登录社区云，与社区用户共同成长
邀请您加入社区
配对要确认：配对时系统会弹出对话框，得用户同意才行，就像买菜得你点头确认价格一样Profile 要选对：不同设备支持不同的 Profile，别连错了连接要及时：配对后尽快连接，30 秒内效果最好状态要监听：配对和连接状态都会变，得盯着点才知道成功没。
忘掉是为了记住——为了保持记忆质量，Tolan 每晚都会运行压缩任务，删除低价值或冗余条目（例如「用户今天喝了咖啡」）并解决记忆中的矛盾之处。哈喽大家好～这是 Voice Agent 学习笔记系列的又一篇深度分享。我是课代表瓒 an👩🏻💻是由初创公司 Portola 打造的一款「语音先行」的 AI 伴侣应用。它没有选择模拟真人，而是塑造了一群可动画化、友好且极具个性的外星生物，能响应你的触
本文章的主要目的是全面而深入地探讨主动学习在AI Agent训练中的应用。随着人工智能技术的不断发展，AI Agent在各种复杂任务中得到了广泛应用，如自动驾驶、智能客服、游戏竞技等。然而，传统的机器学习训练方法在数据获取和标注方面面临着诸多挑战，而主动学习作为一种有效的数据选择策略，可以显著提高AI Agent的训练效率和性能。本文将详细介绍主动学习的原理、算法以及在AI Agent训练中的具体
网络安全指网络系统中的硬件、软件以及系统中的数据受到保护，不因偶然或恶意的原因而遭到破坏、更改、泄露，系统连续可靠正常地运行，网络服务不中断。网络安全产业就像一个江湖，各色人等聚集。相对于欧美国家基础扎实（懂加密、会防护、能挖洞、擅工程）的众多名门正派，我国的人才更多的属于旁门左道（很多白帽子可能会不服气），因此在未来的人才培养和建设上，需要调整结构，鼓励更多的人去做“正向”的、结合“业务”与“数
AI发展经历了符号主义、统计学习和深度学习三个阶段，从基于规则到依赖大数据，逐步实现从感知到认知的突破。NLP面临歧义性、上下文依赖等挑战，大模型时代还面临幻觉、偏见等问题。机器学习包括监督、无监督、半监督和强化学习等范式，各有适用场景。完整机器学习流程涵盖数据收集、特征工程、模型训练到部署监控等环节。模型训练需解决欠拟合、过拟合、训练不收敛等问题，通过调整模型复杂度、数据增强等方法优化。AI发展
网络安全 L3 级安全大模型的主要技术难点和突破路径。
本文提供完整版报告下载，请查看文后提示。以下为报告节选
这篇文章全面介绍了AI大模型的基础知识，包括核心原理、Transformer架构和训练流程（预训练、微调、对齐）。详细讲解了不同维度的大模型分类方式、Token概念及其重要性，并提供了OpenAI和阿里云的API调用实战示例，包括参数设置和应用场景。文章还给出了初学者学习路径和成本控制建议，是AI大模型入门的综合性指南。
本文系统阐述了大模型智能体架构中Skills层的核心作用与实现方法。Skills作为LLM与工具间的逻辑抽象层，通过封装专业知识和工作流程，实现流程控制、Token优化和错误自愈。文章详细解析了智能体四层架构（大脑层、规划层、记忆层、执行层），重点介绍了Skills的工作机制与代码实现，包括YAML/JSON格式定义、状态机管理和工具调用流程对比。最后提出了原子化工具、逻辑硬化、上下文隔离三大开发
智谱成功登陆港交所成为"全球大模型第一股"，市值近580亿港元，标志着中国AGI企业迈入资本市场新阶段。作为清华技术转化代表，智谱开发的GLM架构与GPT对标，其GLM-4.7模型在全球评测中表现优异。公司采用MaaS模式实现规模化营收，已服务超12000家企业客户和4500万开发者，连续三年收入翻倍增长。智谱的上市展现了中国在大模型领域的技术实力和商业化能力，为国产AI发展注
智谱华章成为全球首家AGI基座模型上市公司，标志中国大模型产业进入资本化新阶段。公司自主研发的GLM模型已达国际顶尖水平，与张江集团共建模力社区生态圈，推出MaaS平台赋能企业创新。通过资本与生态双重赋能，智谱加速大模型技术落地，已吸引百万开发者，推动AI多领域应用，为中国AI产业发展树立标杆。
本白皮书为企业落地智能体式人工智能（Agentic AI）提供了全面框架，填补了消费级应用与企业高效落地之间的实施鸿沟。报告提出一套系统化战略方法，涵盖复杂业务角色拆解、多智能体系统编排、合理自主权限等级界定，以及跨行业垂直领域的解决方案落地路径。通过详实的分析与案例研究，本文阐明了企业如何突破“换皮式自动化”的局限，实现具备可量化业务成果的真正转型。
智谱华章作为中国大模型领军企业，在港交所成功上市成为"全球大模型第一股"。从清华实验室孵化起步，智谱坚持自研GLM技术路线，完成从GLM-130B到ChatGLM的快速迭代。面对美国实体清单制裁，智谱以技术硬实力回应，推出新一代模型。财务数据显示其高增长高亏损的典型AI企业特征，研发投入达44亿元。在巨头环伺的竞争环境下，智谱持续加码预训练投入，GLM-4.7已在部分领域达到全
2025 年，某医疗科技公司开发的 AI 辅助诊断系统在欧盟申请上市，却因**无法证明其公平性与可解释性**被拒；同一时间，一家中国智能招聘平台因算法歧视女性求职者，被监管部门处以**年度营收 5% 的罚款**，并强制下架模型。
2025 年，全球 AI 算力需求较 2020 年增长 **30 倍**，中国 AI 算力规模跃居世界第一。然而，繁荣背后隐藏着严峻的环境代价：
本文系统解析8种主流AI模型架构：LLM（大型语言模型）擅长文本生成，LCM（概念模型）处理语义层面，LAM（行动模型）实现意图转化，MoE（混合专家）通过子网络协同工作，VLM（视觉语言）融合多模态信息，SLM（小型语言）优化边缘部署，MLM（掩码语言）支持双向预测，SAM（分割模型）完成视觉分割任务。每种模型均详解其工作原理、处理流程及典型应用场景，为AI学习者提供清晰的认知框架和实践指导，是
《LLM大模型通关课程手册》是由吴恩达与OpenAI联合打造的开发者指南，专为国内开发者量身定制。教程以实用为导向，从提示工程、ChatGPT API应用到LangChain框架开发，再到个人数据接入，系统讲解大模型应用开发技能。内容涵盖基础入门与实战落地，适合AI编程新手和科研学习者，是快速掌握LLM开发、少走弯路的经典指南。
本文介绍了C语言程序的基本结构和常用输入输出函数。程序从main函数开始执行，包含头文件stdio.h以调用库函数。详细讲解了putchar、getchar、printf和scanf等函数的用法：printf支持多种格式化输出（如%d、%f、%s等），scanf则用于格式化输入，需注意变量地址符号&的使用。文章还提供了基于Linux系统的函数实现示例，包括打印控制符、多参数输出和格式化输入
2025 年，某社交平台上线“AI 视频助手”，可自动为短视频生成字幕、标签与摘要。然而，攻击者上传一段看似普通的宠物视频——画面温馨，语音正常，但背景音乐中嵌入了人耳不可闻的**超声波指令**，触发手机语音助手拨号转账；同时，视频角落的微小贴纸图案，使 AI 标签系统将其错误归类为“教育内容”，绕过低俗审核。
本文系统探讨了大语言模型(LLMs)向智能体化AI的演进过程，揭示了AI从被动文本生成器向具备规划、记忆、工具使用能力的自主系统的转变。研究追溯了从统计模型到Transformer架构的技术发展路径，提出了连接LLM与自主行为的集成框架，包含感知、记忆、规划和工具执行等核心组件。文章深入分析了智能体化AI在各领域的应用潜力，同时指出在安全性、可靠性和伦理治理等方面面临的挑战。研究强调了可验证规划、
本文系统梳理了AI大模型学习路线，涵盖LLM核心原理、预训练细节、后训练技术(SFT、LoRA、RLHF)以及RAG和Agent应用开发。文章指出，后训练和AI-Agent开发是当前工业界最缺人、性价比最高的方向，提供了从基础认知到面试求职的6大模块学习清单，帮助读者快速入门并把握AI时代的职业机遇。
《GPT图解 大模型是怎样构建的》是一本由AI研究员黄佳编写的入门指南，通过图文并茂的方式讲解从N-Gram到GPT-4的自然语言处理技术演进。书中不仅介绍核心原理，还提供实践指导，帮助读者从零开始构建语言模型。随着大模型人才需求激增，本书为想要进入AI领域的人提供了系统学习路径，包括提示工程、RAG系统和智能体开发等实用技能。配套资料包含学习思维导图、案例手册和实战视频，适合零基础者90天快速入
智谱AI成为全球首家AGI基座模型上市公司，在港交所成功挂牌。公司自主研发的GLM架构实现全国产化突破，适配40余款国产芯片，研发人员占比74%。募资超43亿港元，70%将用于大模型研发。MaaS产品体系服务超300万企业及开发者，收入年复合增长率达130%。此次上市标志着AGI赛道进入资本化新阶段，为AI行业发展提供重要参考。
路由模式是智能体实现动态决策的关键技术，通过分析环境状态和用户输入，智能选择最优处理路径。文章系统阐述了路由模式的定义、工作逻辑（输入-评估-导向三步闭环）和四种实现方式（LLM、嵌入、规则和机器学习），对比了各方案的优缺点及适用场景。该技术可应用于客服、自动化办公和多智能体协作等场景，通过五步落地流程（需求分析-规则设计-开发实现-集成测试-迭代优化），使智能体具备意图匹配、上下文适应和模块化扩
文章系统分析中国企业级AI应用行业发展环境、产业链生态和核心技术演进。在"人工智能+"战略引领下，行业已形成"应用层+支撑层+基础设施层"完整产业链，AI Agent成为落地核心载体。文章深入剖析算力产业链支撑作用，探讨数据治理、大模型技术等关键要素，并预判未来技术创新、国产替代加速、生态协同完善等发展趋势，为企业AI转型提供参考依据。
ControlNet十年演进（2015–2025）摘要 2015年条件生成仅依赖简单文本/类标签，2023年ControlNet诞生后迅速演进，从单条件控制发展为多模态意图级生成。中国实现从跟随到领跑（阿里通义、DeepSeek等主导），控制精度从边缘级提升至物理级一致，应用扩展至视频、量子鲁棒等场景。2025年进入VLA意图级+自进化阶段，推动AI生成从随机创作转向精确意图控制，渗透率预计超95
摘要（149字）： 2015-2025年，AI基础设施从单机多卡手工训练演进为量子加速云原生体系，实现万亿级模型实时训练。中国云厂商（阿里云/华为云等）推动关键跃迁：2017年K8s容器化（效率提升50倍）、2021年万卡集群（成本降80%）、2023年大模型云原生标配（DeepSeek等），至2025年量子混合精度+自进化调度实现零运维、万倍效率提升和99%成本降低，使AI训练从实验室瓶颈迈向普
摘要（148字）： 2015-2021年AutoGPT尚未出现，依赖手工Agent开发；2023年AutoGPT开源引爆多代理协作，中国小鹏X-Agent等快速跟进；2024-2025年进入VLA具身自进化时代，华为盘古、银河量子级Agent实现全域社交零干预决策。十年间，中国从跟随者跃升为领跑者，推动AutoAgent渗透率从0%增至60%+，技术从单模态脚本升级为多模态意图伙伴，促成"
业务痛点电商平台每月新增1000+个商品品类（比如2023年的“围炉煮茶装备”、2024年的“AI生成服饰”）；传统模式下，标注团队需要全量标注新增商品（每月10万条），成本高达50万元；模型上线后，新品类的分类准确率仅60%，导致推荐系统失效、用户投诉。目标：用主动学习将标注成本降低50%，同时保持商品分类准确率≥90%。主动学习的效果取决于标注的质量，而标注质量取决于业务团队的参与。和电商运营
摘要： 2015至2025年，Index技术从手工规则和倒排索引发展为多模态VLA自进化系统，实现从关键词匹配到全域动态意图检索的跃迁。中国从跟随FAISS到领跑全球，阿里、华为、百度等企业推动向量规模从千万级扩展至万亿级，准确率从70%提升至99%以上，实时性优化至毫秒级。技术演进分为三个阶段：2015-2018年的倒排索引时代，2019-2022年的稠密向量与ANN时代，以及2023-2025
摘要： LangChain从2022年开源至今（2015-2025），已从简单的链式LLM工具框架跃升为支持万亿级多模态VLA Agent的智能平台。中国厂商（阿里、百度、华为等）快速跟进并领跑，推动框架效率提升1000倍+，渗透率超60%。其演进分为三阶段：2015-2021年手工调用期；2022-2023年模块化Agent元年；2024-2025年多模态VLA自进化时代，融合量子鲁棒技术，实现
Fine-tuning十年演进：从手工调参到VLA自进化（2015–2025） 2015年，Fine-tuning仍依赖全参数手工微调，精度损失高达10–20%。2025年，量子加速的VLA意图级自适应微调已实现<0.1%精度损失和10000倍效率提升，零样本泛化率突破99%。中国从BERT时代的跟随者跃升为全球领跑者，华为盘古、阿里通义千问、百度文心等主导了LoRA→QLoRA→VLA P
摘要： 2015–2025年，MoE架构从理论复苏（8–16专家）演进为万亿级多模态VLA动态MoE（十万级专家），激活参数比例从10%降至0.1%，效率提升超1000倍。中国实现从跟随（华为盘古、阿里M6）到领跑（DeepSeek、小鹏VLA MoE），推动AI从稠密计算转向稀疏意图级专家协同。2025年MoE渗透率达80%，量子加速与自进化技术成为标配，全域具身智能实现实时决策，标志着AI文明
摘要： FSDP（Fully Sharded Data Parallel）历经十年（2015–2025）从ZeRO概念发展为支持十万亿参数大模型训练的核心技术。2020年PyTorch集成后，内存节省达90%+，训练效率提升千倍。中国从跟随到领跑，华为、DeepSeek等定制优化FSDP，推动其在MoE、量子混合精度等领域的突破。2025年，FSDP结合自进化分片与量子加速，成为大模型训练标配，渗
摘要（150字）： 2015-2025年，Triton从无到有，演进为OpenAI主导的Python级GPU内核语言，实现全自动编译优化，成为万亿模型训练/推理标配。中国从跟随者跃升为全球并跑/领跑者（华为昇腾、阿里/腾讯等深度定制），开发效率提升1000倍+，性能逼近手工CUDA。2015-2018年为手工CUDA时代；2019-2022年Triton开源，Python写内核革命；2023-20
本文介绍了C++模板元编程(TMP)和SFINAE技术。模板元编程通过在编译期完成计算和逻辑推导，利用模板特化、递归和类型萃取等特性实现编译期编程。示例展示了编译期常量计算、条件分支、类型萃取和递归模板等核心概念。SFINAE(替换失败非错误)技术则允许编译器在模板参数替换失败时尝试其他特化版本，C++20后可用Concepts替代大部分SFINAE应用。文章还介绍了标准库<type_tra
本文分析了大模型赛道的四大方向（数据、平台、应用、部署），指出新手常陷入直接做应用的误区。数据工程师是更易入行的选择，平台工程师适合工程背景者，部署工程师需要丰富经验。建议新人关注数据构建、垂直领域应用和工程能力，而非仅聚焦算法调优。文章还提供了大模型学习的系统路径和资源，帮助读者少走弯路，顺利入局大模型领域。
文章全面介绍了大模型的学习框架，包括基本认知、构建流程（预训练、指令微调、强化学习、推理优化、部署应用）及其他关键技术。强调大模型学习需掌握深度学习基础和Transformer架构，详细讲解了各阶段的数据集、算法和优化方法，以及多模态大模型和Agent检索增强生成等前沿技术。该框架可作为系统性学习大模型的指南。
摘要：本文系统介绍大模型微调四阶段学习路径：基础（20天，环境配置/理论）、实践（1个月，数据处理/模型优化）、研究（2个月，论文阅读/创新）、进阶（1个月，前沿技术）。大模型微调已成为AI落地核心技能，在法律、医疗、教育等领域广泛应用。文章指出当前是学习黄金期，并提供学习资源包（含案例库/提示模板/学习路线图），强调掌握该技术可获得显著职业优势。学习路径从应用开发延伸至模型训练与商业部署，帮助学
VisPile：融合大语言模型与知识图谱的可视化文本分析系统 本文介绍VisPile系统，这是一款创新的情报分析工具，通过整合大语言模型（LLM）和知识图谱（KG）技术，显著提升文本分析效率。系统提供文档智能搜索、自动分组、内容分析、关系发现等核心功能，并配备AI生成内容的验证机制。经专业情报分析师评估，VisPile能帮助用户快速从海量文档中提取关键信息，构建知识体系，发现隐藏关联。系统采用开源
本文探讨了大语言模型中多智能体系统的应用，分析了10种架构模式（并行、顺序、循环、路由器等）及其适用场景。研究对比了单智能体与多智能体系统的优劣，指出多智能体系统在处理复杂任务时的优势，如分工协作和专业化处理。文章详细阐述了智能体间的通信机制（图状态、工具调用等），并通过具体案例展示了不同架构的实现方式，为构建高效的多智能体系统提供了实践指导。
学习
——学习
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
人工智能6S服务平台
2048 AI社区
广州城市开发者社区
