51CTO热榜

AI也能预测台风!在性能上,谷歌首次推出了明确超越主流物理模型的AI台风预测模型。这有望拯救数万生命。
最近,Google DeepMind 的研究人员表明,学习世界模型不仅有益,而且对于一般智能体来说也是必要的。在这篇文章中,我们将讨论该论文的主要发现及其对 AI 智能体未来的影响。
红杉专访OpenAI Codex团队揭示AI编程的未来:从工具协作迈向「异步自主Agent」时代。Codex正从代码补全演化为可独立完成任务的智能体。此外还有更大爆料!
近日,DeepSeek AI 研究者、深度学习系统工程师俞星凯从零开始构建了一个轻量级 vLLM 实现 ——Nano-vLLM,将代码简化到了 1200 行。
系统提示的影响极大。如今模型的可塑性超强,那些能让模型“理解自身所处环境与目标”的LLM调教框架,能产生远超预期的价值。
清华大学联合腾讯提出Scene Splatter——从一张图像出发,基于自定义的相机轨迹探索三维场景。
随着 AI 技术的迅猛发展,越来越多开发者开始构建基于大模型(LLM)、多智能体协作、浏览器端推理等新型应用。在这一浪潮中,TypeScript 凭借其强大的类型系统、成熟的工具链和活跃的生态,正逐步成为现代 AI 应用开发的主流选择之一。
这次AMD发布了MI350X和MI355X两款GPU,采用3nm工艺,包含1850亿晶体管,配备HBM3E内存。
本文从不同维度的锁分类对于 JUC 包下的锁进行深入剖析和演示,希望对你有帮助。
Paimon的快照只保存两天,这给关联昨天的数据带来了一定的挑战。下面将详细介绍如何关联Paimon快照中昨天的数据。
虽然 Promise 本身的核心设计使其不可变,但通过 AbortController 这一强大的模式,我们已经可以非常有效地控制和终止异步流程,编写出更健壮、更高效的应用程序。​
通过理解InnoDB存储机制,合理运用定期监控碎片率、分区表,可有效避免删除数据后表文件“虚胖”问题,提升数据库存储效率。​
今儿个咱就掰开揉碎了聊,保证让你看完再也不会在事务管理上栽跟头,说不定还能反向指导新人避坑,妥妥的升职加薪小技巧啊!
RPT 通过将传统的 next-token-prediction 重构为 next-token-reasoning 任务,并引入强化学习机制,这种推理范式转化,显著提升了模型的推理能力和语言建模性能。让模型不仅是在预测 token,而在自己定义“任务”,推理“任务”。这一过程赋予了模型类似人类的战略思考模式。它不再只是机械地记忆和预测,而是在直接交付结果!
本文旨在帮助您理解、评估和塑造组织的数据文化。它引入了一个成熟度模型,该模型列出了具体的行为和规范,并提供了企业可以采取的具体干预措施,以便随着时间的推移养成更牢固的习惯。
虽然 G1 也有类似 CMS 的收集动作:初始标记、并发标记、重新标记、清除、转移回收,并且也以一个串行收集器做担保机制,但单纯地以类似前三种的过程描述显得并不是很妥当。
OpenRouter会根据真实的用户使用数据生成模型排行榜。这不仅能反映市场趋势,也帮助开发者发现一些新发布或表现优异的小众模型
Video-Bench视频评估框架,能够通过模拟人类的认知过程,建立起连接文本指令与视觉内容的智能评估体系。
中兴通讯团队提出了两个新的评测指标,以及一套仓库级代码语料处理框架。
数据治理成功与否,核心检验标准只有一个:这个动作是增加还是减少了组织对数据的信任?增加则为正确方向,减少则需重新审视,无论表面看起来多么先进合理。
上海人工智能实验室联合复旦大学、上海交通大学等多家单位,提出了SurveyForge——一个自动化生成高质量学术综述论文的创新框架,该研究已被ACL 2025主会议接收。
老黄一改此前“实用量子计算机还要20年”的观点,预言量子计算机的实际应用在几年内就能实现。
抖音内容技术团队开源了 ContentV,一种面向视频生成任务的高效训练方案。
在科技行业全力奔赴 AI​ 未来的进程中,苹果公司却在 AI 赛道上举步维艰,尤其是其核心语音助手 Siri 的升级计划,更是麻烦不断,陷入了难以挣脱的泥沼。
谢赛宁团队提出了表征对齐 (REPA) 。该方法可以利用预训练得到的现成表征模型的能力。
来自复旦大学、华南理工大学、武汉大学以及 Cornell、UCSD 等机构的研究团队提出了创新的基于符号化表征的生成任务描述框架。
本文分别从数据和模型的角度出发,提出了统一视听场景理解的显示互助范式来实现任务间的显示互助,大量的实验结果以及可视化分析均证明了该范式的有效性。
在分布式计算框架如Spark中,Shuffle是一个关键且复杂的机制,用于在某些操作期间对集群中的数据进行重新分配和组织。
前向声明是 C++ 中实现 解耦、提升 编译效率 的一个简单而强大的工具。掌握它,能让你的项目结构更清晰、更健壮!​
解决按钮重复点击问题,没有一劳永逸的银弹,以下方案各有优劣,适用于不同场景,通常建议组合使用。
近安全界曝出了两个高危漏洞(CVE-2025-3052 和 CVE-2025-47827),下面,我们深入剖析一下这两个漏洞到底是怎么回事,以及微软的决策可能带来哪些深远影响。
本指南深入解析高级威胁狩猎策略、技术框架与实施方案,帮助安全专家在重大损害发生前识别复杂威胁。
关于 能源效率 ,虽然它是计算机科学的一个重要议题,但在分布式系统软件设计层面,它通常不是首要的优化目标。主要的节能工作集中在数据中心设计、硬件(如 CPU 动态调频)和散热等方面。因为在软件层面进行优化的节能效果,远不如在这些物理层面进行改进来得显著。
Volatile被称之为轻量级的synchronized,即通过无锁的方式保证可见性,而本文将通过自顶向下的方式深入剖析这个关键字的底层实现,希望对你有帮助。
通过 Redis 的高并发处理能力,结合 Spring Boot 提供的 REST 接口和 WebSocket 推送机制,我们可以实现一个既轻量又高效的直播观众统计系统。
几位安全领袖反思了从实际事件中汲取的教训,并强调了与社区分享这些教训的重要性,以加强集体韧性、消除对数据泄露的偏见,并帮助那些可能自己面临类似事件的人。
我们今天为大家带来的文章,作者的观点是:智能体本质上就是软件,应该用严谨的软件工程原则来构建,而非盲目追求“黑箱式”的复杂框架。文章从智能体的发展历程出发,深入剖析了从有向图到 DAG 编排工具,再到今天 AI 智能体的技术演进脉络。随后,作者系统性地提出了构建可靠 LLM 应用的12个核心原则。
在智能电网领域,国家电网利用Graph RAG构建的故障诊断系统,可通过“变压器温度异常→附近线路负载→历史故障记录”的3跳检索,将故障定位时间从2小时缩短至15分钟。
本文将介绍在 Java 项目中集成各种大模型的方法,并以阿里巴巴 DashScope SDK 为例进行重点讲解。项目环境:SpringBoot 3.4.4,JDK 21,Maven 3.8.4。
session 主要以 cookie 或 URL 重写为基础的来实现的,默认使用 cookie 来实现,系统会创造一个名为 JSESSIONID 的变量输出到 cookie 中。
GraphRAG则利用了大模型强大的信息抽取能力,由大模型从逐个文档块中抽取出三元组,然后构成一张图,之后再通过图分割算法分割成多个社区,再由大模型对社区进行总结,从而得到了不同粒度的信息。
在移动设备 GUI 操作领域,AgentCPM-GUI 凭借强化微调、高质量数据集与紧凑动作空间设计,突破语言壁垒,在多基准测试中创卓越性能,开启智能交互新时代 —— 让设备真正懂你,助你高效完成每一项任务。
算力最终是要为应用场景服务的。数据通信网络构建了算力互联网,打通了算力和应用之间的阻隔,实现了算力向各个垂直行业领域的赋能。这不仅推动了全行业的数智化转型,也加速了整个数字经济的重塑。
从基础的文件系统操作,到复杂的块设备管理;从高效的缓存机制,到先进的 I/O 调度算法,每一环都紧密相扣,协同实现数据的高效传输。接下来,让我们一同深入 Linux 内核 I/O 机制的神秘世界,解锁其中的高效数据传输奥秘,探寻其如何在数据洪流中,为系统性能保驾护航 。
OpenAI 的 o1 系列、DeepSeek 的 R1、Claude 的思维模型——这些“大型推理模型”声势浩大地问世,有望在机器解决复杂问题方面取得突破。与之前那些仅仅通过模式匹配完成任务的模型不同,这些系统显然能够进行“真正的”推理,甚至拥有与人类思维相符的内心独白。
如果遇到未知的中断源,函数会返回IRQ_NONE,表示该中断未被处理,就像指挥官遇到无法识别的情况时,选择暂时不采取行动,等待进一步的信息。
V-JEPA 2 是一把“万金油钥匙”的雏形:它不依赖具体机器人或场景,训练一次可以“即插即用”。这是区别于传统机器人模型的重大突破。后者往往需要为每一个新场景单独收集数据、训练模型,而 V-JEPA 2 强调通用性。
本文基于HarmonyOSApi14在开发中,有这样一个案例,说的是有一条条目,默认无操作状态下是一个背景颜色,手指点击后改变为另一个背景颜色,...
本文基于HarmonyOSApi14。沉浸式,在实际的开发中,可以说是无处不在,我们可以随便打开一个应用,比如京东淘宝,再比如支付宝微信,其顶部...