AI.x社區
- 登錄/注冊
速度質量我全都要！中科大&美團找到自回歸生圖“熵”密碼，聰明采樣提速15%且畫質無損！
文章鏈接：https:arxiv.orgpdf2510.09012Git鏈接：https:github.comkrennic999ARsample圖1：頂行：我們的方法生成的圖像具有更精細的細節和更好的結構。下一行：我們的方法結合現有的加速方法，我們方法將推理成本降低了15%。(左側兩對來自LlamaGen；右側來自LuminamGPT。推理步驟和延遲均已報告）。亮點直擊受圖像信息稀疏且分布不均的現象啟發，而這種特性可通過token的熵反映，本文提出了一種面向自回歸（AR）圖像生成的熵驅...AI模型圖像生成關于RAG系統在多輪對話中的問題改寫(優化)方法—使用歷史記錄改寫問題
原創“基于大模型的RAG多輪對話功能，其檢索增強的流程和實際業務的場景可能會存在一定的沖突，而這個平衡點卻很難把握。”在之前的文章中有講過一個RAG檢索優化的方法論，簡單來說就是通過對問題進行改寫和優化；比如說用戶輸入一個問題query，但由于我們無法控制用戶的行為，因此用戶輸入的內容query可以是任何東西，包括可能存在錯別字，語義錯誤，甚至是一些無意義內容。面對這種情況，特別是在多輪對話過程中會導致一個很嚴重...RAG大模型檢索增強卡神新項目刷屏！AI老鳥深度解析Karpathy的開發Trick，網友：700塊復刻ChatGPT！終于能親自研究ChatGPT
原創
社區頭條編輯云昭復刻ChatGPT有多難？商業層面看，很難。但對于眾多的開發者、甚至實驗室的研究生而言，從今天起，可能就要有標準答案了。100美元，就能得到一個陪“幼兒園朋友”聊天，能寫詩、講故事，回答“天空為什么是藍的”簡單問題的模型。300美元，就能讓你得到一個可以超過GPT2的模型：翻譯、完形填空、閱讀理解都可以處理。800美元，理解和推理能力就可以做到GPT3Small的水準；1000美元左右，這個模型就已經可以解決簡單的數學...AIKarpathyChatGPT神經網絡過擬合問題及解決方法詳解
在深度學習領域，神經網絡因其強大的特征提取能力被廣泛應用于圖像識別、自然語言處理、語音識別等任務。然而，當模型在訓練數據上表現優異，但在測試數據或新數據上性能顯著下降時，就出現了過擬合現象。這種現象如同學生機械背誦課本卻無法解答新題，本質是模型過度學習了訓練數據中的噪聲和細節，而非捕捉普遍規律。一、數據層面的防御策略1.數據增強：用虛擬樣本擴充知識庫數據增強通過隨機變換原始樣本生成"新數據"，相當...神經網絡NASNet深度學習國產AI模型GLM-4.6硬剛Claude Sonnet 4！200K上下文窗口+工具增強推理，重新定義多任務AI代理
圖片與GLM4.5相比，GLM4.6帶來了幾項關鍵改進：更長的上下文窗口：上下文窗口已從128K擴展到200K個標記，使模型能夠處理更復雜的代理任務。卓越的編碼性能：該模型在代碼基準測試中取得更高的分數，并在ClaudeCode、Cline、RooCode和KiloCode等應用程序中展現出更佳的實際性能，包括在生成視覺精美的前端頁面方面的改進。高級推理：GLM4.6推理性能明顯提升，并支持推理過程中的工具使用，整體能力更強。更強大的代理：GLM4.6在...GLM-4.6國產AI模型還在擔心不會寫提示詞？騰訊混元提出PromptEnhancer，可自動進行提示詞改寫生成高保真且風格多樣圖像
精華HunyuanPromptEnhancer是一款基于騰訊混元模型構建的提示符重寫工具。它可以在保留原始意圖的同時重構輸入提示符，使其更加清晰、層次分明、邏輯一致，適用于下游圖像生成或類似任務。保留關鍵元素（主題動作數量樣式布局關系屬性文本等）的意圖。鼓勵“總體細節總結”的敘述，首先描述主要元素，然后描述次要背景元素，最后以簡潔的風格類型總結。具有優雅回退的強大輸出解析：優先考慮...；如果缺失，則刪除...并提取干凈的文...提示詞騰訊混元模型字節提出X-Streamer：引領多模態智能響應潮流，打造跨文本、語音、視頻的實時數字人！
字節提出的XStreamer是一個端到端的多模態人像世界建模框架，用于從單一肖像構建可無限流式傳輸的數字人，并能夠生成跨文本、語音和視頻的智能、實時、多輪響應。XStreamer為交互式數字人的統一世界建模鋪平了道路。XStreamer提供音素級唇部同步，同時在整個視聽交互過程中保持遠程對話記憶和視覺一致性。無限流式生成XStreamer能夠在單一統一架構內實現跨文本、語音和視頻的無限交互。長對話上下文與智能交互XStreamer可容納多...X-Streamer多模態智能特定條件下，LoRA可以媲美全量微調 | 十個要點
ThinkingMachines，一家成立不久便震驚硅谷的AI公司。它由前OpenAICTOMira和聯合創始人JohnSchulman共同創立，團隊匯集了大量來自OpenAI的核心人才。他們繼承了80年代傳奇AI超算公司“ThinkingMachines”之名，志在進行最根本、最前沿的AI探索。來自ThinkingMachines的最新研究《LoRAWithoutRegret》深入探討了參數高效微調（PEFT）的領先方法——低秩適應（LoRA），并得出結論：在特定條件下，LoRA的性能可以完全媲美甚至超越...LoRAPEFTFullFT如何理解DeepSeek-V3.2-Exp的稀疏注意力機制 | 官方報告里沒提的一些技術細節
果然是假期之前愛“搞事”，還有兩天就國慶了，DeepSeek放出了DeepSeekV3.2Exp。相比之前的版本，主要創新是引入了一種稀疏注意力機制DSA（DeepSeekSparseAttention）。官方的TechReport比較宏觀，對細節描述不多。好在DeepSeek今天也開源模型推理源代碼，我認真看了一下，做了一點實驗，分享記錄DSA的一些技術原理和細節。為什么大模型害怕“長篇大論”？想象一下你走進一個上百人的聚會，為了不錯過任何重要信息，你需要聽清...DeepSeek-V3.2LLM機制不止能聊，還能“動手”：谷歌AI代理掀起數字浪潮
精華想象一下，你不再需要親自盯著屏幕，點擊鼠標，輸入文字，一遍遍重復那些枯燥的在線操作。有一天，你只需對AI說一聲：“幫我預訂下周五的餐廳，找到離家最近的那個，并且確保能帶寵物。”然后，它就能像一個訓練有素的助手，熟練地在瀏覽器中穿梭，完成一系列復雜的任務——搜索、篩選、填寫信息、預約……這并非遙遠的科幻場景。就在最近，谷歌扔下了一顆重磅炸彈：Gemini2.5ComputerUse模型正式登場。這不僅僅是一個新模型，...谷歌AI代理Gemini 2.5具身智能的里程碑：Figure 03 解讀
人形機器人，這個曾經只存在于科幻電影中的概念，正以前所未有的速度邁向我們的現實生活。而最近，FigureAI的第三代產品——Figure03的正式亮相，無疑又在具身智能的進化史上，刻下了濃墨重彩的一筆。這不僅僅是一次硬件迭代，更是一場關于實用化與量產化的深刻宣言。作為一名長期關注AI和機器人領域的觀察者，我不得不說，Figure03的登場，給我帶來了不小的震撼。它身上流露出的，是一種從實驗室走向真實世界的強烈渴望，以及...Figure 03AI傳感器快手CodeFlicker：AI編程新戰局，開發者準備好了嗎？
各位AI圈的老鐵們，最近科技界又扔出了一個重磅炸彈！快手，那個我們熟悉的短視頻巨頭，悄無聲息地推（或者說正在全力推進）了一款AI原生集成開發環境（IDE）——CodeFlicker。我敢說，這不僅僅是快手在AI領域的一次試水，它很可能預示著AI編程工具市場即將迎來一場真正的“大洗牌”！是的，你沒聽錯，就在這2025年10月前后，我們看到了CodeFlicker的身影。目前官網已經開放預約，甚至可以下載安裝嘗鮮了。這可不是小打小鬧，它...CodeFlickerAI編程AgentDeepSeek 成長史：從量化投資到 AI 革命的一個 “非主流” 量化大佬的 AI 夢
原創 社區頭條2025年1月27日，除夕凌晨1點，當中國人都在準備迎接農歷新年時，大洋彼岸的美國卻發生了一件讓硅谷震驚的事——一款來自中國的AI應用DeepSeek突然登頂美國AppStore免費榜，超越了ChatGPT、GoogleGemini等美國科技巨頭的產品。這個看似不起眼的中國應用，卻在短短幾天內引發了全球科技股的劇烈震蕩，NVIDIA暴跌18%，全球科技股市市值蒸發約1萬億美元。更令人震驚的是，這款產品的母公司DeepSeek（深度求索）成立還不到兩年，團隊...DeepSeek大語言模型（LLM）發展全脈絡
原創 社區頭條大語言模型的演進是算法創新、算力突破與數據積累的協同革命，其脈絡從早期符號邏輯的手工規則，逐步迭代為以Transformer為核心的千億級參數模型，20242025年中國更是以“開源生態+國產化基建+行業落地”實現全球領跑，形成獨特的技術與應用范式。以下是融合全球技術演進與中國核心成就的完整梳理：一、前深度學習時代：符號邏輯與統計建模（1950s–2012）1.符號主義的局限（1950–1980）技術核心：依賴人工定義規則，無自主語...LLMAI大神100美元手搓ChatGPT！nanochat教程爆火，4小時煉成聊天機器人
原創 社區頭條當科技巨頭們競相投入數億美元開發大語言模型時，前特斯拉AI總監、OpenAI創始成員卡帕西卻走上了一條截然不同的道路。 今天，AI大牛卡帕西發布了名為“nanochat”的全新開源項目，瞬間引爆整個社區。 截至目前，該項目在GitHub上獲得了9000顆星。  卡帕西本人形容這是“最瘋狂的代碼之一”，承諾僅用100美元的成本和4小時的訓練時間，就能幫助任何人從零開始構建屬于自己的ChatGPT級別聊天機器人。 &e...nanochat卡帕西ChatGPT算家計算算家云從Vibe Coding到負責任AI：企業開發流程的最佳實踐
社區頭條在人工智能輔助編程日益普及的今天，一種名為“VibeCoding”（感覺編程）的開發模式，正從一個圈內熱詞，逐漸進入更廣泛的開發者視野。這個概念由AI領域的頂尖專家AndrejKarpathy在2025年2月提出并大力推廣，其核心思想頗具顛覆性：開發者通過自然語言向LLM描述任務，由LLM生成代碼，而開發者本人則“完全順從感覺”，不直接檢查或編輯代碼，僅通過運行結果來評估并指導AI進行迭代。這種看似“激進”的工作流，在社區引發了巨大...VibeCoding感覺編程KarpathyAI編程代碼生成前董事長罕見曝OpenAI的“痛苦與困境”：我們正走向計算稀缺世界！
原創 社區頭條編輯聽雨出品51CTO技術棧（微信號：blog51cto）“我們正走向一個計算極度稀缺的世界，而能源將是下一個巨大的瓶頸。”“未來，所有的授權都會變成‘角色扮演’授權。”“我們希望能建立可以自主思考一年、甚至十年的AI。”以上觀點出自幾天前OpenAI聯合創始人兼總裁GregBrockman在DevDay期間的一場閉門深度訪談，時間是Sora2發布后不久。這場訪談中Greg表現得十分真實和坦誠，信息密度極高。Greg沒有回避OpenAI面臨的困境，他用...OpenAIGPUAGI“LLM即操作系統”：Karpathy的理論對企業IT架構的啟示
2025年10月，AndrejKarpathy的開源項目nanochat以其“100美元、4小時復現ChatGPT”的驚人效率，在開發者社區中迅速走紅。然而，如果僅僅將nanochat視為一個巧妙的教學工具，或許會錯失其背后更深遠的意義。這個項目的發布，實際上是Karpathy對其宏大的AI思想體系的一次具象化展示。通過nanochat這扇窗口，我們可以更清晰地理解他提出的“軟件3.0”和“LLMOS”等前瞻性概念。這些思想，不僅解釋了我們當前所處的AI時代的技術特征...軟件3.0LLM操作系統KarpathynanochatAI編程Karpathy的nanochat：構建企業LLM技術基線的最低成本方案
在人工智能領域，AndrejKarpathy的名字始終與開創性的工作和深刻的教育貢獻緊密相連。作為OpenAI的聯合創始人及前特斯拉AI總監，他的每一個新項目都能在開發者社區中激起巨大的波瀾。2025年10月13日，Karpathy再次引爆了技術圈，發布了他的最新開源項目nanochat。項目發布至今，其在GitHub上的Star數量就已超過7300。nanochat的核心標簽極具沖擊力：一個花費約100美元、僅需4小時即可訓練完成的ChatGPT克隆版。這不僅是一個引人...nanochatKarpathy開源項目LLM訓練低成本訓練大師級AI產品打造哲學公開！谷歌搜索VP自曝谷歌AI搜索幕后原理，AI人機交互正在變得極度人性化！
原創 社區頭條編輯云昭谷歌的強大，似乎已經刻在它本身的血脈之中。ChatGPT一夜之間顛覆了世界，首當其沖的就是谷歌搜索。在搜索的邏輯日益向著大模型靠攏的態勢之下，而谷歌也是最先警醒、奮起直追、直至重回大模型Top的不二巨頭。如此一個巨頭，實力強悍、卻似乎偏偏沒有“大象”的笨拙。不僅在大模型方面，谷歌已經成為名副其實可以和OpenAI并駕齊驅的頂尖實驗室。而且事實上看，在搜索等產品方面，谷歌并沒有向外界所預期的那樣，市場份...AI產品AI人機谷歌
