登录社区云，与社区用户共同成长
邀请您加入社区
真正大模型训练的时候，很多人会陷入两个误区：要么盯着强化学习的公式琢磨 “怎么让模型更懂人”，却卡在 “100B 参数模型训不动” 的显存瓶颈；要么埋头调并行训练、ZeRO 优化的参数，却发现 “模型跑得飞快，输出却毫无用处”。强化学习让模型输出符合人类需求，工程优化让大模型能低成本跑起来，二者缺一不可。这篇文章把大模型训练的 “效果逻辑”（强化学习如何优化输出）和 “实现逻辑”（并行 / 显存
大模型不是数据库而是通过学习语言规律生成内容的神经网络。它通过海量文本训练，掌握语义关联而非死记硬背。与数据库不同，大模型通过神经网络参数隐含知识，能根据上下文预测输出。学习大模型需要系统资源，包括专业书籍、行业报告、视频教程等。在AI时代，掌握大模型技术成为职业发展关键，相关学习资料可帮助开发者快速入门。（149字）
本文实测评测了10款AI小说写作工具，将其分为垂直写作工具、全能大模型和平台型工具三类。重点推荐了专注网文的"笔灵"、文笔细腻的"Claude3"和资料搜集神器"Kimi"，并分析了各类工具的优缺点。文章建议根据写作需求选择工具：新手网文作者首选笔灵，文笔党推荐Claude3，考据党可选择Kimi搭配ChatGPT。强调AI工具是高效写作
这是Tokenization的起源，专注于处理“文本”。在经典的NLP中，Tokenization（也常被称为“分词”）是将连续、非结构化的文本流，切分成一系列离散的、有意义的基本单元（Tokens）的过程。将自然语言转换为模型可以理解和处理的最小单元。现代大模型（如GPT、BERT）主要使用子词（Subword）Tokenization（如 BPE、WordPiece 算法）。介于“词”和“字符
更深远地看，创造式学习法所倡导的理念——以输出助推输入、在创造中学习、培养发现问题的能力——不仅是提升当前学业成绩的高效路径，更是为未来不确定世界培养具备适应力、创造力和幸福感的个体所必需的教育革新。未来的研究可进一步通过大规模的实证研究，量化评估该方法在不同学科、不同年龄段学生中的应用效果，并探索其对学生非认知能力（如毅力、好奇心、团队协作）的长期影响。
《AI记忆管理工程：从“健忘”到持续学习的智能进化》 AI助手的"健忘症"正在被记忆管理工程破解。这项技术通过信息提取、分类存储和智能调用三个环节，让AI能记住并复用已掌握的技能，避免重复劳动。其价值体现在：提升用户交互体验、降低开发者资源消耗、推动AI持续学习进化。未来，AI记忆将向多模态、跨场景迁移和主动更新方向发展，真正实现从工具到智能伙伴的转变。记忆管理不仅重塑交互效率
提示工程迎来协作提示新技术，让AI成为你的合作伙伴
回望十年前，程序员还顶着 “21 世纪黄金职业” 的光环，是无数年轻人眼中 “敲代码就能拿高薪” 的理想选择。但步入 2025 年，这个曾风光无限的领域正遭遇前所未有的行业调整期：科技公司裁员潮未完全退去、薪资分化持续拉大、AI 对传统编码岗位的冲击日渐明显，不少从业者和求职者陷入 “方向迷茫”。本文结合最新行业数据、真实案例与新兴趋势，拆解当前程序员就业现状，并提供更具针对性的职业转型路径。
VoiceAgent 2.0 在知识管理方面采用了RAG（检索增强生成）架构，对传统AI系统中常见的“知识碎片化”问题进行了系统化治理。通过对海量片段化知识进行二次加工与重组，系统能够生成高质量的Q&A知识结构，显著提升了AI对用户问题的理解能力与答案命中率。
2026年AI人才校招趋势显示，大模型算法岗位薪资高达5.2w/月，企业对高技术人才普遍薪资翻倍。高科技企业(60%)比金融行业(40.1%)更重视AI人才，近六成企业计划扩招。企业更看重数学与算法基础(60.3%)和实际项目经历(52.5%)，名校学历重要性下降。未来具备扎实算法基础和项目经验的AI应届生将更吃香。
同时过拟合也会是个很严重的问题，如果用过这套流程。新的prompt很容易出现一些非常具体，不合适的约束。本质上还是人工设计评分标准 + 自动化调参。Agent 没有真正的自主性，只是在人类定义好的框架里打转。
普通人入局AI，其实不用懂技术，关键是懂人心。首先，从最容易上手的点切入，让AI帮助自己的使用场景。比如日常生活中，如何用AI学习英语？如何用AI做旅游计划？再难一点涉及到工作内容的，如何让AI做高质量海报？如何让AI做数据分析？从身边能接触到的场景慢慢上手，先成为AI的用户，才能进一步入局。、豆包、Kimi、Deepseek、等Perplexity、Kimi、秘塔AI搜索等、Flux、Whisk
本文详细解析了AI大模型时代催生的九大新兴高薪岗位，如首席AI官、AI基础设施工程师等，指出全球ICT岗位需求将激增3600万，人才供需严重失衡。同时提供了数据/IT人才转型AI大模型领域的完整路径，包括基础知识构建、目标方向选择、实战经验积累和持续学习等方面。强调AI大模型不仅不消灭岗位，反而创造更高价值的新工作，技术人才与智能体协作将成为未来工作常态。
本文针对大模型强化微调(GRPO)训练中常见的6大问题提供解决方案：多任务奖励不均衡可通过奖励平衡和高奖励死区解决；样本难度问题可通过预奖励过滤处理；reward hack问题需持续监控调整；长期训练稳定性问题可通过增加batch_size和保持高熵性改善；优化僵局可通过熵抑制或动态采样解决；训练崩溃问题需通过重要性采样解决。这些方法能有效提升大模型训练的稳定性和效果。
OpenAI 做了一件几乎没人敢尝试的事：把 Transformer 的权重在训练中直接压到近乎全零，强迫它用极少的连接完成所有计算。在这种极端约束下，模型内部真正承担推理的“计算电路”第一次以可分离、可验证、可操控的方式显形。这大概是我们迄今最接近理解 Transformer 内部机制的一次时刻。
2025年全球人工智能市场规模预计突破3.6万亿美元，较2015年增长近30倍。中国作为全球第二大AI市场，2025年核心产业规模预计超5000亿元。爆炸式增长的背后，是巨大的人才缺口——中国2025年AI人才需求预计600万人，缺口超400万。
给 MCP（管理控制平台）集成 RAG，优先采用 “基础流水线 + 增强检索” 混合架构，核心是嵌入 “运维知识检索 + 故障案例匹配” 能力，解决 MCP 的运维问答、故障排查、配置咨询等场景痛点，且不侵入原有 MCP 核心控制逻辑。
本周精选10篇CV领域前沿论文，覆盖医疗与生物医学影像、觉定位与多智能体轨迹预测、多模态与视觉-语言模型优化、生成模型与域自适应等方向。全部300多篇论文皆可自取。
摘要：本文系统梳理了AI智能体开发框架的核心价值与主流工具选型。智能体框架通过封装通用功能（如状态管理、工具调用等）显著提升开发效率，实现模块化解耦。重点对比了四种代表性框架：AutoGen（对话驱动协作）、AgentScope（易用多智能体平台）、CAMEL（角色扮演协作）和LangGraph（图结构工作流），分析各自设计理念与技术路径。以AutoGen 0.7.4为例，详细阐述其分层架构、异步
随着生成式AI的爆发式发展，传统的编程工作模式正在被重塑。GitHub Copilot、Amazon CodeWhisperer等AI编程工具已能实现80%的CRUD业务场景的代码自动生成与调试。面对这场变革，程序员们该如何构建自己的护城河，在AI时代保持不可替代的价值？
本文深入探讨了大语言模型（LLMs）在医疗知识图谱（KGs）补全中的应用与局限，尤其是在疾病与治疗关系推断方面的表现。通过系统评估LLMs生成的治疗映射与现有临床知识的对齐程度，研究揭示了模型在覆盖率、一致性和稳定性方面的不足，同时强调了混合方法和严格验证的重要性 。
LangGraph的持久化机制通过checkpointer和thread概念，为AI智能体提供状态管理能力。它解决了多轮对话问题，并支持人工介入、时间旅行和容错功能。持久化机制在每个super-step自动保存checkpoint，记录完整状态信息，支持从任意点恢复或创建新分支。文章介绍了Graph、Super-step、StateSnapshot等核心概念，以及不同checkpointer实现的
文章揭示了AI Agent市场正经历"疲劳症"，企业客户面对同质化的AI Agent功能感到疲惫。Gartner预测40%以上项目将在2027年前被取消，成千家供应商中仅130家具备实质性能力。"Agent Washing"现象普遍，77%员工表示AI增加而非减少工作量。成功部署需跨越技术、业务、组织和成本四维度，市场将从非理性繁荣走向理性成熟，真正能创造商业价值的AI Agent将脱颖而出。
随着 AI 技术不断成熟，智能体（AI Agent）的开发正经历一场“平民化”变革——就像建站从手写代码演进到使用 WordPress、Wix 等可视化工具一样，如今构建智能体也有了图形化、模块化的低代码平台。这些工具让我们得以跳过繁琐的技术实现，直接聚焦于核心业务逻辑与应用场景。本文将深入解析 Dify、n8n 和 Coze 这三大主流平台的功能特点、适用场景与差异，并提供实用的选型建议，助你高
随着人工智能技术的发展，构建通用人工智能成为一个重要目标。通用人工智能需要具备广泛的认知能力，可以感知环境、进行复杂推理、做出判断，并采取行动参与各类任务。近年来，大语言模型的进步为实现通用人工智能带来了希望。它们在语言理解、推理、知识学习等方面表现卓越，被视为通用人工智能的潜在途径。如何在大语言模型的基础上构建真正的智能体，使其具备自动感知环境、推理规划、执行交互等全方位能力是一个关键课题。本文
平常用ChatGPT只能基于训练数据回答问题，但RAG可以让它查阅你的专有文档——不管是内部报告、技术文档还是业务资料，都能成为AI的参考资源。
Dirichlet 分布是一个连续多变量概率分布，它是对多项分布中参数的先验分布。简单来说，如果你有一个多项分布（即一个分布，其中的事件有多个可能的类别，比如掷骰子的六个面），Dirichlet 分布可以用来表示这些类别分布的不确定性。Dirichlet 分布的参数是一组正实数，这些参数本身被称为"浓度参数"。分布的结果是一组满足以下条件的值每个都在 0 和 1 之间，即。所有的总和为 1，即。这
文字识别（Optical Character Recognition，OCR）模型是一种用来从图像中提取文本的技术。OCR模型在计算机视觉和自然语言处理中的应用非常广泛，例如将扫描的文档转换为可编辑的文本文件，自动读取车牌号码，处理手写文本等。
本篇介绍了如何快速上手和理解OpenCompass，对于该项目来说所介绍的内容只是冰山一角，有兴趣的读者可以自行阅读官方文档，全文完毕。
自然语言处理
——自然语言处理
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
北京朝阳AI社区
AI工具分享
科技大视野开发者社区
2048 AI社区
AI编程社区
魔乐社区
