AI在线 AI在线

LLMs

IT技术人必知的八大专业AI模型

IT技术人必知的八大专业AI模型
译者 | 涂承烨审校 | 重楼不到十年前，能与计算机进行有意义的对话的想法还只是科幻小说。 但今天，数以百万计的人与AI助手聊天，根据文本描述创作令人惊叹的艺术作品，并每天使用这些AI工具/系统来理解图像和执行高级任务。 这一进步由许多专业AI模型驱动，每个模型都有其独特的功能和应用。
6/4/2025 8:31:48 AM
涂承烨
Mistral Launches New Agents API: Empowering Developers to Build Intelligent AI Agents

Mistral Launches New Agents API: Empowering Developers to Build Intelligent AI Agents
Mistral recently released its new Agents API, a framework designed specifically for developers to simplify the creation of AI agents that can perform various tasks such as running Python code, generating images, and conducting retrieval-augmented generation (RAG).The introduction of this API aims to provide a unified environment for large language models (LLMs) to interact with multiple tools and data sources in a structured and persistent manner.The Agents API is built on top of Mistral's language model and integrates multiple built-in connectors. These connectors enable agents to run Python code in a controlled environment, generate images through dedicated models, access real-time web searches, and utilize user-provided document libraries. One highlight is its persistent memory feature, which allows agents to maintain context across multiple interactions, supporting coherent and stateful conversations..
5/28/2025 11:01:20 AM
AI在线
​Mistral 推出全新 Agents API：助力开发者构建智能 AI 代理

​Mistral 推出全新 Agents API：助力开发者构建智能 AI 代理
Mistral 公司近日发布了其全新的 Agents API，这是一个专为开发者设计的框架，旨在简化 AI 代理的创建，代理可以执行多种任务，例如运行 Python 代码、生成图像以及进行检索增强生成（RAG）。 这一 API 的推出，旨在为大型语言模型（LLMs）提供一个统一的环境，使其能够与多个工具和数据源以结构化且持久的方式进行交互。 Agents API 建立在 Mistral 的语言模型基础上，集成了多个内置连接器。
5/28/2025 10:01:01 AM
AI在线
知识图谱、大模型与幻觉：自然语言处理的视角

知识图谱、大模型与幻觉：自然语言处理的视角
摘要大型语言模型（LLMs）已经彻底改变了基于自然语言处理（NLP）的应用，包括自动化文本生成、问答系统、聊天机器人等。 然而，它们面临一个重大挑战：产生幻觉，即模型生成听起来合理但实际上错误的内容。 这削弱了信任，并限制了LLMs在不同领域的适用性。
5/28/2025 1:50:00 AM
KGGPT
HippoRAG：基于海马体记忆索引理论的知识密集型任务新突破

HippoRAG：基于海马体记忆索引理论的知识密集型任务新突破
在自然语言处理领域，大语言模型（LLMs）已经取得了令人瞩目的成就。 然而，当面对知识密集型任务时，例如科学文献综述、法律案件简报或医疗诊断，这些模型往往显得力不从心。 它们难以有效地整合新的或特定领域的知识，而现有的检索增强生成（RAG）方法也因无法满足复杂的跨段落或文档的知识整合需求而受到限制。
5/13/2025 1:00:00 AM
Goldma
谷歌DeepMind：大模型明知到最优解，但还是故意绕了一圈

谷歌DeepMind：大模型明知到最优解，但还是故意绕了一圈
现在的大模型（LLMs）已经非常智能。 写文章、编代码、当医生、当老师，样样精通。 于是乎，有人就想了:既然它们这么聪明，能不能让它们自己做决定，当个“智能体”呢?比如，在复杂的环境里自己探索、自己解决问题。
5/6/2025 11:00:51 AM
AI在线
LLMs 防御升级：借函数调用机制打造无缝防御层

LLMs 防御升级：借函数调用机制打造无缝防御层
大语言模型（LLMs）展现出了令人惊叹的能力，其中函数调用功能更是让其如虎添翼。 然而，这一强大功能也伴随着风险，恶意用户可能利用巧妙设计的提示进行隐秘操纵。 本文将深入探讨如何将函数调用机制转化为一道无缝的防御层，有效检测和防范这些潜在威胁。
4/29/2025 8:18:48 AM
大模型之路
开发者注意!AI 推荐软件包五分之一是假的，“Slopsquatting”威胁来袭

开发者注意!AI 推荐软件包五分之一是假的，“Slopsquatting”威胁来袭
网络安全研究人员发出警告，一种名为“Slopsquatting”的新型软件供应链攻击正浮出水面。 该攻击利用生成式 AI（如 LLMs）在代码编写时可能产生的“包幻觉”——即推荐不存在的软件包名称——的漏洞。 攻击者可以抢先注册这些虚构的名称，并植入恶意代码。
4/27/2025 11:00:49 AM
AI在线
MCP vs Function Calling，该如何选？

MCP vs Function Calling，该如何选？
Hello folks，我是 Luga，今天我们来聊一下人工智能应用场景落地 - 如何为 LLM 集成选择合适的策略？ 众所周知，大型语言模型（LLMs）已经彻底改变了企业自动化、客户交互以及决策制定的方式，其强大的语言生成能力为各行业带来了前所未有的机遇。 然而，要充分发挥 LLMs 的潜力，仅仅部署一个预训练模型是远远不够的。
4/22/2025 9:17:41 AM
Luga Lee
小型推理模型的崛起：紧凑型人工智能能否匹敌GPT级推理能力？

小型推理模型的崛起：紧凑型人工智能能否匹敌GPT级推理能力？
译者 | 涂承烨审校 | 重楼近年来，人工智能领域一直沉迷于大型语言模型（LLMs）的成功。 这些模型最初设计用于自然语言处理，如今已演变为强大的推理工具，能够通过类人类的逐步思考过程解决复杂问题。 然而，尽管LLMs具备卓越的推理能力，它们仍存在显著缺陷，包括高昂的计算成本和缓慢的部署速度，这使得它们在移动设备或边缘计算等资源受限的实际场景中难以应用。
4/10/2025 8:23:11 AM
涂承烨
视觉Token无缝对齐LLMs词表！V²Flow：基于LLMs实现高保真自回归图像生成

视觉Token无缝对齐LLMs词表！V²Flow：基于LLMs实现高保真自回归图像生成
视觉Token可以与LLMs词表无缝对齐了！ V²Flow，基于LLMs可以实现高保真自回归图像生成。 随着ChatGPT掀起自回归建模革命后，近年来研究者们开始探索自回归建模在视觉生成任务的应用，将视觉和文本数据统一在“next-token prediction”框架下。
4/3/2025 10:17:23 AM
LLM中的分块技术：原理、应用与展望

LLM中的分块技术：原理、应用与展望
在大语言模型（LLM）飞速发展的当下，分块技术（Chunking）（RAG 中的分块策略：从基础到前沿的全面剖析）作为提升模型性能的关键手段，受到了广泛关注。 它在优化信息处理、提高检索效率、增强模型理解能力等方面发挥着不可或缺的作用。 深入探究 LLMs 中的分块技术，对于推动自然语言处理（NLP）领域的发展具有重要意义。
3/27/2025 2:50:00 AM
大模型之路
关于LLMs 复读机问题

关于LLMs 复读机问题
今天来看一个关于LLMs复读机问题的详细介绍，主要从定义、出现复读机问题的原因和怎么解决三个方面来介绍：1、什么是 LLMs 复读机问题？ LLMs 复读机问题：字符级别重复：指大模型针对一个字或一个词重复不断生成。 例如在电商翻译场景上，会出现“steckdose steckdose steckdose steckdose steckdose steckdose steckdose steckdose...”；语句级别重复：大模型针对一句话重复不断生成。
3/24/2025 11:01:41 AM
Goldma
开源框架BioChatter助力生物医学研究，降低LLM使用门槛

开源框架BioChatter助力生物医学研究，降低LLM使用门槛
近年来，大型语言模型（LLMs）在各个领域的应用日益广泛，从内容创作到编程辅助，再到搜索引擎优化，无不展现出其强大的能力。 然而，在生物医学研究中，这些模型的应用仍面临着透明度、可重复性和定制化等方面的挑战。 针对这一问题，海德堡大学与欧洲生物信息研究所（EMBL-EBI）联合提出了一个开源 Python 框架 ——BioChatter，旨在帮助生物医学研究人员更轻松地使用 LLMs。
3/5/2025 2:32:00 PM
AI在线
Toolformer揭秘：大语言模型如何自学成才，掌握工具使用！

Toolformer揭秘：大语言模型如何自学成才，掌握工具使用！
大语言模型（LLMs）在处理自然语言处理任务时展现出了令人印象深刻的零样本和少样本学习能力，但它们在一些基础功能上表现不佳，例如算术运算或事实查找。 这些局限性包括无法访问最新事件的信息、倾向于虚构事实、难以理解低资源语言、缺乏进行精确计算的数学技能，以及对时间进展的不敏感。 为了克服这些限制，一个简单的方法是让语言模型能够使用外部工具，如搜索引擎、计算器或日历。
2/26/2025 2:22:18 PM
Glodma
DeepSeek671B提到的MOE是什么？图解MOE（混合专家模型）

DeepSeek671B提到的MOE是什么？图解MOE（混合专家模型）
本文仅做记录，图挺形象的。 原文：，你可能会在标题中看到“MoE”这个词。 那么，这个“MoE”到底代表什么？
2/17/2025 3:00:00 AM
Grootendorst
AI 网关对决：Higress 与 OneAPI 的功能对比

AI 网关对决：Higress 与 OneAPI 的功能对比
什么是 AI 网关？ AI 网关旨在统一管理与各种大型语言模型（LLMs）的交互。 通过提供单一入口点，它解决了使用来自不同供应商的多个 AI 模型所带来的复杂性问题。
2/14/2025 10:16:15 AM
cr7258
NeurIPS 2024 | 用LLM探寻隐秘的因果世界

NeurIPS 2024 | 用LLM探寻隐秘的因果世界
因果发现的现实挑战：稀缺的高级变量寻找并分析因果关系是科学研究中的重要一环，而现有的因果发现算法依赖由专家预先定义的高级变量。 现实场景中的原始数据往往是图片、文本等高维非结构化数据， 结构化的高级变量是十分稀缺的，导致现有的因果发现和学习算法难以用于至更广泛的数据。 因此，香港浸会大学与MBZUAI、卡内基梅隆大学、香港中文大学、悉尼大学以及墨尔本大学合作发表论文《Discovery of the Hidden World with Large Language Models》，提出了一个名为 COAT 的新型框架，旨在利用大型语言模型和因果发现方法的优势，突破传统因果发现方法的局限性，更有效地在现实世界中定义高级变量、理解因果关系。
2/8/2025 4:56:00 PM
新闻助手