最新 - sdk社区 | 技术至上

12 天前 / 大漠孤城

迈向具身智能：物理 AI 智能体（Physical AI Agents）架构与产业应用深度解析

前言：AI 正在“触碰”现实在过去几年里，我们见证了以 GPT-4 为代表的生成式 AI 在数字世界的统治力。然而，通用大模型（LLM）在面对需要精密操作、环境感知和物理交互的行业（如制造业、医疗手术、仓储物流）时，往往显得“有脑无手” 。最新发布的论文《Physical AI Agents》提出了一种全新的演进方向：物理 AI 智能体（Physical AI Agents）。它不仅拥有垂直行业的认知能力，更能直接与物理世界交互，标志着 AI 正式从“数字大脑”进化为“具身实体” 。一、什么是

200 阅读

收藏
14 天前 / micro_cloud_fly

银行卡三要素核验（SM2+SM4国密加密版）- 聚合数据API调用Java示例

本文介绍如何使用Java调用聚合数据的银行卡三要素核验API（SM2+SM4加密版），包含完整的实现代码、技术要点分析和常见问题解决方案。本示例实现了聚合数据银行卡三要素核验API的调用，该API使用国密算法（SM2+SM4）进行数据加密传输：API文档: https://www.juhe.cn/docs/api/id/207加密方式: SM2公钥加密 + SM4对称加密传输协议: HTTP POST (application/x-www-form-urlencoded)加密流程1. 随机生成S

190 阅读

收藏
14 天前 / admin

银行卡三要素核验（SM2+SM4国密加密版）- 聚合数据API调用Golang示例

环境配置Go 1.19+系统级 GmSSL 库macOS: brew install gmsslUbuntu/Debian: sudo apt-get install libgmssl-devCentOS/RHEL: sudo yum install gmssl-devel项目文件demo├── go.mod ├── go.sum ├── main.go └── public_key.pem # SM2公钥：联系商务获取核心代码package mai

142 阅读

收藏
14 天前 / DDwyane

银行卡三要素核验（SM2+SM4国密加密版）- 聚合数据API调用Python示例

本代码示例基于gmssl-python实现。gmssl-python是GmSSL密码库 https://github.com/guanzhi/GmSSL 的Python语言封装.使用前需要安装GmSSL密码库，可以参考：https://github.com/guanzhi/GmSSL安装依赖如果你是通过uv管理的项目uv add gmssl-pythonuv add requests如果你是通过pip管理的项目pip install gmssl-pythonpip install reques

139 阅读

收藏
1 个月前 / 大漠孤城

告别盲目搜索：预算感知如何让 AI Agent 突破性能天花板

这是一份基于最新研究论文《Budget-Aware Tool-Use Enables Effective Agent Scaling》整理的技术分享博客内容。告别盲目搜索：预算感知（Budget-Aware）如何让 AI Agent 突破性能天花板？导读在推理任务中，我们已经习惯了让大模型“多想一会儿”（Scaling Test-time Compute）。但当模型化身为能够搜索、浏览网页的 Agent 时，仅仅增加“思考”是不够的，还需要增加“行动”。然而，简单地给 Agent 更多的搜索机会

246 阅读

收藏
1 个月前 / 大漠孤城

Towards a Science of Scaling Agent Systems：走出直觉误区

这是一篇关于智能体系统缩放规律研究的技术博客，基于论文《Towards a Science of Scaling Agent Systems》。走出直觉误区：智能体系统缩放规律的科学解析在生成式 AI 的浪潮中，“多智能体系统 (MAS)” 往往被视为解决复杂任务的灵丹妙药。人们普遍认为“智能体越多越好”，但事实真的如此吗？来自 Google Research 和 Google DeepMind 的最新研究《Towards a Science of Scaling Agent Systems》打

283 阅读

收藏
1 个月前 / 大漠孤城

Measuring Agents in Production：揭秘 AI Agent 的真实生产现状

这是一篇基于最新研究论文《Measuring Agents in Production》（MAP）的技术分享博客，旨在通过深入的数据调研，揭示 AI Agent 在真实生产环境中的生存现状。揭秘 AI Agent 的真实生产现状：简单、受控与人机协同的胜利导读AI Agent（AI 智能体）在学术界被描绘成无所不能的数字化员工，但在真实的业务生产线中，它们究竟表现如何？是已经接管了复杂流程，还是仍处于起步阶段？UC Berkeley 等机构的研究人员通过对 306 名从业者的调研和 20 个深度

230 阅读

收藏
2 个月前 / micro_cloud_fly

264-人脸实名认证接口 golang 版本 AES 示例代码

package mainimport ( "crypto/aes" "crypto/cipher" "crypto/md5" "encoding/base64" "encoding/json" "fmt" "io" "net/http" "net/url" "os" "strings")// APIConfig API配置type APIConfig struct { Key string // API Key

369 阅读

收藏
2 个月前 / micro_cloud_fly

RSA+AES 组合加密身份证四要素接口示例代码

package cn.juhe;import javax.crypto.Cipher;import javax.crypto.Mac;import javax.crypto.spec.GCMParameterSpec;import javax.crypto.spec.SecretKeySpec;import java.io.BufferedReader;import java.io.InputStreamReader;import java.io.OutputStream;import java

388 阅读

收藏
3 个月前 / 用户_1758497476

论文阅读：Agent-S 系列

Agent S 是什么Agent S 目的是打造一个类人的操作计算机的 Agent 架构，旨在通过图形用户界面 GUI 实现对复杂多部任务的自动化执行，从而彻底改变人类交互方式；Agent S 的开源项目地址： https://github.com/simular-ai/Agent-SAgent S 论文系列Agent S1发布时间: 2024年10月10日论文地址：https://arxiv.org/abs/2410.08164解决的关键挑战：-- 获取领域特定知识（Acquiring do

855 阅读

收藏
4 个月前 / micro_cloud_fly

使用Apache HttpClient 4.5.x 连接池详细教学指南

Apache HttpClient 4.5.x 连接池详细教学指南目录HTTP连接池概述连接池的核心概念PoolingHttpClientConnectionManager详解实际代码示例分析性能优化建议常见问题和最佳实践官方文档参考HTTP连接池概述什么是HTTP连接池？HTTP连接池是一种用于管理HTTP连接的技术，它允许应用程序复用已建立的TCP连接来执行多个HTTP请求，而不是为每个请求都建立新的连接。这种技术可以显著提高HTTP客户端的性能。为什么需要连接池？减少连接建立开销：建立TC

1654 阅读

收藏
4 个月前 / 用户_1758497476

让AI拥有“记忆”：多模态智能体 M 3-Agent 的技术解读

你是否期望未来能有一个 AI 陪伴机器人，它不仅能“看见”我们的手势，“听懂”我们的需求，还能像“记住”我们的爱好，并在合适的时间“推理”出我们的内心想法？最近，字节跳动与浙江大学、上海交大联合发布了一项新突破：M3-Agent，一个具备长期记忆能力的多模态智能体，能够处理无限长的视频流，并在任务中持续学习与推理。一、背景：多模态AI的“记忆缺失”问题当前主流的多模态大模型（如GPT-4V、Gemini等）虽然能处理图像、视频、音频等多种输入，但它们普遍存在一个关键问

1341 阅读

收藏
5 个月前 / 大漠孤城

AutoGLM：用于GUI的自主基础代理

引言包括大型语言模型和大型多模态模型在内的基础模型，因其卓越的语言理解和生成能力而受到广泛关注。通过在互联网规模的语料库上进行广泛的自监督预训练，这些模型不仅获得了知识和语言能力，还获得了类人的推理和规划能力，从而产生了作为代理的LLM。然而，GUI基础代理的开发面临一个关键挑战：现有预训练集中决策数据的稀缺性。虽然互联网包含大量人类知识，但它主要由静态信息组成，不足以捕捉人类的决策和环境交互。构建有能力的基础代理需要用动态知识来丰富它们，无论是通过与真实世界的环境直接交互，还是通过从合成轨迹中

1192 阅读

收藏
5 个月前 / 大漠孤城

WEBRL：通过自演化在线课程强化学习训练LLM Web代理

引言大型语言模型不仅展现出对人类语言、常识推理和知识获取的卓越理解能力，而且在复杂规划和逻辑推理方面也显示出巨大的潜力，表明它们有望发展成为自主LLM智能体。LLM智能体的应用领域日益广泛，涵盖了代码生成、数据库操作以及图形用户界面交互等领域。在这些应用中，由LLM驱动的Web智能体因其广泛的应用前景和在数字生态系统中培育真正自主智能的独特潜力而备受关注。尽管取得了这些进展，但现有的LLM网络代理，无论其性能指标或架构范式如何，仍然欠发达。高性能的LLM网络代理主要依赖于精心制作的提示，并结合专

1054 阅读

收藏
5 个月前 / 游水猪

MiniMax-M1：通过闪电注意力高效扩展测试时计算

引言在人工智能领域，大型推理模型（LRMs）的进步正以前所未有的速度改变着我们处理复杂任务的方式。这些模型通过扩展推理过程，在数学、编程和软件工程等领域取得了显著成功。然而，传统Transformer架构中自注意力机制固有的二次计算复杂度，使得持续扩展推理过程面临巨大挑战。为了解决这一瓶颈，MiniMax-M1应运而生，它是一款开创性的开源大型混合注意力推理模型，旨在高效扩展测试时计算。MiniMax-M1是基于MiniMax-Text-01模型开发的，它融合了混合专家模型（MoE）架构和闪电注

1239 阅读

收藏

加载中...