分类 科技 下的文章

本文通过九张图详细解释了AI Agent、LLM（大型语言模型）和RAG（Retrieval-Augmented Generation）的工作原理。AI Agent能够理解用户需求并提供帮助，LLM通过大量数据训练生成文本，而RAG结合检索和生成技术，提高信息检索的准确性和效率。这些技术的发展推动了...

本文通过九张图详细解释了AI Agent、LLM（大型语言模型）和RAG（检索增强生成）的工作原理。内容包括Transformer与LLM中的混合专家（MoE）结构、微调LLM的五种方法、RAG与传统RAG的对比、五种常见的Agentic AI设计模式以及RAG的五种分块方法。这些技术原理和工作流程...

本文提供了一个详细的学习路线图，旨在帮助读者在2025年掌握AI和机器学习的关键技能。路线图从Python编程基础开始，逐步深入到数学、数据分析、机器学习基础、算法、深度学习、高级AI等领域，并强调实践应用和项目经验的重要性。同时，提供了丰富的免费学习资源，包括书籍、在线课程和视频教程，以支持学习者...

本文提供了一个AI工程师的学习路线图，将学习过程分为初学者、中级和高级三个阶段，并为每个阶段提供了相应的学习资源和项目实践建议。初学者阶段主要学习如何使用大型语言模型（LLM）API，中级阶段深入学习使用检索增强生成（RAG）技术构建更高级的应用，高级阶段则学习如何在生产环境中部署、优化和管理LLM...

2025年第二季度，OpenAI在产品、基础设施、战略收购、安全合规、全球化布局和财务指标等方面取得显著进展。推出了GPT-4.1 API、新一代模型o3和o4-mini、图像生成API升级和Responses API新功能。与Google Cloud和CoreWeave达成云服务合作，拓展算力资源...

Agent2Agent（A2A）协议规范 版本： 0.2.2 1. 简介 Agent2Agent (A2A) 协议是一项开放标准，旨在促进独立且可能不透明的 AI 代理系统之间的通信和互操作性。在一个代理可能使用不同框架、语言或由不同供应商构建的生态系统中，A2A 提供了一种通用语言和交互模型。 本文档提供了 A2A 协议的详细技术规范。其主要目标是使代理能...

Google宣布了一系列A2A技术更新，包括代理开发套件(ADK)的增强功能、代理引擎界面的推出以及Agent2Agent (A2A)协议的全面升级。这些更新旨在帮助开发者构建更复杂、可靠且具有影响力的智能代理解决方案。Python ADK v1.0.0稳定版发布，Java ADK v0.1.0初始...

Google在2025年发布了Agent2Agent（A2A）协议，旨在实现不同AI智能体间的无缝互操作和协作。A2A协议围绕能力发现、任务管理、协作通信和安全认证四大核心能力展开，采用类似HTTP的请求/响应格式和端点规范。Google推出了多种语言的官方SDK，并在多个平台深度集成A2A协议。目...

本文介绍了如何基于模型上下文协议（MCP）构建高性能企业RAG系统，以管理和利用企业内部知识资产。MCP通过标准化协议将知识检索服务解耦为独立模块，具有标准化工具调用、解耦设计、灵活扩展和工程实践友好等优势。项目目标是构建支持MCP协议的知识库服务和客户端，实现文档智能切分、FAQ自动提取功能，并支...

苹果公司近期发表的研究论文《思考的幻觉》探讨了大型推理模型（LRMs）的优缺点和局限性。研究发现，尽管LRMs在推理基准测试中表现更好，但它们在处理复杂问题时存在扩展限制，推理能力随着问题复杂性的增加而下降。论文通过可控的难题环境分析了LRMs的内部推理过程，揭示了它们在精确计算和推理一致性上的局限...

本文详细介绍了9大类型、50个实用的AI Agent开源工具，包括计算机与浏览器操作、框架、语音、文档理解、记忆、测试与评估、监控与可观测性、仿真环境和垂直领域Agent。这些工具可以帮助开发者构建和优化AI智能体，提高开发效率。

2025年6月AI资讯汇总显示，AI技术在多个领域取得突破，包括谷歌Gemini 2.5 Pro模型、Anthropic的Claude 4系列模型、DeepSeek-R1-0528版本、腾讯混元图像2.0、中国石油昆仑大模型等。新产品与应用方面，PixVerse、快手、Opera、京东工业、Mini...

随着AI技术的发展，地球上的数据中心电力需求激增，能源瓶颈难以解决。因此，越来越多的公司和投资者开始考虑在太空中建立数据中心，利用太阳能满足能源需求。美国初创公司Starcloud计划今年8月发射搭载英伟达H100芯片的卫星，这将是第一颗轨道数据中心。尽管面临技术与经济挑战，但轨道数据中心的初期应用...

在最近一次访谈中，World Labs联合创始人李飞飞和a16z普通合伙人Martin Casado探讨了“世界模型”的概念，强调了构建这一模型的迫切需求。他们讨论了当前AI的局限性，特别是大语言模型（LLMs）的不足，并指出人类智能的大部分超越了语言范畴。李飞飞认为，要实现全面的智能，需要集中化的...

本文是《从零开始的大语言模型原理与实践教程》第七章，介绍了大模型的应用。首先，讨论了大模型评测的重要性，包括评测数据集和主流评测榜单。然后，介绍了检索增强生成（RAG）技术，包括其基本原理和搭建RAG框架的步骤。最后，讨论了LLM Agent的概念、类型，并提供了一个简单的任务导向型Agent的实现...

本文详细介绍了如何使用Transformers框架进行大型语言模型（LLM）的训练，包括预训练、有监督微调和高效微调。预训练部分讲解了使用Transformers框架和分布式框架deepspeed进行模型预训练的全过程，包括模型初始化、数据预处理和使用Trainer进行训练。有监督微调部分则介绍了如...

本文是《从零开始的大语言模型原理与实践教程》的第五章，介绍了如何动手搭建大模型LLaMA2。首先，定义了模型的超参数，包括模型大小、层数、头数等，并创建了ModelConfig类。接着，详细讲解了如何构建RMSNorm、LLaMA2 Attention和MLP模块，以及如何将这些模块组合成一个完整的...

本文详细介绍了大语言模型（LLM）的概念、特点、能力以及训练过程。LLM是参数量更多、在更大规模语料上进行预训练的语言模型，具有涌现能力、上下文学习能力、指令遵循能力和逐步推理能力。训练LLM需要经过预训练（Pretrain）、有监督微调（SFT）和人类反馈强化学习（RLHF）三个阶段。预训练使用海...

从零开始的大语言模型原理与实践教程深入理解 LLM 核心原理，动手实现你的第一个大模型项目介绍  很多小伙伴在看完 self-llm 开源大模型食用指南 后，感觉意犹未尽，想要深入了解大语言模型的原理和训练过程。于是我们决定推出《Happy-LLM》项目，旨在帮助大家深入理解大语言模型的原理和训练过程。  本项目是一个系统性的 LLM 学习教程，将从 NLP 的基本研究方法出发，根据 LLM...