AI教程

Midjourney推出外部编辑器，支持上传图像后消除元素、扩展画布、改变艺术风格等操作。该功能仅对订阅超一年或消耗超1万积分用户开放，用户已用于换装、恶搞名画等创作。其精细调整和多风格能力在同类产品中突出，但应用仍限于娱乐领域。

准备 1：GEMINI_API_KEY，在 https: aistudio google com app apikey 可以 2：用export http_proxy的方式，可以不需要配置TUN网卡 准备好后，写到 ~ bashrc，如下： 安装gemini code 这里使用的是window

OpenAI推出MLE-bench基准测试，评估AI自主完成机器学习工程任务。GPT-4o结合AIDE框架表现优于其他框架，o1-preview配合AIDE后性能翻倍，约16 9%比赛达到铜牌以上。AIDE由UCL博士生创立的WecoAI开发，专注于机器学习的代码优化Agent框架，展示了Agent框架在释放模型能力中的关键作用。

AI正式进入推理时代，标志性模型o1通过推理时间计算实现从模仿到思考的转变。强化推理能力催生新型代理应用，推动AI从系统1快速匹配迈向系统2深度推理，形成新的扩展定律。应用层通过定制认知架构替代劳动力，创造服务即软件的新市场。

Runway推出Act-OneAI视频生成工具，简化了面部动画制作流程，无需动捕设备即可将表演细节转移至AI角色。它支持多角度摄像机下呈现电影级真实感，已与Lionsgate合作开发定制模型，显著提升视频叙事能力。

英伟达CEO黄仁勋指出，人工智能正驱动新工业革命，企业需转型为AI驱动组织。英伟达正打造“AI大脑”，并预测未来将拥有5万名员工和超1亿个人工智能助手，数字员工将与人类协作提升效率。

国产AI视频生成产品在海外表现突出，海螺AI、可灵AI等工具访问量大幅增长，视频质量、稳定性获好评。技术迭代迅速，有望赋能广告、影视等行业，并推动从AI生成向完整工作流发展，商业空间进一步打开。

而至于模型本身的性能，按照Mistral的说法，Pixtral Large是目前的SOTA视觉模型。在MMMU、MathVista、ChartQA等六个不同任务类型的数据集中，Pixtral Large取得了超过或接近与Gemini-1 5 Pro和GPT-4o的成绩，相对Claude-3 5 So

概述 Claude Code 是 Anthropic 推出的官方 CLI 工具。根据官方推荐，npm 安装方式已于 2026 年 1 月起被弃用，原生安装脚本（curl PowerShell）成为支持自动更新的首选方案。 安装方式对比 安装方式命令自动更新推荐指数原生安装（macOS Linux

一、Loop 到底解决什么问题？ 用 Claude Code 写代码，你大概率遇到过这个场景： 把需求丢给它 → 它忙活一阵 → 输出一堆代码 → 停了。 测试没过？它把报错贴给你，等你下一步指令。逻辑没写完？它声称 "已完成 "就交差了。 这不是 Claude 不够聪明，而是它默认是单轮执行——做完一

上周我接到一个挺典型的需求：业务同事只发来一句话——“我们想把客户资料、工单记录和回访话术串起来，做一个自动化的客户跟进看板。”这句话听起来不复杂，但真正往下拆，会牵涉数据来源、权限、字段口径、工单状态流转、通知策略、接口改造、前端交互、审计留痕，甚至还有客户隐私和合规边界。为了减少在不同 AI 工

刚刚，Claude 3 5 Haiku允许通过API访问，同一天，xAI也官宣Grok API也正式开启公测。就在刚刚，Anthropic宣布，Claude 3 5 Haiku已经可以通过API访问。与此同时，就在今天，Grok API也官宣正式开启公测。Claude 3 5 Haiku正式开放AP

写在前面：万能的 SVD，缺席的算法SVD 是线性代数的瑞士军刀。你做主成分分析（PCA），底层是 SVD；你做推荐系统的协同过滤，底层是 SVD；你算伪逆、解最小二乘，底层是 SVD；你做图像压缩、信号去噪、潜在语义分析（LSA），底层还是 SVD。统计软件里凡是涉及 "降维 " "求秩 " "解超定方程组

注意力机制的“位置盲区” 上一章我们探讨了注意力机制如何借助 QKV（Query-Key-Value）矩阵计算 Token 之间的相关性。然而，其中隐藏着一个关键的问题： 注意力机制天生就像个“路痴”——它根本无法感知 Token 的前后顺序！ 问题演示 我们来观察这两个句子： "猫 吃 鱼 " "鱼

从零理解 Transformer：注意力机制全解析 Transformer 架构彻底改写了自然语言处理的技术版图——从 BERT 到 GPT-4，从 T5 到 LLaMA，几乎所有现代大语言模型都长在 Transformer 的根上。但说实话，很多开发者的理解还停在“调 API”层面。本文从直觉出发