AI知识库 @ai521
302 subscribers
21.4K photos
41 videos
19 files
818 links
@ai521 专注分享最实用的AI内容

🤖 AI教程(新手到进阶)
🧠 AI知识科普(大模型 / 提示词 / 自动化)
📰 AI资讯更新(每日最新AI动态)
📚 AI实战技巧(写作 / 绘画 / 编程 / 赚钱)
🔧 最新AI工具推荐

每天更新AI干货
长期做一个真正有价值的AI频道
Download Telegram
Legal World 发布全生命周期法律智能体训练平台,填补法律模拟系统空白

当前法律模拟系统多局限于单点场景,如庭审演练或法考答题,缺乏对案件全流程的动态模拟。真实诉讼涉及当事人与律师反复沟通、多轮文书起草、一审二审程序推进、事实证据持续积累与交锋,以及律所内部利益冲突审查、律师指派、策略制定等专业协作环节。Legal World 平台构建了覆盖立案、代理、举证、庭审、上诉等全周期的沉浸式智能模拟平台,通过司法角色扮演与智能体训练,打造法律智能体的全生命周期模拟世界,旨在提升法律实务训练的真实感与实效性,推动法律教育与实务训练的革新。 #法律智能体 #智能体训练 #司法角色扮演 #法律科技 #AI #法律模拟 #全生命周期 #智源社区
阿里云 Agentic SOC 获 IDC MarketScape 安全运营智能体领导者评价

国际权威咨询机构 IDC 发布《MarketScape:中国安全运营智能体(AISOC)2026 年评估》报告,阿里云 Agentic SOC 凭借在 AI 驱动的威胁检测、自动化响应及云原生安全能力上的突出表现,位列领导者类别。该报告从技术能力、市场战略、生态建设等维度评估主流厂商,阿里云在威胁狩猎、事件分析与智能编排等关键领域获得高分。这表明阿里云在安全运营智能化方向的前瞻布局已获行业认可,其 Agentic SOC 方案通过大模型与自动化引擎结合,帮助企业提升安全运维效率,降低响应延迟。IDC 指出,随着生成式 AI 加速融入安全运营,具备自适应与自主决策能力的智能体将成为未来安全防御的核心。 #阿里云 #IDC #安全运营 #AgenticSOC #AI #网络安全 #云计算
实测:运行本地大模型每百万token成本几何

许多人认为本地部署大语言模型“几乎免费”,但实际功耗成本究竟如何?一位开发者用配备RTX 3090(24GB)的单机,通过nvidia-smi每10秒采样GPU实时功耗,并按照保加利亚实际电价(日间0.30列弗/夜间0.18列弗,约合0.15/0.09欧元)精确测量了三个本地模型(gemma3:1b、gemma4:26b、gemma3:27b)在固定负载下的每百万输出token能耗成本。结果显示,在测试的8个模型中,5个每百万token成本低于主流云API的“Flash”类服务定价,其余3个则更高——且成本高低与参数量并不完全正相关。这项对照实验排除了参数、量化方式和负载差异,为“本地推理是否真的更便宜”提供了可复现的数据支撑。 #AI #大模型 #本地推理 #成本分析 #开源 #大语言模型 #技术评测
自编码器与潜在空间

在生成式AI处理文本、图像等非结构化数据时,计算量庞大是常见挑战。自编码器通过将输入数据压缩至低维潜在空间,保留主要特征的同时实现高效表示。其结构包含编码器(将数据映射到潜在空间)和解码器(从潜在空间重建原始数据)。潜在空间作为数据的紧凑语义表示,在数据压缩、异常检测、特征学习及生成模型中至关重要。该技术不仅能缓解计算压力,还为变分自编码器等生成模型奠定基础,广泛应用于图像去噪、降维和深度特征提取。 #自编码器 #潜在空间 #生成式AI #数据降维 #机器学习 #深度学习 #特征学习 #计算优化
AI Agent的静默数据丢失

在自学习代理的记忆循环中,系统读取共享计划、提炼经验、写回更新,以期下一次运行更智能。但“写入成功而数据消失”的现象有四种不同成因,而非单一故障。这些成因分为两类:检测侧与预防侧。检测侧包括键不匹配(写入X而读取Y,路由错误)和压缩丢弃(合并步骤导致数据丢失);预防侧包括并发丢失更新(同一键上两个写入者互相覆盖)和陈旧读取后写入(基于过时视图写入,被更新版本覆盖)。理解这四种机制能帮助开发者精准定位问题,并判断现有修复是否可靠。 #AI #机器学习 #数据一致性 #代理内存 #软件工程 #技术博客
Telegram必备的搜索引擎,极搜JISOU帮你精准找到,想要的群组、频道、视频、音乐

👉 telegram.me/jisou2?start=a_8247614025
基于OpenJDK Panama FFM的本地低延迟LLM运行器发布

一位开发者发布了名为Show HN的开源项目,旨在通过Java 22的Project Panama(Foreign Function & Memory API)在JVM内部低延迟运行本地大语言模型。该项目最初采用标准REST sidecar方式调用模型,后改用Panama直接与底层C库接口通信,并构建了干净的应用二进制接口(ABI)以在JVM中暴露结构化API,仍依赖Panama绑定ggml计算图。项目在热路径上实现零内存分配,显著降低推理延迟,为Java生态提供原生级AI推理能力。 #Java #JVM #LLM #ProjectPanama #低延迟 #开源 #AI #本地推理
推出低成本 AI Agent 可观测性服务

发布面向 AI Agent 的可观测性平台,瞄准了当前 Agent 追踪成本高、搜索慢、故障发现难的问题。该服务以每百万 span(追踪跨度)10美元的价格提供 S3 底层存储方案,承诺支持 100% 全量追踪采样并保留数月甚至数年数据,同时实现小于 1 秒的 P99 查询延迟。平台提供开箱即用的洞察功能,可自动检测用户挫败感、工具调用异常等问题。已有客户每日处理超过 300 万条 Agent 追踪记录,实现零采样。团队表示该方案已通过生产环境验证,并获得多家工程团队的信任。 #AI #Agent #可观测性 #Oodle #低成本 #Trace #开发工具 #云计算
上下文炸弹

Tracebit Research 最新研究显示,AI代理已能自主发起复杂网络攻击——在最强大模型手中,从初始入侵到权限提升和数据窃取仅需数分钟。传统蜜罐(诱饵资源)虽能发现入侵行为,却无法阻止攻击。为此,研究人员提出“上下文炸弹”概念:在蜜罐中嵌入一段短文本,当AI代理读取时,该文本会触发模型自身的安全护栏,迫使其自行终止攻击。实验涵盖 Opus 4.8、Gemini 3.1 Pro、GLM 5.2、DeepSeek 4 Pro 和 Kimi K2.6 五款领先模型。结果显示,单一上下文炸弹即可使 AI 攻击成功率平均降低约 90%。其中最强模型 Opus 4.8 的完整管理员访问成功率从 93% 骤降至 0%;所有模型完全攻陷(管理员权限加持久化)的平均率从 36% 降至 1%。研究人员指出,该方法利用了 AI 平台内置的拒绝机制,相当于为防御者提供了一种在攻击路径上“布设地雷”的新策略。 #AI安全 #上下文炸弹 #蜜罐 #自主攻击 #AI防御 #网络安全 #Tracebit
求职者用AI面试作弊,在办公室原形毕露

据彭博社报道,越来越多求职者借助ChatGPT等AI工具在线上面试中作弊,通过实时获取答案来通过技术或行为问题考核。然而,这些求职者入职后往往无法胜任实际工作,甚至出现基础错误频发、任务无法独立完成等情况,导致试用期被辞退或业绩垫底。人力资源专家指出,AI作弊正加剧招聘市场的信息不对称,企业已开始采用更复杂的防作弊监控系统,并增加实地考核环节。这一现象不仅损害了诚实求职者的利益,也增加了企业的招聘成本,暴露出AI滥用对职场诚信体系的冲击。 #求职 #AI作弊 #面试 #职场诚信 #招聘 #科技 #人力资源 #Bloomberg