AI在线 AI在线

架构

NeurIPS 25 | 中大&UC Merced等开源RAPID Hand，重新定义多指灵巧手数据采集

NeurIPS 25 | 中大&UC Merced等开源RAPID Hand，重新定义多指灵巧手数据采集
在最近的一篇 NeurIPS 25 中稿论文中，来自中山大学、加州大学 Merced 分校、中科院自动化研究所、诚橙动力的研究者联合提出了一个全新开源的高自由度灵巧手平台 — RAPID Hand (Robust, Affordable, Perception-Integrated, Dexterous Hand)。 论文标题：RAPID Hand: A Robust, Affordable, Perception-Integrated, Dexterous Manipulation Platform for Generalist Robot Autonomy论文地址：： 地址：。 无论是日常的家庭整理、物品归置，还是辅助类服务任务，若缺乏灵巧的操作能力，机器人便难以真正完成复杂交互。
10/15/2025 8:55:43 AM
谷歌揭秘：Multi-Agent 推理时扩展才是未来

谷歌揭秘：Multi-Agent 推理时扩展才是未来
这里是一个专注于前沿AI和智能体的频道~谷歌 DeepMind 和 MIT 联合发了一篇论文，名叫 TUMIX（Tool-Use Mixture）。 大概就是说，Multi-Agent 才是 test-time- scaling的终极打开方式，可以以一半的成本，在HLE上，准确率从 21.6% 飙升到 34.1%，超越 Gemini-2.5-Pro Deep Research。 除此之外，他们还做了一个彩蛋，让Agent设计Agent，效果比人工设计的更牛~图片一个反常识Agent多样性 疯狂采样目前主流的推理时扩展方法是什么？
10/15/2025 2:11:00 AM
猕猴桃
拒绝小扎15亿美元offer的大佬，还是加入Meta了

拒绝小扎15亿美元offer的大佬，还是加入Meta了
那个拒绝了小扎15亿美元薪酬包的机器学习大神，还是加入Meta了。 OpenAI前CTO Mira Murati创业公司Thinking Machines Lab证实，联创、首席架构师Andrew Tulloch已经离职去了Meta。 按照公司发言人的说法，Tulloch离职的理由是“出于个人原因决定走一条不同的道路”，其本人则未给出回应。
10/13/2025 9:00:00 AM
苹果掀桌！扔掉AlphaFold核心模块，开启蛋白折叠「生成式AI」时代

苹果掀桌！扔掉AlphaFold核心模块，开启蛋白折叠「生成式AI」时代
蛋白质折叠，一直是计算生物学中的一个核心难题，并对药物研发等领域产生着深远影响。 若把蛋白质折叠类比为视觉领域的生成模型，氨基酸序列相当于「提示词」，模型输出则是原子的三维坐标。 受此思维启发，研究人员构建了一个基于标准Transformer模块与自适应层的通用且强大的架构——SimpleFold。
9/28/2025 9:12:00 AM
万字长文详解腾讯优图RAG技术的架构设计与创新实践

万字长文详解腾讯优图RAG技术的架构设计与创新实践
导语在信息爆炸的时代，如何从海量数据中精准获取知识并生成智能回答，已成为AI落地的核心挑战。 腾讯优图实验室凭借前沿的RAG体系，突破传统检索与生成的局限，打造了一套覆盖语义检索、结构化表检索、图检索的全栈解决方案。 本文将为你深度解析优图实验室RAG技术的架构设计与创新实践：从多阶段训练的2B级Embedding模型、Reranker分层蒸馏，到结构化表的智能解析与查询，再到自研GraphRAG框架在构图效率与复杂推理上的突破。
9/12/2025 3:50:54 PM
优图RAG技术
生产级AI智能体架构指南：从Demo惊艳到落地可靠

生产级AI智能体架构指南：从Demo惊艳到落地可靠
在AI领域，单提示词演示（Single-prompt demos）总是令人眼前一亮，但真正的生产落地却充满挑战。 坦白而言，即便最出色的大型语言模型（LLM）能在演示中大放异彩，现实世界对AI系统的要求远比这更高——用户需要足以支撑业务决策的精准结果，管理者要求清晰可追溯的审计记录，运维团队则需要能有效控制成本与延迟的调节手段。 问题的核心在于那种“大包大揽”的单提示词模式：它就像一个黑箱，将规划、执行与质量控制揉合成一团模糊的整体，不仅脆弱易故障、难以审计，更无法突破概念验证（PoC）阶段实现规模化应用。
9/9/2025 2:11:00 AM
大模型之路
准确率达90%，用户却疯狂弃用，一遇问题转人工，AI客服竟比电话语音还糟！大牛发文痛斥：能力≠采纳!四层架构让Agent无AI感

准确率达90%，用户却疯狂弃用，一遇问题转人工，AI客服竟比电话语音还糟！大牛发文痛斥：能力≠采纳!四层架构让Agent无AI感
编辑 | 云昭出品 | 51CTO技术栈（微信号：blog51cto）上周，我和一位最近刚上线 AI Agent 的 PM 聊天。 指标看上去非常亮眼：89% 的准确率、毫秒级的响应、用户调研反馈积极。 但实际情况却很打脸，上线没多久，用户纷纷弃用了。
9/5/2025 1:06:00 PM
云昭
理论到实战，高可用架构踩坑说明书

理论到实战，高可用架构踩坑说明书
在构建高可用系统时，开发者常常面临应用、数据库、缓存、消息队列等多维度的挑战。 本文结合京东真实技术场景，系统梳理高可用架构实践中常见的技术陷阱与解决方案，深入剖析每个技术组件的可用性保障要点。 旨在为工程师提供一套踩坑说明书，帮助团队在系统设计阶段规避潜在风险，提升线上系统的稳定性和容错能力。
9/5/2025 1:25:00 AM
揭秘Mem0的卓越架构：打造真正拥有记忆的AI系统

揭秘Mem0的卓越架构：打造真正拥有记忆的AI系统
在人工智能应用迅猛发展的当下，聊天机器人已成为企业服务用户、个人提升效率的重要工具。 然而，许多开发者都遭遇过这样的尴尬场景：花费数周精心打造的聊天机器人在演示时表现出色，能流利回答问题、提供帮助，看似智能十足。 但当用户次日再次访问时，机器人却仿佛患上了“失忆症”，只会机械地问“今天我能为您提供什么帮助？
8/28/2025 7:52:17 AM
大模型之路
刚刚，英伟达新模型上线！4B推理狂飙53倍，全新注意力架构超越Mamba 2

刚刚，英伟达新模型上线！4B推理狂飙53倍，全新注意力架构超越Mamba 2
英伟达最近真的痴迷上「小模型」了。 刚刚，英伟达发布了一个全新的混合架构语言模型系列，Jet-Nemotron。 论文地址：：。
8/26/2025 3:31:35 PM
DeepSeek一句话让国产芯片集体暴涨！背后的UE8M0 FP8到底是个啥

DeepSeek一句话让国产芯片集体暴涨！背后的UE8M0 FP8到底是个啥
DeepSeek V3.1发布后，一则官方留言让整个AI圈都轰动了：新的架构、下一代国产芯片，总共短短不到20个字，却蕴含了巨大信息量。 国产芯片企业股价也跟风上涨，比如寒武纪今日早盘盘中大涨近14%，总市值跃居科创板头名。 半导体ETF，同样也是在半天的时间里大涨5.89%。
8/22/2025 3:51:22 PM
GPT 4o-mini华人领队离开OpenAI：真正推动AI进步不是模型架构，而是互联网

GPT 4o-mini华人领队离开OpenAI：真正推动AI进步不是模型架构，而是互联网
刚刚，OpenAI又离职一名华人大佬。 前OpenAI研究员Kevin Lu宣布加入AI新创Thinking Machines Lab。 Kevin Lu主导了GPT-4o mini的发布，并参与o*-mini、o3等模型工作。
8/19/2025 3:58:59 PM
硬核拆解！从GPT-2到gpt-oss，揭秘大模型进化关键密码

硬核拆解！从GPT-2到gpt-oss，揭秘大模型进化关键密码
8月5日，在GPT-5发布前两天，OpenAI推出了它的两款开源权重大语言模型：gpt-oss-120b、gpt-oss-20b。 这是自2019年GPT-2，近六年来OpenAI首次发布开放权重的模型。 得益于巧妙的优化技术，这些模型甚至可以在本地设备上运行。
8/18/2025 9:15:00 AM
字节&MAP重塑大模型推理算法优化重点，强化学习重在高效探索助力LLM提升上限

字节&MAP重塑大模型推理算法优化重点，强化学习重在高效探索助力LLM提升上限
强化学习（RL）范式虽然显著提升了大语言模型（LLM）在复杂任务中的表现，但其在实际应用中仍面临传统RL框架下固有的探索难题。 一个普遍存在的现象是：在训练过程中，模型的熵值迅速下降，推理路径趋于固化，导致“利用（exploitation）”远超“探索（exploration）”，严重失衡。 这种过早收敛不仅削弱了模型的多样性生成能力，也限制了其性能上限的进一步突破。
8/8/2025 9:02:00 AM
AI Agent的工作原理和架构

AI Agent的工作原理和架构
大家好，我是人月聊 IT。 今天聊AI智能体的工作原理，既然谈AI工作原理，刚好就让AI自己来做回答。 参考提示词：如果要描述一个事物或一个系统的工作原理，我的核心思路就是要打开事物内部，看事物内部由哪些组件组成，这些组件之间是如何交互和协同的，最终对我展示了某种输出或行为特征。
8/4/2025 2:55:00 AM
何明路
现代LLM架构设计一览：从DeepSeek-V3到Kimi K2

现代LLM架构设计一览：从DeepSeek-V3到Kimi K2
主要内容现代LLM架构的演进主要围绕以下几个核心目标：提高推理效率：通过GQA、MLA、滑动窗口注意力、MoE等技术减少内存占用和计算量。 增强训练稳定性：通过归一化层（如RMSNorm）的放置和QK-Norm等技术优化训练过程。 优化模型容量与性能：通过MoE实现更大参数量和知识吸收能力，同时保持推理效率。
7/31/2025 1:00:00 AM
常华Andy
四款扩散大语言模型全部破防？上交&上海AI Lab发现致命安全缺陷

四款扩散大语言模型全部破防？上交&上海AI Lab发现致命安全缺陷
扩散语言模型（Diffusion-based LLMs，简称 dLLMs）以其并行解码、双向上下文建模、灵活插入masked token进行解码的特性，成为一个重要的发展方向。 相较传统的自回归语言模型，dLLMs 既可以一次性生成多个位置的词，也能更自然地完成文本插入、改写、补全等任务，被广泛应用于交互式问答、代码生成、甚至多模态场景。 但在这股看似技术跃迁的浪潮背后，一场潜藏的安全危机正在酝酿：能否继续沿用自回归模型的对齐与防护机制，保障dLLM的输出安全？
7/24/2025 9:15:00 AM
Meta开源创新大模型架构AU-Nets

Meta开源创新大模型架构AU-Nets
在大模型领域，如何将文本数据分解成合适的单元一直是重点研究对象。 传统的分词方法，如Byte Pair Encoding等，会预先将文本分割成固定粒度的单元，然后构建一个静态的词汇表供模型使用。 但这种方法存在诸多局限性，一旦分词完成，模型在后续处理中就只能局限于这些预设的单元，无法灵活地调整对数据的处理方式和预测范围；另一方面，对于一些低资源语言或者具有特殊字符结构的文本，这种固定分词方式往往难以有效处理，限制了模型的泛化能力和应用范围。
7/23/2025 9:10:00 AM