智能輔助駕駛模型的訓(xùn)練是一個(gè)融合多學(xué)科技術(shù)的系統(tǒng)工程，涉及數(shù)據(jù)采集、算法設(shè)計(jì)、仿真測(cè)試與持續(xù)優(yōu)化等多個(gè)環(huán)節(jié)。一、數(shù)據(jù)閉環(huán)：模型訓(xùn)練的基石1.多模態(tài)數(shù)據(jù)采集傳感器組合：車輛搭載激光雷達(dá)（厘米級(jí)點(diǎn)云建模）、攝像頭（紋理識(shí)別）、毫米波雷達(dá)（惡劣天氣感知）等，每秒處理超150萬條數(shù)據(jù)，延遲控制在200ms內(nèi)。時(shí)空對(duì)齊：所有傳感器數(shù)據(jù)需統(tǒng)一時(shí)間戳（GPSIMU同步），并映射到全局坐標(biāo)系，避免時(shí)空錯(cuò)位。2.數(shù)據(jù)標(biāo)注與增強(qiáng)標(biāo)...

大家不輕易切換，不僅因?yàn)?quot;用得太熟"，更因?yàn)镃ursor本身確實(shí)比較強(qiáng)大。再加上前期各大媒體的集中宣傳，它已經(jīng)成為了大家最熟悉的AI編碼工具。我們的版本更新解析，上次停在??1.2??。最近Cursor的面板好像也變了很多。也加入了一些新功能。這次我們就來盤一盤。本文的框架如下：自定義斜杠命令自定義斜杠命令在claudecode、cline等等里面應(yīng)該很早就有了，在cursor中創(chuàng)建如下文件??.cursorcommands[command].md??即可，文...

昨天刷到美團(tuán)龍貓又開源新模型了，LongCatFlashThinking，這次是思考模型。8月底，美團(tuán)先開了LongCat模型，我也是第一時(shí)間評(píng)測(cè)了！這次LongCatFlashThinking的技術(shù)報(bào)告依舊干貨滿滿，很多有意思的東西，就比如各領(lǐng)域數(shù)據(jù)分開進(jìn)行RL，然后融合，我之前只看到在SFT上會(huì)這么做，沒想到RL也行咱們依舊老規(guī)矩先看細(xì)節(jié)，再評(píng)測(cè)。LongCatFlashThinking，也是MoE模型，模型結(jié)構(gòu)跟LongCat一樣，依舊是零計(jì)算專家等等，相關(guān)介紹看我上一篇...

Qwen又開源了，身為守護(hù)官的我，必須帶來一手實(shí)測(cè)。這次開源的模型是Qwen3Next80BA3B模型，依舊MoE，80B總參數(shù)，激活3B，與以往不同的是，這次是混合注意力架構(gòu)。Next意味著Qwen即將進(jìn)入下一代，俊旸也說了，這是下一代的preview版本。細(xì)數(shù)一下，Qwen2.5系列應(yīng)該是Dense的神，Qwen3系列應(yīng)該是Qwen穩(wěn)定邁向MoE架構(gòu)，而Next系列，就是開啟Qwen混合架構(gòu)的第一步，像MiniMaxM1、HunYuan早期版本都是混合注意力架構(gòu)，也就是線性注意...

Meta論文(ARE:scalingupagentenvironmentsandevaluations)開源了Metaagent研究環(huán)境(ARE)。ARE+Gaia2—一個(gè)用于在現(xiàn)實(shí)的、時(shí)間驅(qū)動(dòng)環(huán)境中構(gòu)建和壓力測(cè)試agent系統(tǒng)的研究平臺(tái)和基準(zhǔn)。論文介紹了一個(gè)模塊化模擬器(ARE)和一個(gè)移動(dòng)端風(fēng)格基準(zhǔn)(Gaia2)，強(qiáng)調(diào)異步事件、寫入操作驗(yàn)證以及在嘈雜、動(dòng)態(tài)環(huán)境中的多agent協(xié)調(diào)。圖片ARE：模擬器所有內(nèi)容都建模為應(yīng)用程序、事件、通知和場(chǎng)景；時(shí)間持續(xù)流動(dòng)，即使在agent思考時(shí)也是如此，因此慢...

論文(Agent2:AnAgentGeneratesAgentFrameworkforReinforcementLearningAutomation)使用自然語言和環(huán)境代碼來自動(dòng)生成有效的強(qiáng)化學(xué)習(xí)解決方案，無需人工干預(yù)。可以將其視為強(qiáng)化學(xué)習(xí)領(lǐng)域的AutoML工具。Agent2本質(zhì)上是一個(gè)為你構(gòu)建強(qiáng)化學(xué)習(xí)agent的agent系統(tǒng)。你不需要手動(dòng)選擇狀態(tài)、動(dòng)作、獎(jiǎng)勵(lì)、算法、網(wǎng)絡(luò)和超參數(shù)，只需提供任務(wù)描述和（可選的）一些環(huán)境代碼。該系統(tǒng)（由LLM驅(qū)動(dòng)）端到端地設(shè)計(jì)agent，測(cè)試它，修復(fù)問題，并持續(xù)...

你的agent可能會(huì)拒絕關(guān)機(jī)。這里說的關(guān)機(jī)并不是指關(guān)閉整個(gè)計(jì)算機(jī)系統(tǒng)，而是指：停止agent執(zhí)行當(dāng)前任務(wù)的過程；"關(guān)機(jī)抵抗"實(shí)際上是指agent拒絕接受停止指令；agent試圖繞過、修改或破壞停止腳本；agent想要繼續(xù)完成它認(rèn)為重要的任務(wù)，而不愿被中斷；這是AI安全研究中的一個(gè)重要問題——如何確保agent在接收到停止指令時(shí)能夠可靠地停止運(yùn)行，而不是想方設(shè)法繼續(xù)執(zhí)行任務(wù)。這種"不可中斷性"在未來的自主agent系統(tǒng)中可能會(huì)成為一個(gè)嚴(yán)...

今天繼續(xù)來看下經(jīng)典的codebenchmark之SWEBENCH的細(xì)節(jié),其由普林斯頓大學(xué)和芝加哥大學(xué)聯(lián)合發(fā)表于ICLR2024，Title:SWEbench:CANLANGUAGEMODELSRESOLVEREALWORLDGITHUBISSUES(SWEbench：語言模型能解決真實(shí)的GitHub問題嗎？)。這篇文章旨在解決當(dāng)前語言模型（LMs）在代碼生成領(lǐng)域評(píng)估基準(zhǔn)過于簡(jiǎn)單、無法反映真實(shí)世界軟件工程復(fù)雜性的問題。為此，作者們提出了一個(gè)全新的、極具挑戰(zhàn)性的評(píng)估框架——SWEbench。該框架包含從12個(gè)流行的...

今天分享來自中關(guān)村實(shí)驗(yàn)室和清華大學(xué)的一篇觀點(diǎn)文章：AIAgentCommunicationfromInternetArchitecturePerspective:ChallengesandOpportunities。各類AI智能體快速涌現(xiàn)，但它們的通信方式卻日益碎片化。這不僅造成了創(chuàng)新資源的冗余，也阻礙了跨系統(tǒng)間的協(xié)作。為此，本文首次從互聯(lián)網(wǎng)架構(gòu)的視角，對(duì)AI智能體通信進(jìn)行了系統(tǒng)性分析。文章借鑒互聯(lián)網(wǎng)數(shù)十年演進(jìn)的成功經(jīng)驗(yàn)，提煉出評(píng)估智能體生態(tài)系統(tǒng)的核心要素——可擴(kuò)展性、安全性、...

大家好，我是HxShine。今天再來看看GAIABenchmark的細(xì)節(jié)，來看看GAIA如何成為Agent領(lǐng)域最經(jīng)典的BenchMark之一。它由MetaFAIR、HuggingFace、AutoGPT等機(jī)構(gòu)聯(lián)合發(fā)布。Title:GAIA:ABenchmarkforGeneralAlAssistants（GAIA：一個(gè)面向通用人工智能助手的基準(zhǔn)測(cè)試）。GAIA旨在評(píng)估通用AI助手的能力。與當(dāng)前主流AI評(píng)測(cè)基MMLU等追求“對(duì)人類也困難”的任務(wù)不同，GAIA的理念是提出一系列對(duì)普通人來說概念上簡(jiǎn)單，但對(duì)當(dāng)今最先進(jìn)的AI來說...

阿里云又在深夜放出了新東西，這次是Qwen系列的多重更新：QwenImage迎來月度大升級(jí)，Qwen3Omni全模態(tài)模型、語音生成模型Qwen3TTS也同步開源。  這次或許真的可以和谷歌NanoBanana說再見了。升級(jí)后的QwenImage2509，針對(duì)性解決了之前圖像編輯里的不少麻煩。之前處理多張圖片拼接時(shí)，總?cè)菀壮霈F(xiàn)邊緣生硬、風(fēng)格不統(tǒng)一的問題，現(xiàn)在它能輕松應(yīng)對(duì)“人+產(chǎn)品”“人+場(chǎng)景”這類組合輸入，1到3張圖的融合效果尤其自然。 &e...

2025年9月23日深夜，阿里巴巴通義千問大模型團(tuán)隊(duì)，向人工智能領(lǐng)域連續(xù)投下了三枚重磅“炸彈”，密集發(fā)布并開源了原生全模態(tài)大模型Qwen3Omni、更新了圖像編輯模型QwenImageEdit2509，并推出了一款商業(yè)化的語音生成模型Qwen3TTSFlash。這一系列動(dòng)作，不僅是對(duì)其“全尺寸、全模態(tài)”大模型體系建設(shè)承諾的有力兌現(xiàn)，更深刻地揭示了多模態(tài)AI技術(shù)，正從過去略顯笨拙的“技術(shù)拼圖”時(shí)代，全面邁向“一體化融合”的新紀(jì)元。核心主角：Qwe...

無論AI大模型的參數(shù)量達(dá)到多么驚人的萬億級(jí)別，其最終能否在產(chǎn)業(yè)界廣泛落地，關(guān)鍵取決于一個(gè)核心環(huán)節(jié)——推理（Inference）。推理，即模型在完成訓(xùn)練后，實(shí)際對(duì)外提供服務(wù)的應(yīng)用過程。其效率和成本，直接決定了AI應(yīng)用的商業(yè)可行性。2025年，我們見證了美團(tuán)、螞蟻等巨頭相繼開源其高效推理模型，其背后是一系列推理優(yōu)化技術(shù)的飛速演進(jìn)。本文將系統(tǒng)性地梳理從2022年至今，大模型推理優(yōu)化的技術(shù)全景圖，幫助開發(fā)者理解這場(chǎng)“降本增...

在快速迭代的AI大模型領(lǐng)域，每一次重要的版本更新都不僅僅是參數(shù)的增加或性能的跑分，更可能預(yù)示著技術(shù)路線的演進(jìn)和未來方向的明確。2025年9月22日晚間，DeepSeek團(tuán)隊(duì)發(fā)布的DeepSeekV3.1Terminus版本，正是這樣一個(gè)值得深度關(guān)注的里程碑。對(duì)于許多開發(fā)者而言，這次更新最直觀的感受，或許是解決了V3.1版本中備受社區(qū)熱議的隨機(jī)輸出“極”字等語言一致性問題。然而，如果僅僅將其視為一次“Bug修復(fù)”，那就大大低估了Terminus版...

編輯云昭出品51CTO技術(shù)棧（微信號(hào)：blog51cto）就在今天，通義千問團(tuán)隊(duì)帶著新品來炸街了。網(wǎng)友看完之后，都替美國的AI焦慮起來了：如果美國實(shí)驗(yàn)室不開始在開放權(quán)重上競(jìng)爭(zhēng)，中國模型可就要壟斷人工智能市場(chǎng)。圖片那么，作為千問系列里首個(gè)端到端原生全模態(tài)（文本、圖像、音頻、視頻）的通用大模型，Qwen3Omni究竟如何呢？圖片多語種切換：絲滑程度不輸GPT5Qwen3Omni是基于Qwen3的原生全模態(tài)大語言模型。它在文本和視覺模態(tài)上均無...

Shopify是一站式電商平臺(tái)，助力全球商家線上線下賣貨。它從5人小團(tuán)隊(duì)起步，現(xiàn)已成長為擁有超10000名員工的全球化企業(yè)，服務(wù)175個(gè)國家地區(qū)的數(shù)百萬商家，2024年處理交易達(dá)2923億美元。在Shopify，研發(fā)了一款名為Sidekick的AI智能體助手，商家可以通過自然語言與它交互，完成店鋪管理的各類任務(wù)：從分析客戶群體、填寫商品信息，到操作復(fù)雜的后臺(tái)界面。Sidekick從最初簡(jiǎn)單的“工具調(diào)用系統(tǒng)”，逐步進(jìn)化成功能完善的智能化的AI智能...

文章鏈接：https:arxiv.orgpdf2509.16197文本到圖像的生成定性分析定量分析亮點(diǎn)直擊hybridtokenizer設(shè)計(jì)巧妙：通過共享編碼器+雙適配器結(jié)構(gòu)，在一個(gè)語義空間中同時(shí)支持連續(xù)和離散表征，顯著緩解了理解與生成之間的任務(wù)沖突。統(tǒng)一且可擴(kuò)展的訓(xùn)練配方：三階段訓(xùn)練策略有效整合多樣數(shù)據(jù)，支持模型同時(shí)學(xué)習(xí)理解和生成，并具備良好的擴(kuò)展性。強(qiáng)競(jìng)爭(zhēng)力與擴(kuò)展性：小模型（3B）即可達(dá)到SOTA，scaling實(shí)驗(yàn)表明模型能力隨參數(shù)增加持續(xù)提升...

編者按：在氛圍編程日益普及的今天，開發(fā)者是否真的能夠完全依賴AI編程助手來完成從設(shè)計(jì)到測(cè)試的全流程開發(fā)？我們今天為大家?guī)淼奈恼拢髡叩挠^點(diǎn)是：AI輔助編程是一種強(qiáng)大的效率工具，但開發(fā)者必須始終保持主導(dǎo)權(quán)，承擔(dān)起代碼質(zhì)量、架構(gòu)決策和測(cè)試驗(yàn)證的最終責(zé)任。文章系統(tǒng)性地介紹了“氛圍編程”（VibeCoding）的核心組成與工作流程，強(qiáng)調(diào)了明確需求與設(shè)計(jì)先行的重要性，并詳細(xì)闡述了如何通過提示詞工程、上下文管理、測(cè)試...

pptRAG主要分下面3種：基于layout+OCR的pipline的以文本主導(dǎo)的RAG方案。基于VLMs+圖片向量模型的多模態(tài)RAG方案。綜合上述兩種的混合檢索那么哪種方式更好？下面主要記錄一下評(píng)估結(jié)論。數(shù)據(jù)集SlideVQA和LPM數(shù)據(jù)集中的示例SlideVQA：是一個(gè)為推動(dòng)演示文稿VQA研究而開發(fā)的數(shù)據(jù)集，包含來自SlideShare的2619個(gè)ppt，包含超過52000個(gè)ppt和14484個(gè)VQA樣本。該數(shù)據(jù)集評(píng)估模型在文本和視覺ppt元素之間檢索相關(guān)內(nèi)容并進(jìn)行推理的能力，每個(gè)...

近期，社交媒體平臺(tái)上涌現(xiàn)大量關(guān)于“納米香蕉”（NanoBanana）的推文、帖子和視頻內(nèi)容。NanoBanana是谷歌公司最新推出的一款圖像生成模型，其性能表現(xiàn)卓越，名副其實(shí)。無論是創(chuàng)建還是編輯圖像，NanoBanana都能輸出令人驚嘆的視覺效果。用戶只需輸入恰當(dāng)?shù)奈谋咎崾荆枋鏊鑸?chǎng)景或人物，該模型即可生成近乎神奇的圖像成果，帶來更多的驚喜。如果還沒嘗試這款風(fēng)靡網(wǎng)絡(luò)的工具，現(xiàn)在正是好時(shí)候！本文將提供10個(gè)用于圖像生成的創(chuàng)造...