搜索
AI不一定是“邪恶”的，但它也远非“中立无害”。 过去几年里，我们习惯了通过 ChatGPT 等 AI 产品提问、聊天、生成代码。
刚刚谷歌推出了 Gemini CLI，一个开源的 AI Agent，把 Gemini 的能力直接带到你的终端里。可以把它看作是谷歌版的 Claude Code。最香的是，这玩意儿开源、免费用，背后是带百万上下文的最强 Gemini 模型。
AI新进展，救命的那种。现在，只需做一次体检时常规的CT检查，再用AI分析，就有可能在癌症还没有露出明显症状之前——比如提前半年——把它揪出来。
还在为复杂的Windows设置头疼？微软来重新定义设置界面交互了
细胞治疗，尤其是CAR-T，被誉为“活的药物”，但其开发与生产面临着一个根本性挑战：我们难以精准控制和预测这些活细胞在人体内的最终状态和功能。同一批次生产的CAR-T细胞，有的能高效清除肿瘤，有的却迅速“耗竭”，这种功能异质性是制约疗效、导致高昂制造成本的核心瓶颈。如何通过基因编辑等手段，将细胞调整到最理想的“战斗”状态，是该领域亟待突破的圣杯。
过去几年，随着基于人类偏好的强化学习（Reinforcement Learning from Human Feedback，RLHF）的兴起，强化学习（Reinforcement Learning，RL）已成为大语言模型（Large Language Model，LLM）后训练阶段的关键技术。
AI 时代，你可能听说过提示词工程、RAG、记忆等术语。但是很少有人提及上下文工程（context engineering）。
在大语言模型（LLM）加速进入法律、医疗、金融等高风险应用场景的当下，“安全对齐”不再只是一个选项，而是每一位模型开发者与AI落地者都必须正面应对的挑战。
本文将介绍 22 种先进的RAG技术，灵感来源于 all-rag-techniques 仓库中的全面实现。这些实现使用 Python 库（如 NumPy、Matplotlib 和 OpenAI 的嵌入模型），避免使用 LangChain 或 FAISS 等依赖，以保持简单性和清晰度。
现在投资不止局限于做人形机器人本体的公司，还会押注模型、数据、硬件、场景等产业链上下游的企业；