生成式ai

AE 和 VAE如上图所示，自动编码器主要由两部分组成：编码器（Encoder）和解码器（Decoder）。编码器和解码器可以看作是两个函数，一个用于将高维输入（如图片）映射为低维编码（code），另一个用于将低维编码（code）映射为高维输出（如生成的图片）。这两个函数可以是任意形式，但在深度学习中，我们用神经网络去学习这两个函数。

科研小刘带你玩学术

【学术干货】CVPR论文解析：扩散模型如何推动生成式人工智能进入新时代？近年来，生成式人工智能快速发展。从AI绘画工具到文本生成视频系统，扩散模型（Diffusion Model）已经成为生成式AI领域的重要技术基础。

谷歌地球AI生图24小时下架：当伪造图像继承了地图的可信度，生成式AI的下一道信任关在哪？7月31日，谷歌在 Google Earth 里上线了一项看似不起眼的功能：用户可以用文字指令，直接修改卫星图像。调用的是 Gemini 旗下的 Nano Banana 2 图像模型，想把家门口变成科幻城市、把沙漠换成绿洲，只需一句话。

带娃的IT创业者

赋予AI“品味”：拒绝平庸，OpenCV如何重塑生成式内容的审美边界在生成式AI大爆发的今天，我们似乎正面临着一个前所未有的“平庸危机”。只要轻轻点击鼠标，当前的各类主流大模型——无论是文本生成的GPT-5.5，还是图像生成的Stable Diffusion 3.5——都能在几秒钟内吐出海量的内容。然而，随着这些内容的泛滥，一种被称为“AI slop（AI垃圾）”的现象正在侵蚀我们的信息流。这些内容往往语法完美、逻辑通顺，却缺乏灵魂，千篇一律，像流水线上的罐头食品，虽能果腹却索然无味。

带娃的IT创业者

AI Slop 正在吞噬互联网：当生成式泛滥成为技术社区的隐形杀手互联网曾经是思想的集市，而现在，它正逐渐变成一座巨大的、由算法生成的垃圾场。最近，一篇关于“AI Slop（AI 淤泥）”正在扼杀在线社区的文章在技术圈引发了剧烈共鸣，短短时间内收获了数百个点赞和热烈讨论。这不仅是一个关于内容质量的技术话题，更是一场关于我们如何定义“人类交流”的生存危机。作为开发者，我们不仅是这些技术的构建者，也是这场洪水的第一道防线。

向阳花花花花

PathPrompt失败原因总结BRICS分解。将SMILES分解为片段基因表达差异值。它表示某个药物、某种扰动、某个细胞状态下，哪些基因变高了，哪些基因变低了

人工智能【第25篇】GPT模型详解：生成式预训练的语言模型作者的话：在前面的文章中，我们学习了BERT模型。如果说BERT开启了预训练语言模型的理解时代，那么GPT系列则开启了生成式AI的新纪元。从GPT-1到GPT-4，OpenAI的GPT系列模型展示了强大的文本生成能力和涌现能力。本文将深入讲解GPT的原理、演进历程和应用，帮助你理解生成式AI的核心技术！

风巽·剑染春水

【World Models综述】理解世界还是预测未来？（ACM CS-2025）探索世界模型从阅读一篇综述开始！论文：Understanding World or Predicting Future? A Comprehensive Survey of World Models 论文与代码汇总：https://github.com/tsinghua-fib-lab/World-Model

北京信息产业协会专家思二勋：AI大模型与智能体驱动金融商业新变革在数字经济浪潮席卷全球的当下，人工智能技术正以颠覆性力量重塑金融与商业格局。作为北京信息产业协会人工智能分会高级智库专家，思二勋凭借其深耕金融科技、分布式商业及AI大模型领域的深厚积淀，通过权威媒体发声与学术交流活动，为行业提供了兼具前瞻性与实操性的战略指引。其观点不仅被《中国经营报》《金融时报》等主流媒体深度报道，更在光明世界读书会等高端平台上引发广泛讨论，成为连接技术创新与产业落地的关键纽带。

从感知机到DeepSeek：AI大模型基础认知全栈解析（演进史·架构对比·参数详解）摘要：本文基于"AI大模型基础认知"知识体系，系统梳理从早期NLP到现代大模型的技术演进脉络，深度解析DeepSeek与Qwen底层架构差异，并通过可视化方式拆解"大模型究竟大在哪里"这一核心命题。适合作为大模型技术入门的系统性学习手册。

AI核心知识98——大语言模型之 Generative AI（简洁且通俗易懂版）生成式 AI (Generative AI / GenAI)，或者在国内常被称为 AIGC (Artificial Intelligence Generated Content)，是人工智能发展史上的分水岭。

BFS-Video 深度解析：从 LTX 架构剖析到 Agent 智能体集成实战我们将文件及其背后的逻辑拆解为三个维度，配合关系图谱说明它们如何协同。这部分定义了模型“懂什么”。1. bfs_ltx_video_v1.safetensors

搞科研的小刘选手

【人工智能专题】2026年人工智能与生成式设计国际学术会议（ICAIGD 2026）2026年人工智能与生成式设计国际学术会议（ICAIGD 2026） 2026 International Conference on Artificial Intelligence and Generative Design

深度解析 Prompt Engineering：从入门到实战Prompt Engineering 是近年来随着生成式 AI 应用发展而兴起的一项关键技术。简单来说，它指的是为 AI 模型设计更有效、更引导性的提示词（Prompt）以提高模型的工作效果。课题涵盖了自然语言处理（NLP）广泛应用场景中的许多挑战，例如翻译、文本生成、问题回答等。

Agent Skills 详解：5大核心能力架构与AI Agent落地实践近年来，大语言模型（LLM）推动了自然语言理解和生成的飞跃，但多数应用仍停留在单轮问答模式。若要让 AI 深入业务流程、完成跨系统复杂任务，就必须具备持续执行与动态决策的能力，这正是 Agent Skills 的定位所在。

深度解析：GEA架构——生成与进化技术的融合在当今数字化转型的浪潮中，企业面临着前所未有的挑战和机遇。为了在激烈的市场竞争中立于不败之地，企业需要借助先进的技术手段来提升自身的竞争力。GEA架构（Generative and Evolutionary Architecture）作为一种新兴的技术架构，正逐渐受到企业的关注和青睐。

拒绝“拼凑”：用AI指令做学术文献海的“淘金客”根据最新的学术出版统计数据，仅在2025年，全球就发表了超过600万篇学术论文。这意味著什么？即使你每天从早读到晚，你也无法读完你所在领域一周的新增文献。

GEA的架构科普：生成式引擎优化架构详解与实战指南在传统的搜索引擎优化（SEO）里，我们关心的是爬虫抓取 → 倒排索引 → 排序算法 → 展示链接。然而，生成式引擎（Generative Engine，如 Bing Chat、Perplexity、You.com）正在改变游戏规则：它们不再只是返回链接列表，而是直接用 LLM 生成自然语言答案。

AI 任务分类：人工智能到底能干啥？本文将带你通过生动的例子，通过“任务分类”的视角，看懂 AI 的能力版图。如果把人工智能（AI）比作一个刚入职的全能实习生，那么根据你交给他的任务不同，我们可以把 AI 的工作主要分为四大类：

许泽宇的技术分享

当AI学会“画“界面：A2UI如何让智能体拥有UI表达能力如果说ChatGPT让AI学会了说话，那么A2UI就是在教AI学会"画画"——不是艺术创作，而是绘制用户界面