行到水穷处，坐看云起时。大家好，我是卖热干面的小女孩。今天与大家分享的是DeepSeek系列模型家族的技术创新。DeepSeek 横空出世并迅速走红，在全球科技圈引发强烈震动，直接致使NVIDIA股价暴跌 18%，全球科技股市市值蒸发近1万亿美元。特朗普出人意料地公开称赞DeepSeek 的崛起具有 “积极意义”，还表示这给美国敲响了 “警钟”。Anthropic一方面对DeepSeek 的成就予

爆竹声中一岁除，春风送暖入屠苏。大家新年好，我是卖热干面的小女孩。很高兴能与小伙伴们分享人工智能领域的前沿技术和思考。在大语言模型（LLMs）蓬勃发展的当下，推理能力成为衡量模型优劣的关键指标。DeepSeek-R1 系列模型凭借强化学习在这一领域取得了令人瞩目的成果。承接之前DeepSeek R1的粗浅解读：推理模型专题 | DeepSeek开源版o1比肩OpenAI满血o1，小编继续深度阅读了

前文： Search-o1技术解读-智能RAG助力O1推理模型突破知识盲区 提到的智能RAG其实就是Agentic RAG，那么Agentic RAG与传统RAG有什么不同？今天这篇小作文简要介绍2者的差异。RAG 是一种结合信息检索与生成模型的技术，主要分为传统 RAG 和 Agentic RAG 两种形式。它们在设计、应用和能力上存在显著区别。1、 基本概念 ： 传统 RAG 通过将文档向量化

引言 ========昭昭若日月之明，离离如星辰之行。小伙伴们好，我是玩冲天炮的小男孩。今天这篇小作文主要介绍DeepSeek刚发布的O1类模型：DeepSeek-R1。简介 ========这篇论文介绍了一系列名为DeepSeek-R1-Zero和DeepSeek-R1的推理模型，着重探讨了强化学习（RL）在提升大型语言模型（LLMs）推理能力上的应用。DeepSeek-R1-Zero是一个直接

引言 ========清风明月本无价，近水远山皆有情。小伙伴们好，我是扔炮仗的小男孩。今天这篇小作文主要解读人大和清华联合提出的Search-o1框架。大型推理模型(LRMs，即O1类模型)凭借强大的逐步推理能力在复杂问题解决中展现出巨大潜力，但其受限于静态知识储备的局限性。Search-o1通过创新的agentic RAG机制和文档推理模块，使模型能够在推理过程中动态获取并整合外部知识。附此前O

今天这篇小作文主要介绍 如何利用收集到的数据 训练GUI Agent专用的LLM及其升级版的大型动作模型(LAM)，此外还介绍该领域当前主流模型。

时人不识凌云木，直待凌云始道高。小伙伴们好，我是微信公众号"小窗幽记机器学习"的小编卖席梦思的刘皇叔。延续前文：GUI Agent综述-1:总览GUI Agent综述-2:三大技术基石GUI Agent综述-3:发展历程GUI Agent综述-4:GUI Agent核心组件GUI Agent综述-5:GUI Agent框架百家争鸣GUI Agent综述-6:汇总GUI Agent训练数据集GUI

人生自是有情痴，此恨不关风与月。小伙伴们好，我是卖铁观音的小男孩。延续前文：GUI Agent综述-1:总览GUI Agent综述-2:三大技术基石GUI Agent综述-3:发展历程GUI Agent综述-4:深度解读GUI Agent的核心组件及其最新进展GUI Agent综述-5:GUI Agent框架百家争鸣GUI Agent综述-6:汇总GUI Agent训练数据集GUI Agent综述

本文是之前GUI Agent综述系列的合订本。GUI Agent综述-1:总览GUI Agent综述-2:三大技术基石GUI Agent综述-3:发展历程GUI Agent综述-4:深度解读GUI Agent的核心组件及其最新进展GUI Agent综述-5:GUI Agent框架百家争鸣GUI Agent综述-6:汇总GUI Agent训练数据集GUI Agent综述-7:GUI Agent 模型

本文作为GUI Agent综述的第6篇，主要介绍用以优化 GUI Agent 的相关数据集。

忽然一夜清香发，散作乾坤万里春。小伙伴们好，我是小编卖玉玺的汉室宗亲。延续前文：GUI Agent综述:9部曲揭秘下一代人机交互的前世今生-1:总览GUI Agent综述:9部曲揭秘下一代人机交互的前世今生-2:三大技术基石GUI Agent综述:9部曲揭秘下一代人机交互的前世今生-3:发展历程今天这篇小作文主要剖析组成GUI Agent的核心组件及其最新进展。后续还有以下5个章回，感兴趣的小伙伴

本文是GUI Agent综述的第5篇文章，主要介绍LLM驱动下的各种GUI Agent框架。

OpenAI O1模型引发业界对大规模推理模型(large reasoning models ，LRM)研究的热潮。前文评测结果显示开源的Marco-o1效果不错，甚至超越部分闭源产品。今天这篇小作文将全面介绍Marco-o1的技术细节。

小伙伴们好！我是微信公众号“小窗幽记机器学习”的小编卖风火轮的哪吒。很高兴能与小伙伴们分享人工智能领域的前沿技术和思考。今天的主题聚焦于一个激动人心的领域—— 大型语言模型（LLM）驱动的图形用户界面（GUI）智能体（Agent） 。想象一下，通过自然语言发出指令，计算机便能像贴心助手一样完成复杂操作。LLM驱动的GUI Agent正在让这一场景从梦想走向现实。这一领域融合了人工智能、人机交互和软

冰雪林中著此身，不同桃李混芳尘。小伙伴们好，我是微信公众号"小窗幽记机器学习"的小编卖龙椅的汉室宗亲。延续前文：GUI Agent综述:9部曲揭秘下一代人机交互的前世今生-1:总览GUI Agent综述:9部曲揭秘下一代人机交互的前世今生-2:三大技术基石今天这篇小作文主要追溯 LLM 驱动 GUI Agent的演进历程。后续还有以下6个章回，感兴趣的小伙伴可以留意下：GUI Agent综述：4-

疏影横斜水清浅，暗香浮动月黄昏。小伙伴们好，我是微信公众号"小窗幽记机器学习"的小编卖龙袍的汉室宗亲。延续前文：GUI Agent综述:9部曲揭秘下一代人机交互的前世今生-1:总览今天这篇小作文主要介绍铸就GUI Agent的 三大技术基石 。后续还有以下7个章回，感兴趣的小伙伴可以留意下：GUI Agent综述：3-GUI Agent的发展历史GUI Agent综述：4-GUI Agent关键组

简要介绍Google DeepMind最新的多模态成果：PaliGemma 2，并从实战角度实测对比PaliGemma 2、Qwen2-VL、MinCPM-V在各个真实场景下的效果。

引言 ========江寒水不流，鱼嚼梅花影。小伙们好，我是卖热干面的小女孩，继续 多模态大模型系列 。紧随前文： 多模态系列 | Google最新开源多模态：PaliGemma 2 简介&实战 ，今天这篇小作文全面解读PaliGemma 2的技术细节。PaliGemma 2是基于Gemma 2语言模型的开源视觉语言模型， 通过结合不同规模的模型和分辨率，微调后的模型在多项任务上取得SOTA。它扩

孤村落日残霞，轻烟老树寒鸦，一点飞鸿影下小伙们好，我是卖热干面的小女孩，继续 多模态大模型系列 。紧随前文：多模态系列 | Google最新开源多模态：PaliGemma 2 简介&实战多模态系列 | Google开源多模态:PaliGemma 2技术全面解读今天这篇小作文以多模态模型PaliGemma 2微调为例，从实战角度介绍如何微调多模态大模型。完整的代码请到微信公众号《小窗幽记机器学习》上

鉴于前文评测显示Gemini-2.0-flash-thinking模型推理能力强劲且无需绑定信用卡，以下简要介绍如何通过API调用该模型。若仅需体验，可通过官方入口等多种网络渠道访问：https://aistudio.google.com/prompts/new_chat?。 请注意，访问可能需要一定的网络技巧。白嫖额度： 每分钟 10次 请求，每天免费API调用 1500次 。开始前先注册一个G