- 全部智能领域
- 智能制造 / 智能物流 / 机器视觉
- 智能办公 / 智能家居 / 智能安防
- 智能交通 / 智能能源 / 智慧零售
- 智能文娱 / 智能金融 / 智能营销
- 智慧党建 / 智慧政务 / 机器躯干
- 智慧医疗 / 智慧教育 / 智慧农业
- 机器小脑 / 智能传感 / 空间模型
- 机器大脑 /
最新
最热
本文是浙江大学计算机科学与技术学院朱强教授关于DeepSeek技术的深度解析。从语言模型基础讲起，涵盖Transformer架构、ChatGPT发展，重点阐述DeepSeek技术演进、创新及应用。展示其在提升大语言模型推理能力、降低算力需求、推动多模态融合等方面的突破，为AI发展提供新思路
2025-05-12阅读(34)
度学习：深度学习是人工智能中的一个关键领域，它通过构建深层神经网络，使得计算机能够处理和分析大量数据，实现模式识别和预测。深度学习技术的进步已经在图像识别、语音识别、自然语言处理等多个领域取得了突破，例如，它在图像分类、人脸识别、语音助手等方面得到了广泛应用
2025-05-11阅读(49)
本文深入探讨了大语言模型（LLM）从理论研究到行业应用的落地过程。文章首先回顾了人工智能的发展历程，特别是图灵测试对智能定义的影响。接着，详细介绍了大语言模型通过单词接龙的方式生成文本的原理，以及如何利用Transformer架构计算条件概率。文章还讨论了大模型在预训练阶段如何从海量无标注数据中学习，并通过微调适应特定任务。此外，针对大模型可能出现的幻觉、偏见和过时信息等问题，提出了检索增强生成（RAG）等解决方案。最后，文章展示了大模型在多个领域的应用案例，如智慧评审、癫痫预测等，证明了其广泛的应用潜力
2025-05-12阅读(37)
本文是中山大学软件工程学院李煜政在2025年3月所作的关于大模型发展图谱与DeepSeek创新应用的报告。文中深入探讨了人工智能大模型的发展现状、DeepSeek破圈后的趋势、大模型的重点应用场景以及DeepSeek如何赋能个人发展，涵盖了从技术突破到实际场景落地的多个方面，为相关领域研究和实践提供了全面且前沿的参考
2025-05-12阅读(45)
本文由清华大学钱忱教授主讲，探讨大模型驱动的多智能体协同技术。从大模型走向自主智能体，构建多智能体系统，研究多智能体协同及演化，探讨智能体协同的缩放法则，总结并展望未来。强调自主智能体重要性，介绍XAgent框架、多智能体系统类型、协同机制、经验迁移、迭代优化及AgentVerse平台，提出MacNet协作网，展望智能体发展趋势
2025-05-12阅读(45)
本文是湖南大学陈果教授对DeepSeek的深入解读。文章从DeepSeek是什么、如何使用、工作原理及未来发展四个方面展开，详细介绍了从ChatGPT到DeepSeek-R1的发展历程，强调了DeepSeek作为首个开源推理模型的意义，包括其技术创新、性能领先以及对生态发展的推动作用，最后探讨了整个AI产业链值得关注的环节
2025-05-12阅读(37)
本文深入探讨了人工智能技术的发展历程、应用现状及未来趋势。从弱人工智能到强人工智能的演进路径清晰呈现，重点分析了预训练、自监督等关键技术突破，以及大模型在金融、媒体等领域的创新应用案例。同时，对大模型的优势与不足进行了客观评估，提出了行业落地的三步曲策略，为人工智能的未来发展提供了重要参考
2025-05-12阅读(45)
最近几年生成式 AI 模型发展迅速，图灵奖得主 Yann LeCun 提出 “高级机器智能（AMI）” 概念，指出 AI 应具备规划、推理和理解世界的能力。基于此，Meta 发布多项 AI 研究成果，包括推动分子发现的开源数据集 OMol25、原子通用模型 UMA、扩散过程学习技术 “伴随采样”，以及与罗斯柴尔德基金会医院合作的人类语言学习机制解码研究，这些成果致力于改变分子属性预测、语言处理和神经科学的研究范式。
2025-05-26阅读(42)
清华大学等机构在 ICLR 2025 发表《Diffusion-based Planning for Autonomous Driving with Flexible Guidance》，提出 Diffusion Planner 算法。其基于 Diffusion Transformer 架构，联合建模周车运动预测与自车规划，解决现有方法依赖后处理问题，借助引导机制适应不同驾驶需求。在 nuPlan 数据集和物流小车数据上表现出色，降低对后处理依赖，提升泛化能力。
2025-05-26阅读(67)
北京大学杨耀东课题组等在《Nature Machine Intelligence》发表 “大规模多智能体系统的高效强化学习” 成果，首次实现大规模多智能体系统中高效的去中心化协同训练与决策。团队解耦系统动力学，提出通用网络化模型，结合模型学习与去中心化策略优化，缓解模型预测误差，在智能交通、电网等场景验证了方法的可扩展性与低通信成本优势。
2025-05-26阅读(58)
粤公网安备 44030502004540号