從"折騰"到"高效"：ClaudeCode在日常開發(fā)中的真實(shí)應(yīng)用最近在做項(xiàng)目時(shí)，我發(fā)現(xiàn)自己在一個(gè)問題上卡了快兩個(gè)小時(shí)。后來用ClaudeCode描述了需求，5分鐘就拿到了完整的解決方案。這個(gè)經(jīng)歷讓我開始重新思考：為什么不讓AI來處理那些重復(fù)性強(qiáng)、耗時(shí)的工作呢？開發(fā)者的"痛點(diǎn)時(shí)刻"你是否也經(jīng)歷過這些場景？代碼生成：需要實(shí)現(xiàn)一個(gè)新功能，卻要花半天時(shí)間查文檔、搜索最佳實(shí)踐代碼審查：發(fā)現(xiàn)性能瓶頸，卻不知道從何優(yōu)化起B(yǎng)ug診斷：遇到詭...

論文鏈接：https:arxiv.orgpdf2510.20888項(xiàng)目鏈接：https:bytedance.github.ioVideoAsPrompt亮點(diǎn)直擊提出VAP這一統(tǒng)一語義控制視頻生成范式，將具備目標(biāo)語義的參考視頻視為可泛化的上下文控制視頻提示?；诨旌蟃ransformer架構(gòu)構(gòu)建即插即用的上下文視頻生成框架，該框架能有效防止災(zāi)難性遺忘，支持多樣下游任務(wù)，并對未見的語義條件具備強(qiáng)大的零樣本泛化能力。構(gòu)建并發(fā)布當(dāng)前最大的語義控制視頻生成數(shù)據(jù)集VAPData，涵蓋100種語...

近期除了DeepSeekOCR開源帶來的一波OCR關(guān)注熱潮之外，Qwen、Minimax、美團(tuán)、騰訊也持續(xù)開源。一、Qwen3VL2B32BQwen3VL家族新增2B和32B兩個(gè)密集模型尺寸，提供Instruct和Thinking兩種版本，覆蓋視覺語言理解場景，其中32B模型在多個(gè)領(lǐng)域表現(xiàn)優(yōu)異，2B模型則適合輕量級部署，目前共開源24個(gè)模型版本，均可免費(fèi)下載商用。InterleavedMRoPE：在時(shí)序、寬度、高度三個(gè)維度全頻段分配魯棒位置編碼，長視頻推理能力顯著提升。DeepStack：...

當(dāng)你打開短視頻App，手指上下滑動的每一秒，背后都藏著一套決定“你接下來看什么”的排序邏輯。過去十年，行業(yè)里的推薦排序大多依賴“人工設(shè)計(jì)公式”——工程師們把“用戶會不會點(diǎn)贊”、“能看多久”等指標(biāo)，按經(jīng)驗(yàn)分配權(quán)重、套進(jìn)公式，算出每個(gè)視頻的“優(yōu)先級分?jǐn)?shù)”。但這套模式正在遭遇瓶頸：有人喜歡“短平快”的搞笑視頻，有人偏愛“慢節(jié)奏”的生活記錄，一套公式怎么滿足千萬用戶的個(gè)性化需求？當(dāng)“留存”、“時(shí)長”、“播...

編輯聽雨出品51CTO技術(shù)棧（微信號：blog51cto）10月27日，MiniMax正式開源并上線了MiniMaxM2。官方口號喊得非常響亮：“專為Agent和代碼而生，僅ClaudeSonnet8%價(jià)格，2倍速度，限時(shí)免費(fèi)！”這就引發(fā)了很多網(wǎng)友紛紛前去體驗(yàn)，再加上官方延長了限時(shí)免費(fèi)的時(shí)間，截至11月7日前都可以免費(fèi)體驗(yàn)Agent平臺和調(diào)用API，政策十分誘人?，F(xiàn)在MiniMax首頁已經(jīng)有很多網(wǎng)友分享了自己的作品，可以說是五花八門：有MBTI測試、在線撲克游戲、兒童...

近期除了DeepSeekOCR開源帶來的一波OCR關(guān)注熱潮之外，Qwen、Minimax、美團(tuán)、騰訊也持續(xù)開源。一、Qwen3VL2B32BQwen3VL家族新增2B和32B兩個(gè)密集模型尺寸，提供Instruct和Thinking兩種版本，覆蓋視覺語言理解場景，其中32B模型在多個(gè)領(lǐng)域表現(xiàn)優(yōu)異，2B模型則適合輕量級部署，目前共開源24個(gè)模型版本，均可免費(fèi)下載商用。InterleavedMRoPE：在時(shí)序、寬度、高度三個(gè)維度全頻段分配魯棒位置編碼，長視頻推理能力顯著提升。DeepStack：...

今天分享一篇來自同濟(jì)大學(xué)與微軟亞洲研究院等機(jī)構(gòu)的文章，題為《TRADEINMINUTES!RATIONALITYDRIVENAGENTICSYSTEMFORQUANTITATIVEFINANCIALTRADING》（分鐘級交易！理性驅(qū)動的量化金融交易智能體系統(tǒng)）。這篇文章開創(chuàng)性地提出了一個(gè)名為TiMi(TradeinMinutes)的多智能體（MultiAgent）量化交易系統(tǒng)。其核心思想是將復(fù)雜的策略制定與優(yōu)化過程與對時(shí)間極其敏感的交易執(zhí)行過程進(jìn)行“解耦”。系統(tǒng)在離線環(huán)境下，利用大語言模型（LLM）...

編者按：我們今天為大家?guī)淼奈恼拢髡叩挠^點(diǎn)是：GPT5通過引入“智能路由器”架構(gòu)，實(shí)現(xiàn)了按需調(diào)用不同專家模型的動態(tài)協(xié)作機(jī)制，標(biāo)志著大模型正從“全能單體架構(gòu)”邁向“專業(yè)化協(xié)同架構(gòu)”的新范式。文章深入剖析了GPT5路由機(jī)制的四大決策支柱——對話類型、任務(wù)復(fù)雜度、工具需求與用戶顯性意圖，并對比了其相較于GPT4、Toolformer及早期插件系統(tǒng)的突破性進(jìn)步。作者還詳細(xì)拆解了該架構(gòu)的技術(shù)實(shí)現(xiàn)路徑、核心優(yōu)勢（如響應(yīng)速度提...

大型推理模型（LRMs）雖然在復(fù)雜問題求解中展現(xiàn)出強(qiáng)大能力，但現(xiàn)實(shí)任務(wù)往往需要借助外部工具并進(jìn)行長期交互?，F(xiàn)有智能體框架大多遵循預(yù)定義的工作流程，這限制了它們的自主性和全局任務(wù)完成能力。為此，來自中國人民大學(xué)、小紅書等機(jī)構(gòu)的研究者提出了DeepAgent——一個(gè)端到端的深度推理智能體，能夠在單一連貫的推理過程中自主思考、發(fā)現(xiàn)工具并執(zhí)行動作。通過引入自主記憶折疊機(jī)制和端到端強(qiáng)化學(xué)習(xí)訓(xùn)練方法ToolPO，DeepAgent在8...

如果說傳統(tǒng)OCR是“圖像文字的掃描儀”，那DeepSeekOCR就是“文檔語義的解讀師”。它不是對現(xiàn)有技術(shù)的小修小補(bǔ)，而是通過視覺文本壓縮新范式，開啟了AI理解視覺信息的新紀(jì)元。咱們從“它有啥意義”“能干啥實(shí)事”“會帶來哪些改變”三個(gè)層面說清楚。一、核心意義：從“識字”到“看懂”的范式革命傳統(tǒng)OCR的局限很明顯：只能把圖片里的文字“扒下來”，卻看不懂表格結(jié)構(gòu)、公式邏輯，更談不上理解文檔的語義關(guān)聯(lián)。DeepSeekOCR的突...

在企業(yè)IT開發(fā)場景中，“降本增效”是永恒的主題——如何縮短項(xiàng)目交付周期？如何減少因人為失誤導(dǎo)致的Bug？如何讓經(jīng)驗(yàn)不足的開發(fā)人員快速產(chǎn)出高質(zhì)量代碼？EvolAI這款內(nèi)置ClaudeCode的AI智能工作空間，通過“AI+編程”的模式，為企業(yè)提供了切實(shí)可行的解決方案。從企業(yè)需求角度出發(fā)，EvolAI的核心優(yōu)勢體現(xiàn)在三個(gè)方面：1.技術(shù)適配性強(qiáng)：基于Claude大語言模型開發(fā)，支持Java、Python、C++、JavaScript等15+主流編程語言，能適配企業(yè)...

編輯聽雨出品51CTO技術(shù)棧（微信號：blog51cto）Anthropic剛剛公布了一項(xiàng)最新研究：AI開始擁有內(nèi)省能力。這個(gè)問題，其實(shí)在AI領(lǐng)域大神、OpenAI元老AndrejKarpathy最近的演講中也有所提及：他認(rèn)為，AI的下一個(gè)階段不是更大的模型，而是能反思自己的模型。它們需要像人一樣，能在輸出后回顧過程、總結(jié)偏差、甚至從錯(cuò)誤中自我修正。Anthropic的這項(xiàng)研究正是不謀而合。研究團(tuán)隊(duì)通過已知概念的表征（representations）注入模型的激活（...

情感分析一直是人工智能一個(gè)頗具人文色彩的技術(shù)分支，最初，它只是對文本進(jìn)行“字里行間”的揣摩，一條推文是憤怒還是喜悅，一篇評論是褒揚(yáng)還是批評。隨著社交媒體和視頻平臺的興起，人類表達(dá)情緒的方式早已不再局限于文字。表情、語調(diào)、肢體動作，甚至一個(gè)微妙的停頓，都可能傳遞出豐富的情感信息。于是情感分析從單一的文本處理，逐漸演進(jìn)為多模態(tài)情感分析（MSA），同時(shí)吸納視頻、音頻和圖像信號，試圖更全面地理解人類的情緒...

作者崔皓審校重樓摘要大型語言模型（LLMs）在文本生成和推理上表現(xiàn)出色，但存在幻覺生成、知識過時(shí)、缺乏領(lǐng)域?qū)I(yè)知識等短板。檢索增強(qiáng)生成（RAG）雖能通過外部文檔檢索增強(qiáng)LLMs以減少幻覺、獲取最新信息，卻面臨摻雜誤導(dǎo)信息、缺少邏輯連接的問題。為此，檢索增強(qiáng)結(jié)構(gòu)化（RAS）技術(shù)應(yīng)運(yùn)而生，它整合知識結(jié)構(gòu)化技術(shù)（如分類法和知識圖譜），將非結(jié)構(gòu)化文本轉(zhuǎn)化為結(jié)構(gòu)化知識，提升推理和驗(yàn)證能力。RAS包含信息檢索、結(jié)構(gòu)化知識表...

文章鏈接：https:arxiv.orgpdf2510.23576項(xiàng)目鏈接：https:pkuepic.github.ioUrbanVLAWeb圖1：UrbanVLA的實(shí)際部署展示了在具有未知布局、動態(tài)障礙物和不同光照的各種環(huán)境中的zeroshot泛化能力，并突出了其執(zhí)行跨度超過500米的長距離城市微移動任務(wù)的能力。亮點(diǎn)直擊首個(gè)專為城市微出行設(shè)計(jì)的路由條件VLA框架：首次提出了一個(gè)專門用于城市微出行（如送貨機(jī)器人）的路由條件視覺語言動作（VisionLanguageAction,VLA）模型，它能夠?qū)?..

整體偏向工程實(shí)現(xiàn)，DocResearcher從名字可以看出，首先這個(gè)框架需要進(jìn)行文檔解析提取文檔的圖文多模態(tài)元素，文檔解析相關(guān)技術(shù)鏈路《??文檔智能??》。其次是多模態(tài)深度研究（通過迭代分解問題、積累證據(jù)、驗(yàn)證信息，實(shí)現(xiàn)多文檔、多跳、多輪的深度推理。）和銜接兩者的多模態(tài)檢索架構(gòu)。DocReseaRcHeR架構(gòu)多模態(tài)文檔深度研究的典型應(yīng)用場景。用戶在多輪對話的上下文中提出一個(gè)需要多跳推理的問題，其中真實(shí)證據(jù)跨越多個(gè)文檔和...

大家好，我是玄姐。當(dāng)你用AI助手寫API文檔時(shí)，是否遇到過這樣的窘境：明明開頭明確了需求，聊到測試部署細(xì)節(jié)后，它卻漸漸忘了“寫文檔”的初衷，最終輸出完全跑偏？這不是AI“故意劃水”，而是大模型的先天缺陷，Transformer架構(gòu)決定了它是“無狀態(tài)化（Stateless）”的：每次調(diào)用都像“重新認(rèn)識世界”，沒有長期記憶，上下文越長越容易被冗余信息稀釋注意力，最終導(dǎo)致“健忘”“跑題”“性能拉胯”。為解決這個(gè)核心痛點(diǎn)，“記憶...

一、提示詞的盡頭，是“技能”過去幾年，我們在用大模型時(shí)總逃不開一個(gè)詞：提示詞（Prompt）。從寫文案、寫代碼，到自動生成SQL，每一次交互都靠手動輸入復(fù)雜指令。問題在于——每次都要重新教一遍模型。哪怕只是重復(fù)的業(yè)務(wù)場景，也要重新描述“你是誰”“要干什么”“按什么標(biāo)準(zhǔn)執(zhí)行”。這就像每次開機(jī)都要重新教電腦怎么打開瀏覽器一樣。這時(shí)候，Anthropic帶來了一個(gè)顛覆性的新概念：AgentSkills（智能體技能）。一句話解釋：...

一、背景之前已經(jīng)介紹了一些了RL訓(xùn)練優(yōu)化的文章，它們往往針對特定場景或特定算法進(jìn)行優(yōu)化，而缺乏一些系統(tǒng)性的研究。正好看到Meta的ScaleRL，其對各種策略、技術(shù)進(jìn)行了比較全面的消融實(shí)驗(yàn)，并提供了最佳實(shí)踐，我們這里對其進(jìn)行簡單介紹。對應(yīng)的論文：[2510.13786]TheArtofScalingReinforcementLearningComputeforLLMs[1]二、摘要RL已成為LLM的核心技術(shù)，但是該領(lǐng)域還缺乏與預(yù)訓(xùn)練相媲美的可預(yù)測ScalingLaw。為此，作者進(jìn)行了大...

“別再混淆了！RAG、Agent是“發(fā)動機(jī)”，智能問答、生成工具才是“車”——一文講透大模型的技術(shù)與應(yīng)用場景”做了這么長時(shí)間的人工智能應(yīng)用，慢慢發(fā)現(xiàn)很多人到現(xiàn)在還分不清哪些是技術(shù)，哪些是應(yīng)用場景，甚至很多時(shí)候會把這兩個(gè)不同的東西混為一談。首先我們要明確一件事，人工智能是一項(xiàng)技術(shù)，然后利用這些技術(shù)去解決實(shí)際問題，而解決的這些問題是應(yīng)用場景；技術(shù)本身是沒有價(jià)值的，技術(shù)價(jià)值的體現(xiàn)就是在其應(yīng)用場景。技術(shù)與應(yīng)用...