理论

腾讯混元大模型正在加快开源步伐。 11月5日，腾讯混元宣布最新的MoE模型“混元Large“以及混元3D生成大模型“ Hunyuan3D-1.0”正式开源，支持企业及开发者精调、部署等不同场景的使用需求，可在HuggingFace、Github等技术社区直接下载，免费可商用。 本次开源是腾讯混元继文生图模型后持续开放的一大举措。

一、RAG1.0 的痛点和解决方向1.  RAG 架构模式对于上图所示的 RAG 架构模式，大家应该都比较熟悉。 RAG 的标准流程包括四个阶段，即抽取（Extraction）、索引（Indexing）、检索（Retrieval）和生成（Generation）。

编辑 | 言征出品 | 51CTO技术栈（微信号：blog51cto）不久前，OpenAI 和 Microsoft 似乎是不可战胜的。 然而，现在，他们的竞争对手正在迎头赶上。 巨头支持方面，Anthropic 的 Claude 模型一点都不弱，甚至隐隐有了超越ChatGPT的趋势。

编辑 | 伊风出品 | 51CTO技术栈（微信号：blog51cto）回到一年前， Perplexity 可能没想到自己押宝的这条赛道如今挤满了人。 毕竟，直到今年 4 月，这家 AI 搜索的领头羊才刚刚迈入 10 亿美元俱乐部。 然而就在上周，谷歌和 OpenAI 前后脚发布了新的 AI 搜索功能，大有打擂台的硝烟味。

AI Agent，即人工智能代理，是一种能够感知环境、进行自主理解、决策和执行动作的智能实体。 它基于大语言模型，能够通过独立思考、调用工具来逐步完成给定目标的计算机程序。 AI Agent的核心在于其自主性和自适应性，在特定任务或领域中能够自主地进行学习和改进。

用PyTorch构建神经网络是机器学习领域中非常热门的话题。 PyTorch因其易用性和灵活性而受到广大开发者的喜爱。 本文将通过12个实战案例，带你从零开始构建神经网络，逐步掌握PyTorch的核心概念和高级技巧。

视觉定位（Visual Grounding）旨在基于自由形式的自然语言文本表达定位图像中的目标物体。 随着多模态推理系统的普及，如视觉问答和图像描述，视觉定位的重要性愈加凸显。 已有的研究大致可以分为三类：两阶段方法、单阶段方法和基于Transformer的方法。

在探讨制造业的未来时，一个不可忽视的趋势是高科技制造业对人工的依赖正在逐渐减少。 传统观念中，人工操作往往被视为生产过程中的污染源，如呼吸、皮肤屑、头发等都会对精密制造构成威胁，同时人工操作也伴随着各种错误和失误的风险。 因此，全自动化的生产车间，依托人工智能技术的强大支撑，正逐步崛起为制造业发展的新航标。

前几天，Runway宣布更加灵活逼真的AI摄像头控件上线，开始实现3D化！ 该功能Gen-3 Alpha Turbo视频生成模型可用。 而就在一个多星期前，10月23日，Runway还宣布了Gen-3 Alpha的新功能Act-One。

近日，谷歌宣布其大语言模型（LLM）项目“Big Sleep”成功发现了一个SQLite数据库引擎中的内存安全漏洞，这是人工智能首次在真实软件中发现可利用的内存安全漏洞（且该漏洞无法通过传统的模糊测试检测到）。 AI首次发现内存安全漏洞谷歌的“Project Naptime”项目旨在评估LLM在进攻性安全研究方面的能力，后来该项目演变为“Big Sleep”，由谷歌Project Zero和Dee…

用专有数据训练大型语言模型能为你带来竞争优势吗?尽管我们生活在一个日益数据驱动的世界中，但大多数公司并未采用数据驱动的商业模式。 像Alphabet、Meta和亚马逊这样的企业凭借网络效应形成的良性循环而取得成功，但这种模式对于销售传统产品和服务的组织来说却难以实现，然而，如今已能广泛获取各种工具来充分利用日常业务流程中生成的专有数据，这些工具可能帮助你的公司形成竞争优势。 随着市场竞争的加剧，利…

北大校友打造的1000个智能体「我的世界」，背后原理揭晓了！ 团队全新公开35页技术报告，详尽解密AI智能体如何产生专业化分工、社交互动、甚至传播虚拟宗教……其中最精彩的，当数团队整活儿：让牧师NPC引入虚拟宗教，最后发现该宗教在500个智能体（横跨6大城乡）中进行了广泛传播。 据介绍，项目整体由一个名为PIANO的架构提供支持，它核心解决多智能体交互问题，用于确保多个输出流的一致性。

视觉语言模型（如 GPT-4o、DALL-E 3）通常拥有数十亿参数，且模型权重不公开，使得传统的白盒优化方法（如反向传播）难以实施。 那么，有没有更轻松的优化方法呢？ 就在最近，卡内基梅隆大学（CMU）的研究团队对于这个问题提出了一种创新的“黑盒优化”策略——通过大语言模型自动调整自然语言提示词，使视觉语言模型在文生图、视觉识别等多个下游任务中获得更好的表现。

复刻OpenAI o1推理大模型，开源界传来最新进展：LLaMA版o1项目刚刚发布，来自上海AI Lab团队。 简介中明确：使用了蒙特卡洛树搜索，Self-Play强化学习，PPO，以及AlphaGo Zero的双重策略范式（先验策略 价值评估）。 在2024年6月，o1发布之前，团队就开始探索蒙特卡洛树搜索提高大模型数学能力，积累了一些关注。

就在刚刚，Anthropic宣布，Claude 3.5 Haiku已经可以通过API访问。 图片与此同时，就在今天，Grok API也官宣正式开启公测。 图片Claude 3.5 Haiku正式开放APIClaude 3.5 Haiku现已在Anthropic的API、Amazon Bedrock和Google Cloud的Vertex AI上提供。

11 月 5 日消息，为推动机器人产业高质量发展，推进机器人典型应用开发，推广“机器人 ”应用创新实践，重庆市经济信息委、市教委等八单位 10 月 28 日联合印发《重庆市“机器人 ”应用行动计划（2024—2027 年）》（下称《行动计划》）。 《行动计划》提出到 2027 年，机器人广泛应用于重庆市经济社会各领域，机器人典型示范应用成效显著。 聚焦机器人应用重点领域，突破一批机器人关键技术，开…

人工智能（AI）已经无处不在，并且在医学领域的应用也越来越广泛。 在某些情况下，AI可以增强甚至取代医生的一部分工作。 医学生在选择专业时，应当考虑到AI将如何改变医生的岗位形态（以及获得的薪酬待遇）。

ControlNet作者“敏神”（张吕敏），刚刚上新了一个新项目——名叫IC-Light V2，可以说是把AI打光这事儿玩得溜溜的。 图片IC-Light是此前张吕敏开发的图像处理工具，可以通过AI技术精确控制图像中的光照效果。 而此次的V2版本则是一系列基于FLUX的IC-Light型号，具有16通道VAE和原生高分辨率。

如何让 AI 更加智能化、精准化，成为了研究者和开发者们关注的焦点。 FastGPT 作为一款前沿的 AI 模型，其知识库逻辑与检索机制无疑是其成功的关键所在。 本文将为您详细解析 FastGPT 的知识库逻辑与检索机制，并结合知识库的特性，提供实用的教学意义，帮助您更好地理解这一技术背后的原理与应用。

Mean Squared Error (MSE)MSE 是回归任务中最常用的损失函数之一。 它衡量模型预测值与实际值之间的平均平方误差。 公式:特点:对于大的误差，MSE 会给出更大的惩罚，因为误差被平方。

最近的文本到图像生成器由文本编码器和扩散模型组成。 如果在没有适当安全措施的情况下部署，它们会产生滥用风险（左图）。 我们提出了潜在保护方法（右图），这是一种旨在阻止恶意输入提示的安全方法。

网络优化一直是移动互联网时代的热议话题，弱网识别作为弱网优化的第一步，受到的关注和讨论也是最多的。 本文从设计、开发、落地详尽的分享了携程在弱网识别方面的实践经验，如果你也有类似需求，这篇文章会是一个不错的实操指南。 一、背景二、技术方案2.1 数据采集2.2 数据处理2.3 结果输出三、落地效果四、未来展望一、背景自从2010年携程推出”无线战略“，并发布移动端APP以来，无线研发团队对于客户端…

本文经自动驾驶之心公众号授权转载，转载请联系出处。 写在前面 & 笔者的个人理解车道检测是自动驾驶系统中一项重要但具有挑战性的任务。 基于Visual Transformer的发展，早期基于Transformer的车道检测研究在某些场景下取得了有前景的结果。

尽管目前正在开发相关标准以应对这一切，但目前而言，机器人集成与执行软件平台将成为传统重度编程方法的一个颇具吸引力的替代方案。 出于各种原因，人们对仓库机器人的兴趣仍然高涨，其中最主要的原因是持续的劳动力短缺，但周期时间压力和在仓库中增加更多自动化的普遍兴趣也起到了一定作用。 随着这种兴趣的增长，仓库机器人制造商的数量也激增。