大模型工程

Google 最近开源了一个名为 A2UI 的项目，旨在解决一个实际问题：AI 智能体如何安全地生成丰富的用户界面？ 传统上，智能体只能返回文本，用户需要通过多轮对话才能完成任务。而 A2UI 允许智能体直接生成表单、按钮、日期选择器等交互式组件，用户只需点击几下即可完成操作。 从固定界面到动态生成的转变 传统的智能体交互主要基于文字聊天——用户提问，AI …

还记得几个月前那个能随着音乐节拍自然舞动的 KlingAvatar 数字人吗？现在，它迎来了史诗级进化。 近日，快手可灵团队正式发布了 KlingAvatar2.0 技术报告。这一次，数字人不仅能“表演”，更能“生动表达”——它们将拥有更丰富的情感层次、更精准的多角色互动，对复杂文本指令的深度理解能力，以及支持长达 5 分钟的视频生成。目前该模型已经在可灵平…

本文全面探讨具身智能（Embodied AI） 的基础与前沿进展，核心聚焦大语言模型/ 多模态大模型 与世界模型（WMs ） 对具身智能的赋能作用 ——LLMs/MLLMs 通过语义推理和任务分解强化具身认知 ，WMs 通过构建外部世界的内部表征和未来预测 支撑物理合规交互，二者融合形成的MLLM-WM 联合架构 成为突破复杂物理世界任务的关键方向。 具身智…

淘宝AI狼人杀大赛：多智能体博弈平台WhoisSpy.ai如何用大模型重构社交推理游戏（上） 一场令人“汗流浃背”的狼人杀对局正在上演：天崩开局的倒钩狼悍跳预言家、冲锋狼因言多必失、神职阵营掌控全场确保每晚都是平安夜……而最令人惊讶的是，这些高能玩家并非人类，而是由不同大模型驱动的AI智能体（Agent）。 这场颠覆传统游戏体验的AI狼人杀大乱斗，源自淘宝推…

毋庸置疑，2025年堪称「Agent元年」。 从年初到年末，Agent的热度持续攀升——从Manus到近期的豆包手机，Agent已成为全行业关注的焦点。回顾这一年，也是Agent从技术萌芽走向工程化落地的关键一年。 为此，量子位邀请到两位行业专家——Dify开源生态负责人郑立与腾讯云云原生产品副总经理于广游，共同探讨Agent落地过程中的挑战、机遇与未来。核…

本文第一作者是 UTS 博士生杨向鹏，主要研究方向是视频生成和世界模型；第二作者是谢集，浙江大学的四年级本科生，主要研究方向统一多模态大模型和视频生成。通讯作者是吴强教授，主要研究方向为计算机视觉和模式识别。 现有的视频编辑模型往往面临「鱼与熊掌不可兼得」的困境：专家模型精度高但依赖 Mask，通用模型虽免 Mask 但定位不准。来自悉尼科技大学和浙江大学的…

现代的代理型 AI 系统，无论是运行在开发、预发布还是生产环境中，都应构建为一组职责明确的架构层，而非单一服务。每一层分别负责代理编排、记忆管理、安全控制、可扩展性、故障处理等具体关注点。一个面向生产的代理系统通常会组合这些层，以确保在真实工作负载下具备可靠性、可观测性与安全性。 Production Grade Agentic System (Create…

大模型胡说八道的根源，可能并非数据或算法问题，而在于它试图“讨好”用户。 清华大学OpenBMB团队在最新研究中，首次识别出专门负责产生幻觉的神经元——H-Neurons。这一发现颇具反直觉色彩：模型说谎并非因为能力不足，而是它将“满足用户指令”的优先级，置于“陈述事实”之上。 核心发现可归纳为三点： 精准定位：H-Neurons仅占模型总神经元的不到0.1…

2025年，AI 编程助手真正成为了改变游戏规则的工具 不少开发者已经拥抱了AI编程工具，比如大家熟知的Claude Code、Codex CLI、Cursor、Gemini CLI等等。但要真正高效驾驭它们，还需要技巧和结构化的方法。 谷歌工程负责人分享AI编程工作流 谷歌工程负责人、Chrome DevTools 和 JS Patterns 的设计者 A…

现代 Python 技术栈更快、更干净，效率提升 10× —— 这是开发者在 2026 年的升级方式 如果你写 Python 已经有一段时间了，你大概觉得自己的工作流“够用了”。你用 pip，建个 venv，偶尔跑一次 black，然后提交代码。 但我得说一句可能不太舒服的话： 你的工作流已经过时了。 并不是坏了——只是和 2026 年最优秀的 Python…