Python_金钱豹-优快云博客

在大语言模型的能力边界不断拓展的今天，一个关键挑战始终存在：如何让模型既能精准推理，又能高效利用外部知识？传统的检索增强生成（RAG）或工具调用方法往往局限于固定流程或依赖大量标注数据，难以让模型自主掌握 “**何时搜?搜什么?如何用?**” 的技巧。于是在今年游研究人员提出了Search-R1(Training LLMs to Reason and Leverage Search Engines with Reinforcement Learning)，提出了**一种全新的强化学习（RL）框架，让 LLM

2025-07-22 19:58:01 811

原创 13.1K Star，超越RAG，这个AI记忆框架直接把RAG按地上摩擦了！！！

刚刚在GitHub上刷到这个叫Graphiti的东西**，卧槽，简直是AI智能体的记忆神器啊！

2025-07-22 19:57:05 696

原创从知识增长的角度提升RAG上下文的质量

检索增强生成（RAG）通过引入外部知识来缓解大型语言模型（LLM）在**开放领域问答**任务（OpenQA）中产生的**事实错误和幻觉输出**的问题。然而，对于复杂的问答任务，**现有的 RAG 方法使用 LLM 主动预测检索时机，并直接使用检索到的信息进行生成，而不考虑检索时机是否准确反映了实际的信息需求，或者是否充分考虑了先前检索到的知识，这可能导致信息收集和交互不足，从而产生低质量的答案**。为了解决这些问题，我们提出了一种通用的 RAG 方法，称为**自适应笔记增强 RAG（Adaptive-Not

2025-07-21 20:00:07 927

原创【招银研究|行业深度】数字金融之AI+银行——大模型与银行数字化转型的三组关系

近年来大模型等AI技术的发展为银行业创造全新的技术赋能路径，有望通过数字化转型提升资产组织效率并降低运营成本。本报告在梳理国内外案例的基础上，层层递进分析大模型与银行数字化转型的三组关系，尝试提出兼具前瞻性和实操性的经营策略，助力银行业应对数字化过程中的不确定性，实现可持续增长。

2025-07-21 19:58:44 987

原创从DeepSeek-V3到Kimi K2：八种现代 LLM 架构大比较

自最初的 GPT 架构开发以来，已经过去了七年。乍一看，回顾 GPT-2（2019 年），展望 DeepSeek-V3 和 Llama 4（2024-2025 年），人们可能会惊讶于这些模型在结构上仍然如此相似。

2025-07-21 19:56:05 767

原创 ColQwen-Omni：RAG全模态检索来了，支持【文本|图像|视频|音频】四种模态！

还记得 ColPali、ColQwen 和 DSE 吗？这些模型开创了**视觉文档检索**的新范式：无需费力地从文档中提取文本进行处理，只需将文档页面视为一系列图像（屏幕截图），然后训练视觉语言模型（VLM）直接将其内容表示为向量。ColPali 的实践表明，这种策略通常比其他替代方法更快、更简单，并且能带来更好的检索性能。

2025-07-20 10:45:00 990

原创 AI Agent 基础设施

AI Agent是利用人工智能技术以实现特定目标并为用户完成任务的软件系统。它们展现出推理、规划、记忆以及一定程度的自主性，能够进行决策、学习和适应环境。这些Agent能够同时处理包括文本、语音、视频、音频和代码在内的多模态信息，并具备对话、推理、学习和决策的能力。

2025-07-19 10:45:00 698

原创 2025年“情感分析+LLM”最新创新点全面汇总！

把这两者结合，能够充分利用LLM的语义理解能力、预训练知识和端到端建模能力，解决传统情感分析的局限性，提升模型的性能和鲁棒性。在实际应用中具有广泛的价值，尤其在处理复杂情感、多语言场景和动态语言时表现尤为突出。

2025-07-18 22:04:30 1024

原创 ICML25|不用手动调试,自动化agent问责制横空出世

一句话概括：你还在手动翻日志给AI查bug？这篇论文已经开始训练AI当“产品经理”，让它自己复盘会议纪要，找出是谁在哪一步把需求带跑偏了。

2025-07-17 20:26:53 708

原创 LangChain 的「记忆压缩术」：聊聊大模型的上下文工程设计之道

智能体执行任务离不开上下文。上下文工程（Context Engineering）既是一门艺术，也是一门科学，其核心在于，在智能体运行轨迹的每个步骤中，精准地将恰好适量的信息注入其上下文窗口。本文将通过回顾多个热门智能体实例及相关研究论文，解构上下文工程的四大核心策略——“保存、筛选、压缩、隔离”，并深入探讨 LangGraph 如何为这些策略提供强大支持！

2025-07-17 20:25:30 299

原创高质量奖励函数，让你告别RL探索难题！基于LLM的自动奖励生成方法R*

随着我在强化学习各个领域逐渐深入的工程实践后，我发现**奖励函数才是你真正要关注的事情**，很多时候大家都是直接用环境，根本不关心环境中奖励函数是怎么构建的，也很少有人去优化奖励函数。

2025-07-17 20:00:22 649

原创 AI智能体全面爆发：一文吃透多Agent技术发展与进化

在本文中，我们将深入探讨AI Agent的理论支撑以及其背后的第一性原理，回顾和分析第一性原理的发展轨迹，现阶段AI Agent所具备的能力，并探讨其在各个领域中的应用。接着，我们会展望AI Agent未来的发展方向，特别是在多Agent协作中的潜力和挑战。最后，我们将探讨Agent的未来技术发展及其广泛应用前景，为读者提供一个全面且深入的视角来理解和预测AI Agent的未来。

2025-07-16 20:32:13 809

原创文档太长模型“吃不下”？15种Chunking神技，助你打造聪明绝顶的RAG系统！

你以为RAG系统的“聪明才智”全靠大模型？错！真正的高手，都是切块（Chunking）切得好！

2025-07-16 20:30:51 882

原创 Dify实现RAGFlow MCP知识库的问答

Dify更多地侧重于对话式 AI 或类似的知识库应用，在某些问题的处理上做了简化，导致在复杂的问答场景中表现不如 RAGFlow。RAGFlow是基于 RAG（Retrieval-Augmented Generation，检索增强生成）架构，通过结合检索机制和生成模型，能在问答中更好地理解上下文并生成更加准确的答案。

2025-07-16 20:29:24 560 1

原创 RAG彻底爆了！一文读懂其架构演进及核心要点

检索增强生成（英语：Retrieval-augmented generation, RAG ) 是赋予生成式人工智能模型信息检索能力的技术。检索增强生成优化大型语言模型(LLM) 的交互方式，让模型根据指定的一组文件回应用户的查询，并使用这些信息增强模型从自身庞大的静态训练数据中提取的信息。检索增强生成技术促使大型语言模型能够使用特定领域或更新后的信息。应用案例，包括让聊天机器人访问公司内部资料，或来自权威来源的事实信息。

2025-07-15 20:00:34 712

原创 RAGFlow引用机制揭秘：LLM引导与后端验证如何协同工作？

ragflow 显示引用为什么不通过提示词直接显示在回答中，而是通过分块后和检索片段比较向量相似度？判断引用出处？能不能直接通过提示词实现。

2025-07-15 19:58:00 1031

原创代码量降低 80%，告别百万工时浪费：NebulaGraph 在京东物流的应用

面对日均数万人参与、月均百万级 Excel 处理、百万工时消耗的“做数”困境，以及复杂的数据权限与血缘关系挑战， **NebulaGraph 图数据库落地其智能化大数据分析平台 UData 后，实现了查询延迟降低 30%，整体查询性能提升 5 倍，权限校验响应时间 <100ms 等显著成效

2025-07-15 19:55:45 643

原创 ICML 25|MAYPL:超关系知识图谱的结构表示学习

在超关系知识图谱上进行推理和推断新知识需要理解和利用实体与关系之间的复杂相互关系。然而，大多数现有的超关系知识图谱研究没有充分利用其图结构。例如，基于Transformer的方法单独处理每个超关系事实（为简洁起见称为“事实”），未能捕捉不同事实之间的相互联系。其他一些最近的方法使用简单的一跳邻域信息来学习超关系知识图谱上的表示。虽然有研究提出了一个用于编码事实的图神经网络（GNN）层，但事实证明该GNN编码是冗余的，对整体性能没有关键影响。最近，另一种基于GNN的编码被引入，但它没有考虑每个事实中的关系和实

2025-07-14 20:09:37 288

原创 Data Agent：下一代数据智能体系统如何重构 Data+AI 生态？

过去十年，数据库与人工智能的结合走出了两条路径：

2025-07-14 20:08:37 356

原创 LightRAG：颠覆传统AI问答，一张“知识网”让大模型真正开窍！

还在为AI回答支离破碎而头疼？**LightRAG用一张“知识网”让大模型真正理解复杂关系

2025-07-14 20:07:45 298

原创【Agent专题】MCP架构实战：开发者必藏！最全MCP智能代理构建指南，附实操解析

MCP代理正在颠覆智能体的边界，它不再只是“对话专家”，而是真正能与真实应用沟通并完成任务的AI大脑。

2025-07-13 10:45:00 1046

原创世界模型的变革之道：PAN 架构的突破

在追求智能体精准决策能力的道路上，世界模型的研究备受瞩目。然而，当下众多世界模型或局限于特定领域，或缺乏泛化与交互性。《Critiques of World Models》一文以其犀利的批判，直指现有模型的痛点，并且创新性地提出了 PAN 架构，为世界模型的发展提出了新思考。

2025-07-12 19:54:32 847

原创 ICML 2025 | Transformer 性能大提升：CCA-Attention 替代自注意力模块，LLM长文本建模突破

随着大语言模型（LLM）在自然语言处理中的广泛应用，长上下文建模已成为其关键能力之一。然而，随着上下文长度的增加，冗余信息积累带来的计算开销成了一个亟待解决的问题。南方科技大学与鹏城实验室的研究团队提出了 Core Context Aware Attention (CCA-Attention)，该方法通过创新的全局感知池化与局部保留模块，显著减少冗余信息并提高长上下文建模的效率。实验结果表明，CCA-Attention 在处理长上下文时的计算效率和性能均优于现有方法。

2025-07-12 19:52:51 356

原创超越RAG的搜索革命！分层框架让AI像专家团队一样深度思考

一句话概括：与其训练一个越来越大的“六边形战士”AI，不如组建一个各有所长的“复仇者联盟”，这篇论文就是那本“联盟组建手册”。（原论文题目见文末，点击阅读原文可直接跳转至原文链接，Published on arxiv on 03 Jul 2025, by Renmin University of China）

2025-07-11 22:20:20 363

原创综述 | 从“说出来”到“脑中算”：Latent Reasoning的范式跃迁与无限可能

大型语言模型（LLM）在推理任务上表现惊艳，尤其当它们使用显式思维链（Chain-of-Thought, CoT）时——即像人一样一步步写下中间思考过程。这种“说出来再回答”的方式显著提升了模型的性能和可理解性，成为当前顶尖推理模型（如Qwen3、DeepSeek-R1、Gemini 2.5）的核心策略。然而，CoT存在一个根本性限制：它强迫模型将所有思考都“塞进”有限的自然语言词汇和离散的令牌（Token）中，就像只用文字聊天来解复杂数学题，表达带宽严重受限（见图1，显式CoT传输约15比特/令牌，而潜在

2025-07-11 22:18:34 709

空空如也

空空如也