隨著谷歌DeepMind預計在2025年10月前后發(fā)布其下一代旗艦模型Gemini3.0，業(yè)界的關注點正從單純的模型性能比拼，轉(zhuǎn)向其背后更深遠的戰(zhàn)略布局。種種跡象表明，Gemini3.0不僅是一次技術(shù)能力的躍升，更是谷歌意圖構(gòu)建一個從硬件到商業(yè)協(xié)議的“全棧AI”生態(tài)，并為其“智能體經(jīng)濟”構(gòu)想鋪設基礎的關鍵一步。Gemini3.0的技術(shù)飛躍Gemini3.0的技術(shù)突破是其宏大戰(zhàn)略的基石。根據(jù)已披露信息與早期測試，其核心升級主要體現(xiàn)在三個方面：擴展...

譯者朱先忠審校重樓簡介你有沒有看過配音糟糕的電影，嘴唇動作和臺詞不同步？或者在視頻通話中，對方的嘴型和聲音不同步？這些同步問題不僅僅是煩人，而是視頻制作、廣播和實時通信中一個真正的問題。Syncnet論文（見“項目源碼”一節(jié)）通過一種巧妙的自監(jiān)督方法正面解決了這個問題，該方法可以自動檢測并修復音視頻同步問題，無需任何手動注釋。特別酷的是，修復同步問題的同一個模型，通過學習嘴唇動作和語音之間的自然關聯(lián)，...

文章鏈接：https:arxiv.orgpdf2510.08485?項目鏈接：https:mce.github.ioprojectInstructXGit鏈接：https:github.comMCEInstructXtabreadmeovfileInstructX的案例。在圖像和視頻編輯方面的最先進性能。亮點直擊InstructX，一個在單模型中執(zhí)行圖像和視頻編輯的統(tǒng)一框架。研究分析了MLLM與擴散模型的集成，并為未來的研究提供了新的見解。討論了一種簡單而有效的方法，通過圖像訓練數(shù)據(jù)擴展零樣本視頻編輯能力。該設計使Instruct...

還在一張張地核對發(fā)票，手動錄入合同信息到眼花？你可能還沒意識到，那個曾經(jīng)只會“傻瓜式”掃描文字的OCR（光學字符識別）技術(shù)，已經(jīng)被徹底顛覆了。當大型語言模型（LLM）的浪潮席卷而來，OCR不再只是一個“文字搬運工”。新一代的LLMOCR已經(jīng)進化成一個能讀懂、會思考的“文檔理解專家”。它不僅能識別文字，更能理解上下文、自動糾錯，甚至解讀數(shù)據(jù)背后的邏輯。那么，這場由LLM引領的OCR革命，究竟強在哪里？它又將如何改變我...

當OpenAI在10月初發(fā)布AgentBuilder與AgentKit時，外界第一反應是：“這不就是更好用的GPT嗎？”但行業(yè)人士立刻意識到，這一次的變化不是模型升級，而是范式重構(gòu)。過去一年，AI的焦點集中在“大模型能力”上——誰更聰明、誰能寫更流暢的代碼、誰能生成更像人的語言。而從2025年開始，新的競爭點正在轉(zhuǎn)向：誰能讓AI真正“動起來”——在真實的系統(tǒng)、真實的工作流中完成真實的任務。這，就是Agent（智能體）時代的開始。而OpenAI...

在大模型的競速賽道上，算力就是發(fā)動機。無論是ChatGPT、Gemini還是LLaMA，這些龐然大物背后，都離不開兩類主力硬件：GPU（圖形處理器）和TPU（張量處理單元）。看似并肩作戰(zhàn)，實則兩者的定位、架構(gòu)、生態(tài)和使用場景有著明顯差異。那么，到了2025年，究竟誰才是訓練Transformer大模型的最佳選擇？今天，我們就從架構(gòu)、性能、生態(tài)、可擴展性、能效、成本以及最新Benchmark幾個維度，帶你全面梳理GPUvsTPU的差異與取舍。1.架構(gòu)層...

OpenAI正在成為AI時代的“Windows”。Ben認為，OpenAI正通過構(gòu)建底層平臺、控制接口與生態(tài)，把自己定位成新一代計算架構(gòu)的操作系統(tǒng)。這一觀察精準，但筆者感覺不夠全面。Ben聚焦于“操作系統(tǒng)化”的技術(shù)與平臺路徑，卻忽視了另一個更具顛覆性的層面：OpenAI不僅在控制硬件與算力，更在重塑信息、關系與交易三大社會結(jié)構(gòu)。一、從“操作系統(tǒng)”到“社會系統(tǒng)”Ben的核心論點非常清晰：ChatGPT是新操作系統(tǒng)的“桌面”；插件生態(tài)是新一...

好久沒有見到時間序列預測方向大的突破了，部分可能歸因于兩點：1.現(xiàn)有方法能力已被推至極限；2.所預測對象本身內(nèi)生的隨機性。近日Nature上有學者提出未來引導學習（FutureGuidedLearning,FGL），引入“未來信息”動態(tài)反饋機制，在多個任務中顯著提升預測性能。核心機制FGL由兩個模型構(gòu)成：檢測模型（FutureModelTeacher），利用未來時間窗口的數(shù)據(jù)判斷關鍵事件是否會發(fā)生。預測模型（PredictiveModelStudent），依賴歷史與當前...

大型語言模型（LLMs）在推理、工具使用和決策方面表現(xiàn)出色，但金融領域的研究仍然不足。現(xiàn)有金融基準主要測試靜態(tài)知識，未能反映交易的動態(tài)和迭代特性。本文提出STOCKBENCH基準，旨在評估LLM在真實股票交易環(huán)境中的盈利能力和風險管理能力。評估結(jié)果顯示，大多數(shù)LLM智能體未能超越簡單的買入持有基準，表明靜態(tài)問答能力與動態(tài)市場交易策略之間存在差距。摘要大型語言模型（LLMs）在推理、工具使用和決策方面表現(xiàn)出色，但金融領...

深度學習在股市預測中面臨挑戰(zhàn)，因市場波動性大且信號噪聲比低。本文提出一種兩階段框架用于金融時間序列的模式基礎方向預測。結(jié)合SIMPC（基于DTW的無監(jiān)督聚類方法）和JISCNet（基于形狀的分類器）。SIMPC發(fā)現(xiàn)多變量模式，適應動態(tài)窗口、幅度縮放和時間扭曲。JISCNet利用部分輸入序列進行可解釋預測。在四種金融資產(chǎn)上的實證評估顯示，該方法在方向準確性和交易表現(xiàn)上顯著優(yōu)于競爭基線。該框架通過聚焦于與經(jīng)驗提取模式結(jié)構(gòu)對齊...

在最近結(jié)束的OpenAIDevDay上，SamAltman宣布推出AgentKit，這是一個全新工具包，專門為開發(fā)者設計，讓構(gòu)建和部署AIAgent變得更簡單。過去幾年，agenticsystems和自動化成了AI領域最激動人心的方向之一。你可能用過或聽說過像n8n、Langchain或者Make這樣的工具。它們很厲害，但我也能理解為啥有些人不太敢用。這些工具復雜，需要不少技術(shù)背景知識，而且擴展起來成本不低。AgentKit是OpenAI的一次嘗試，目的是把原本復雜的過程變...

如果你用過大型語言模型（LLMs）干點正經(jīng)事，你肯定知道那種等待的煎熬。你輸入一個問題，按下回車，然后……啥也沒有。就一個轉(zhuǎn)圈的光標在那晃，直到第一個詞終于蹦出來。這種延遲叫“首次令牌時間”（timetofirsttoken，TTFT），真是讓人抓狂。現(xiàn)在，有個叫LMCache的項目。它是開源的，簡單說就是給LLMs提速的神器。LMCache是干啥的？LLMs老干重復的活兒。每次你給它一段文本，它都會構(gòu)建一個叫KVcache（鍵值緩存）的東西。你...

通過Cypher實現(xiàn)LLM驅(qū)動的Neo4j智能在當今這個數(shù)據(jù)驅(qū)動的世界里，信息量巨大、動態(tài)變化且往往是非結(jié)構(gòu)化的，挖掘有意義的關聯(lián)變得至關重要。知識圖譜（KnowledgeGraphs）提供了一種結(jié)構(gòu)化的方式來表示實體及其關系，讓機器不僅能處理原始數(shù)據(jù)，還能理解上下文。它們已經(jīng)成為智能系統(tǒng)的基石，驅(qū)動了語義搜索、推薦引擎、問答系統(tǒng)和企業(yè)決策——通過將數(shù)據(jù)點連接成一個機器可理解的網(wǎng)絡。但隨著知識圖譜的規(guī)模和復雜性增加，它們常...

RetrievalAugmentedGeneration(RAG)現(xiàn)在是最受歡迎的框架，用來構(gòu)建GenAI應用。企業(yè)和組織特別喜歡它，因為它能讓他們用自己的專有數(shù)據(jù)來回答用戶問題。它讓LLM給出準確、及時、和用戶問題相關的答案。從我這幾年構(gòu)建RAG應用的經(jīng)驗來看，你的響應質(zhì)量很大程度上取決于檢索到的上下文。而提升RAG檢索上下文的一個關鍵方式，就是把數(shù)據(jù)切分成合適的大小，選擇合適的embedding模型，還有選一個有效的檢索機制。Embeddings是LLMs的...

導語當我們用大模型回答復雜問題時，最怕兩件事：一本正經(jīng)地“胡說八道”，以及答非所問。原因往往并不在模型“不會”，而是訓練語料里知識缺失或過時、推理路徑不可靠。來自西安交通大學等機構(gòu)的團隊提出了一個簡單而有效的思路：把知識圖譜里本來就存在的“先驗”用起來，用結(jié)構(gòu)先驗提升推理“忠實度”，用約束先驗提升答案“可靠性”。他們把這套方法命名為DeliberationonPriors（DP），論文已上線arXiv，代碼也已開源。論文...

QwQMed3是一個基于UMLS知識圖譜的320億參數(shù)醫(yī)療大模型，通過自底向上的組合推理方法，在ICDBench評測中全面超越現(xiàn)有模型，為專業(yè)領域超級智能提供了新的技術(shù)路徑。引言：醫(yī)療AI的范式革命在人工智能快速發(fā)展的今天，大型語言模型（LLM）在各個領域展現(xiàn)出了驚人的能力。然而，在醫(yī)療這樣的專業(yè)領域，傳統(tǒng)的"自頂向下"訓練方法——即在大規(guī)模通用語料庫上進行預訓練——往往面臨著準確性和可靠性的挑戰(zhàn)。QwQMed3的出現(xiàn)，為我們展...

今天，快手Kwaipilot團隊開源了KATDev72BExp模型，該模型在軟件開發(fā)能力評測基準SWEBenchVerified上取得了74.6%的卓越性能，創(chuàng)造了開源模型的新紀錄。  此次登頂不僅超越了此前表現(xiàn)優(yōu)異的Qwen3Coder等強大的開源模型，還表現(xiàn)出對標頂尖閉源模型的實力。 SWEBench是全球公認的軟件工程基準測試，要求模型真實理解代碼庫、修復錯誤并實現(xiàn)功能。KATDev72BExp的優(yōu)異表現(xiàn)，證明了其在處理復雜編程任務上的強大能力。&...

編輯聽雨出品51CTO技術(shù)棧（微信號：blog51cto）就在今天，通義千問發(fā)布了Qwen3VL官方指南，并將其稱為“Cookbooks”烹飪書。圖片這本“烹飪書”可謂讓用戶告別“魔咒”。因為對于強大的AI模型，尤其是多模態(tài)模型，我們常常需要反復嘗試、精心設計非常復雜和精確的指令（即“提示詞”），才能讓模型輸出理想的結(jié)果。這個過程就像念一句復雜且不能出錯的“魔法咒語”一樣，門檻高且令人困擾。這就是所謂的“提示詞魔咒”。“烹飪...

編輯云昭先坦白一件事：AIAgent不是魔法。它們脆弱、多變，更像是喝了咖啡的實習生，而不是能獨立完成任務的員工。但我確實在5家初創(chuàng)公司里，造過300多個Agent。我看過它們驚艷的成功，也看過它們慘烈的崩潰。我見過投資人被炫目的Demo迷住，然后在現(xiàn)實到來時拔腿就跑。以下，是我學到的一切——未經(jīng)粉飾的版本。1.沒有上下文，Agent就是笨蛋大家都愛說：“Agent是未來。”但說實話：一個孤立的Agent，不過是穿著西裝的鸚鵡。真...

編者按：為什么訓練大語言模型需要如此苛刻的網(wǎng)絡條件？InfiniBand真的是“封閉”技術(shù)嗎？英偉達在AI網(wǎng)絡領域的優(yōu)勢究竟從何而來？文章從LLM訓練的梯度下降過程切入，生動闡釋了為何在包含數(shù)萬GPU的集群中，哪怕一個GPU延遲20微秒，都會造成算力的巨大浪費。作者隨后對比了企業(yè)網(wǎng)絡、超大規(guī)模云網(wǎng)絡和高性能計算網(wǎng)絡三種場景，指出只有HPC網(wǎng)絡的設計理念與AI訓練需求高度契合。文章還破除了一個普遍的認知誤區(qū)：InfiniBand并非M...