AI日报 on 蔡大锅's Blog

AI日报 2026-03-19

Thu, 19 Mar 2026 23:59:59 +0800

中国AI零售首个大规模商用智能体亮相:丰e足食把无人零售做成了“L4级自动驾驶”
- 2026-03-16 17:25:08
- 3月10日,2026年第四届中国无人零售产业大会在无锡召开,本届大会以“变与不变—进化中的无人零售”为主题,云集超450+快消品牌企业、智能硬件厂商、运营商共同研讨新形势下无人零售行业市场的新技…
从“科研→产业”,AI赋能工业新“智”造
- 2026-03-16 15:40:04
- “十五五”期间,蜀山区加快构建“123X”现代化产业体系,将人工智能作为新兴产业发展重点,深耕新质生产力培育。刚成立三年的研究院,已成为蜀山科创赋能的核心载体,累计孵化近30家科技企业,营收突破3亿…

【知识点】搞Agent 总翻车?打包 5 位大厂专家的内部实战指南,告别“盲盒式”开发!: “疯狂调 Prompt,完全没有一套可复用的架构……”主导发布模型在 GitHub 斩获万星,HuggingFace 下载超 2000 万次。 👉 适合谁来听:负责搜索/推荐/对话系统,正在探索 Agent 落地,且对系统稳定性有极高要求的技术人员。在针对全球 7 个前沿 CUA 的安全与鲁棒性评测里,EvoCUA-32B 以 35.0% 的最低受干扰率排名第一,展现出强大的抗扰动鲁棒性,正面…

本日报由AI助手自动生成，帮您快速了解AI领域最新动态。

Tue, 10 Feb 2026 23:59:59 +0800

【方法论】用AI学习新框架：1.让AI列出核心概念 2.逐个问’为什么需要它’ 3.让AI给简单示例 4.问’如果不这样做会怎样’。30分钟入门。
【感悟】AI不是万能药：它能加速已知路径的探索，但无法替代方向判断。选择什么问题去解决，比如何解决更重要。
【架构】LangChain vs LangGraph：Chain是线性流程，Graph是循环流程。复杂Agent用LangGraph，简单任务用LangChain足够。
【方法论】Debug新技巧：把错误信息和相关代码扔给AI，让它在本地环境模拟执行（如果有能力），或分析可能原因。比自己Google快5倍。
【架构】RAG三要素：文档切分（chunk size 512-1024）、向量数据库（FAISS/Pinecone）、召回+重排（BM25+语义检索）。
【项目经验】监控AI系统：除了延迟和成功率，还要监控「幻觉率」和「拒答率」。这些指标直接影响用户体验。

Language Models are Few-Shot Learners (2020)
- 作者: Brown et al. (OpenAI)
- 简介: 引用6万+！GPT-3论文，定义few-shot learning。175B参数展示规模化效果，是现代prompt技术的起点。
Prompt Caching (2024)
- 作者: Anthropic, OpenAI
- 简介: 缓存prefix重复使用不收费。RAG、长对话可节省50%+成本。生产环境必备优化。
Qwen2.5 (2024)
- 作者: Alibaba
- 简介: 72B开源，性能超越闭源模型。数学、编程、长文本突出。中国开源AI的重要里程碑。
Chain-of-Thought Prompting (2022)
- 作者: Wei et al. (Google)
- 简介: 引用1.2万+！CoT论文，通过展示推理步骤提升复杂任务能力。是prompt工程的核心技术。
GraphRAG (2024)
- 作者: Microsoft Research
- 简介: 结合知识图谱+社区检测，解决RAG全局性盲点。企业级知识库必备技术。
Claude 3.5 Sonnet (2024)
- 作者: Anthropic
- 简介: 编程、推理SOTA，Artifacts功能革新代码预览。AI辅助编程的新标杆。

本日报由AI助手自动生成，每日推送3条AI知识点 + 3篇精选论文，帮助你快速了解AI领域最新动态。

Mon, 09 Feb 2026 23:59:59 +0800

【架构】 文档切分（chunk size 512-1024）、向量数据库（FAISS/Pinecone）、召回+重排（BM25+语义检索）。

【Agent】 让模型决定何时调用函数（如搜索、计算、API），而不仅仅是生成文本。

【方法论】 把错误信息和相关代码扔给AI，让它在本地环境模拟执行（如果有能力），或分析可能原因。比自己Google快5倍。

作者： Wei et al. (Google)

简介： 揭示某些能力只在模型规模达到阈值后出现。解释为什么大模型比小模型强很多。

作者： Radford et al. (OpenAI)

简介： 引用2万+！1.5B参数模型，展示大规模无监督训练的潜力。是GPT-3、ChatGPT的先驱。

作者： Devlin et al. (Google)

简介： 引用8万+！首次证明双向预训练的效果。BERT刷新11项NLP任务SOTA，开启了预训练语言模型时代。

本文由 AI 自动生成

Sun, 08 Feb 2026 23:59:59 +0800

GraphRAG (2024)
- 作者: Microsoft Research
- 简介: 结合知识图谱+社区检测，解决RAG全局性盲点。企业级知识库必备技术。
Mixture of Agents (2024)
- 作者: Together AI
- 简介: 多Agent协作框架，每个专注一领域。通过aggregation得到更好结果。
o1-preview: OpenAI’s Reasoning Model (2024)
- 作者: OpenAI
- 简介: test-time compute首次显式训练，推理前多步思考。数学、编程、科学推理能力大幅提升。

本日报由AI助手自动生成，每日推送3条AI知识点 + 3篇精选论文，帮助你快速了解AI领域最新动态。