登录社区云，与社区用户共同成长
邀请您加入社区
文章全面介绍了人工智能大模型的技术进展、应用场景、产业格局、安全伦理及发展趋势。大模型在性能和效率上持续提升，已广泛应用于城市治理、医疗、金融、教育、零售、制造等众多领域，展现出强大的变革能力。未来大模型将向通用人工智能迈进，生态协作趋势明显，同时安全与伦理问题也受到越来越多的关注，行业正在形成相关共识与规范。
收藏级干货：腾讯智能体VS字节大模型：企业AI应用战略对比与落地指南
文章介绍了KIMI最新推出的AI智能体OK Computer的功能与应用。作者通过实战案例展示了OK Computer在制作旅行规划网页、留学规划PPT和儿童绘本三个场景中的出色表现。该智能体能根据简单提示词生成完整网页、专业PPT和互动式绘本，包含自动计算器、语音朗读、知识问答等功能。免费用户每天可使用三次，适合需要快速生成各类内容的人群，是AI时代提升效率的实用工具。
大模型浪潮席卷全球，在各行各业中的重要性愈发凸显，呈现出一股不可逆转的发展趋势。这一年本人所在业产技也在这一过程中持续探索和尝试AIGC。本文一方面是对AIGC实践的总结回顾，同时也是本人学习实践AIGC过程中一些笔记、心得分享。因个人能力限制，文章中可能存在一些理解或表述错误的地方，希望各位大佬能及时批评和指正。
近三年来，AI行业的“人才角逐战”早已突破单纯“招揽人才”的初级阶段，对于头部科技企业而言，这场人才争夺已升级为决定未来市场地位与技术突破的关键战略布局。随着生成式AI技术的快速迭代与各行业数智化转型的深入推进，企业对AI人才的需求不再局限于基础技术能力，更偏向具备跨领域实践经验与创新思维的复合型人才。
本文深入解析AI智能体(AI Agent)的核心概念与技术架构，详细阐述其五大核心能力（规划、记忆、工具调用、行动、反思）与传统AI的本质区别。文章介绍了AI Agent在个人助理、企业应用和行业场景的落地实践，分析了当前面临的挑战与未来发展趋势，帮助读者全面理解下一代AI范式。
一文读懂AI大模型训练全流程，从准备到落地清晰拆解！
别等被淘汰！国庆后学大模型：从应用全景到项目实战，全套资料帮你卡位 AI 风口
2025 年 AI Agent 怎么玩？技术体系、七大核心趋势与客户服务 / 数据分析场景落地方案
AI 相关的人才缺口已达 500 万，其中AI产品经理需求旺盛，薪资中位数再创新高，36k/月。如果是在头部公司，加上年终奖、项目奖金和期权等，一年50W不是梦想！随着Ai在不同业务场景中价值体现，AI产品经理岗位要求也越发细分，B端方向成为主阵地。不少人十分心动，没有吃上移动互联网的红利，这波AI红利一定不能再错过啦。
OpenAI最新研究揭示大模型幻觉根本原因：训练和评估过程奖励猜测而非承认不确定性。文章从统计必然性、数据稀缺性和模型能力三方面分析幻觉成因，指出主流评测方法都惩罚不确定性，进一步强化这一问题。解决方案是通过改变评分规则，让模型在不确定时可以选择"不知道"，使"交白卷"成为可选项，从而减少错误信息的生成。
AI Agent零基础入门：从概念解析到实战应用，一篇搞定所有核心要点
本文我们先学习一个T5模型的基本概念，最后应用到文本摘要任务上作为实战。
预训练语言模型介绍。
最近，OpenAI推出的ChatGPT展现出了卓越的性能，引发了大规模语言模型(Large Language Model, LLM)的研究热潮。大规模语言模型的“大”体现在两个方面：模型参数规模大，训练数据规模大。以GPT3为例，GPT3的参数量为1750亿，训练数据量达到了570GB。进而，训练大规模语言模型面临两个主要挑战：显存效率和计算效率。
介绍两篇利用Transformer做图像分类的论文：CoAtNet（NeurIPS2021），ConvMixer（ICLR2022）。CoAtNet结合CNN和Transformer的优点进行改进，ConvMixer则patch的角度来说明划分patch有助于分类。
基于深度学习的异常检测：Anomaly Transformer
在这项工作中，我们提出了Retentive Network (RETNET)作为大型语言模型的基础架构，同时实现了训练并行性、低成本推理和良好的性能。我们从理论上推导了循环和注意力之间的联系。然后，我们提出了序列建模的保留机制，支持三种计算范式，即并行、递归和分块递归。具体而言，并行表示允许进行训练并行化。递归表示实现了低成本的O(1)推理，提高了解码吞吐量、延迟和GPU内存，而不会牺牲性能。分块
