AI.x社區
- 登錄/注冊
上交提出單圖生成3D場景方法SceneGen：單圖輸入，多資源輸出，3D 合成性能飆升的“秘密武器”！
社區頭條上海交通大學推出單圖像生成3D場景方法SceneGen，它以單個場景圖像與目標資源蒙版為輸入，在一次前饋中就能同時合成多個具備結構、紋理及相對空間位置的3D資源。通過結合專用視覺和幾何編碼器提取資源與場景級特征，再經特征聚合模塊有效融合。精心設計使其可推廣至多圖像輸入，提升生成質量。經定量和定性評估，SceneGen能生成物理合理且相互一致的3D資源，性能遠超前代。相關鏈接論文：https:arxiv.orgpdf2508.15769代碼：htt...3D場景性能性能SIGGRAPH Asia 2025 | 港科大&清華提出ConsistEdit，多輪多區域一致性編輯，覆蓋MM-DiT全模型
港科大與清華相關研究揭示了MMDiT模型注意力機制的關鍵特征，在此基礎上提出新型注意力控制方法ConsistEdit。該方法融合純視覺注意力控制等多種操作，生成一致且與提示對齊的編輯結果。其優勢顯著，可實現多輪編輯，在編輯區域執行結構保持與形狀改變且保持身份不變，能一次性處理多區域編輯并保留相關結構與內容，還能平滑控制編輯區域一致性強度。此外，它不僅適用于圖像編輯和校正流模型，還能推廣到所有MMDiT變體。ConsistE...港科大ConsistEditMM-DiTICCV 2025 | 上交&阿里聯合研發RAGDiffusion：多模態融合精準還原服裝結構，一鍵提取生成服裝平面信息
RAGDiffusion是由上海交通大學與阿里巴巴聯合提出的一項前沿技術，旨在解決標準服裝資產生成中的結構失真與細節模糊問題。該技術通過引入檢索增強生成（RAG）框架，結合對比學習和結構局部線性嵌入（SLLE），實現了對服裝結構的高精度捕捉與細節的真實還原。同時，RAGDiffusion支持多模態輸入，能夠理解復雜語義關系，生成多樣化的高質量服裝圖像，為時尚設計、電商展示等領域帶來了革命性變化。RAGDiffusion通過吸收檢索到的知...RAGDiffusion多模態RAG被動式RAG和主動式RAG——主動式RAG才更符合人類的思維習慣
原創“主動式RAG就是一個會使用搜索引擎的人，它會根據需要使用搜索引擎。”關于RAG事實上分為兩種架構，一種是傳統的被動式RAG，另一種是主動式RAG；作者在上一篇文章中說過RAG并不是一項具體的技術，而是一種方法論。因此，所謂的被動式RAG是基于傳統的檢索召回，增強生成的流程；而主動式RAG是把RAG技術與智能體技術相結合的一種主動式架構——其主動主要體現在智能體能夠自行規劃和使用工具來回答問題，而不需要每次都去召回，...RAG智能體大模型RAG是一種方法論，而不是一項具體的技術——你真的知道什么是RAG嗎？
原創“RAG的本質是一種方法論，而不是一項具體的技術或框架。”最近斷斷續續一直有人問一些關于RAG方面的東西，但是作者發現一件事，就是還有一部分人到現在還不知道RAG到底是什么，還在認為RAG是一項具體的技術或框架。事實上RAG的本質是一種方法論，目的是為了提升大模型的生成質量，它不是一項具體的技術或開發框架，更多的是一種思想。RAG是一種方法論RAG技術是怎么產生的？隨著大模型技術的爆發式發展，一些人在使用的過程中就...RAG大模型重新定義Agent開發：agno如何用3.75KiB內存實現多模態工具調用？
原創
熱門內容榜 ? 最近上榜在構建AI智能體（Agent）系統時，工具（Tools）是連接AI模型與外部世界的橋梁。agno作為新一代輕量級多模態Agent框架，以其blazingfastagentswithaminimalmemoryfootprint的特性，正在重新定義Agent開發的標準。本文將深入探討agno的工具系統，從架構設計到實戰應用，幫助您全面掌握這個強大的框架。1.工具系統概述1.1工具的作用和意義在agno框架中，ToolsarefunctionsthathelpsAgnoAgentstointeractwiththeexternalworld。工具...Agentagno多模態工具AI圈都在緊張：一塊GPU能撐幾年？
原創 社區頭條編輯｜云昭出品51CTO技術棧（微信號：blog51cto）過去三年，AI行業就像在開加速掛。模型越跑越大，數據中心越建越多，英偉達的股價越飛越高。但就在全球科技巨頭準備在未來五年砸下1萬億美元造AI數據中心時，一道靈魂提問突然冒出來：一塊GPU，到底能撐幾年？就是這么一個看起來挺小的硬件壽命問題，已經成為了影響AI行業的最刺激、最敏感、最能影響股價的KPI。包含在投資人、高管在內的各界人士似乎都在試圖判斷核心設備的使用...AIGPU微軟為什么自注意力機制能讓模型"理解"語言？
原創 精華 社區頭條為了講清自注意力機制讓模型“理解”語言的底層邏輯，我從人類理解語言的日常體驗切入，用“注意力打分”“語義表格”等生活化比喻拆解核心原理，再穿插真實研究軼事，讓技術原理既易懂又有溫度。一、先問個簡單問題：你怎么讀懂這句話？“上周三在小區花園喂的那只三花流浪貓，今天居然跟著我進了單元樓。”讀這句話時，你絕不會把“它”和“單元樓”綁在一起——你自動知道“它”指的是三花流浪貓，“今天”對應的是“上周三...自注意力機制為什么Transformer架構成為大語言模型的核心基礎
原創為了講清Transformer成為大語言模型核心的原因，我從傳統模型的局限切入，用生活化比喻拆解自注意力、并行計算、多頭注意力三大核心優勢，再穿插架構誕生的趣聞，讓技術原理變得生動易懂。一、被「傳話游戲」困住的老模型2017年前，AI理解語言的方式像極了小學生玩傳話游戲。循環神經網絡（RNN）得順著單詞順序挨個處理，比如讀到“Joe吃了早餐后去打棒球，他打出了兩記”時，前面“Joe是棒球運動員”的信息早隨著計算鏈條變得...Transformer多頭注意力自注意力RNN【提示詞工程】PPT制作的認知陷阱：為什么說思維模式比工具更重要？
原創 社區頭條??突破認知：PPT制作的核心矛盾不在技術在大多數技術從業者眼中，PPT制作不過是一項"軟技能"，是展示工作的輔助工具。然而，基于對500+技術團隊PPT使用情況的深度分析，我們發現了一個反常識的結論：PPT制作效率低下的根本原因，不是工具掌握程度，而是結構化思維的缺失。這個發現顛覆了傳統認知。數據顯示，同等技術水平下，具備結構化思維能力的開發者，其PPT制作效率比普通開發者高出35倍，信息傳達準確率提升80%以上。而單...PPT制作技術表達結構化思維AI指令架構思維AI攻克肝移植困局！斯坦福發布最新AI研究，利用LightGBM模型優化肝移植資源利用效率
原創 社區頭條 在肝移植領域，器官短缺始終是制約救治效率的核心難題。而“循環死亡后器官捐獻（DCD）”，是補充器官來源的重要途徑。 DCD指捐獻者在心跳、呼吸停止（循環死亡）后進行器官捐獻的模式。 然而，這一補充器官來源的重要途徑卻長期受困于“無效獲取”問題：醫療機構為潛在捐獻者投入大量人力、設備與運輸成本，卻因捐獻者未在器官耐受缺血的時間窗內死亡，最終無法獲得可用肝臟。這種資源浪費不僅加重醫療系統負...人工智能AI醫療算家計算算家云租算力，到算家云大語言模型對人類語言理解的模擬
原創 社區頭條在人工智能技術飛速發展的當下，大語言模型（LLMs）已成為重塑人類語言交互方式的核心力量。它不僅在技術架構層面構建了模擬人類語言理解的復雜機制，更在認知層面不斷逼近人類語言處理能力，甚至深刻改變了人類自身的語言理解模式。一、技術架構：注意力機制為核心的語言理解模擬大語言模型對人類語言理解的模擬，本質上依賴于以Transformer架構為基礎的技術體系，其中注意力機制是實現“類人類理解”的核心突破，輔以多頭注意...大語言模型自然語言未來將出現一個完全可解釋的GPT-3！OpenAI 華人一作重磅突破：首次揭秘AI內部的“微觀機制”
原創 社區頭條編輯聽雨出品51CTO技術棧（微信號：blog51cto）就在幾個小時前，OpenAI發布了一篇重磅的最新研究，構建了一個實驗性的大語言模型，并且提出稀疏訓練+剪枝+橋接的新方法，讓原本黑箱的LLM內部機制可視化了。大家都知道，如今GPT、Claude等LLM越來越強大，寫文章、生成代碼、做推理，樣樣不在話下。但是，模型內部是如何“思考”的？這一直是一個黑箱問題。打個比方，傳統神經網絡的工作方式就像一堆糾纏在一起的電線：每個神經元...GPT-3OpenAIAIIDE天花板！開源大神神作：編輯器變身全公司員工可用的Office，絲滑堪比多人游戲！開源免費，近7萬星！
原創 社區頭條 熱門內容榜 ? 最近上榜編輯云昭出品51CTO技術棧（微信號：blog51cto）真的假的！Coding編輯器已經可以演變成一家公司全員在用的Office了！全球最快的編輯器，可以說把編輯器玩出了新高度！有些公司喜歡在辦公室貼標語，有些公司喜歡開會畫流程。Zed團隊的辦公方式別具一格：所有人，每周一中午十二點，直接一起走進Zed。注意，不是走進某個會議室，是走進一份真實、可編輯的文檔。我們每周一在Zed舉行的“全體員工”會議Nathan剛結束本周的公告，Morg...IDE編輯器開源企業級AI應用降本增效新思路：零代碼修改，平滑遷移OpenAI服務
原創每一個AI應用開發者，或許都是“賬單焦慮”癥候群患者。無論是做產品demo，還是埋頭搞模型調優，OpenAI的計費頁面總能帶來“理性消費、感性破產”的自省時刻。尤其是在產品開發和冷啟動階段，高昂的Token成本常常成為束縛創新的枷鎖。本文將用最實用的遷移方法，讓你1分鐘實現平臺切換，讓AI創新不再被成本束縛。有沒有一條路，能讓現有基于OpenAI標準構建的應用，在不改動任何業務邏輯代碼的前提下，無縫遷移到一個更具性價比...open AIAI模型一步直接封神！單步擴散媲美250步教師模型！中科大&字節發布圖像生成“分層蒸餾術”
社區頭條文章鏈接：https:arxiv.orgpdf2511.08930亮點直擊系統性分析與統一視角：對軌跡蒸餾（TD）進行了系統性分析，揭示了其本質是一種有損壓縮過程。這一視角解釋了為何TD方法雖然能有效保留全局結構，卻不可避免地會犧牲精細細節。創新的分層蒸餾框架：重新審視軌跡蒸餾和分布蒸餾的角色，提出一個新穎的分層蒸餾（HierarchicalDistillation,HD）框架。該框架協同利用兩種方法的優勢，先構建結構，再優化細節。專為細節優化的判別器...AI模型視頻生成如何提升 LLMs 處理表格的準確率？一項針對 11 種格式的基準測試
原創編者按：在構建基于大語言模型的RAG系統時，您是否曾思考過：究竟哪種表格數據格式能讓LLM最準確高效地理解和提取信息？我們今天為大家帶來的文章，作者通過一項對照實驗指出：表格格式對LLM的理解能力有顯著影響，其中MarkdownKV格式在準確率上表現最佳，但也伴隨著更高的token消耗。文章詳細介紹了作者針對GPT4.1nano模型進行的對照實驗，測試了包括CSV、JSON、MarkdownTable、YAML等在內的11種常見表格格式，使用1000條員工...AILLMRAG【技術實測】AI生成單頁HTML的完整流程記錄 ——一次無商業偏向的工程師視角體驗
（無利益相關，源碼已開源，可放心閱讀）01背景最近在研究「AI代碼生成」的邊界，恰逢同事提到國產工具Evol（官網訪問地址見圖①），便決定用三個研發常見場景做一次純技術向實測。全文無推廣費用，僅記錄timeline、源碼與性能數據，供各位同行參考。02實驗設計序號場景技術要點人工預估工時①服務器監控看板單HTML+Chart.js+隨機Mock1.5h②登錄原型頁玻璃態+驗證碼Canvas2h③靜態StatusPageGitHubPages+7天柱狀圖1h評分維度：...編程多模態基石CLIP揭秘：讓AI真正“看懂”世界
社區頭條譯者朱先忠審校重樓簡介在人工智能領域，卷積神經網絡（CNN）和視覺轉換器（ViT）等傳統視覺模型非常擅長識別圖像中的內容，但它們真的理解圖像中的內容嗎？這就是OpenAI的多模態模型——對比語言圖像預訓練（CLIP）的用武之地。CLIP彌合了視覺和語言之間的差距，幫助人工智能超越固定標簽，真正掌握圖像的含義。為什么我們需要CLIP？在CNN或ViT等傳統視覺模型中，訓練目標很簡單：為每張圖像預測一個預定義的標簽（如“貓”、...多模態CLIPAIOpenAI深度解析新一代Agent框架Agno, 號稱比LangGraph快5000倍!
原創 熱門內容榜 ? 最近上榜在AIAgent框架百花齊放的今天，Agno作為一個全棧框架，專注于構建具有內存、知識和推理能力的多智能體系統。本文將深入剖析Agno的架構設計理念、核心組件以及其在性能優化方面的獨特之處，幫助開發者全面理解這個高性能Agent框架的技術細節。一、Agent核心概念1.1Agent定義和職責在Agno框架中，Agent被定義為自主程序，它們使用語言模型來完成任務。與傳統的固定代碼路徑不同，Agent通過語言模型動態決定行動，而不是遵循固定的...AgentAgno框架LangGraph
