-
DeepSeek R1 之后，AI 创业、AI 投资会发生什么变化？
文章深入剖析了 DeepSeek R1 发布后对 AI 领域产生的多方面影响。DeepSeek 通过创新的模型架构和训练效率，以远低于传统方式的成本实现了先进的性能，挑战了依赖巨额算力和数据构建竞争壁垒的传统 AI 开发和投资逻辑， 并引发了对 Scaling Law 的重新思考。文章分析了 DeepSeek 对闭源模型提供商、开源社区、基础设施及硬件厂商以及应用开发者和初创公司的不同影响，包括估… -
付费用户突破 1000 万，All in AI 的多邻国，是怎么用 AI 的？
文章详细解读了多邻国 All in AI 的战略，以及 AI 在其产品和运营中的应用。多邻国通过 AI 驱动的内容创作流程，大幅提升了课程生成效率和覆盖范围，实现了用户和收入的显著增长。AI 还被应用于对话练习、个性化教学和动画制作等方面，提升用户体验和学习效果。创始人 Luis von Ahn 还分享了多邻国在游戏化学习、品牌营销（如猫头鹰吉祥物的“假死”营销事件）和未来教育方面的思考。他强调了… -
Agent 框架 OWL 原理详解
文章深入剖析了开源 Agent 框架 OWL 的技术实现细节。OWL 在 agent benchmark GAIA 上是表现最好的开源 agent 框架。首先介绍了 OWL 作为基于 camel 库的多 Agent 架构，包含 User Agent 和 Assistant Agent 的交互机制，以及 Critic model 的评估功能。然后详细解析了任务改写(TaskSpecifyAgent)… -
准确率 92.7%逼近 Claude 3.5、成本降低 86%，开源代码定位新神器 LocAgent 来了 ｜ 机器之心
本文详细介绍了由 OpenHands 等机构提出的 LocAgent 框架，一个专用于大规模代码库代码定位的图索引 LLM Agent。针对自然语言问题描述与实际代码位置间的语义和结构差异难题，LocAgent 通过将代码库构建为包含丰富依赖关系的异构图，并提供 SearchEntity、RetrieveEntity、TraverseGraph 等工具接口供 LLM Agent 调用。Agent … -
刚刚！Claude Code 对外公开了官方内部最佳实践！核心贡献者：CC 是一个纯粹 Agent 工具，揭秘 md 文件、上下文进阶技巧
本文深度解析了 Anthropic 官方分享的 Claude Code 内部最佳实践，由核心贡献者 Cal Rueb 阐述。文章首先介绍了 Claude Code 作为“纯粹 Agent”的底层运作原理，即通过强大的提示词和工具循环运行，并采用“探索式理解”而非传统索引来理解代码库。随后，文章详细列举了 Claude Code 的多种应用场景，包括熟悉新项目、作为“思维搭子”进行规划、代码生成与修… -
黄仁勋最新万字访谈：我们终将成为超人，不是因为拥有了超能力，而是因为拥有了超级 AI
黄仁勋在访谈中回顾了英伟达的重要技术突破，包括 GPU 的推出和 CUDA 平台的开发，并深入讨论了 AlexNet 的突破性影响。黄仁勋展望了人工智能的未来，认为未来十年将是 AI 应用的黄金时代，AI 将渗透到各行各业，推动各领域的革命性变化。此外，黄仁勋预测所有移动设备将演变为机器人，AI 将赋能人类，达到超人般的智慧与能力。 编辑 腾讯科技编辑组 1 月 7 日，英伟达 CEO 黄仁勋做客… -
李继刚：当我们说「提示词」时，到底在说什么？
本文由李继刚分享他在使用提示词与大模型交互中的经验，深入探讨了提示词的本质、设计及其对模型输出的影响。文章指出，提示词是人与 AI 沟通的专业语言，不同的提示词会带来不同的效果。李继刚通过两年与大模型的对话实践，将提示词定义为一种特殊的存在，而非简单的工具或生命，并将其比喻为人类认知宇宙与 AI 参数宇宙之间交互的“宇宙语”。他强调提示词不仅是交流工具，更是实现共振和超越的关键，通过构建合适的“场… -
使用 Spring AI 的提示工程技术
本文详细介绍了 Java 开发人员如何使用 Spring AI 框架实现各种提示工程（Prompt Engineering）技术。首先解释 LLM 配置，包括选择像 OpenAI 和 Anthropic 这样的提供商，以及调整诸如温度（temperature）和最大 Token 数（maxTokens）等生成参数。然后，本文通过 Java 代码示例演示了零样本提示（Zero-Shot Prompt… -
信息过载时代，如何真正「懂」LLM？从 MIT 分享的 50 个面试题开始 ｜ 机器之心
文章基于 MIT CSAIL 工程师 Hao Hoang 整理的 50 个大语言模型（LLM）面试问题，为专业人士和 AI 爱好者提供了系统性学习和理解 LLM 的结构化框架。内容涵盖 LLM 的核心架构、训练与微调方法、文本生成与推理技术、数学原理、高级模型以及面临的挑战与伦理问题。通过问答形式，文章清晰地解释了 tokenization、注意力机制、PEFT、RAG、CoT 等关键概念，并为每… -
使用 n8n 进行网页抓取：8 个强大的工作流模板
本文介绍了 n8n 作为一个可视化工作流程自动化平台，简化了复杂的网页抓取任务，这些任务传统上需要大量的编码。它强调了 n8n 与 500 多种服务集成以及利用 AI 驱动的节点进行高效数据提取的能力。文章的核心展示了八个实用的 n8n 工作流模板，每个模板都旨在解决特定的业务问题，如市场情报、网站变更监控、线索生成和股票交易报告。这些工作流是使用 Firecrawl 的 AI 驱动网页抓取引擎构… -
妙笔生花：使用 Copilot Agent 模式快速构建着陆页
本文详细介绍如何利用 GitHub Copilot Agent 模式和 Claude 3.5 Sonnet 模型，在 30 分钟内快速搭建开发者着陆页。文章从产品需求文档（PRD）生成到 UI 设计，再到代码实现，展示了 AI 工具在提升开发效率方面的强大能力。结合 Astro、Tailwind CSS 和 React 等技术栈，以及 Copilot Agent 模式的自动化功能和错误修复等优势，… -
2025 年的 AI prompt 工程：哪些有效，哪些无效
本文深度分析了 AI 提示工程的当前重要性及未来趋势，驳斥了“提示工程已死”的观点，并引入“人工社交智能”概念。作者详细介绍了如少样本提示、任务分解、自我批判和附加信息等提升提示效能的核心技巧，并指出角色提示等技巧在准确率任务上已不再有效。文章重点探讨了 AI 安全领域的提示注入问题，通过其大规模红队竞赛经验揭示了混淆、故事诱导等常见攻击手段的有效性，并强调了智能体安全是未来更大挑战。同时，文章分… -
在谷歌 14 年的 21 条经验教训
本文总结了在谷歌 14 年里学到的 21 条宝贵经验，超越了纯粹的编码技术，侧重于定义大型组织中成功工程师的更广泛技能。作者强调，卓越的工程师擅长深入理解用户问题、有效协作，并在工作中优先考虑清晰而非炫技。主要主题包括行动导向和快速交付的重要性、管理技术债务和新颖性，以及理解个人的影响力往往依赖于他人的支持。文章还深入探讨了组织运作，例如认识到低效的团队通常源于目标不一致，专注于可控因素，并理解抽… -
浅入浅出——生成式 AI
本文旨在帮助读者快速理解生成式 AI。首先介绍了人工智能、机器学习和深度学习等基本概念，然后重点阐述了生成式 AI 的定义、特点和与分类问题的区别。接着，文章深入剖析了 ChatGPT 等大语言模型的工作原理，包括 Transformer 模型、 Tokenization、 Embedding、 Attention 机制等关键技术。此外，还详细讲解了大语言模型的训练阶段，包括 Pre-train、… -
万字综述，讲一讲这两年大模型这整个领域到底发展了哪些方面
文章深入探讨了大型语言模型（LLM）自 2023 年 GPT-4 发布以来的演进路径。它首先指出“唯参数规模论”的局限性，并分析了当前领域对效率、推理能力和智能体化的迫切需求。文章详细阐述了混合专家（MoE）架构和新型注意力机制（如 MLA、闪电注意力）如何解决效率瓶颈，以及“推理时计算”（Thinking）范式的兴起及其对模型性能的提升，并强调了强化学习在其中角色的转变。随后，文章探讨了 AI … -
一文讲懂 Agent 及其主流框架：自己想、自己干、自己复盘的才是好 Agent！
本文从核心理念出发，清晰阐释了 AI Agent 与传统 Workflow 在处理复杂、动态和长尾问题上的本质区别，强调了 Agent 在“自己想、自己干、自己复盘”方面的独特优势。文章通过一个详尽的智能客服案例，生动展示了 Agent 框架如何应对多意图识别、跨系统查证、政策推理与协商等复杂场景，有效弥补了 Workflow 在“分支爆炸”和对话决策上的不足。随后，文章对 AutoGPT、Lan… -
清华翟季冬：DeepSeek 百倍算力效能背后的系统革命 | 智者访谈
本文是对清华大学计算机系教授翟季冬的智者访谈，深入探讨了大模型时代背景下 AI 算力优化的关键路径。文章以 DeepSeek 为例，揭示了其通过算法和系统软件协同创新，在有限算力下训练出顶尖模型的成功经验，打破了唯算力论的传统认知。尤其强调了面对中美硬件差异的背景下， 中国 AI 发展应立足自主创新， 聚焦系统软件和软硬件协同优化， 构建从应用到芯片的完整生态链， 实现算力突围。 访谈内容涵盖算力… -
2025 必看系列：AI 如何重新定义研究？万字长文讲透 Deep Research
文章全面探讨了 AI Agent 在深度研究（Deep Research）领域的最新进展。首先，它追溯了从 RAG（检索增强生成）到 Deep Search 再到 Deep Research 的演进历程，强调了 AI Agent 从被动检索向主动探索和复杂推理能力转变。接着，文章详细拆解了 Deep Research 的四大核心模块：规划、问题演化、网页探索和报告生成，并介绍了各模块的代表性方法和… -
从 RLHF、PPO 到 GRPO 再训练推理模型，这是你需要的强化学习入门指南 ｜ 机器之心
文章作为强化学习入门指南，首先介绍了 RL 在 LLM 中的重要性，并从吃豆人游戏引入 RL 基本概念（环境、agent、动作、奖励）。随后详细讲解了 RLHF、PPO，并着重介绍了 DeepSeek 提出的 GRPO 算法。相较 PPO，GRPO 通过移除价值模型并利用多次采样来计算优势，显著提升了训练效率。文章还提及了 RLVR 以及强化学习中“耐心即所需”的哲学理念。最后，文章结合开源库 U… -
Claude 的推理思考（Extended Thinking）【译】
Anthropic 发布了 Claude 3.7 Sonnet，该模型引入了“延伸思考模式”，允许模型根据问题复杂度调整思考深度和时间，并支持开发者设置“思考预算”以控制思考时间。文章还探讨了让模型思考过程可见的好处与弊端，包括信任、对齐和趣味性，同时也提到了忠实度、安全和保密方面的担忧。此外，Claude 3.7 Sonnet 在代理能力方面有所提升，能够反复调用函数并对环境变化做出响应，从而完…
AI 前线
扫码打开当前页
-
✈优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×