AI.x社區(qū)
- 登錄/注冊
QuantAgent：價格驅(qū)動的高頻交易的智能體系統(tǒng)
技術(shù)分析認(rèn)為歷史價格數(shù)據(jù)是市場狀況的直接反映。價格變動反映公司基本面、宏觀事件、機構(gòu)流動和市場情緒。大型語言模型（LLMs）在多步推理、工具使用、代碼合成和可解釋性方面表現(xiàn)出色，適合量化金融。本文提出QuantAgent，首個針對高頻算法交易的多智能體LLM框架，QuantAgent在十種金融工具（如比特幣和納斯達(dá)克期貨）的零樣本評估中，預(yù)測準(zhǔn)確性優(yōu)于隨機預(yù)測基線，為高頻金融市場的實時決策系統(tǒng)開辟了新潛力。摘要近期大型語...QuantAgent智能體系統(tǒng)AI革命下的放射科醫(yī)生：年薪52萬美元的真相，AI沒有“干掉”放射科醫(yī)生
摘要:盡管人工智能在醫(yī)學(xué)影像領(lǐng)域的應(yīng)用日益廣泛，但放射科醫(yī)生的需求量卻達(dá)到了歷史新高。本文探討了這一悖論背后的原因，分析了AI在放射學(xué)應(yīng)用中面臨的挑戰(zhàn)，以及人類醫(yī)生在診斷、與患者溝通和處理復(fù)雜病例方面的獨特優(yōu)勢。文章指出，AI在放射學(xué)領(lǐng)域的應(yīng)用并非簡單的替代，而是與人類醫(yī)生相互協(xié)作，提高效率和診斷準(zhǔn)確性的過程。隨著人工智能（AI）技術(shù)的快速發(fā)展，許多行業(yè)都面臨著被自動化取代的擔(dān)憂。然而，在醫(yī)學(xué)影像領(lǐng)域...AI放射科人工智能HiRAG：利用層次知識的檢索增強生成下一代GraphRAG
摘要基于圖的檢索增強生成（RAG）方法顯著提升了大型語言模型（LLMs）在特定領(lǐng)域任務(wù)中的性能。然而，現(xiàn)有的RAG方法未能充分利用人類認(rèn)知中固有的層次知識，這限制了RAG系統(tǒng)的能力。本文介紹了一種新的RAG方法，稱為HiRAG，它利用層次知識來增強RAG系統(tǒng)在索引和檢索過程中的語義理解和結(jié)構(gòu)捕捉能力。我們的廣泛實驗表明，HiRAG相較于最先進(jìn)的基線方法取得了顯著的性能提升https:github.comhhyhuangHiRAG全文鏈接：https:t.zsxq....HiRAGGraphRAGLLMs知識圖譜與大模型共舞：驅(qū)動電池產(chǎn)業(yè)創(chuàng)新，實現(xiàn)從實驗室到生產(chǎn)線的智能化轉(zhuǎn)型
摘要可充電電池對于實現(xiàn)碳中和以及推動可再生能源轉(zhuǎn)型至關(guān)重要。它們的進(jìn)步需要在微觀（材料）、設(shè)備（制造）和系統(tǒng)（控制與優(yōu)化）層面進(jìn)行創(chuàng)新。然而，傳統(tǒng)的試錯方法無法滿足現(xiàn)代科學(xué)的需求。作為一種變革性的人工智能技術(shù)，大型語言模型（LLMs）提供了強大的語義理解和推理能力，推動了電池研究領(lǐng)域向解決多層次創(chuàng)新需求的范式轉(zhuǎn)變。盡管如此，該領(lǐng)域仍面臨雙重挑戰(zhàn)：模糊的技術(shù)路線圖和在階段性成就上的分散進(jìn)展。本綜述系...知識圖譜大模型驅(qū)動電池GPT-5 數(shù)學(xué)推理能力深度剖析：一項基于“哥德爾測試”的初步研究
精華
社區(qū)頭條引言：大語言模型在高等數(shù)學(xué)領(lǐng)域的推理能力邊界？近年來，前沿人工智能（AI）模型在標(biāo)準(zhǔn)化數(shù)學(xué)競賽（如國際數(shù)學(xué)奧林匹克競賽，IMO）中取得了引人注目的成就，這標(biāo)志著其在解決有明確答案和既定路徑的復(fù)雜問題上的能力已達(dá)到甚至超越了頂尖人類水平。然而，真正的數(shù)學(xué)研究并非僅限于解題，更在于提出和證明全新的、未曾解決的猜想。這要求模型不僅具備強大的計算和邏輯推演能力，還需要擁有數(shù)學(xué)家所謂的“數(shù)學(xué)成熟度”——一種融...GPT-5哥德爾測試LLM范式之爭：傳統(tǒng)銀行核心賬務(wù)與ERC-20智能合約體系的思考
引言：兩大記賬范式的世紀(jì)交匯以中心化、機構(gòu)信任為基石的傳統(tǒng)銀行核心賬務(wù)系統(tǒng)，以及以去中心化、算法信任為內(nèi)核的ERC20智能合約體系基本上可以說是兩種截然不同的價值記錄與轉(zhuǎn)移體系。出于工作的需要，我也嘗試超越表層技術(shù)參數(shù)的羅列，探究一下二者在設(shè)計哲學(xué)、信任根基、運行邏輯與安全范式上的根本性分野。核心的觀點是從傳統(tǒng)銀行賬本到區(qū)塊鏈智能合約的演進(jìn)，并非一次簡單的技術(shù)迭代，而是一場深刻的范式轉(zhuǎn)移其本質(zhì)是從依...ERC-20智能合約去中心化程序員的AlphaGO時刻：OpenAI與Gemini在2025年ICPC世界總決賽的表現(xiàn)分析
ICPC2025——人機編程競賽新紀(jì)元的開端國際大學(xué)生程序設(shè)計競賽（InternationalCollegiateProgrammingContest,ICPC）自創(chuàng)立以來，一直是全球范圍內(nèi)歷史最悠久、規(guī)模最大、最具聲望的算法編程競賽。它不僅是衡量頂尖學(xué)府計算機科學(xué)教育水平的標(biāo)尺，更是對參賽學(xué)生團隊協(xié)作能力、算法思維深度以及在高壓環(huán)境下解決復(fù)雜問題能力的終極考驗。每一屆ICPC世界總決賽都匯聚了全球最聰明的年輕頭腦，他們代表著人類在計算科學(xué)領(lǐng)域的未來...AlphaGOOpenAIGeminiLLM 智能體訓(xùn)練 “又貴又慢”？阿里提出Tree-GRPO 用樹搜索砍 3/4 成本
精華 社區(qū)頭條智能體人工智能的夢想遭遇瓶頸我們正站在計算領(lǐng)域新時代的風(fēng)口——智能體人工智能（AgenticAI）時代。這個夢想簡單卻意義深遠(yuǎn)：大語言模型（LLMs）不僅能響應(yīng)我們的查詢，還能主動代表我們實現(xiàn)目標(biāo)。我們設(shè)想這樣的智能體：它們能研究復(fù)雜主題、規(guī)劃精密的旅行行程、調(diào)試代碼，并通過與世界的動態(tài)多步交互管理我們的數(shù)字生活。在過去一年里，強化學(xué)習(xí)（ReinforcementLearning,RL）一直是推動我們邁向這一未來的核心引擎。通過讓...LLM智能體Tree-GRPO基于深度學(xué)習(xí)的計算機視覺技術(shù)的智慧農(nóng)業(yè)應(yīng)用
原創(chuàng) 社區(qū)頭條本文整理自福建農(nóng)林大學(xué)計算機與信息學(xué)院農(nóng)林大數(shù)據(jù)中心楊長才副教授團隊的研究成果，拋磚引玉為智慧農(nóng)業(yè)的發(fā)展提供一些思路。1.背景隨著農(nóng)業(yè)現(xiàn)代化進(jìn)程的推進(jìn)，人工智能技術(shù)在農(nóng)作物病蟲害識別領(lǐng)域展現(xiàn)出廣闊的應(yīng)用前景。我國每年因病蟲害導(dǎo)致的果品蔬菜損失高達(dá)25%以上，化學(xué)農(nóng)藥濫用現(xiàn)象嚴(yán)重，并對生態(tài)環(huán)境造成破壞。本文基于深度學(xué)習(xí)技術(shù)，提出了一種高效的植物蟲害識別方法，旨在實現(xiàn)快速、準(zhǔn)確、智能的病蟲害診斷，為農(nóng)民...深度學(xué)習(xí)計算機視覺技術(shù)突破大模型訓(xùn)練瓶頸：騰訊團隊提出RLPT新范式，讓模型從預(yù)訓(xùn)練數(shù)據(jù)中自我強化
在人工智能領(lǐng)域，大型語言模型（LLMs）的發(fā)展正面臨一個嚴(yán)峻挑戰(zhàn)：計算資源的指數(shù)級擴展與高質(zhì)量文本數(shù)據(jù)的有限增長之間的巨大差距。這一瓶頸正制約著傳統(tǒng)的大模型擴展方法。今天，我們要介紹一篇由騰訊團隊與香港中文大學(xué)合作發(fā)表的重要論文，他們提出了一種創(chuàng)新的訓(xùn)練擴展范式——基于預(yù)訓(xùn)練數(shù)據(jù)的強化學(xué)習(xí)（ReinforcementLearningonPreTrainingData，簡稱RLPT），為解決這一難題提供了全新思路。在人工智能領(lǐng)域，大型語言模...大模型RLPT騰訊突破AI記憶瓶頸！阿里通義實驗室ReSum技術(shù)讓大模型實現(xiàn)"無限思考"
大語言模型(LLM)已經(jīng)成為解決復(fù)雜問題的重要工具。然而，即使是目前最先進(jìn)的模型，也面臨著一項根本性挑戰(zhàn)：上下文窗口限制。想象一下，當(dāng)你要求AI回答一個需要多輪搜索、涉及多個實體和復(fù)雜關(guān)系的復(fù)雜問題時，AI往往會因為"記不住"之前的探索過程而無法給出完整答案。近日，阿里巴巴通義實驗室的研究團隊提出了一項突破性解決方案——ReSum范式，成功破解了這一難題。這項由XixiWu、KuanLi、YidaZhao等研究者共同完成的工作，...AI記憶ReSum技術(shù)大模型Kimi推出全新Agent模式OK Computer，基于K2模型的端到端任務(wù)執(zhí)行，已開啟灰度測試
原創(chuàng) 社區(qū)頭條Kimi新功能來了，全新Agent模式OKComputer開啟灰度測試昨天，Kimi對全新Agent模式OKComputer啟動灰度測試，并基于KimiK2模型的能力，為用戶提供自主Agent服務(wù)。Kimi新功能來了。這次是全新智能體模式——OKComputer。等等，這熟悉的名字，與英國搖滾樂隊Radiohead在1997年發(fā)行的經(jīng)典專輯《OKComputer》不約而同，可能這也是團隊對這張經(jīng)典專輯的致敬行為吧。畢竟，這是一個連會議室的名稱都用槍花、皇后等搖滾樂隊來命名的團隊...KimiAgentOK Computer算家計算算家云美國七巨頭，OpenAI、Claude、xAI后訓(xùn)練都找他要專家，時薪高達(dá)500刀！
原創(chuàng) 社區(qū)頭條從100萬美元到5億美元營收僅用了17個月！更厲害的是，他們從未有過客戶流失，凈收入留存率超過1600%，年營收已經(jīng)穩(wěn)定在九位數(shù)的水平。而這家公司的CEO兼聯(lián)合創(chuàng)始人，BrendanFoody，更是美國的新一代的傳奇人物。在22歲時，他也成為史上最年輕的美國獨角獸創(chuàng)始人。如果你沒聽過這家公司，不打緊，但你要是知道下面這個信息，相信你肯定會感興趣：Mercor與“七巨頭”中的6家，以及所有前五大AI實驗室（OpenAI、Anthropic、xAI等）...OpenAIClaudexAI深度解析ChatGPT Pulse：AI交互的范式革命
自兩年多前首次亮相以來，以ChatGPT為代表的大語言模型，已經(jīng)深刻地改變了我們獲取信息、進(jìn)行創(chuàng)作乃至編寫代碼的方式。我們已經(jīng)習(xí)慣了這種“一問一答”的交互模式：我們提出問題，AI給出答案。然而，就在剛剛，OpenAI悄然推出的預(yù)覽功能ChatGPTPulse，預(yù)示著這場人機交互的變革，正進(jìn)入一個全新的、更具顛覆性的階段。OpenAI首席執(zhí)行官山姆·奧特曼甚至稱其為“迄今最喜歡的功能”。Pulse的核心，是推動AI從一個“被動的問答工...ChatGPTPulseAI智能體人機交互OpenAIAI應(yīng)用開發(fā)ChatGPT 開始“管你的閑事”了
原創(chuàng) 社區(qū)頭條過去我們用ChatGPT，大多是“有問題→它回答”。這種即時反饋很神奇，但也有個缺點：它只會在你開口時幫忙，下一步怎么走還是得靠自己。現(xiàn)在，OpenAI正在測試一個新功能——ChatGPTPulse。它不再等你提問，而是每天主動為你準(zhǔn)備一份“專屬日報”。一、什么是Pulse？Pulse會在每天早上給你推送一組個性化更新。它會結(jié)合聊天記錄、反饋，甚至還能接入Gmail和Google日歷，幫你生成真正貼近你生活和工作的內(nèi)容。比如：昨晚和它聊到...ChatGPTPulseAIGPU 網(wǎng)絡(luò)通信基礎(chǔ)，Part 1（橫向與縱向擴展；訓(xùn)練中的通信環(huán)節(jié)...）
原創(chuàng) 社區(qū)頭條編者按：當(dāng)我們談?wù)撚?xùn)練萬億參數(shù)的大語言模型時，除了驚嘆于其算力需求，是否曾深入思考過：如何讓成千上萬甚至數(shù)十萬塊GPU高效協(xié)同工作，像超級大腦般實時共享信息？本文以訓(xùn)練大語言模型對海量算力的迫切需求為切入點，深入剖析了大規(guī)模GPU集群網(wǎng)絡(luò)設(shè)計的核心挑戰(zhàn)與解決方案：首先揭示了理想化“全互聯(lián)”架構(gòu)的不可行性，進(jìn)而引入網(wǎng)絡(luò)交換機及分層“葉脊拓?fù)?rdquo;結(jié)構(gòu)。接著系統(tǒng)對比了兩種關(guān)鍵擴展策略——通過增加節(jié)點實現(xiàn)橫向...AILLMGPUAI大模型首個多模態(tài)Masked擴散模型誕生！Adobe研究院Lavida-O：生成、編輯和定位登頂SOTA!
精華 社區(qū)頭條文章鏈接：https:arxiv.orgpdf2509.19244亮點直擊第一個多模態(tài)MDM，在文本生成圖像、圖像編輯和定位任務(wù)中實現(xiàn)了SOTA性能，超越了現(xiàn)有的MDMs、自回歸模型和連續(xù)擴散模型。為大規(guī)模掩碼圖像生成模型和統(tǒng)一多模態(tài)模型提出了若干高效且有效的訓(xùn)練和推理技術(shù)，如ElasticMoT架構(gòu)、通用文本條件和分層采樣，顯著推動了相關(guān)領(lǐng)域的發(fā)展。引入了一種新范式，明確利用統(tǒng)一模型的理解能力，通過規(guī)劃和自我反思來改進(jìn)其生成能力?？偨Y(jié)速覽效...AI模型圖像生成運維新突破：Prometheus+DeepSeek+Dify實現(xiàn)自動巡檢
原創(chuàng) 社區(qū)頭條整體思路在日常運維中，經(jīng)常會遇到類似的問題：明明系統(tǒng)前一天運行正常，第二天登錄量突然下降，卻要花費大量時間去手工檢查日志、排查Prometheus指標(biāo)，再整理成報告發(fā)給業(yè)務(wù)方。這類重復(fù)、耗時的工作不僅影響效率，還容易出現(xiàn)遺漏。于是，我就產(chǎn)生了一個想法：能不能把這種巡檢工作自動化？正好最近在研究Prometheus指標(biāo)采集、定時任務(wù)和大模型工作流，于是就設(shè)計了一個小實驗，把“登錄統(tǒng)計”作為切入點，完整演示了如何實現(xiàn)...運維PrometheusDify高級 RAG 實戰(zhàn)：Neo4j 與 LangChain 構(gòu)建知識圖譜驅(qū)動的 AI 系統(tǒng)
社區(qū)頭條學(xué)習(xí)如何結(jié)合Neo4j知識圖譜和LangChain，打造精準(zhǔn)、可解釋、適合生產(chǎn)環(huán)境的RetrievalAugmentedGeneration(RAG)系統(tǒng)。RetrievalAugmentedGeneration(RAG)已經(jīng)迅速成為讓LargeLanguageModels(LLMs)在生產(chǎn)環(huán)境中真正發(fā)揮作用的首選架構(gòu)。RAG不再僅僅依賴LLM的內(nèi)部記憶，而是將其與外部知識源連接起來。雖然大多數(shù)教程展示的是使用Pinecone、Weaviate或FAISS等向量數(shù)據(jù)庫的RAG，但在現(xiàn)實世界的問題中，單靠語義相似度往往不夠。你需...RAGNeo4jLangChain構(gòu)建可用于生產(chǎn)環(huán)境的 RAG 智能體：開發(fā)者完整指南
你有沒有納悶過，為什么你的RAG系統(tǒng)總是返回一堆無關(guān)的結(jié)果，或者漏掉顯而易見的答案？你不是一個人！很多開發(fā)者一開始用vectorsearch，然后一臉懵地發(fā)現(xiàn)，他們的“智能”AI連一個簡單的產(chǎn)品代碼都找不到。如果你試過搭建一個RetrievalAugmentedGeneration(RAG)系統(tǒng)，可能也撞過我一樣的南墻。你的chatbot有時候回答得很棒，但有時候完全答非所問，返回一些概念上相似但實際沒用的信息。問題出在哪兒？大部分RAG教程只關(guān)注那些...RAG智能體系統(tǒng)
