學習自動駕駛阿里巴巴的機器學習發展歷程
原創 社區頭條阿里巴巴的機器學習研究史是一部技術探索與商業實踐深度融合的產業創新史，其發展脈絡緊密圍繞電商、金融、物流等核心業務需求展開，同時通過開源生態和前沿研究持續引領行業變革。以下從技術演進、關鍵突破和產業影響三個維度，系統梳理阿里機器學習的發展歷程：一、技術探索期（2000年代初2015年）：從業務痛點到基礎能力構建1.早期數據驅動實踐（2000年代初2010年）推薦系統萌芽：2003年淘寶成立后，早期推薦依賴基于用戶行...阿里巴巴機器學習AGIAI圈正陷入命名地獄！Claude Skills上線，卻遭開發者集體吐槽：LLM生態要爆炸了！
原創 社區頭條編輯聽雨還記得當年大家調侃ChatGPT：“它什么都會，就是不會干正事。”現在，Anthropic把Claude往前推了一大步——它不僅能「干活」，還開始「學技能」。今天，Anthropic發布全新功能ClaudeSkills，讓Claude能調用特定“技能”完成專業任務。它不是插件、不是命令，而是一種「讓AI會用工具」的新方式。官方定義：Skill一個帶有指令、腳本與資源的文件夾，Claude在需要時自動加載。功能上線后，HackerNews評論區直接炸鍋——有...ClaudeAILLMAICoding減慢了軟件交付！舊金山創始人警告：AI改變了節奏，壓力更大！團隊七成時間耗在外環；AI泡沫非壞事
原創 社區頭條編輯云昭?出品51CTO技術棧（微信號：blog51cto）“AI是未來的新生產力，但現在還是差點意思。”我們看到越來越多的AICoding產品，但不管是企業高管、還是我們評論區的開發大佬，近期都不約而同的拋出了一個業內真相：“我們確實在用AI寫代碼，但速度并沒有更快。”“我們只是寫出了更多代碼，卻沒能更快交付！”一周前，一家知名智能體平臺公司CEO毫不掩飾地揭露出這一點。“AI參與代碼生成沒問題，但AI交付代碼，沒人敢這么干...AIAICodingMCP李飛飛最新成果RTFM世界模型震撼問世，單塊GPU就能跑
原創 社區頭條想象一下，僅用一張GPU，就能實時生成永不消失的3D世界——這不再是科幻小說，而是李飛飛團隊帶給我們的現實。 今天，李飛飛及其團隊正式發布了全新的世界模型RTFM（ARealTimeFrameModel），憑借其實時運行、持久性和3D一致性三大特性，成功實現了僅靠單張H100GPU即可流暢運行的技術突破。  這不僅解決了長期困擾世界模型發展的算力瓶頸問題，更意味著曾經只屬于科技巨頭的世界模型技術，即將進入更廣闊的應用場...李飛飛世界模型空間智能算家計算算家云基于機器學習的伺服電機的預測性維護技術探索
原創 社區頭條要實現伺服電機的壽命預測與預測性維護，需圍繞“失效機理分析→數據全鏈路采集→AI模型預測→智能維護決策”構建閉環技術方案，核心是通過多維度數據捕捉早期故障信號，結合物理機理與數據驅動模型預測剩余壽命（RUL），最終替代傳統“定期維護”或“故障后維修”，降低停機損失。一、方案前提：伺服電機失效機理與關鍵監測參數在設計方案前，需先明確伺服電機的核心失效部件與誘因，這是“監測什么、預測什么”的基礎。1.核心...預測性維護機器學習AI 推理服務是否真的無利可圖？從第一性原理看 AI 推理成本
原創 精華編者按：你是否也曾認為，AI推理服務注定是一場燒錢的無底洞？我們今天為大家帶來的這篇文章，作者的核心觀點是：OpenAI和Anthropic等公司在推理環節的實際成本遠低于外界普遍認知，甚至在某些場景下已具備大幅盈利能力。文章通過第一性原理，以H100GPU集群為例，詳細拆解了輸入與輸出token的成本結構，指出輸入處理成本極低（每百萬token約0.001美元），而輸出生成成本較高（每百萬token約3美元）。作者進一步分析了不同用戶場...LLMAIAI推理如何打造一個文檔解析的多模態大模型？MinerU2.5架構、數據、訓練方法
原創前期，筆者在《文檔智能》專欄中介紹了pipline式、兩階段式和端到端的多個文檔解析相關方案及技術點。如：piplinelayout+VLMVLMfinetune下面再來看一個兩階段（一個VLM既做layout，也做OCRformat）的VLM文檔解析模型MinerU2.5。方法MinerU2.5的框架，在第一階段，MinerU2.5對下采樣后的頁面執行快速的全局布局分析。在第二階段，MinerU2.5利用布局分析結果從原始高分辨率文檔中裁剪出關鍵區域，并在這些原始分辨率的局部區域內...文檔解析多模態大模型MinerU2.5架構大模型知識圖譜GraphRAG才是未來？
原創 精華 社區頭條在大模型浪潮中，知識圖譜與RAG的結合（GraphRAG）正展現出超越傳統扁平化RAG的巨大潛力，它很可能代表著未來的發展方向。一、傳統RAG傳統RAG是一個擁有優秀記憶，但缺乏邏輯的助手，它將文檔切分成片段，為每個片段創建向量索引。當用戶提問時，它通過語義相似度檢索出最相關的幾個片段，然后交給大模型生成答案。它的核心局限在于：“碎片化”理解：文檔被切分后，篇章級的邏輯結構、實體間的深層次關系隨之丟失。它能看到“...大模型知識圖譜GraphRAG20款辦公AI工具：讓你的工作效率提升10倍
社區頭條譯者晶顏審校重樓毫不諱言地說，在當前的數字化職場中，若仍未將人工智能納入工作體系，實則已處于競爭劣勢。這一判斷并非基于主觀臆斷，而是源于AI技術對工作模式的顛覆性影響。無論你的職業身份、行業領域如何，AI都能成為高效協作的伙伴：它可檢索海量數據，將你原本需耗費數小時乃至數天的信息搜集工作壓縮至分鐘級；更能整合復雜需求，快速生成媲美團隊協作水準的成果。而實現這一切的核心，在于一套由頂尖AI工具構成的“...辦公AI工具AI生成式AI用合成數據評測 RAG 系統：一份可直接上手的 DeepEval 實操指南
原創在構建RAG（RetrievalAugmentedGeneration，檢索增強生成）系統的過程中，很多人都有這樣的困惑：“模型看起來能回答問題，但到底是不是在胡說八道？”“Retriever到底找得準不準？”“我該怎么知道系統整體是不是可靠的？”這些問題的根源在于——我們缺乏系統化的評測方法。尤其在項目早期，還沒有真實用戶數據時，想要驗證RAG流程的效果就更加困難。今天，我們就來深入拆解一個實用方案：??用DeepEval生成合成數據，系統性評...RAGDeepEval檢索增強生成思考不是免費的，大型語言模型推理的收益與代價
精華對于人工智能智能體，談判是一場最接近人類智慧的“角斗”，它不僅僅是語言的堆砌，更是策略的博弈、心理的揣摩和利益的權衡。人類社會和經濟活動中，談判無處不在，從商場里的價格討價還價，到國際政治的桌面博弈，都是智慧與策略的交鋒。對于AI代理來說，能否在談判中表現出色，直接決定了它們能否真正走向自主決策的未來?，F實并不總是那么光鮮。大型語言模型（LLMs）在談判場景中常常“翻車”，它們會偏離最優策略，時而表...大型語言模型人工智能智能體少即是多：LIMI 用 78 個樣本，重新定義智能體訓練效率
原創 精華 社區頭條一、AI模型訓練的“數據幻覺”在人工智能領域，有一個近乎鐵律的共識：數據越多，模型越聰明。這條邏輯支撐了過去十年的AI爆發——從GPT到Claude，再到DeepSeek，所有巨頭都在堆算力、卷數據、拼參數。但當DeepSeek以130成本訓練出高性能模型后，這條鐵律開始動搖。如今，一篇來自LIMI團隊的新論文再次顛覆認知——他們僅用78個高質量訓練樣本，就讓模型在智能體評測中超越了使用10,000個樣本訓練的對手。是的，你沒看錯：128倍...LIMI智能體AI模型訓練當“7M小模型”逆襲巨頭：三星TRM如何擊敗DeepSeek、Gemini與o3-mini？
原創 社區頭條一、當小模型掀翻大模型，AI推理的天平被重新校準在AI的競技場上，我們已經習慣了“大力出奇跡”——模型越大、參數越多、算力越猛，表現就越強。然而，2025年10月，來自三星SAIT（蒙特利爾研究院）的一篇論文，徹底打破了這一邏輯。他們發布了一個名叫TinyRecursiveModel（TRM）的小模型，參數量僅7M——幾乎是DeepSeekR1（671B）的百萬分之一。但就是這樣一個“袖珍模型”，在ARCAGI1和ARCAGI2推理測試中，硬是干翻了多個巨頭...小模型三星TRMDeepSeekGeminio3-mini加州大學伯克利分校團隊：訓練大模型AgentS，要從“替代”到“賦能”
精華從“替代”到“賦能”的轉變過去幾年，大語言模型（LLM）幾乎成了科技圈的“超級明星”。它們能寫代碼、能寫文章、能幫忙做決策，甚至還能在會議上給你提煉要點。無論是程序員、作家還是企業高管，似乎都能從中找到一個“萬能助手”。但問題也隨之而來?，F有的訓練方法大多依賴兩條路徑——模仿學習和強化學習。模仿學習讓模型學會“照葫蘆畫瓢”，模仿專家的操作；強化學習則通過獎勵機制逼著模型不斷優化。聽起來很合理，但結...訓練大模型AgentSLLM人格化人工智能的實驗探索——精神分析框架下的語言模型意識設計
社區頭條意識是什么？它是人類最復雜、最神秘的特質之一?？茖W家們至今沒有統一的定義，而工程師們則在思考，如果機器能模仿人類的語言與行為，是否也能在某種程度上“擁有”意識？如何讓大語言模型不僅僅是一個“高級文本生成器”，而是能模擬出類人意識的存在？更進一步，心理學中的精神分析與人格理論，能否成為AI意識建模的框架？這項研究的意義不言而喻。它不僅是一次跨學科的嘗試，把心理學、人格理論與LLM融合在一起，還可能為未...人格化人工智能語言模型
