<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[zero的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/flyfor2013</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; flyfor2013]]></copyright><item><title><![CDATA[从零搭建智能体！LangGraph构建第一个Agent]]></title><link>https://blog.youkuaiyun.com/flyfor2013/article/details/150755871</link><guid>https://blog.youkuaiyun.com/flyfor2013/article/details/150755871</guid><author>flyfor2013</author><pubDate>Sun, 24 Aug 2025 17:08:43 +0800</pubDate><description><![CDATA[大家好，这是从零搭建智能体第三篇，本文将介绍Agent的一些核心概念，Agent与LLM、workflow的区别，并搭建一个最简单的agent，了解LangGraph中的核心组件。与workflow相比，Agent会在运行过程，根据获取到的知识/信息，反思对子目标确认是否达到预期，调整自己的规划，如更改调用工具，调用工具参数等等。小结：Agent相比于LLM，对于用户的提问会利用各种工具尽可能多地获取有用的消息后再进行回复。定义一个最简单的Agent，根据用户输入的话题生成一个笑话。]]></description><category></category></item><item><title><![CDATA[从零搭建智能体！构建第一个MCP]]></title><link>https://blog.youkuaiyun.com/flyfor2013/article/details/150190586</link><guid>https://blog.youkuaiyun.com/flyfor2013/article/details/150190586</guid><author>flyfor2013</author><pubDate>Sun, 10 Aug 2025 21:40:49 +0800</pubDate><description><![CDATA[大家好，这是从零搭建智能体第二篇，本文将介绍MCP的一些核心概念，并根据官方例子，搭建一个用关键词查询arxiv上最新论文的MCP。我们用两个任务理解一下，一个是官方例子，采用stdio本地调试，另一个构建自己的MCP，采用sse的通信方式，用代码实现本地调用。AI 应用程序可以调用action的可执行函数（例如，文件作、API 调用、数据库查询）维护与 MCP 服务器的连接并从 MCP 服务器获取上下文供 MCP 主机使用的组件。可重用的模板，有助于构建与语言模型的交互（例如，系统提示、少量示例）]]></description><category></category></item><item><title><![CDATA[从零搭建智能体！接入大模型]]></title><link>https://blog.youkuaiyun.com/flyfor2013/article/details/149894327</link><guid>https://blog.youkuaiyun.com/flyfor2013/article/details/149894327</guid><author>flyfor2013</author><pubDate>Sun, 03 Aug 2025 17:05:44 +0800</pubDate><description><![CDATA[如今，借助大型语言模型（LLM），AI Agent 的实现方式发生了根本性的变化。传统的 AI 应用遵循“一个口令，一个动作”的模式，而 AI Agent 则是“人类只给目标，AI 自己找路”。以 AlphaGo 为例，其目标是赢得棋局，它通过观察棋盘状态（Observation），决定下一步的落子位置（Action），对手的回应改变了棋盘状态（Environment Change），AlphaGo 再次观察、行动，如此循环，直至分出胜负。这展示了一个最基本的 LLM Agent 的完整工作流程。]]></description><category></category></item><item><title><![CDATA[最新多模态思维链（Multimodal Chain-of-Thought）的全面综述]]></title><link>https://blog.youkuaiyun.com/flyfor2013/article/details/146385394</link><guid>https://blog.youkuaiyun.com/flyfor2013/article/details/146385394</guid><author>flyfor2013</author><pubDate>Wed, 19 Mar 2025 21:33:42 +0800</pubDate><description><![CDATA[的能力，尤其在多模态大型语言模型（Multimodal Large Language Models，MLLMs）中受到关注。该项目通过全面梳理 MCoT 推理领域的研究进展，为研究人员提供了一个系统的框架来理解和探索该领域，有助于推动多模态推理技术的发展，进一步拓展其在各个领域的应用。，阐述了该领域的基础概念和定义，包括详细的分类法和对不同应用中现有方法的分析，还提供了对当前挑战和未来研究方向的见解，以促进多模态推理的发展。：项目中还包含了多模态任务的示意图，帮助理解 MCoT 推理在不同任务中的应用。]]></description><category></category></item><item><title><![CDATA[AI设计玩疯了！任意元素融合生成新概念设计图！]]></title><link>https://blog.youkuaiyun.com/flyfor2013/article/details/146330238</link><guid>https://blog.youkuaiyun.com/flyfor2013/article/details/146330238</guid><author>flyfor2013</author><pubDate>Mon, 17 Mar 2025 22:08:27 +0800</pubDate><description><![CDATA[在艺术创作和设计领域，很多时候，一个独特的灵感来源于某个视觉元素的碎片，比如一个特别的翅膀结构、一种独特的发型，它们就像是散落的拼图碎片，等待着创作者将它们拼凑成一个完整而富有创意的概念。而 IP+ 空间则在保留语义操作能力的同时，显著提升了图像重建的质量，能够更有效地作为视觉概念的表示空间。这种方法的核心在于其独特的 IP-Prior 模型，它基于 IP-Adapter+ 的内部表示空间构建，通过轻量级的流匹配模型，根据特定领域的先验知识合成连贯的构图，实现多样化且具有上下文感知能力的生成效果。]]></description><category></category></item><item><title><![CDATA[DocLayout-YOLO |上海AI Lab最新兼具速度精度的文档布局分析模型]]></title><link>https://blog.youkuaiyun.com/flyfor2013/article/details/143278360</link><guid>https://blog.youkuaiyun.com/flyfor2013/article/details/143278360</guid><author>flyfor2013</author><pubDate>Sun, 27 Oct 2024 20:49:59 +0800</pubDate><description><![CDATA[上海AI Lab 提出基于YOLO-v10的 DocLayout-YOLO，代码已开源！1、DocLayout-YOLODocLayout-YOLO是一个文档布局分析工具，通过多样化的合成数据和全局到局部的自适应感知增强文档布局分析，提升处理速度和准确性。具体来说，文档布局分析要实现的效果是，定位文档元素并识别所属的类别。如下所示：可以使用文档分析工具，来实现确定试卷中的标题/图标/纯文本等等真实...]]></description><category></category></item><item><title><![CDATA[Animate-X，拟人角色跳舞！游戏制作新革命！]]></title><link>https://blog.youkuaiyun.com/flyfor2013/article/details/143182047</link><guid>https://blog.youkuaiyun.com/flyfor2013/article/details/143182047</guid><author>flyfor2013</author><pubDate>Tue, 22 Oct 2024 23:04:32 +0800</pubDate><description><![CDATA[大家好，今天和大家分享一篇最新的工作1、Animate-X阿里巴巴新出的通用角色动画生成项目：Animate-X 能让静态角色图像转成动态视频，不仅支持对人类角色，还适用于拟人角色。可以应用到各种游戏和娱乐领域 。输入一张参考图像，一个动作参考视频，生成动画视频主要特点：通用应用：与主要关注人物的传统动画方法不同，Animate-X 旨在与各种角色类型无缝协作，包括拟人化人物，从而扩大了其在各个行...]]></description><category></category></item><item><title><![CDATA[效果逼真！视频编辑新玩法！角色、动作、背景都能控制！]]></title><link>https://blog.youkuaiyun.com/flyfor2013/article/details/142907779</link><guid>https://blog.youkuaiyun.com/flyfor2013/article/details/142907779</guid><author>flyfor2013</author><pubDate>Sun, 13 Oct 2024 20:10:25 +0800</pubDate><description><![CDATA[大家好，今天和大家分享一篇最新的工作 1、MIMOMIMO 可控视频合成 的通用模型，可以调整视频的主角，合成动作以及场景来控制合成的视频。MIMO，不仅可以合成具有由用户输入提供的可控属性（即角色、运动和场景）的角色视频，而且还可以同时实现对任意角色的高级可扩展性、通用性到新颖性3D 动作以及统一框架中交互式现实世界场景的适用性。核心思想：1）允许用户提供多个输入（例如，角色的单个图像、运动的...]]></description><category></category></item><item><title><![CDATA[国产开源最强？Qwen2-VL强势发布，效果实测！]]></title><link>https://blog.youkuaiyun.com/flyfor2013/article/details/141793324</link><guid>https://blog.youkuaiyun.com/flyfor2013/article/details/141793324</guid><author>flyfor2013</author><pubDate>Sun, 01 Sep 2024 17:56:57 +0800</pubDate><description><![CDATA[大家好，趁着周末赶紧看下本周最新发布的多模态大语言模型Qwen2-VL。因为Qwen2比Qwen提升很大，而且Qwen2-VL还将开源大参数量的模型Qwen2比Qwen强在哪里：https://www.zhihu.com/question/658307301Qwen2系列模型大幅提升了代码、数学、推理、指令遵循、多语言理解等能力，性能不仅超过美国最强的开源模型 Llama3-70B，也超过文心 4...]]></description><category></category></item><item><title><![CDATA[腾讯开源VITA！全方位对标GPT4o，全能多模态交互大模型！]]></title><link>https://blog.youkuaiyun.com/flyfor2013/article/details/141145779</link><guid>https://blog.youkuaiyun.com/flyfor2013/article/details/141145779</guid><author>flyfor2013</author><pubDate>Mon, 12 Aug 2024 23:33:34 +0800</pubDate><description><![CDATA[腾讯优图实验室联合南京大学、厦门大学和中国科学院自动化研究所推出了VITA，一个开源的多模态大型语言模型。该模型擅长同时处理和分析视频、图像、文本和音频模态，并通过非唤醒交互和音频中断交互实现先进的多模态交互体验。作者表示：所有训练代码、部署代码和模型权重即将发布！已经提交了开源代码，但还在进行内部审查。 VITA3个月前，OpenAI发布最新的大模型GPT4-o，支持听、看、说，全程丝滑的想在和...]]></description><category></category></item><item><title><![CDATA[Stable-Hair 全新发型迁移算法！轻松生成中分！]]></title><link>https://blog.youkuaiyun.com/flyfor2013/article/details/140624167</link><guid>https://blog.youkuaiyun.com/flyfor2013/article/details/140624167</guid><author>flyfor2013</author><pubDate>Mon, 22 Jul 2024 22:38:25 +0800</pubDate><description><![CDATA[大家好，今天和大家分享几篇最新的工作 1、Stable-HairStable-Hair是一个发型迁移算法，甚至在真实的环境效果也能保证较好的效果。具体来说，输入一张 source 图片（希望变换发型的人脸）和一张 reference image（预期发型的人脸），如下图所示，第一行是目标发型，第一列为sourceimage，按行（从第二行开始）查看生成的效果，除了发型变化外，人脸的特征保留完整...]]></description><category></category></item><item><title><![CDATA[7k star！斯坦福开源学术研究神器！storm]]></title><link>https://blog.youkuaiyun.com/flyfor2013/article/details/140564885</link><guid>https://blog.youkuaiyun.com/flyfor2013/article/details/140564885</guid><author>flyfor2013</author><pubDate>Thu, 18 Jul 2024 23:11:47 +0800</pubDate><description><![CDATA[扫码领取享50优惠！随时可用，先到先得！大家好，今天跟大家分享一个由大语言模型（LLM）加持的知识管理系统，用于研究某个课题并生成带有引文的完整报告。输入研究的主题，并详细说明写这篇文章的目的，等待三分钟左右，storm会自动在网络上检索并解读整理输出总结的报告！！！storm 简介官方介绍:STORM 是一个LLM系统，可以根据互联网搜索从头开始编写类似维基百科的文章。虽然该系统无法生成通常需...]]></description><category></category></item><item><title><![CDATA[超过GPT-4V，国产开源多模态大模型来了！支持视频理解/超高分辨率图片理解/多轮对话...]]></title><link>https://blog.youkuaiyun.com/flyfor2013/article/details/140222913</link><guid>https://blog.youkuaiyun.com/flyfor2013/article/details/140222913</guid><author>flyfor2013</author><pubDate>Fri, 05 Jul 2024 23:08:20 +0800</pubDate><description><![CDATA[扫码领取享50优惠！随时可用，先到先得！大家好，开源多模态大模型真的是每天都在疯狂的涌现，今天分享一个国产大模型 InternLM-XComposer-2.5 中文名：浦语·灵笔2.5仅使用 7B LLM 后端就达到了 GPT-4V 级别的能力，甚至从官方的论文测试结果来看，部分benchmark上的指标甚至超过了 GPT-4VInternLM-XComposer-2.5下面介绍一下主要功能：超高...]]></description><category></category></item><item><title><![CDATA[3D鸡哥又上开源项目！单图即可生成，在线可玩]]></title><link>https://blog.youkuaiyun.com/flyfor2013/article/details/140195349</link><guid>https://blog.youkuaiyun.com/flyfor2013/article/details/140195349</guid><author>flyfor2013</author><pubDate>Thu, 04 Jul 2024 22:44:42 +0800</pubDate><description><![CDATA[大家好，今天和大家分享几篇最新的工作 1、Unique3DUnique3D从单视图图像高效生成高质量3D网格，具有SOTA水平的保真度和强大的通用性。如下图所示 Unique3D 在 30 秒内从单视图野生图像生成高保真且多样化的纹理网格。例如属于一张鸡哥的打球写真照等待一分钟左右的时间：用鼠标拖动生成的结果，可以看到结果，很显然这个模型很可能是小黑子，前面是背带裤转到后面居然不是背带没了从官网的...]]></description><category></category></item><item><title><![CDATA[迄今为止最惊艳的生成视频模型 MotionClone！开源！主体运动和相机运动都能完美克隆！...]]></title><link>https://blog.youkuaiyun.com/flyfor2013/article/details/140139744</link><guid>https://blog.youkuaiyun.com/flyfor2013/article/details/140139744</guid><author>flyfor2013</author><pubDate>Tue, 02 Jul 2024 23:02:01 +0800</pubDate><description><![CDATA[大家好，今天和大家分享一篇关于可控视频生成的最新成果 MotionClone给定参考视频，MotionClone 可以将视频所包含的动作克隆到新的场景中，具有出色的 prompt-following（指令遵循）能力，而无需针对特定运动进行微调。prompt-following 更加通俗的解释，就是能够按照你编写的prompt来生成相应的反馈。如下图所示，通过调整主体以及场景相关的prompt，而不...]]></description><category></category></item><item><title><![CDATA[鸡哥又上CV论文！单图生成3D模型，高质量且高效率新模型！]]></title><link>https://blog.youkuaiyun.com/flyfor2013/article/details/139975002</link><guid>https://blog.youkuaiyun.com/flyfor2013/article/details/139975002</guid><author>flyfor2013</author><pubDate>Tue, 25 Jun 2024 21:40:28 +0800</pubDate><description><![CDATA[大家好，今天和大家分享几篇最新的工作 1、VividDreamerVividDreamer 是一个兼顾高质量和效率的文本生成3D资产的算法。更加具体来说就是，通过输入一句话，例如下图左上角的图片：输入 “A zoomed out DSLR photo of a corgi wearing a top hat” （戴着高顶礼帽的柯基犬的缩小照片），生成柯基的3D模型。实现思路：VividDreame...]]></description><category></category></item><item><title><![CDATA[中科大和字节AI视频生成CamTrol杀疯了！运动可控，效果惊艳！]]></title><link>https://blog.youkuaiyun.com/flyfor2013/article/details/139846989</link><guid>https://blog.youkuaiyun.com/flyfor2013/article/details/139846989</guid><author>flyfor2013</author><pubDate>Thu, 20 Jun 2024 22:46:38 +0800</pubDate><description><![CDATA[大家好，我是阿潘，今年堪称视频生成的爆发的一年，sora 2024年2月15日发布，让全世界都震惊了。openai 有一次成为了行业标杆。从生成的效果来看，比起以往抽象的生成结果，有了巨大的提升。今天和大家分享中科大和字节跳动的工作 CamTrol 。这是一种train-free，可以在大多数预训练的视频扩散模型中即插即用的方案。支持单张图片或文本prompt作为输入生成视频。论文：https:/...]]></description><category></category></item><item><title><![CDATA[算法六年，越做越无聊。。。]]></title><link>https://blog.youkuaiyun.com/flyfor2013/article/details/139051932</link><guid>https://blog.youkuaiyun.com/flyfor2013/article/details/139051932</guid><author>flyfor2013</author><pubDate>Sun, 19 May 2024 16:54:11 +0800</pubDate><description><![CDATA[大家好，我是阿潘刷到下面一条动态，一位工作 6 年的算法工程师，表示工作越做越无聊，想做一些确定性强的事情，希望转岗到做开发。 打工人吐槽下面是原文和一些回帖：首先，这位老铁想做开发的原因是因为做 算法工作的不确定性（确实啊，算法的效果是让人焦虑的主要来源。。。），也就是说算法的工作很多时候都包含了大量的不确定性，这让我想起知乎上一个热议的话题：下面是一个知乎高赞的回答：我也是一个干了五年的计算机...]]></description><category></category></item><item><title><![CDATA[ControlNet作者放大招！IC-Light：控制生成图片光照效果！]]></title><link>https://blog.youkuaiyun.com/flyfor2013/article/details/138641221</link><guid>https://blog.youkuaiyun.com/flyfor2013/article/details/138641221</guid><author>flyfor2013</author><pubDate>Thu, 09 May 2024 22:05:37 +0800</pubDate><description><![CDATA[ControlNet作者张吕敏近日又开源了一项新的工作：IC-Light （Impose Constant Light），在不改变图片内容的条件下，可以控制生成图片的光照效果。作者发布了两种类型的模型：文本条件重打光模型和背景条件重打光模型。两种类型都将前景图像作为输入。 1、Text-Conditioned Model通过文本条件控制，输入Prompt 并 Lighting Preference...]]></description><category></category></item><item><title><![CDATA[效果炸裂！文生图再升级，支持多对象个性化图片生成！开源！]]></title><link>https://blog.youkuaiyun.com/flyfor2013/article/details/137620588</link><guid>https://blog.youkuaiyun.com/flyfor2013/article/details/137620588</guid><author>flyfor2013</author><pubDate>Wed, 10 Apr 2024 17:01:21 +0800</pubDate><description><![CDATA[大家好，今天和大家分享一篇最新的文生图工作，代码已开源标题：Identity Decoupling for Multi-Subject Personalization of Text-to-Image Models单位：KAIST论文：https://arxiv.org/pdf/2404.04243.pdf代码：https://github.com/agwmon/MuDI主页：https://mu...]]></description><category></category></item></channel></rss>