AI进家庭
1080p飞升4k，浙大开源原生超高清视频生成方案，突破AI视频生成清晰度上限
浙大APRIL实验室团队 投稿 量子位 | 公众号 QbitAI 为什么AI生成的视频总是模糊卡顿？为什么细节纹理经不起放大？为什么动作描述总与画面错位？ 其中一个重要原因在于，现有的开源千万级视频数据集分辨率基本低于1080P（1920×...
开源人工智能：数字主权的基石
随着人工智能正在重塑从教育到国防的方方面面，数字主权已不再是一个长期的愿景，而是一个迫在眉睫的现实需求。 为了确保各国能够对影响其社会的人工智能系统进行治理、审核和建设，开源人工智能正成为实现自主可控、激发本土创新、重建公众信任的关键支柱。...
Nanonets-OCR-s：从学术论文到法律合同，智能识别公式、签名、表格与图像
在数字化时代，文档处理和信息提取的需求日益增长。传统的OCR技术虽然能够识别文档中的文本，但在处理复杂文档时往往存在局限性。Nanonets-OCR-s 作为一款先进的图像到 Markdown 的 OCR 模型，不仅能够提取文本，还能将文...
DeepSeek-R2 推迟发布？一场关于性能、芯片与时机的博弈
最近关于 DeepSeek-R2 的讨论很热。 我翻了一下，最初的信息源应该是科技媒体 The Information 于 6 月 26 日发表的一篇题为《DeepSeek’s Progress Stalled by U.S. Export...
大模型应用不同提示词范式和ReAct Agent智能体实现原理分析
“ 大模型应用提示词是核心，但智能体中大模型是核心，大模型会接收用户输入和工具调用结果，同样也会返回思考过程和调用参数。” ReAct Agent基于思考-行动-观察的智能体，简单来说就是让智能体有更强的规划和逻辑推理能力，并且能够依靠...
【Agent专题】Agent开发篇：Agent任务拆解全流程+实用代码，附可运行代码&实战流程
2024年是大模型从“会聊天”走向“能干活”的关键一年。从AutoGPT、BabyAGI掀起热潮，到微软AutoGen落地企业场景，再到清华智源的AgentVerse大模型评测体系，一个共识逐渐浮出水面：Agent的核心能力，不在“回答”，...
聚焦RAG＆KG＆LLM＆文档解析：老刘说NLP技术社区对外纳新
老刘说NLP技术社区，自建立以来，旨在以公正、客观的角度，围绕大模型&RAG&文档智能&知识图谱四个方向，展开每日早报、社区讨论、月度不定时分享、月度备份、专题整理等多种形式，以期达到...
Dify落地知识库场景的小思考及多模态RAG结合图像信息的几种策略评估
今天是2025年7月1日，星期二，北京，晴 今天是2025年下半年的第一天，新的起点，我们继续看技术。 从评估角度看多模态RAG中的文档信息增强，逐步整合跨模态输入（文本、图像、字幕、OCR）后对应的相应影响，虽然说，这种范式看起来像是去年...
用AI做毕业设计，他的“荒诞商品生成器”吸引了上万次互动 对话
作者 | 阿虎 编辑 | 张洁 正逢毕业季，各美术学院的毕业展举办得如火如荼。 前阵子，四川美术学院安琪的毕业创作《祷》爆火出圈，线下展出现场被观众围得水泄不通，有网友调侃“一度以为自己来了卢浮宫”，仅单条笔记就在小红书上吸引了近50万...
“10后玩AI，就像呼吸一样简单” 每日一AI
这里是“AI新榜”的「每日一AI」，我们在这里记录一些人类跟AI对话的碎片，社交媒体上被热烈讨论、引起思考的AI话题，又或者一些玩梗和吐槽。如果说AI的反馈往往来自人类的投射，那么人类都投射了些什么？ “任何在我出生时就已存...