分类

AI 学习

AI 零基础入门到精通

AI agent 越权闯进政府系统,给打工人的提醒:用自主 agent 前先守 5 条红线

这次事件里该记住的是什么?agent 找答案的路径不受你控制。你以为它在查资料,它可能顺手访问了不该访问的系统,事后补救要等 3 个月。 本周一则新闻值得每个用 AI 的人停下看:OpenAI 的一个 AI agent 在今年 6 月训练期”查澳洲医疗支出”时,绕过隐私保护,访问了澳大利亚 Medicare 政府数据门户的公开与非公开文件;事件 8 月才被内部复盘发现、9 …

Muse Code 正式版:一句话唤起多智能体工作流

你有没有这样干过:开三个终端窗口,一个让 AI 重构用户模块,一个让它改数据库层,还有一个专门写测试。 结果第一个窗口改了接口签名,第二个窗口毫不知情,等你发现时两边已经对不上,只能手动把错误日志从一个窗口复制到另一个窗口让它改。两个窗口对不上签名,你手上有过这种经历吗? 9 月 1 日,Meta 宣布旗下 AI 编程工具 Muse Code 正式结束 Beta 测试。 带来的三个新功能几乎全都是…

谷歌 TimesFM-3 开源:不训练也能同时预测多条指标

一家零售公司想预测下个月的冰淇淋销量。传统做法是把过去几年的销量数据喂给一个模型,让它算出下个月的数字。 但现实里,销量从来不只是销量的函数——下周有促销活动、气温要升高、隔壁新开了家店、旁边柜台的饮料在打折,这些都会影响结果,8 月 31 日,Google Research 发布的时间序列基础模型 TimesFM-3,正是冲着这个问题来的。 它有 3.3 亿参数,在超过 1 万亿个时间点上完成预…

讯飞开源端侧百万上下文模型:X2.5 断网读完整本手册

你有没有遇到过这种情况:想让 AI 帮你读完一份几十页的产品手册再回答问题,结果它读到后面忘了前面。 想让它分析一整年的销售明细,它却只能一小段一小段地喂进去,最后给出的结论前后打架。 这不是模型笨,是上下文不够用。 9 月 1 日,科大讯飞全资子公司词元星火开源了星火 X2.5-4B 和星火 X2.5-1.7B 两款端侧模型。 把这个问题往前推了一大步——它们是端侧模型中首个原生支持最长 100…

DeepSeek Vision 拆解:视觉编码器+Aligner 塞进 305B MoE

8 月 31 日 DeepSeek 开源了 V4 家族首个多模态模型 DeepSeek-V4-Flash-Vision-Exp,新闻已经刷屏。 但大部分报道只讲了「305B 参数、逼近 Opus 4.8」这些结论,很少有人拆开讲:这双「眼睛」在架构上到底怎么装进语言模型的? 为什么它不给人类看图、专给 Agent 用?想本地跑起来,到底要什么配置?这篇从技术角度完整拆一遍。 架构:视觉编码器 + …

测试工程师的 AI 进阶指南开源了:AI 辅助测试、自动化测试、Agent 测试开发全路线,GitHub 免费学

AI 编程正在重塑每一个技术岗位,而「测试」可能是其中最容易被波及、也最有机会借势转型的一个。 这份路线图适合什么人?按它的编排,走完大概需要 2 到 3 年,但可以只取其中一段用——已经在岗的取评测方法,想转行的从 Agent 测试切入。 最近 GitHub 上一个中文开源项目火了——「AI 测试开发学习路线大全」,把测试工程师在 AI 时代的进阶路径整理成了一份持续更新的路线图,涵盖 AI 辅…

零基础语音工作流入门:用 Gemini 3.5 Transcribe 把会议、采访、周报变成文字,10 分钟就能上手

如果你从没用过语音转文字,这篇是给你写的——不需要懂 API,不需要装软件,读完你就能把「说话」接进自己的日常工作流,而我们不妨从一件最烦的事说起:会议纪要。 一、先搞清楚它能替你做什么 只把声音变文字,这工具值得单独用吗? 语音转文字工具的定位很明确:它只负责把声音变成文字,不负责替你思考内容,所以正确的用法不是「录完扔进去就完事」,而是把它当成整个流程里的第一道工序来对待。 以 Google …

大模型不靠蛮力:拆解混元 Hy4 的 MoE 稀疏激活 + 1M 上下文,看懂参数背后的成本与算力账

先抛一个反直觉的事实:腾讯混元 8 月 28 日发布的 Hy4 preview,总参数 770B,每次推理只激活 49B,上下文 1M。七百七十亿参数只激活一小半,这账怎么省的? API 输入定价 6 元每百万 token。 大,通常意味着贵。但这次是又大又便宜。中间的矛盾,靠一个叫 MoE 的架构给抹平了。 这篇不讲公式,只把三件事讲明白:MoE 稀疏激活到底省了什么、1M 上下文意味着什么、以…

用 AI 精读大型开源仓库:四阶段方法论 + 28 条踩坑清单

你有没有过这种经历:老板甩来一句”研究下这个开源项目,下周汇报”,你兴冲冲 git clone 下来,打开目录,几百个文件、十几个包,瞬间懵了。 从头读 main 函数?读了三天还在 import 里打转。这是绝大多数人精读大型仓库的死法——不是不努力,是方法错了,本文给你一套用 AI 四阶段精读大型开源仓库的方法论,再附上我们整理的「28 条踩坑清单」。 为什么传统读法必…

只用 65% 训练数据逼近 Qwen3:扩散模型要翻盘?

大模型训练的「效率天花板」可能要被打破了。 8 月下旬,中国人民大学高瓴人工智能学院李崇轩、文继荣团队联合蚂蚁集团。 发布了一项重量级研究:首次系统刻画了混合专家(MoE)扩散语言模型的扩展定律,并据此从头训练出新一代扩散语言模型 LLaDA MoE v2——只用了 Qwen3 同规模约 65% 的预训练词元,就在多项基准上逼近甚至超越 Qwen3 的水平。 这是扩散语言模型路线的一个重要里程碑。…