譯者晶顏審校重樓在數字化轉型加速推進的當下，企業(yè)對高效AI文檔處理系統的需求日益迫切。然而，面對市場上多款功能相近的光學字符識別（OCR）模型，開發(fā)人員在選型過程中往往面臨決策困境。模型在處理速度、識別精度、成本控制等關鍵維度的表現，直接影響文檔處理系統的整體效能與業(yè)務落地價值，因此篩選兼具高效性與適配性的模型成為核心訴求。基于此，本文選取DeepSeekOCR、Qwen3VL與MistralOCR三款市場認可度較高的AI模型，...

Agno的工作流（Workflows）讓你可以通過一系列定義好的步驟（steps）來編排智能體（Agents）、團隊（Teams）以及函數（Functions），從而構建出確定性（deterministic）、可控（controlled）的智能系統。與自由形式（freeform）的智能體交互不同，工作流提供結構化的自動化控制，保證每次執(zhí)行的邏輯一致、結果可預測，因此非常適合需要可靠性與可重復性的生產環(huán)境。為什么要使用Workflows？工作流讓你能夠對智能系統實現可預測...

論文鏈接(arXiv):??https:arxiv.orgabs2511.14993??開源代碼(GitHub):??https:github.comkandinskylabkandinsky5??HuggingFace:??https:huggingface.cokandinskylab??項目官網:??https:kandinskylab.ai???亮點直擊Kandinsky5.0，是一套專為高分辨率圖像和視頻合成設計的SOTA基礎模型家族。全套模型開源陣容：(1)Kandinsky5.0ImageLite(6B)：用于圖像生成和編輯。(2)Kandinsky5.0VideoLite(2B)：輕量級文本圖像...

大家好，我是玄姐。現在AI行業(yè)正發(fā)生一件超關鍵的事：前幾個月，我們還看著AI智能體相關的框架亂成一團，幾十個框架各玩各的，互相不兼容，想整合用簡直難上天。但現在不一樣了！行業(yè)終于“定調子”，三大核心協議脫穎而出，它們不是互相搶飯碗，而是組隊發(fā)力、配合默契。這三大協議就是：1.AGU（智能體用戶交互協議）簡單說，就是智能體的“前后端溝通橋梁”，負責后端核心功能和前端界面的雙向連接。有了它，APP里的智能體就...

前言由于??ClaudeCode??上可以配置相關的MCP工具，這將大大方便我們的開發(fā)工作，本章將分享兩個常用的mcp開發(fā)工具以及相關的提示詞。使用技巧技巧1：使用context7查詢最新API文檔通過在ClaudeCode中配置context7的mcp工具，可以讓ClaudeCode在使用過程中，自動查詢最新API文檔，從而加速開發(fā)工作。1.1注冊申請context7的APIKEY訪問https:www.context7.com點擊注冊，注冊一個賬號注冊成功后，在個人中心>APIKEY中，獲取APIKE...

前言由于??claudecode???上配置使用??DeepseekV3.1???模型可以較大幅度地提升AI編程能力，本章分享??claudecode???配置??Deepseek??模型的方法。環(huán)境搭建1.1安裝node.js訪問https:nodejs.orgendownload按照官網提示，選擇對應的操作系統安裝node.js即可Mac系統Mac下通過以下命令行安裝Downloadandinstallnvm:curlohttps:raw.githubusercontent.comnvmshnvmv0.40.3install.shbashinlieuofrestartingtheshell\...

前言由于近日以??cursor???、??claudecode???為代表的vibing編程模型逐漸流行，本章將分享介紹近期工作中借助??claudecode+KimiK2??模型開發(fā)dify插件的實踐過程。文章概要本文主要包含兩個部分：1、環(huán)境搭建：claudecode+KimiK2開發(fā)環(huán)境的配置2、插件開發(fā)：使用claudecode+KimiK2開發(fā)dify插件1.開發(fā)環(huán)境準備1.1安裝node.js訪問https:nodejs.orgendownload按照官網提示，安裝node.js即可1.2安裝claudecode確認node...

摘要近年來，大型語言模型（LargeLanguageModels,LLMs）的快速發(fā)展拓寬了其應用范圍，但同時也暴露出在平衡通用知識、代碼生成與數學推理能力方面存在挑戰(zhàn)。為解決這一問題，本文提出一種適用于監(jiān)督微調（SupervisedFineTuning,SFT）的協作式語義專家（CollaborativeandSemanticExperts,CoE）方法，該方法采用兩階段訓練策略。第一階段為專家訓練階段，在特定數據集上對前饋網絡（FeedForwardNetwork,FFN）進行微調，培養(yǎng)針對特...

摘要近年來，隨著大型語言模型（LargeLanguageModel,LLM）能力在深度與廣度上的快速發(fā)展，各類相應的評估基準測試（Benchmark）數量日益增多。作為模型性能的量化評估工具，基準測試不僅是衡量模型能力的核心手段，也是指引模型發(fā)展方向、推動技術創(chuàng)新的關鍵要素。本文首次對大型語言模型基準測試的現狀與發(fā)展進行系統性綜述，將283個具有代表性的基準測試劃分為三大類：通用能力基準測試（GeneralCapabilitiesBenchmarks）、特...

摘要：大型語言模型（LargeLanguageModels,LLMs）憑借在各類應用中前所未有的性能，在學術界和工業(yè)界的關注度日益提升。隨著LLMs在研究和日常使用中持續(xù)發(fā)揮重要作用，其評估工作變得愈發(fā)關鍵——不僅需要在任務層面開展評估，還需從社會層面評估以更好地了解其潛在風險。過去幾年，研究者們從多個角度對LLMs展開了深入考察，并付出了大量努力。本文對這些LLMs評估方法進行了全面綜述，重點圍繞三個核心維度：評估什么（whattoe...

編者按：推理模型的“推理能力”飛躍，究竟是模型本身的進步，還是工程編排的巧妙包裝？我們今天為大家?guī)淼倪@篇文章提出了一個尖銳的觀點：所謂“推理模型”的突破，本質上并非模型智能的根本性提升，而是通過工具調用與流程編排對模型能力停滯所做的工程性補償。文章深入剖析了GPT5等最新模型在執(zhí)行任務時嚴重依賴Python沙箱、API調用等外部工具的現象，揭示出大語言模型在代碼生成與語義理解上的深層瓶頸。作者指出，OpenAI...

搭建跨模態(tài)檢索系統時，有兩個難題：一是處理圖文混合候選集時，token數量爆炸導致GPU直接內存溢出；二是用RL訓練模型時，要么收斂不了，要么推理過程漏洞百出，檢索準確率始終上不去。直到看到這篇NeurIPS2025的RetrvR1論文，才發(fā)現原來不用復雜架構，只要針對性解決“信息冗余”和“訓練不穩(wěn)定”兩個核心痛點，就能讓多模態(tài)檢索的準確率和效率同時突破瓶頸——這篇研究給出了新的技術方案，更提供了“推理驅動檢索”的全新思...

?核心內容本文闡述了Instacart如何從傳統、分散的機器學習模型，轉向以LLM為核心，構建新一代、統一且高效的“意圖引擎”（QueryUnderstanding,QU），旨在解決長尾搜索、數據稀疏及系統復雜性等關鍵挑戰(zhàn)。一、戰(zhàn)略核心：LLM的領域化與系統整合立足LLM優(yōu)勢，簡化系統：利用LLM的世界知識和推理能力，取代過去查詢分類、查詢重寫等多個獨立的定制模型，實現技術棧的集成與簡化，提高一致性。分層深度植入領域知識：采取“上下文...

?核心觀點當前輿論場中彌漫的“AI泡沫論”與“瓶頸論”，本質上是線性思維與指數級技術演進之間的認知錯覺。這正如疫情初期的誤判：人們往往因當下的微小瑕疵（模型出錯、幻覺）而無視了底層能力的指數級爬升。基于兩份最新的權威評估報告，我們必須重新校準對AI進程的預期。核心結論非常直接：ScalingLaw并未失效，AI正在以驚人的速度突破工業(yè)界應用的臨界點。一、雙重證據驗證：從“代碼深度”到“行業(yè)廣度”評估AI進步不能...

2025年11月18日，GoogleDeepMind以預覽形式低調發(fā)布了Gemini3Pro，并稱其為“迄今最具智能的模型”。它沒有伴隨盛大的發(fā)布會，也沒有公布具體的參數量，僅有一張基準測試表。DeepMind的OriolVinyals在帖文中表示，從Gemini2.5到3.0的預訓練（Pretraining）提升是“我們迄今所見最大的一次”，并斷言“前方沒有任何墻”。AI社區(qū)瞬間沸騰。短短幾小時內，泄露消息、內部傳聞以及粗略計算迅速匯聚成一個驚人共識：Gemini3Pro是一個...

核心觀點：NVIDIASC25宣告了超算不再是單純的數值模擬，而是依靠自研CPU（Vera）、光互連技術和預訓練物理模型（Apollo），構建了一個融合模擬、AI和量子計算的“三位一體”科學發(fā)現引擎。NVIDIA在SC25上明確了超級計算的未來不再僅僅是更大規(guī)模的FLOPS堆疊，而是模擬（Simulation）、人工智能（AI）與量子計算（Quantum）三種計算范式的深度融合。硬件層面上，NVIDIA通過自研CPU核心Vera和共封裝光學器件（CPO）突破能效墻；軟...

在當今數字化時代，企業(yè)招聘面臨著海量簡歷的處理挑戰(zhàn)。傳統手動篩選簡歷的方式不僅效率低下，還容易出現錯誤。為解決這一痛點，阿里巴巴開源了SmartResume智能簡歷解析系統，旨在通過先進的AI技術，實現簡歷的自動化處理，提升招聘效率。一、項目概述SmartResume是由阿里巴巴開源的智能簡歷解析系統，融合了OCR文本提取、PDF元數據解析、版面檢測（YOLOv10模型）及輕量化大語言模型（Qwen30.6B微調版），支持PDF、圖片、Word等...

在自然語言處理（NLP）領域，文本嵌入模型作為連接語言與機器學習的關鍵橋梁，一直備受關注。騰訊推出的KaLMEmbedding系列模型，憑借其卓越的性能和創(chuàng)新的技術架構，為文本嵌入領域帶來了新的突破。一、項目概述KaLMEmbedding是由騰訊團隊開發(fā)的一系列高性能文本嵌入模型，通過先進的訓練技術和高質量的數據集，顯著提升了文本嵌入的性能。最新版本KaLMEmbeddingV2在架構和訓練方法上進行了多項創(chuàng)新，例如移除因果注意力掩碼以...

隨著人工智能技術的飛速發(fā)展，大語言模型（LLM）和多模態(tài)模型（VLM）在自然語言處理和視覺理解領域展現出強大的能力。百度文心推出的ERNIE4.5模型家族，憑借其創(chuàng)新的異構混合專家架構（MoE）和高效的訓練與推理技術，成為當前AI領域的熱門研究對象。一、項目概述ERNIE4.5是百度文心推出的新一代大型多模態(tài)基礎模型家族，包含多種不同變體，涵蓋從0.3億到470億參數的模型。它采用異構混合專家架構（MoE），將參數分為文本、視覺...

隨著人工智能技術的不斷發(fā)展，多模態(tài)模型逐漸成為研究熱點。小紅書團隊推出的DeepEyesV2，作為一款具有智能體特性的多模態(tài)模型，不僅繼承了前代在視覺推理上的優(yōu)勢，還通過多工具協同實現了從“看圖思考”到“解決問題”的跨越。一、項目概述DeepEyesV2是一個由小紅書團隊開發(fā)的多模態(tài)智能體模型，旨在通過整合代碼執(zhí)行、網頁搜索和圖像操作等多種工具，實現對復雜問題的主動解決。該模型通過兩階段訓練法，即冷啟動階段和強化...