最近，网络上继李继刚的神级Prompt之后，又流传了一个新的神级Prompt 2.0，仅凭这段Prompt就能让Claude 3.5像OpenAI o1那样思考。该Prompt作者为17岁高中生，曾获得阿里巴巴全球数学竞赛AI赛道的全球第一 。来自@宝玉，该prompt图解整个 Prompt 长达 250 行，接近 1500 个单词，其核心步骤为：-初步理解：重述问题，理解背景，识别已知和未知要素

刚刚,xAI公司的研究人员Pham在社交媒体上发布消息称,他们的最新AI模型Grok-3可能已经证明了困扰数学界150多年的黎曼猜想。这一声明迅速引发了学术界和科技界的广泛关注与讨论。黎曼猜想是数学中最著名的未解之谜之一,涉及素数分布规律。自1859年由德国数学家黎曼提出以来,这个猜想一直未能被证明或推翻。如果Grok-3确实成功证明了黎曼猜想,将是数学史上的重大突破。xAI的研究人员表示,他们已

以 OpenAI o1 为代表的大型语言模型展示了强大的推理能力，充分验证了语言模型推理时计算的有效性。北京大学、清华大学研究人员日前发布的 LLaVA-o1[1] 模型，凭借其独特的多阶段自主推理能力，在多项任务中展现出惊人的性能，引发了广泛关注与热议。早期的开源视觉语言模型（VLM）主要采用直接预测方法，在回答问题时立即生成简短的答案。这种直接反应范式的主要局限性在于它缺乏结构化的推理过程，这

微软提出的GraphRAG 很有效，但是官方实现和使用都很复杂，不易修改和定制。近日，网络上出现一个国人开发的更简洁、易用且高度可定制的版本实现——nano-graphrag，它保留了核心功能，同时提供了更友好的用户体验。值得一提的是之前介绍的fast-graphrag也受到了该项目的启发。延伸阅读：Fast GraphRAG：PageRank 算法为 GraphRAG 插上翅膀，成本降6倍，准确

DeepSeek 日前宣布其全新研发的推理模型 DeepSeek-R1-Lite 预览版正式上线，所有用户均可通过官方网站（chat.deepseek.com）体验这一突破性的 AI 模型。DeepSeek-R1-Lite 在数学、代码等复杂逻辑推理任务上展现出卓越性能，其推理过程包含大量反思和验证，思维链长度可达数万字。该模型在美国数学竞赛（AMC）中最高难度的 AIME 以及全球顶级编程竞赛

在处理长文档和对话时，受限于上下文窗口的限制，大型语言模型（LLM）常面临性能下降和信息丢失的挑战。那么，如何能够在不更换大模型的情况下，又能够将更多的上下文信息传给大模型呢？今天就介绍一个很不错的 Prompt 压缩的项目——Selective_Context[1]，通过压缩提示和上下文，使 LLMs 能够高效处理双倍内容，同时保持性能不下降。Selective Context 完成压缩的核心技

在LlamaIndex举办的黑客松比赛中，PureML项目脱颖而出，展现了人工智能在数据处理领域的巨大潜力。这个创新项目旨在解决数据科学家和分析师在日常工作中面临的诸多挑战，如数据清洗、特征工程等耗时繁琐的任务。PureML有三大核心功能：1.Context-Aware Null Handling ：智能识别和处理缺失值。例如，在分析客户调查数据时，PureML能够根据上下文判断'N/A'是表示'

在当前 AI 开发中，提示词工程常常面临优化耗时、效果不稳定等挑战。LangChain 近日推出自家的自动提示词优化工具Promptim[1]，为开发者提供了一套系统化改进 AI 提示词的解决方案。这款工具能够自动优化特定任务的提示词，显著提升开发效率。Promptim 的设计理念是让开发者只需准备初始提示词、数据集和评估标准，系统便会自动运行优化循环，生成更优质的提示词。该工具与 LangSmi

对于一个用户系统，通常有一个非常有效的用户增长方法就是做用户AB实验，我们将不同的策略投放给不同的用户，以观察他们的反馈来优化策略。更进一步，我们甚至希望在策略上线前，就能观察到不同人群的反应是什么，是否能够达到我们策略的预期。在过去大模型还未出现的时代，我们就曾有过这样一个很有挑战性的有趣idea，能否构造海量的这样智能体用户，让他们做我们帮我们迭代验证推荐模型，他们有不同的性格和爱好，他们可以

你曾想过在 Docker 容器中运行完整的 Windows 或macOS 系统吗？GitHub 上的 dockur 项目将这个天马行空的想法变为现实！这个革命性的开源项目不仅支持在 Docker 中运行 Windows（dockur/windows），还能让你畅玩 macOS（dockur/macos）。windows: https://github.com/dockur/windowsmacos

现有的优化方案主要聚焦于LLM推理加速本身，未能充分考虑RAG系统的特点，研究团队通过分析，揭示了三个重要发现：性能瓶颈：RAG系统的主要瓶颈在于LLM生成步骤，注入的外部知识文档显著延长了处理序列。实验数据显示，注入的外部知识文档平均长度达3718个token，远超原始请求的348个token，而计算开销与序列长度呈正比，因此是导致性能显著下降的原因。访问模式：检索请求呈现高度集中的特征，约3%

系统集成一直是一个非常头疼的工作，你需要面对很多不熟悉的产品和接口，不断的来回尝试和探索，低效还没技术含量。在前面的文章里，我们了解到大模型令人惊叹的逆向工程能力：用ChatGPT逆向工程压缩后的Js代码，表现惊艳ChatGPT逆向工程后续：用v0 Chat和Cursor重塑前端开发流程，开启AI编程新纪元那么，大模型技术能否在这一领域发挥作用，开发一款AI工具能自动生成集成代码，简化 开发流程呢

昨日，特朗普强势回归，大获全胜，共和党也控制了参众两院，再加上本身支持特朗普的大法官，特朗普将可能在未来任期获得前所未有的政策执行力。OpenAI、微软等科技巨头CEO纷纷投诚祝贺，背后原因显而易见：特朗普对AI监管的宽松态度将为行业带来前所未有的自由度。OpenAI CEO Sam Altman 表示，特朗普的当选对美国在AI领域的领先地位至关重要。微软CEO Satya Nadella 也期待

Llama 3.2 Vision 现已可在 Ollama 中运行，提供 11B 和 90B 两种规模。下载 Ollama 0.4，然后运行以下命令：要运行更大的 90B 模型：要将图像添加到提示中，拖放图像到终端，或在 Linux 中将图像路径添加到提示中。注意：Llama 3.2 Vision 11B 至少需要 8GB 的 VRAM，90B 模型至少需要 64GB 的 VRAM 。 手写示例 O

微软近日发布 GraphRAG 项目 v0.4.0 版本，带来多项重要更新。其中最引人注目的是增量索引（Incremental Indexing）和 DRIFT 图推理查询模块（DRIFT Graph Reasoning Query Module），大幅提升了系统效率和功能。本次更新的核心亮点包括：增量索引：显著提高大规模数据处理效率，实现更快速的信息更新。DRIFT 图推理查询模块：引入先进的图

在传统的 GraphRAG 框架中，处理复杂查询和大规模知识库时常面临精确度不足和计算成本高昂的问题。然而，传统 GraphRAG 在处理大规模知识图谱时，常常难以准确识别最相关的信息节点。为了解决这些挑战，研究者提出了一种创新方法：将 PageRank 算法融合到 GraphRAG 中，创造出 Fast GraphRAG。这一突破性的改进不仅提升了检索精度，还显著降低了计算成本。Fast Gra

OpenAI近日遭遇重创，两位核心人物——安全系统团队负责人翁荔和高级顾问Miles Brundage相继宣布离职，引发AI界地震。翁荔，这位北京大学毕业的才女，在OpenAI度过了精彩的7年职业生涯。她不仅是GPT-4安全系统的主要设计者，还在模型安全、防御对抗性攻击等方面做出了卓越贡献。翁荔在印第安纳大学伯明顿分校攻读博士期间，深耕机器人技术和深度强化学习，为后来在OpenAI的工作奠定了坚实

大模型驱动的应用兴起，网页操作或者爬取变成了很强的需求，虽然现在自动化工具或者爬虫工具很多，但他们都怕一个东西，那就是验证码，有了它很多工具就得歇菜。当今多模态大模型能力这么强，那能否它们的能力来破解验证码，把这一个短板补上呢？今天，介绍一个项目，它就是这个思路的尝试。openai-captcha-detection 是一款基于 OpenAI API 的开源验证码识别工具，专为开发者设计，旨在实现

Cerebellum，一款基于Claude 3.5 Sonnet和Selenium WebDriver构建的

激动人心的消息！马斯克旗下的xAI API正式开放，为全球开发者提供使用Grok模型的机会。此次API开放的日期为2024年11月4日，用户每月将获得$25的免费API额度，直至2024年底，开发者每天都有机会使用这一额度，探索xAI强大的AI功能。注册过程简单快捷：开发者只需访问xAI官网（https://console.x.ai/）填写注册表，即可迅速获取账户和使用权限。此外，已购入API积分