-
【生成式人工智慧與機器學習導論 2025】第 9 講：影像和聲音上的生成策略 — Diffusion/Flow-matching 系列和接龍 (Autoregressive) 這兩條世界線的交會
文章详细阐述了生成式 AI 在影像和声音生成方面的最新进展。李宏毅教授首先展示了 Sora、Suno 等模型在视频、音乐生成上的惊人能力，并逐步引入技术核心。报告深入分析了像素与采样点作为基本单位的局限性，进而引出 Tokenization 的概念及其在语音和影像生成中的重要性。文章详细讲解了传统 Autoregressive 模型在影像生成上的应用，包括 MaskGIT 的非固定顺序生成策略以及… -
关于 2025 WAIC 的一些思考
文章作者基于对 2025 年上海世界人工智能大会（WAIC）的线上直播见闻和线下活动感受，分享了对 AI 行业的思考。线上部分，作者提及 AI 在生物、医疗、机器人、密码学等领域的应用进展，并讨论了 AI 智能“演化”与“涌现”的概念。作者指出 AI 的本质是“电力转智力”，并强调数学、推理和编程是 AI 时代的关键能力。线下部分，文章简要介绍了大模型可解释性、动态超声等前沿研究，并引用了对当前大… -
炮轰黄仁勋，决裂奥特曼！1700 亿美元估值背后，硅谷最不好惹的 AI 狂人
文章详细描绘了 Anthropic CEO Dario Amodei 的传奇人生与 AI 理念。从其父亲因医学技术滞后离世的悲剧，到他在 AI 中寻求突破人类极限的执念，Amodei 的个人经历深刻影响了他对 AI 加速发展与安全问题的重视。文章回顾了他在百度和 OpenAI 的早期工作，特别是对“Scaling Law”的发现和 GPT-3 的贡献。随后，文章深入探讨了他因对 AI 安全和公司发… -
初探：从 0 开始的 AI-Agent 开发踩坑实录
文章记录了作者从零探索 AI Agent 开发，实现开源应用 Helm Chart 自动化生成的实践历程。作者首先从“AI 无所不能”的幻想中吸取教训，强调定义 AI 边界的重要性。接着介绍了 ReAct、plan-and-execute 等主流 Agent 行为范式，并在此基础上进行了实践探索，同时分享了 Prompt 工程的挑战。在实践中，作者尝试了“全自主决策”Agent 的失败，转而成功构… -
DoorDash 如何利用 AI 模型解析餐厅菜单，提升效率与准确性
本文详细介绍了 DoorDash 使用人工智能自动执行餐厅菜单数字化的创新方法。DoorDash 面临菜单结构不一致、照片不完整和图像质量差等问题，传统的光学字符识别到大语言模型流水线难以应对，因此开发了一套复杂的系统。核心创新是“护栏模型”，这是一个 LightGBM 分类器，用于预测人工智能生成转录的准确性。该护栏模型会将高置信度的结果自动发布，并标记不确定的案例以供人工审核，从而在扩展自动化… -
腾讯混元 3D 开源+2：瞄准游戏建模、3D 打印痛点
文章发布了腾讯混元两款创新的 3D 生成模型：Hunyuan 3D-Omni 和 Hunyuan 3D-Part，并宣布全面开源。Hunyuan 3D-Omni 被誉为“3D 界的 ControlNet”，是业界首个统一支持多条件控制的 3D 生成框架，突破了传统图像输入的局限，通过骨骼、点云、边界框和体素等多种模态输入，实现了对 3D 物体几何结构、拓扑和姿态的精细控制。Hunyuan 3D-P… -
谷歌 142 页报告首发揭秘：90%码农每天用 AI 超 2 小时！
文章深入解读了 Google Cloud 发布的 DORA 2025 报告核心发现。报告指出，高达 90%的开发者已将 AI 深度融入日常工作，平均每天使用 AI 超过 2 小时，覆盖代码编写、修改、文档和测试等多个环节。然而，尽管 80%的用户感受到生产力提升，但仅 24%的开发者对 AI 输出结果表示高度信任，形成了“信任悖论”。更重要的是，报告强调 AI 并非万能解药，而是团队效能的“放大镜… -
Sam、Jakub 和 Wojciech 谈 OpenAI 的未来，附观众问答
与 OpenAI 领导层（Sam Altman、Jakub S. 和 Wojciech Z.）的这次讨论全面概述了该公司的未来战略，围绕三个核心支柱构建：研究、产品和基础设施。在研究方面，他们预计十年内实现超人工智能，到 2025 年 9 月推出 AI 研究助理，到 2028 年 3 月推出完全自主的 AI 研究员，强调 AI 安全和对齐的多层方法，包括像“思维链忠实性”这样的新型技术。产品支柱侧… -
GitHub Copilot：化繁为简，提升智能
本文详细介绍了 GitHub Copilot 优化工具选择机制以显著提高 AI 代理性能的策略。核心问题是，为 LLM 代理提供过多工具会阻碍推理并增加响应延迟。为解决此问题，GitHub 首先利用“虚拟工具”对相似工具进行功能分组。在此基础上，实现了自适应工具聚类和嵌入引导的工具路由：自适应工具聚类利用内部 Copilot 嵌入向量模型高效分组语义相似的工具；嵌入引导的工具路由使用查询嵌入向量预… -
移动 GUI 智能体迈向实用化！全新验证器架构 V-Droid，刷新成功率纪录
V-Droid 是一款由微软亚洲研究院等多家机构联合推出的移动 GUI 自动化智能体。它采用了一种新颖的“验证器驱动”架构，该架构通过离散化动作空间并利用 LLM 评估候选动作，实现了高效的决策过程。与以往直接由 LLM 生成操作指令的方法不同，V-Droid 首先解析 UI 界面并构建详尽的动作集合，然后使用 LLM 验证器对每个候选动作生成预定义格式的验证提示 (Prompt) 进行评估，选择… -
关于 AI 编程的一些浅思
本文系统性地整理了当前 AI 编程领域的各类工具和框架，包括 Agent 框架（如 LangChain、AutoGen）、编程助手（如 GitHub Copilot、Gemini CLI）、终端工具（如 Warp）以及 AI 开发相关 SDK 等。文章详细介绍了各类工具的特点和应用场景，并深入探讨了 AI 对软件开发范式的变革影响，包括从传统编程（软件 1.0）到数据驱动神经网络（软件 2.0）再… -
T5Gemma：新型编码器-解码器 Gemma 模型
本文揭示了 T5Gemma，这是一系列基于 Gemma 2 框架构建的新型编码器-解码器大型语言模型。与流行的仅解码器架构不同，T5Gemma 利用一种独特的“模型自适应”技术，将预训练的仅解码器模型转换为编码器-解码器模型。这种方法解决了编码器-解码器架构中未被充分挖掘的潜力，由于其高推理效率和更丰富的输入表示，该架构在摘要、翻译等任务中表现出色。这种自适应还允许灵活的配置，包括“不平衡”模型（… -
“刷分”秘诀把旧游戏玩坏了，大模型被推入现实试炼场
文章指出当前 AI 领域存在大模型在 HumanEval、MMLU 等基准测试中表现优异，但在实际应用中却频繁“死机”的矛盾现象，微软 CEO 纳德拉称之为“Benchmark hacking”。这一现实与测评的脱节，促使行业重新审视 AI 的进步标准。文章引用 OpenAI 研究员姚顺雨《AI 下半场》的核心观点，认为 AI 的焦点正从“解决问题”迁移到“定义问题”，评估本身比训练更稀缺、更重要… -
每个程序员都必须了解的 AI 系统设计与挑战
文章为传统后台工程师深入理解 AI 系统设计提供了全面视角。首先，从硬件演进入手，阐述了 AI Infra 从 CPU 为中心向 GPU 为中心转变，以及从“去 IOE”到“AI 大型机”的趋势，强调了 GPU 在处理高吞吐浮点计算中的核心地位。其次，文章介绍了 AI 软件层面的 PyTorch 深度学习框架作为事实标准，并探讨了 GPU 编程（如 Triton）和 Python 编程的重要性。接… -
Anthropic 联创曼恩：超级智能可能最早 2028 年出现
文章是 Anthropic 联合创始人本杰明·曼恩在《Lenny's Podcast》播客节目中的访谈精华。他离开 OpenAI 创立 Anthropic，正是出于将 AI 安全置于最高优先级的考量。曼恩预测超级智能可能最早在 2028 年出现，并提出“经济图灵测试”作为衡量 AGI 实现的关键标准，即 AI 能通过 50%高薪岗位的盲测。他认为 Scaling Law 仍在加速发挥作用… -
优化企业 AI 助手：Crypto.com 如何利用 LLM 推理和反馈来提升准确性和性能 | 亚马逊云服务
这篇与 Crypto.com 合作撰写的文章，探讨了一种系统性的方法，用于优化在 AWS 上由大型语言模型（LLM）驱动的企业 AI 助手。它解决了部署复杂 AI 助手所面临的挑战，这些助手的功能不仅仅是处理基本的常见问题解答，还要处理复杂的任务，遵守公司政策，并与业务规则集成。其核心创新在于一种反馈驱动机制，特别是“评判”。这种机制通过外部反馈循环，在推理过程中动态地指导 LLM 的行为，而非修… -
Wan2.2 开源：让每个像素都懂电影美学
文章详细介绍了通义大模型最新发布的 Wan2.2 视频生成模型。该模型在技术上引入了 MoE（混合专家）架构，通过高噪和低噪专家模型协同去噪，显著提升了视频生成质量和真实感。在艺术表现力方面，Wan2.2 通过扩充数据规模和专业美学深度训练，将电影工业的光影、构图、色彩等美学法则编码进模型，实现了电影级的视觉控制和精细的风格表现。此外，模型还通过全新的 VAE 架构，推出了 5B 轻量版，大幅减少… -
【早阅】用 Claude 编程：提示词入门
文章深入探讨了如何通过提示词工程优化大型语言模型（如 Claude）在特定任务上的表现。它强调了提示工程的迭代性，并详细介绍了构建高效提示的关键要素，包括明确的提示结构、提供任务和语气背景、利用背景细节（如 XML 标签组织固定信息）、应用小样本示例和对话历史。文章还提出了防止模型幻觉、优化推理顺序以及指定输出格式（如 JSON）的方法，以确保模型输出的准确性和可用性。通过一个汽车保险理赔的真实案… -
喝点 VC｜a16z 圆桌：每一次平台迁移，改变的不仅是应用，更是人与计算交互的抽象层次
本文编译自 a16z 的一场专家圆桌讨论，深入探讨了 AI Agent 的本质、发展趋势及其对工作流和商业模式的深远影响。与会专家（Aaron Levie， Steven Sinofsky， Martin Casado）认为，Agent 的真正价值在于深度赋能人类，而非简单替代，尤其能大幅提升专家群体的生产力。他们强调，AI Agent 的发展趋势是任务的细分化和多 Agent 协作，这与传统的单… -
“销售 Alpha，而非功能”：面向 100 万到 1000 万美元年度经常性收入的企业销售策略 | Jen Abel
本期播客邀请企业销售专家 Jen Abel，分享初创公司如何将年度经常性收入从 100 万美元提升至 1000 万美元的策略。Abel 挑战传统观念，认为“中端市场”并不存在，应该从一开始就瞄准“一级客户”（领先品牌）。她强调这些一级客户是早期采用者，愿意尝试新事物以保持领先，这能为产品提供宝贵的验证，并影响产品路线图。一个核心主题是“愿景塑造”——销售“Alpha”，即解决方案带来的变革性机会，…
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：×